PC para programar: qué compu necesitás para desarrolla y correr modelos de IA local
Cuando programás, lo que le pedís a la computadora es que compile rápido, que mueva varios entornos y contenedores sin trabarse, y cada vez más, que pueda correr modelos de IA en local sin depender de la nube. La computadora para programar ideal depende de dos cargas de trabajo distintas: programar se apoya sobre todo en el procesador y la RAM, mientras que correr IA local se apoya en la placa de video y su VRAM.
En esta nota repasamos qué le pide cada tarea a la computadora, qué componentes conviene priorizar, qué equipo tiene más sentido según tu perfil y las dudas más comunes.
Además, ya te adelantamos que con MallWeb podés conseguir una computadora de escritorio lista para desarrollar desde el día uno, o armar tu equipo a medida con asesoramiento y financiación en cuotas.
Qué componentes marcan la diferencia en tu computadora para programación
El trabajo de desarrollo de software en el día a día (compilar proyectos, levantar servicios, correr contenedores y virtualizar sistemas) pesa distinto que otras tareas. Acá lo que más importa son el procesador, la RAM y el disco, más que la placa de video. Herramientas como VS Code o Cursor corren sin problema en casi cualquier equipo moderno, pero lo que realmente exige recursos es todo lo que pasa por detrás: compilar, versionar con Git, levantar contenedores con Docker Desktop y, en Windows, trabajar con WSL2 (el subsistema de Windows para Linux) para tener un entorno similar a Linux sin salir del sistema operativo.
Procesador: núcleos para compilar y levantar contenedores
Compilar proyectos grandes y correr varios contenedores o máquinas virtuales al mismo tiempo se apoya, sobre todo, en la cantidad de núcleos del procesador. Un procesador moderno con buen rendimiento multinúcleo rinde bien para la multitarea intensa que implica tener el editor abierto, el navegador con varias pestañas, Docker corriendo y una máquina virtual de fondo. Tanto un procesador AMD como un procesador Intel actual cumplen bien esta función; lo que hay que mirar es la cantidad de núcleos y la generación, no solo la frecuencia.
Memoria RAM: 16 GB para arrancar, 32 GB con Docker y varios entornos
16 GB de memoria RAM DDR5 es el piso para programar cómodo hoy: alcanza para un editor, un navegador y algún servicio local corriendo. Pero en cuanto sumás Docker, varias máquinas virtuales y un montón de pestañas y entornos abiertos a la vez, conviene subir a 32 GB o más. Si trabajás con microservicios que levantan varios contenedores en simultáneo, la RAM es de los primeros cuellos de botella que vas a sentir.
Almacenamiento: SSD NVMe para el código, las dependencias y las máquinas virtuales
Un disco SSD NVMe (disco de estado sólido de alta velocidad) acelera la compilación, la instalación de dependencias de Node.js o Python y el arranque de contenedores y entornos virtuales. Conviene ir por una capacidad amplia, porque las imágenes de Docker, los node_modules, los entornos virtuales de Python y las máquinas virtuales ocupan espacio rápido, mucho más de lo que parece al principio de un proyecto.
Correr IA local: por qué la VRAM manda
Correr modelos de inteligencia artificial en tu propia computadora, con herramientas como Ollama o LM Studio, cambió las reglas del juego para quienes arman una pc para inteligencia artificial. Acá el componente decisivo ya no es el procesador: es la placa de video y, sobre todo, su VRAM (la memoria propia de la placa de video). Para que la inferencia, es decir, ejecutar un modelo ya entrenado, vaya rápido, el modelo tiene que cargarse entero en esa VRAM. NVIDIA documenta en su guía sobre CUDA y Compute Capability qué placas soportan esta aceleración, que es la base sobre la que corren la mayoría de las herramientas de IA local.
Cuánta VRAM según el modelo que quieras correr
La tabla muestra, de forma aproximada, cuánta VRAM se necesita según el tamaño del modelo, expresado en parámetros del modelo (7B, 13B, 70B). Son valores orientativos: dependen mucho de la cuantización, una técnica que reduce el tamaño del modelo a cambio de algo de precisión, así que tomalos como punto de partida y no como una regla exacta a la hora de elegir tu placa de video.
RAM del sistema: para los modelos que no entran en la VRAM
Cuando un modelo no entra completo en la VRAM, una parte se descarga a la RAM del sistema. Funciona, pero es notablemente más lento que tener todo en la placa de video. Por eso, si vas a experimentar con IA local, conviene arrancar con 32 GB de RAM en el sistema, y pensar en 64 GB si tu plan es probar modelos grandes con frecuencia.
