Familias de modelos de IA para inferencia local
Explora las familias de modelos de pesos abiertos que puedes ejecutar en local con Ollama. Cada página de familia detalla todas las variantes, la RAM necesaria, la compatibilidad de dispositivos y el rendimiento esperado.
- modelos seguidos
- 201
- filas locales
- 157
- clases de cuantización
- 10
- verificados en el registro de Ollama
- 126
Filtrado por calidad, sin inflar
ModelFit sigue 201 modelos repartidos en 41 familias, con 157 filas locales. Cada comando de Ollama se verifica en el registro antes de publicarse, y las cuantizaciones de 2 bits de baja calidad quedan fuera de la clasificación aunque existan técnicamente.
- Política por defecto
- Q4_K_M es el nivel recomendado por defecto; las variantes Q6/Q8 aparecen cuando aportan un margen de calidad real.
- Actualidad
- Instantánea del catálogo actualizada el 2026-11-16; las etiquetas nuevas entran por el proceso de verificación del registro, no por suposiciones sacadas de la web.
- Cobertura honesta
- Un catálogo más pequeño pero verificado es mejor que una lista más larga llena de etiquetas rotas y cuantizaciones inutilizables.
Familias de modelos de IA para uso local
8 familias| Familia | Desarrollador | Modelos | Tamaños | Notas |
|---|---|---|---|---|
| Alibaba Cloud | 40 | 0.5B-235B | Qwen es la familia de modelos de pesos abiertos de Alibaba Cloud, con entre 0.5B y 2.4T de parámetros. Qwen3.8 27B es el buque insignia local: un modelo visión-lenguaje denso con licencia Apache 2.0, mientras que el MoE Qwen3.8 2.4T A95B encabeza la gama en la nube.Qwen3.8 27B, buque insignia local (Apache 2.0, visión) · La gama en la nube llega hasta el MoE 2.4T A95B | |
| Meta | 12 | 1B-405B | Llama es la familia de modelos de pesos abiertos de Meta y la opción más popular para la IA local. La gama Llama 4 trae modelos MoE multimodales para equipos con mucha memoria, mientras que los tamaños Llama 3.x de 1B a 70B siguen siendo las opciones prácticas para portátiles y equipos de sobremesa.Familia de pesos abiertos más popular · Buen razonamiento general y buen seguimiento de instrucciones | |
| DeepSeek AI | 8 | 7B-671B | DeepSeek ofrece ahora dos gamas distintas. La generación V4 está pensada primero para la nube: V4.1 Flash es un MoE multimodal de imagen + texto con licencia MIT, y V4 Flash 0731 y V4 Pro son modelos por API. En hardware de consumo, DeepSeek significa las destilaciones de razonamiento R1, desde 7B hasta el 671B completo, todas verificadas en el registro de Ollama.V4.1 Flash: MoE multimodal de 552B, solo por API · Destilaciones R1 7B-70B que se ejecutan en local con Ollama | |
