Saltar al contenido
ReviewRamble

El boletín semanal

La IA, analizada, en tu bandeja de entrada.

  • Nuevas reseñas de herramientas, modelos, servidores MCP y repos, con el veredicto por delante
  • Precios y valoraciones revisados cuando algo cambia
  • Nuevos análisis en cuanto se publican

Modelos, agentes, servidores MCP y las herramientas que de verdad merecen tu tiempo.

Un correo a la semana. Date de baja con el enlace de cualquier boletín. Cómo usamos tu correo

Requisitos de GPU de GLM 4.7 Flash: VRAM y GPU más barata

GLM 4.7 Flash tiene 31,2 mil M parámetros, publicados en BF16. Es un modelo de mezcla de expertos: 4 de sus 64 expertos trabajan en cada token, unos 5174,9 M parámetros, así que genera más o menos a la velocidad de un modelo de ese tamaño. Aun así, todos los expertos tienen que estar en la memoria de la GPU, por eso las cifras de memoria de abajo son las del modelo completo. Se publica con licencia mit, que permite el uso comercial.

Parámetros
31,2 mil M
Mínimo de memoria (INT4)
unos 20 GB
GPU más barata por hora (FP16)
0,50 US$
Tipo
Texto
  • Parámetros 31,2 mil M
  • Activos por token 5174,9 M
  • Tipo Texto
  • Tarea text-generation
  • Contexto máximo 198K
  • Licencia mit
  • Descargas 1,2 M
  • Me gusta 1,9 mil

Cálculo para GLM 4.7 Flash

Precisión
Uso
Más ajustes
Motor de inferencia
Peticiones simultáneas

GLM 4.7 Flash necesita unos 70 GB de memoria de GPU

Inferencia (vLLM), FP16 / BF16, contexto de 8K tokens, una petición a la vez.

En qué se va la memoria

  • Pesos 62 GB
  • Caché KV 0,44 GB
  • Sobrecarga del motor 7,3 GB
  • Total 70 GB

El número de GPU deja libre un 10 % de cada tarjeta para picos. Prevé más si esperas prompts largos o muchos usuarios a la vez.