NVIDIA y CUDA: el estándar para acelerar la IA
La mayoría de las herramientas de IA local se apoyan en CUDA, la tecnología de NVIDIA para acelerar cargas de este tipo, así que una placa NVIDIA suele ser el camino más simple y con menos fricción para instalar y correr modelos. AMD ofrece una alternativa con ROCm (el equivalente de AMD a CUDA), pero suele pedir más configuración manual. Vale aclarar que no hace falta salir a buscar la GPU más cara del catálogo: lo que importa es que tenga la VRAM que pide el modelo que querés correr, más que su potencia bruta para gaming. Algunas notebooks y equipos recientes también empezaron a sumar una NPU (unidad de procesamiento neuronal) para acelerar tareas de IA livianas, aunque para modelos grandes la placa de video sigue siendo la que manda.
Qué computadora conviene según tu perfil
La mejor pc para programar no es la más cara del catálogo, sino la que se ajusta a lo que realmente hacés: no es lo mismo desarrollar aplicaciones web que entrenar y correr modelos de IA grandes en tu propia máquina.
Estudiante o dev que arranca
Para aprender a programar, hacer los primeros proyectos y practicar con Python o Node.js, alcanza con un procesador de gama media, 16 GB de RAM y un SSD NVMe, sin necesidad de placa de video dedicada. La idea es poder escalar la RAM más adelante y sumar una GPU el día que te metas con IA. En MallWeb podés arrancar con un equipo así y financiarlo en cuotas.
Desarrollo full-time con contenedores y varios entornos
Para trabajar todos los días con Docker, microservicios y varios entornos corriendo en simultáneo, conviene dar el salto a un procesador de varios núcleos, 32 GB de RAM y un SSD amplio que aguante imágenes, dependencias y máquinas virtuales sin quedarse sin espacio. Este es un buen perfil para pensar en una PC armada a medida.
IA local en serio (LLMs grandes y machine learning)
Si tu objetivo es correr modelos grandes, hacer inferencia seguido o meterte de lleno en machine learning, necesitás una placa de video NVIDIA con 16 GB de VRAM o más, entre 32 y 64 GB de RAM y buen almacenamiento para guardar modelos y datasets. Vale la pena aclarar algo: este perfil se cruza bastante con el de una PC gamer potente. Una PC gamer armada bien elegida, con una placa de video con suficiente VRAM, sirve muy bien también para IA local.
Preguntas frecuentes
¿Cuánta RAM necesito para programar?
16 GB es el piso para programar sin sobresaltos, y 32 GB es lo cómodo apenas sumás Docker, máquinas virtuales y varios entornos abiertos al mismo tiempo. Si además corrés modelos de IA en local, conviene apuntar directo a esos 32 GB de memoria RAM o más.
¿Qué placa de video conviene para correr IA local?
Lo que manda acá es la VRAM, no la potencia gráfica en sí: 8 GB alcanzan para modelos chicos, y 16 GB o más son necesarios para modelos medianos y grandes. Preferentemente, conviene que sea NVIDIA, por el soporte de CUDA en la mayoría de las herramientas de IA local. Podés ver las opciones de placa de video disponibles en MallWeb.
¿PC de escritorio o notebook para programar?
La notebook es cómoda si necesitás programar en movimiento o llevarte el equipo a distintos lugares, pero la PC de escritorio rinde más por el mismo precio, es más ampliable con el tiempo y refrigera mejor cuando exigís la placa de video para IA local de forma sostenida.
¿Sirve una PC gamer para IA local?
Sí, y bastante bien: una PC gamer suele traer una placa de video potente con buena cantidad de VRAM, que es justo lo que pide la IA local para cargar modelos y hacer inferencia rápido.
Conclusión
La mejor pc para programar depende de para qué la vas a usar: si programás, corrés IA local, o las dos cosas a la vez. Para desarrollar, lo que más pesa es el procesador y la RAM; para correr IA en local, lo que define qué modelos podés ejecutar es la placa de video y su VRAM. Definí primero tu caso de uso y armá el equipo alrededor de ese cuello de botella, sin gastar de más en lo que no vas a aprovechar.
Si querés dar el paso, te invitamos a armar tu equipo a medida con el armador de PC o conocer las computadoras armadas de MallWeb, listas para programar desde el primer día.
Escribinos por WhatsApp o a [email protected] y te asesoramos para elegir la mejor opción según tu presupuesto y tu forma de trabajar.
Seguinos en Instagram y Facebook para estar al tanto de las promociones, novedades y próximos eventos.
Seguí leyendo
PC para diseño gráfico: cómo elegir los componentes según tus programas
PC para arquitectura y renderizado 3D: cómo elegir los componentes según tu software
PC para estudio de grabación: qué componentes necesitás según tu DAW
PC para edición de video: cómo elegir los componentes para editar en 4K sin frenos
PC para edición fotográfica: qué componentes necesitás para editar y revelar tus RAW