| Mistral AI | 14 | 3.4B-123B | Los modelos de Mistral AI son conocidos por su eficiencia y su buen rendimiento en relación con su tamaño. Mistral 7B fue un gran avance: demostró que los modelos pequeños podían competir con otros mucho más grandes.Excelente relación rendimiento por parámetro · Atención de ventana deslizante para mayor eficiencia | |
| Google DeepMind | 19 | 1B-31B | Gemma es la familia de modelos abiertos y eficientes de Google DeepMind, ajustada para ofrecer buena calidad en tamaños pequeños. La gama Gemma 4 va desde un modelo de 4.5B para el dispositivo hasta un denso de 31B y un MoE de 26B, todos con Apache 2.0.Gemma 4 E4B: 4.5B efectivos, funciona en Mac de 8GB · Gemma 4 26B-A4B MoE: 25.2B en total, 3.8B activos | |
| Microsoft | 6 | 3.8B-14B | Phi es la familia de modelos pequeños pero potentes de Microsoft, basada en la idea de que unos datos de entrenamiento cuidados valen más que el simple número de parámetros. Phi-4 Mini concentra un razonamiento sólido en solo 3.8B de parámetros, mientras que Phi-4 14B compite en calidad con modelos mucho más grandes. Ambos se ejecutan en local con Ollama y encajan de forma natural en los Mac con Apple Silicon de poca RAM.La mejor calidad por gigabyte en tamaños pequeños · Phi-4 Mini 3.8B se carga en solo 3.2GB (7GB de RAM mín.) | |
| Liquid AI | 2 | 8.3B-24B | LFM2 es la familia de modelos de Liquid AI centrada en la eficiencia, construida sobre una arquitectura híbrida en lugar de un transformador denso estándar. Su modelo insignia, LFM2 24B-A2B, es un modelo de mezcla de expertos dispersa que activa solo 2B de sus 24B de parámetros por token. Ese diseño lo hace rápido en hardware de consumo y muy adecuado para flujos de trabajo con agentes, llamadas a herramientas y configuraciones locales que cuidan la privacidad.Diseño MoE híbrido: 24B de parámetros en total, solo 2B activos por token · Se carga en unos 14GB, cabe en cualquier Mac de 16GB | |
| Hugging Face | 1 | 0.36B-0.36B | SmolLM es la familia de modelos ultrapequeños de Hugging Face para los dispositivos más limitados. SmolLM2 360M se carga en unos 0.5GB y funciona en cualquier equipo con 1GB de RAM, desde Mac y iPhone antiguos hasta placas embebidas. Es el modelo más pequeño de nuestra base de datos y el más rápido según la puntuación de velocidad.Modelo diminuto de 360M de parámetros de Hugging Face · Se carga en unos 0.5GB, solo necesita 1GB de RAM |
Modelos insignia por API y de pesos abiertos
Modelos de vanguardia que no se ejecutan en un portátil: API alojadas, a menudo con pesos abiertos. Cada página explica qué hace el modelo y enumera las alternativas locales que sí caben en tu equipo.