GPU que caben, de la más barata a la más caraCada tipo de GPU que seguimos capaz de alojar esta configuración en un nodo, ordenado por coste total por hora
PuestoConfiguraciónPor GPU / hGPU necesariasTotal / hTotal / mes (24/7)Proveedor
11 × RTX PRO 6000 96GBMás barataBlackwell · GDDR70,50 US$10,50 US$365 US$RunPod (se abre en una pestaña nueva)1x RTX PRO 6000 MaxQ
24 × RTX 3090 24GBAmpere · GDDR6X0,24 US$40,96 US$702 US$Vast.ai (se abre en una pestaña nueva)4x RTX 3090 (median of 9 offers)
31 × A100 80GBAmpere · HBM2e1,12 US$11,12 US$820 US$Vast.ai (se abre en una pestaña nueva)1x A100 SXM4 (median of 16 offers)
42 × A40 48GBAmpere · GDDR60,59 US$21,18 US$861 US$RunPod (se abre en una pestaña nueva)2x A40
52 × A100 40GBAmpere · HBM20,61 US$21,22 US$890 US$Vast.ai (se abre en una pestaña nueva)2x A100 SXM4 (median of 8 offers)
62 × RTX A6000 48GBAmpere · GDDR60,69 US$21,38 US$1007 US$RunPod (se abre en una pestaña nueva)2x RTX A6000
71 × H100 80GBHopper · HBM31,39 US$11,39 US$1015 US$Lium (se abre en una pestaña nueva)1x H100 80GB HBM3
82 × L40S 48GBAda Lovelace · GDDR60,80 US$21,60 US$1169 US$Vast.ai (se abre en una pestaña nueva)2x L40S (median of 6 offers)
91 × GH200 96GBHopper · HBM31,99 US$11,99 US$1453 US$Vultr (se abre en una pestaña nueva)vbm-72c-480gb-gh200-gpu (bare metal)
102 × RTX 6000 Ada 48GBAda Lovelace · GDDR61,09 US$22,18 US$1591 US$RunPod (se abre en una pestaña nueva)2x RTX 6000 Ada
114 × RTX 4090 24GBAda Lovelace · GDDR6X0,58 US$42,32 US$1696 US$Vast.ai (se abre en una pestaña nueva)4x RTX 4090 (median of 12 offers)
121 × MI300X 192GBCDNA 3 · HBM32,39 US$12,39 US$1745 US$RunPod (se abre en una pestaña nueva)1x MI300X
134 × L4 24GBAda Lovelace · GDDR60,69 US$42,76 US$2015 US$RunPod (se abre en una pestaña nueva)4x L4
141 × H200 141GBHopper · HBM3e2,90 US$12,90 US$2117 US$Lium (se abre en una pestaña nueva)1x H200 NVL
151 × H100 NVL 94GBHopper · HBM33,19 US$13,19 US$2329 US$RunPod (se abre en una pestaña nueva)1x H100 NVL
163 × RTX 5090 32GBBlackwell · GDDR70,80 US$3se vende con 4 GPU; necesitas 33,20 US$2338 US$Vast.ai (se abre en una pestaña nueva)4x RTX 5090 (median of 35 offers)
171 × B200 180GBBlackwell · HBM3e5,60 US$15,60 US$4088 US$Lium (se abre en una pestaña nueva)1x B200
184 × A10 24GBAmpere · GDDR61,42 US$45,67 US$4141 US$AWS (se abre en una pestaña nueva)g5.12xlarge
195 × V100 16GBVolta · HBM20,79 US$5se vende con 8 GPU; necesitas 56,32 US$4614 US$Lambda (se abre en una pestaña nueva)8x Tesla V100
205 × T4 16GBTuring · GDDR60,98 US$5se vende con 8 GPU; necesitas 57,82 US$5712 US$AWS (se abre en una pestaña nueva)g4dn.metal
211 × B300 288GBBlackwell Ultra · HBM3e8,00 US$18,00 US$5840 US$Lium (se abre en una pestaña nueva)1x B300 SXM6
221 × GB200 186GBBlackwell · HBM3e10,50 US$1se vende con 4 GPU; necesitas 142,00 US$30.660 US$CoreWeave (se abre en una pestaña nueva)GB200 NVL72
Coste por nubeOferta más barata que cabe, por proveedor. Aproximado, precios recogidos el 16 nov 2026.
ProveedorInstanciaPor GPU / hGPU necesariasTotal / hTotal / mes (24/7)
RunPod (se abre en una pestaña nueva)Más barata1x RTX PRO 6000 MaxQus0,50 US$1 × RTX PRO 6000 96GB unos 0,50 US$unos 365 US$
Vast.ai (se abre en una pestaña nueva)4x RTX 3090 (median of 9 offers)mercado mundial0,24 US$4 × RTX 3090 24GB unos 0,96 US$unos 702 US$
Lium (se abre en una pestaña nueva)1x RTX PRO 6000 Blackwell Server Editionmercado mundial1,19 US$1 × RTX PRO 6000 96GB unos 1,19 US$unos 869 US$
Nebius (se abre en una pestaña nueva)1x RTX PRO 6000 96GBeu/us1,80 US$1 × RTX PRO 6000 96GB unos 1,80 US$unos 1314 US$
Vultr (se abre en una pestaña nueva)vbm-72c-480gb-gh200-gpu (bare metal)us1,99 US$1 × GH200 96GB unos 1,99 US$unos 1453 US$
Lambda (se abre en una pestaña nueva)2x A6000us1,09 US$2 × RTX A6000 48GB unos 2,18 US$unos 1591 US$
AWS (se abre en una pestaña nueva)g7e.2xlargeus-east-13,36 US$1 × RTX PRO 6000 96GB unos 3,36 US$unos 2455 US$
Azure (se abre en una pestaña nueva)NC24ads_A100_v4eastus3,67 US$1 × A100 80GB unos 3,67 US$unos 2681 US$
Google Cloud (se abre en una pestaña nueva)g2-standard-48us-central11,00 US$4 × L4 24GB unos 4,00 US$unos 2921 US$
CoreWeave (se abre en una pestaña nueva)GH200us6,50 US$1 × GH200 96GB unos 6,50 US$unos 4745 US$

Precios recogidos el 16 nov 2026. Todos los costes son aproximados: bajo demanda, en dólares, sobre todo regiones de EE. UU. (los mercados como Vast.ai y Lium son mundiales).

