¿Son los 64 GB de DDR5-6000 C40 la nueva opción ideal para la IA y los videojuegos?

Tal y como se indicó el año pasado, la capacidad de RAM ideal recomendada para juegos y cargas de trabajo de inteligencia artificial era de 96 GB de memoria del sistema. Desde entonces, han cambiado muchas cosas, y es posible que un kit de 96 GB ya no sea una opción recomendable.

El mercado de las memorias ha cambiado radicalmente. La infraestructura de inteligencia artificial está consumiendo enormes cantidades de capacidad de DRAM y HBM, lo que ejerce una presión significativa sobre el suministro y los precios de la DRAM destinada al consumidor. En 2026, los kits de 96 GB pueden resultar difíciles de encontrar o tener un sobreprecio considerable, lo que los hará mucho menos atractivos para un montaje estándar destinado a aficionados.

Así pues, de vuelta al laboratorio para intentar encontrar la mejor solución dadas las circunstancias.

Se compararon las configuraciones de 32 GB y 64 GB utilizando una RTX 4090 y cargas de trabajo locales de modelos de lenguaje a gran escala (LLM), al tiempo que se analizó el efecto del rendimiento de la memoria DDR5.

El sistema de pruebas era el siguiente:

• CPU: Procesador Intel® Core™ Ultra 7 270K Plus
• DRAM: CORSAIR VENGEANCE RGB CMH64GX5M2D6000C40
• SSD: MP600 ELITE 2 TB PCIe Gen 4 x4
• Sistema todo en uno (AIO): iCUE LINK TITAN 360 RX RGB AIO
• Tarjeta gráfica: RTX 4090 de 24 GB XLR8 Gaming UPRISING EPIC-X

La conclusión es clara: para un sistema moderno de videojuegos e inteligencia artificial, 64 GB de DDR5 son la opción ideal, y la DDR5-6000 C40 ofrece un excelente equilibrio entre capacidad, rendimiento y practicidad.

Como era de esperar, 32 GB de memoria no son suficientes para gestionar un modelo de lenguaje grande (LLM) con 70 000 millones de parámetros. La utilización de la RAM supera con creces el 95 %, lo que ralentiza el sistema. Por otro lado, el sistema de 64 GB disponía de unos 15 GB de RAM libres, lo que permite a los usuarios realizar otras tareas simultáneamente.

En cuanto al tiempo de generación de tokens, no se aprecia una gran diferencia. El kit de 64 GB 6000C40 está ligeramente por delante, aunque eso no significa que sea, en la práctica, el mejor. Para este gráfico concreto, se han seleccionado las ejecuciones más rápidas y las más lentas de entre los dos kits.

No obstante, tomando como media tres ejecuciones, los resultados son los mismos. Los kits 5600C40 y 6000C40 tardaron, prácticamente, el mismo tiempo en completar las tareas. El kit 6000C40 fue ligeramente más rápido, en 0,5 segundos, pero eso está dentro del margen de error.

En general, los 64 GB proporcionaron suficiente capacidad de memoria para ejecutar cargas de trabajo locales de IA considerablemente más grandes sin que el sistema se viera sometido a una presión de memoria excesiva. Esa diferencia es importante.

Pero, ¿por qué utilizar modelos de lenguaje grandes (LLM) locales? ¿Por qué no recurrir a una API en línea como ChatGPT u otras? Por motivos de privacidad. Los datos que los usuarios importan a cualquier servicio en línea podrían quedar expuestos al público. Al ejecutar un LLM en un equipo que usted controla, no es necesario conectarse a Internet y puede controlar su comportamiento al máximo. Las ventajas de los LLM locales no se limitan únicamente a la privacidad. El coste, la personalización y la longitud del contexto son factores importantes que favorecen a los LLM locales.

Para las pruebas se utilizó el modelo Llama 3.1 70B Instruct de Meta, ejecutado localmente a través de Ollama. El modelo 70B contiene aproximadamente 70 000 millones de parámetros y admite una ventana de contexto de 128K. Con ello no se pretende sugerir que todos los usuarios de IA deban ejecutar un modelo 70B. No obstante, los modelos más grandes suelen tener mayor capacidad para representar conocimientos y relaciones, y pueden ofrecer un mejor rendimiento en tareas exigentes de razonamiento, programación, análisis y seguimiento de instrucciones.

Una tarjeta gráfica RTX 4090 ofrece 24 GB de VRAM dedicada. Se trata de una cantidad ingente de memoria gráfica, pero no es necesariamente suficiente para los modelos de IA locales de mayor tamaño. Cuando un modelo supera la VRAM disponible, parte de la carga de trabajo debe residir en la memoria del sistema (RAM). Es ahí donde la RAM del sistema pasa a ser mucho más que un recurso para Windows, los videojuegos y las aplicaciones en segundo plano.

Para la carga de trabajo de rendimiento principal, se seleccionó el Llama3.1 8B. Su capacidad es considerablemente menor que los 24 GB de VRAM disponibles en la RTX 4090, lo que significa que la memoria del sistema pasa a ser un factor menos importante en la carga de trabajo.

En lugar de pedir al modelo que realizara una prueba de rendimiento artificial, como generar miles de palabras, se utilizaron tareas representativas del uso cotidiano de la IA.

Entre ellas se incluían actividades como la planificación, la síntesis, el análisis y la elaboración estructurada de contenidos.

Se utilizó la siguiente indicación: «Estoy planeando un viaje de 10 días a Japón que incluye Tokio, Kioto, Osaka e Hiroshima. Elabore un itinerario detallado día a día. Para cada día, incluya las principales atracciones, el orden en el que debería visitarlas, la duración aproximada del desplazamiento entre los distintos lugares, sugerencias de restaurantes o zonas gastronómicas y consejos prácticos. Explique los motivos que justifican el itinerario e identifique cualquier posible problema de organización. Al final, facilite una lista concisa de lo que debe llevar en la maleta y un resumen del tiempo total dedicado al desplazamiento frente al dedicado a las visitas turísticas».

El mercado de los aficionados a los ordenadores personales está cambiando.

• Los 32 GB siguen siendo una opción viable para los sistemas de videojuegos y las cargas de trabajo de IA menos exigentes, pero limitan cada vez más lo que un sistema de gama alta puede hacer con soltura.
• Los 96 GB siguen siendo una opción excelente para usuarios especializados, pero los precios y la disponibilidad actuales de la memoria hacen que resulte difícil justificarlos como recomendación predeterminada para los aficionados.
• Los kits de 64 GB se sitúan en un término medio y, por eso, resultan una opción sensata.

Ofrecen capacidad suficiente para los videojuegos modernos, la multitarea y cargas de trabajo locales significativas de inteligencia artificial, al tiempo que evitan los problemas de coste y disponibilidad que se asocian cada vez más a los equipos de mayor tamaño.

En combinación con las especificaciones de la DDR5-6000 C40, ofrecen un excelente equilibrio entre capacidad y rendimiento de la memoria.