Explorar todos los modelos
156 páginas de modelosDeepSeek11
Gemma12
Llama8
Mistral13
Otros modelos77
- Kimi K2 Instruct
- Claude 3.5 Sonnet
- Claude 3.7 Sonnet
- Claude 3 Opus
- Claude 4 Opus
- Microsoft Mage-VL-Cowork
- GPT-4o
- GPT-4o mini
- Claude 4 Sonnet
- Gemini 2.5 Pro
- Gemini 2.5 Flash
- GLM-5
- GLM-4 Plus
- Granite 4.1 3B Instruct
- Granite 4.1 8B Instruct
- Kimi K2.6
- GLM-5.1
- Claude Opus 4.7
- Claude Opus 4.8
- GPT-5.5
- Gemini 3.1 Pro
- Grok 4.3
- Claude Fable 5
- GLM-5.2
- Kimi K2.7-Code
- MiniMax M3
- NVIDIA Nemotron 3 Ultra
- Xiaomi MiMo-V2-Flash
- NVIDIA Nemotron Cascade 2 30B-A3B
- Poolside Laguna XS.2
- Cohere North Mini Code
- GPT-OSS 120B
- GPT-OSS 20B
- Kimi K3
- Laguna XS 2.1
- Laguna S 2.1
- Ornith 1.0 9B
- Ornith 1.0 35B
- Granite 4.2 3B
- Granite 4.2 8B
- Granite 4.2 30B
- Nemotron 3.5 Lightning 30B-A3B
- Muse Glimmer 30B
- MiniCPM-V 4.5 8B
- GLM-5.3
- GLM-5.3 Flash
- GLM-4.7-Flash 30B-A3B
- GLM-4-9B-Chat
- Nemotron 3 Super 120B-A12B
- Olmo 3.1 32B Instruct
- MiMo-V2.6-Distill-Qwen-9B
- Ling-3.0-flash
- Xiaomi MiMo-V2.6-Flash
- Xiaomi MiMo-V2.6-Pro
- Inkling Small
- Flint 40B-A2.5B
- Mellum2.1 12B-A2.5B Thinking
- Kolibri 1
- AREX-2 27B
- Arete 27B
- TwIL-8B
- Nanbeige4.3 33B
- Ripple 65B Preview
- Muse Spark Open
- MiniMax M3.1 Flash
- Beam 1.0
- NVIDIA Nemotron 3.5 Bolt E4B
- NVIDIA Nemotron 3.5 Bolt 74B-A9B
- Granite Switch 4.1 8B
- Granite Switch 4.1 30B
- Jebadiah 9B
- Jebadiah 27B
- LFM3 1.7B
- Ling-3.1-flash-1019
- Tencent Hy4 Preview
- Ornith 1.5 122B
- Sage-A1.5
Qwen28
- Qwen2.5 1.5B Instruct
- Qwen2.5 3B Instruct
- Qwen2.5 7B Instruct
- Qwen2.5 14B Instruct
- Qwen2.5 Coder 7B
- Qwen2.5 Coder 14B
- Qwen2.5 0.5B Instruct
- Qwen3 8B
- Qwen3 14B
- Qwen3 30B
- Qwen3 30B (Q8)
- Qwen3 32B
- Qwen3 Coder 30B-A3B
- Qwen3 235B A22B
- Qwen3.5 0.8B Instruct
- Qwen3.5 2B Instruct
- Qwen3.5 4B Instruct
- Qwen3.5 9B Instruct
- Qwen3.5 35B-A3B Instruct
- Qwen3.5 27B Instruct
- Qwen3.5 122B-A10B Instruct
- Qwen3.6 27B
- Qwen3.8 27B
- Qwen3.6 35B-A3B
- Qwen3.7-Plus
- Qwen3-Next 80B-A3B
- Qwen3.8-Flash-Next
- Qwen3.8 2.4T A95B
SmolLM1
Catálogo completo de modelos
Filtra todos los modelos seguidos por RAM, familia, entorno de ejecución y presupuesto de contexto. Las cargas y las reglas de ajuste salen del mismo conjunto de datos que usa el asistente.
| Familia | Cuant. | Local | ollama | ||||
|---|---|---|---|---|---|---|---|
| Qwen2.5 1.5B Instruct | Qwen | 1.5B | Q4_K_M | 4 GB | ~1.5 GB | Sí | qwen2.5:1.5b-instruct-q4_K_M |
| Qwen2.5 3B Instruct | Qwen | 3B | Q4_K_M | 4 GB | ~2.5 GB | Sí | qwen2.5:3b-instruct-q4_K_M |