Memoria por precisión y uso

Con un contexto de 8K tokens y una petición a la vez. LoRA y el ajuste completo parten de pesos de 16 bits y QLoRA de 4 bits, así que las demás celdas quedan vacías.
PrecisiónInferenciaAjuste LoRAAjuste QLoRAAjuste completo
FP16 / BF1670 GB83 GB–553 GB
INT838 GB–––
INT420 GB–32 GB–

La GPU más barata por precisión

Inferencia con contexto de 8K y una petición a la vez.

FP16 / BF16

unos 70 GB · 8K tokens

Los pesos tal como se publican. Sin pérdidas, pero ocupa más.

1 × RTX PRO 6000 96GB

RunPod (se abre en una pestaña nueva) · 1x RTX PRO 6000 MaxQ

Por GPU / h
0,50 US$
GPU necesarias
1
Total / h
unos 0,50 US$
al mes, 24/7, aprox.
365 US$

INT8

unos 38 GB · 8K tokens

Pesos a la mitad de tamaño. En chat y RAG apenas se nota.

1 × RTX A6000 48GB

Lium (se abre en una pestaña nueva) · 1x RTX A6000

Por GPU / h
0,42 US$
GPU necesarias
1
Total / h
unos 0,42 US$
al mes, 24/7, aprox.
307 US$

INT4

unos 20 GB · 8K tokens

Pesos a una cuarta parte. Las pequeñas pérdidas aparecen antes en matemáticas y código.

1 × RTX 3090 24GB

Lium (se abre en una pestaña nueva) · 1x RTX 3090 Ti

Por GPU / h
0,16 US$
GPU necesarias
1
Total / h
unos 0,16 US$
al mes, 24/7, aprox.
117 US$

Inferencia frente a ajuste fino

  • Inferencia (FP16)

    1×

    de la memoria que pide la inferencia

    70 GB

    1 × RTX PRO 6000 96GB · unos 0,50 US$

  • Ajuste LoRA

    1,2×

    de la memoria que pide la inferencia

    83 GB

    1 × RTX PRO 6000 96GB · unos 0,50 US$

  • Ajuste QLoRA

    0,5×

    de la memoria que pide la inferencia

    32 GB

    1 × RTX A6000 48GB · unos 0,42 US$

  • Ajuste completo

    7,9×

    de la memoria que pide la inferencia

    553 GB

    4 × MI300X 192GB · unos 9,56 US$

Para servirlo en FP16 basta con 1 × RTX PRO 6000 96GB (RunPod). LoRA necesita 1 × RTX PRO 6000 96GB (RunPod), QLoRA 1 × RTX A6000 48GB (Lium) y un ajuste completo 4 × MI300X 192GB (RunPod). Entrenar guarda en memoria las activaciones y el estado del optimizador además de los pesos; por eso suele pedir más GPU que servir el mismo modelo.

¿Funciona en un Mac o en una sola RTX 4090?

RTX 4090 (24 GB)

Sí, en INT4 con contexto de 8K: unos 20 GB caben en los 24 GB de la tarjeta.

Mac con Apple silicon

Sí, con memoria suficiente. En INT4 necesita unos 20 GB, así que un Mac con 32 GB o más de memoria unificada (macOS deja a la GPU usar unas tres cuartas partes). La generación será más lenta que en una GPU de centro de datos.

Modelos parecidos

Modelos abiertos de tamaño parecido.

Calcular otro modelo

GLM 4.7 Flash: preguntas frecuentes

¿Cuánta VRAM necesita GLM 4.7 Flash?

Unos 70 GB en FP16, 38 GB en INT8 y 20 GB en INT4, con contexto de 8K y una petición a la vez. Los contextos más largos y más peticiones en paralelo añaden caché KV.

¿Cuál es la GPU más barata para ejecutar GLM 4.7 Flash?

1 × RTX PRO 6000 96GB (unos 0,50 US$ por GPU / hora) en RunPod, por unos 0,50 US$ la hora para inferencia en FP16 / BF16 con contexto de 8K. Precios recogidos el 16 nov 2026; cambian a menudo.

¿Puedo hacer ajuste fino de GLM 4.7 Flash en una sola GPU?

Sí, con QLoRA: necesita unos 32 GB, que caben en una GPU de 80 GB. LoRA necesita unos 83 GB y un ajuste completo unos 553 GB.

¿Cómo se calculan estas cifras?

Los pesos son los parámetros por los bytes por parámetro (2 en FP16, 1 en INT8, 0,5 en INT4). La caché KV sale de las capas, las cabezas KV, el tamaño de cabeza y la longitud de contexto del modelo. Añadimos un 10 % más 1 GB para el motor y llenamos cada GPU hasta el 90 %. Los precios son de lista bajo demanda en regiones de EE. UU., tomados de la página pública de cada proveedor.

¿Funciona GLM 4.7 Flash en una GPU de consumo como la RTX 4090?

Sí, en INT4 con contexto de 8K: unos 20 GB caben en los 24 GB de la tarjeta.

¿Cabe GLM 4.7 Flash en una sola H100 de 80 GB?

Sí, en FP16 / BF16, INT8, INT4 con contexto de 8K.

¿Cuántas GPU necesito para GLM 4.7 Flash?

En FP16 con contexto de 8K: 1 × 80 GB, 2 × 48 GB o 4 × 24 GB. En INT4 los pesos ocupan más o menos la cuarta parte.

¿Cuánta VRAM necesita GLM 4.7 Flash en INT8?

Unos 38 GB: 33 GB para los pesos, 0,44 GB para una caché KV de 8K y 4,3 GB de sobrecarga del motor.

¿Cuánto cuesta tener GLM 4.7 Flash funcionando 24/7 durante un mes?

Unos 365 US$ con la configuración más barata que encontramos (1 × RTX PRO 6000 96GB (unos 0,50 US$ por GPU / hora), 0,50 US$ la hora durante 730 horas). Lo más barato en AWS, Google Cloud o Azure ronda los 2455 US$ al mes.

FP16, INT8 o INT4: ¿cuál uso?

FP16 conserva toda la calidad y necesita más memoria (unos 70 GB aquí). INT8 reduce los pesos a la mitad con poca pérdida para la mayoría de usos de chat. INT4 (AWQ, GPTQ o GGUF Q4) los deja en una cuarta parte, unos 20 GB en total, con una pequeña pérdida de calidad que se nota sobre todo en matemáticas y código.

¿Funciona GLM 4.7 Flash en un Mac?

Sí, con memoria suficiente. En INT4 necesita unos 20 GB, así que un Mac con 32 GB o más de memoria unificada (macOS deja a la GPU usar unas tres cuartas partes). La generación será más lenta que en una GPU de centro de datos.

¿vLLM o llama.cpp?

vLLM está pensado para servir muchas peticiones a la vez en GPU de NVIDIA y AMD y reserva casi toda la memoria de la GPU para la caché KV. llama.cpp ejecuta archivos GGUF casi en cualquier equipo, incluidos Mac y CPU, y va bien para una persona o un equipo pequeño. Con la misma precisión, la memoria necesaria es parecida.

Precios recogidos el 16 nov 2026. Todos los costes son aproximados: bajo demanda, en dólares, sobre todo regiones de EE. UU. (los mercados como Vast.ai y Lium son mundiales).

Cómo calculamos

  • Pesos. Parámetros por bytes por parámetro: 2 en FP16, 1 en INT8, 0,5 en INT4, más un 5 % aproximado para las escalas de cuantización en INT8 e INT4.
  • Caché KV. 2 × capas × cabezas KV × tamaño de cabeza × contexto × peticiones × 2 bytes, según el config.json del modelo. Si falta un dato, lo estimamos y lo indicamos.
  • Sobrecarga. Alrededor de un 10 % más 1 GB para el motor, en línea con lo que reserva vLLM.
  • Ajuste fino. LoRA mantiene los pesos en 16 bits y añade un adaptador pequeño, su optimizador y las activaciones. QLoRA hace lo mismo sobre pesos de 4 bits. Un ajuste completo necesita unos 16 bytes por parámetro con Adam en precisión mixta (pesos, gradientes y estados del optimizador), más las activaciones.
  • GPU. Llenamos cada GPU hasta el 90 % de su memoria y paramos en 8 por nodo. Los costes son precios de lista bajo demanda en regiones de EE. UU.; en las nubes tipo mercado mostramos la oferta mediana.