| Qwen2.5 7B Instruct | Qwen | 7B | Q4_K_M | 8 GB | ~5.5 GB | Sí | qwen2.5:7b-instruct-q4_K_M |
| Qwen2.5 14B Instruct | Qwen | 14B | Q4_K_M | 16 GB | ~11 GB | Sí | qwen2.5:14b-instruct-q4_K_M |
| Llama 3.2 3B Instruct | Llama | 3B | Q4_K_M | 4 GB | ~2.5 GB | Sí | llama3.2:3b-instruct-q4_K_M |
| Llama 3.1 8B Instruct | Llama | 8B | Q4_K_M | 12 GB | ~6.5 GB | Sí | llama3.1:8b-instruct-q4_K_M |
| Llama 3.1 8B Instruct (Q8) | Llama | 8B | Q8_0 | 16 GB | ~8 GB | Sí | llama3.1:8b-instruct-q8_0 |
| Llama 3.1 8B Instruct (Q5) | Llama | 8B | Q5_K_M | 12 GB | ~8 GB | Sí | llama3.1:8b-instruct-q5_K_M |
| Llama 3.1 70B Instruct | Llama | 70B | Q4_K_M | 64 GB | ~42 GB | Sí | llama3.1:70b-instruct-q4_K_M |
| Mistral 7B Instruct | Mistral | 7B | Q4_K_M | 8 GB | ~5.5 GB | Sí | mistral:7b-instruct-v0.3-q4_K_M |
| Mistral 7B Instruct (Q5) | Mistral | 7B | Q5_K_M | 8 GB | ~4.8 GB | Sí | mistral:7b-instruct-v0.3-q5_K_M |
| Mistral 7B Instruct (Q8) | Mistral | 7B | Q8_0 | 16 GB | ~7.2 GB | Sí | mistral:7b-instruct-v0.3-q8_0 |
| Mixtral 8x7B Instruct | Mistral | 46.7B | Q4_K_M | 48 GB | ~30 GB | Sí | mixtral:8x7b |
| Mistral Nemo 12B | Mistral | 12B | Q4_K_M | 16 GB | ~9.5 GB | Sí | mistral-nemo:12b |
| Mistral Nemo 12B (Q8) | Mistral | 12B | Q8_0 | 24 GB | ~12.1 GB | Sí | mistral-nemo:12b-instruct-2407-q8_0 |
| Gemma 2 2B Instruct | Gemma | 2B | Q4_K_M | 4 GB | ~1.8 GB | Sí | gemma2:2b-instruct-q4_K_M |
| Gemma 2 9B Instruct | Gemma | 9B | Q4_K_M | 12 GB | ~7 GB | Sí | gemma2:9b-instruct-q4_K_M |
| Gemma 2 27B Instruct | Gemma | 27B | Q4_K_M | 32 GB | ~21 GB | Sí | gemma2:27b-instruct-q4_K_M |
| Phi-3 Mini 3.8B | Phi | 3.8B | Q4_K_M | 6 GB | ~3.2 GB | Sí | phi3:3.8b-mini-4k-instruct-q4_K_M |
| Phi-3 Medium 14B | Phi | 14B | Q4_K_M | 16 GB | ~11 GB | Sí | phi3:14b-medium-4k-instruct-q4_K_M |
| Phi-4 14B | Phi | 14B | Q4_K_M | 24 GB | ~11.5 GB | Sí | phi4:14b-q4_K_M |
| Phi-4 14B (Q8) | Phi | 14B | Q8_0 | 24 GB | ~14.5 GB | Sí | phi4:14b-q8_0 |
| Qwen2.5 Coder 7B | Qwen | 7B | Q4_K_M | 8 GB | ~5.5 GB | Sí | qwen2.5-coder:7b |
| Qwen2.5 Coder 14B | Qwen | 14B | Q4_K_M | 16 GB | ~11 GB | Sí | qwen2.5-coder:14b |
| Llama 3.2 1B Instruct | Llama | 1B | Q4_K_M | 2 GB | ~1 GB | Sí | llama3.2:1b-instruct-q4_K_M |
| Mistral Small 22B | Mistral | 22B | Q4_K_M | 32 GB | ~17 GB | Sí | mistral-small:22b |
| Kimi K2 Instruct | Kimi | 1000B | API | 0 GB | n/d | Abierto, no cabe | n/d |
| Claude 3.5 Sonnet | Claude | No divulgado | API | 0 GB | n/d | Nube | n/d |
| Claude 3.7 Sonnet | Claude | No divulgado | API | 0 GB | n/d | Nube | n/d |
| Claude 3 Opus | Claude | No divulgado | API | 0 GB | n/d | Nube | n/d |
| Claude 4 Opus | Claude | No divulgado | API | 0 GB | n/d | Nube | n/d |
| Qwen2.5 0.5B Instruct | Qwen | 0.5B | Q4_K_M | 2 GB | ~0.8 GB | Sí | qwen2.5:0.5b-instruct-q4_K_M |
| Gemma 3 1B Instruct | Gemma | 1B | Q4_K_M | 2 GB | ~1 GB | Sí | gemma3:1b |
| Gemma 3 1B Instruct (Q8) | Gemma | 1B | Q8_0 | 4 GB | ~1 GB | Sí | gemma3:1b-it-q8_0 |
| Phi-4 Mini 3.8B | Phi | 3.8B | Q4_K_M | 6 GB | ~3.2 GB | Sí | phi4-mini:3.8b |
| Phi-4 Mini 3.8B (Q8) | Phi | 3.8B | Q8_0 | 8 GB | ~3.8 GB | Sí | phi4-mini:3.8b-q8_0 |
| Microsoft Mage-VL-Cowork | Mage | 4B | Q4_K_M | 8 GB | ~2.7 GB | Sí | n/d |
| SmolLM2 360M | SmolLM | 0.36B | Q4_K_M | 1 GB | ~0.5 GB | Sí | smollm2:360m |
| Llama 3.3 70B Instruct | Llama | 70B | Q4_K_M | 64 GB | ~42 GB | Sí | llama3.3:70b-instruct-q4_K_M |
| Llama 3.1 405B Instruct | Llama | 405B | Q4_K_M | 320 GB | ~243 GB | Sí | llama3.1:405b-instruct-q4_K_M |
| DeepSeek-R1 671B | DeepSeek | 671B | Q4_K_M | 512 GB | ~380 GB | Sí | deepseek-r1:671b-q4_K_M |
| Qwen3 8B | Qwen | 8B | Q4_K_M | 12 GB | ~6.5 GB | Sí | qwen3:8b-q4_K_M |
| Qwen3 8B (Q8) | Qwen | 8B | Q8_0 | 16 GB | ~8.1 GB | Sí | qwen3:8b-q8_0 |
| Qwen3 14B | Qwen | 14B | Q4_K_M | 16 GB | ~11 GB | Sí | qwen3:14b-q4_K_M |
| Qwen3 30B | Qwen | 30B | Q4_K_M | 32 GB | ~22 GB | Sí | qwen3:30b-a3b-q4_K_M |
| Qwen3 30B (Q8) | Qwen | 30B | Q8_0 | 48 GB | ~30.3 GB | Sí | qwen3:30b-a3b-q8_0 |
| Qwen3 32B | Qwen | 32B | Q4_K_M | 32 GB | ~20.2 GB | Sí | qwen3:32b-q4_K_M |
| Qwen3 32B (Q8) | Qwen | 32B | Q8_0 | 64 GB | ~35.1 GB | Sí | qwen3:32b-q8_0 |
| Qwen3 Coder 30B-A3B | Qwen | 30.5B | Q4_K_M | 32 GB | ~18.6 GB | Sí | qwen3-coder:30b-a3b-q4_K_M |
| Qwen3 Coder 30B-A3B (Q8) | Qwen | 30.5B | Q8_0 | 48 GB | ~32.5 GB | Sí | qwen3-coder:30b-a3b-q8_0 |
| Gemma 3 4B Instruct | Gemma | 4B | Q4_K_M | 6 GB | ~3.5 GB | Sí | gemma3:4b |
| Gemma 3 4B Instruct (Q8) | Gemma | 4B | Q8_0 | 8 GB | ~3.9 GB | Sí | gemma3:4b-it-q8_0 |
| Gemma 3 12B Instruct | Gemma | 12B | Q4_K_M | 16 GB | ~9.5 GB | Sí | gemma3:12b |
| Gemma 3 27B Instruct | Gemma | 27B | Q4_K_M | 32 GB | ~21 GB | Sí | gemma3:27b |
| DeepSeek-R1 Distill Qwen 7B | DeepSeek | 7B | Q4_K_M | 8 GB | ~5.5 GB | Sí | deepseek-r1:7b |
| DeepSeek-R1 Distill Qwen 7B (Q8) | DeepSeek | 7B | Q8_0 | 16 GB | ~7.5 GB | Sí | deepseek-r1:7b-qwen-distill-q8_0 |
| DeepSeek-R1 Distill Qwen 14B | DeepSeek | 14B | Q4_K_M | 16 GB | ~11 GB | Sí | deepseek-r1:14b |
| DeepSeek-R1 Distill Qwen 14B (Q8) | DeepSeek | 14B | Q8_0 | 24 GB | ~14.6 GB | Sí | deepseek-r1:14b-qwen-distill-q8_0 |
| DeepSeek-R1 Distill Qwen 32B | DeepSeek | 32B | Q4_K_M | 32 GB | ~19.9 GB | Sí | deepseek-r1:32b-qwen-distill-q4_K_M |
| DeepSeek-R1 Distill Qwen 32B (Q8) | DeepSeek | 32B | Q8_0 | 64 GB | ~34.8 GB | Sí | deepseek-r1:32b-qwen-distill-q8_0 |
| DeepSeek-R1 Distill Llama 70B | DeepSeek | 70B | Q4_K_M | 64 GB | ~42 GB | Sí | deepseek-r1:70b |
| GPT-4o | OpenAI | No divulgado | API | 0 GB | n/d | Nube | n/d |
| GPT-4o mini | OpenAI | No divulgado | API | 0 GB | n/d | Nube | n/d |
| Claude 4 Sonnet | Claude | No divulgado | API | 0 GB | n/d | Nube | n/d |
| Gemini 2.5 Pro | No divulgado | API | 0 GB | n/d | Nube | n/d | |
| Gemini 2.5 Flash | No divulgado | API | 0 GB | n/d | Nube | n/d | |
| DeepSeek-V3 | DeepSeek | 671B | API | 0 GB | n/d | Abierto, no cabe | n/d |
| GLM-5 | Zhipu | 744B | API | 0 GB | n/d | Abierto, no cabe | n/d |
| GLM-4 Plus | Zhipu | No divulgado | API | 0 GB | n/d | Nube | n/d |
| Qwen3 235B A22B | Qwen | 235B | Q4_K_M | 192 GB | ~130 GB | Sí | qwen3:235b-a22b-q4_K_M |
| Mistral Small 3.1 | Mistral | 24B | Q4_K_M | 24 GB | ~15 GB | Sí | mistral-small3.1:24b |
| Mistral Small 3.1 (Q8) | Mistral | 24B | Q8_0 | 36 GB | ~23.3 GB | Sí | mistral-small3.1:24b-instruct-2503-q8_0 |
| DeepSeek-V3-0324 | DeepSeek | 671B | API | 0 GB | n/d | Abierto, no cabe | n/d |
| DeepSeek-R1 | DeepSeek | 671B | API | 0 GB | n/d | Abierto, no cabe | n/d |
| Qwen3.5 0.8B Instruct | Qwen | 0.8B | Q4_K_M | 2 GB | ~0.8 GB | Sí | qwen3.5:0.8b |
| Qwen3.5 2B Instruct | Qwen | 2B | Q4_K_M | 4 GB | ~1.8 GB | Sí | qwen3.5:2b |
| Qwen3.5 4B Instruct | Qwen | 4B | Q4_K_M | 6 GB | ~3.5 GB | Sí | qwen3.5:4b |
| Qwen3.5 4B Instruct (Q8) | Qwen | 4B | Q8_0 | 8 GB | ~4.3 GB | Sí | qwen3.5:4b-q8_0 |
| Qwen3.5 9B Instruct | Qwen | 9B | Q4_K_M | 12 GB | ~7 GB | Sí | qwen3.5:9b |
| Qwen3.5 35B-A3B Instruct | Qwen | 35B | Q4_K_M | 32 GB | ~20 GB | Sí | qwen3.5:35b-a3b |
| Qwen3.5 27B Instruct | Qwen | 27B | Q4_K_M | 24 GB | ~16 GB | Sí | qwen3.5:27b |
| Qwen3.5 27B Instruct (Q8) | Qwen | 27B | Q8_0 | 48 GB | ~27.1 GB | Sí | qwen3.5:27b-q8_0 |
| Qwen3.5 122B-A10B Instruct | Qwen | 122B | Q4_K_M | 96 GB | ~72 GB | Sí | qwen3.5:122b-a10b |
| LFM2 24B-A2B Instruct | LFM2 | 24B | Q4_K_M | 24 GB | ~14 GB | Sí | lfm2:24b-a2b |
| LFM2.5 8B-A1B | LFM2 | 8.3B | Q4_K_M | 8 GB | ~5.5 GB | Sí | lfm2.5:8b-a1b-q4_K_M |
| Granite 4.1 3B Instruct | Granite | 3B | Q4_K_M | 4 GB | ~2 GB | Sí | granite4.1:3b |
| Granite 4.1 8B Instruct | Granite | 8B | Q4_K_M | 8 GB | ~5.5 GB | Sí | granite4.1:8b |
| Qwen3.6 27B | Qwen | 27B | Q4_K_M | 32 GB | ~18 GB | Sí | qwen3.6:27b |
| Qwen3.8 27B | Qwen | 27B | Q4_K_M | 24 GB | ~16.5 GB | Sí | qwen3.8:27b |
| Qwen3.8 27B (Q8) | Qwen | 27B | Q8_0 | 48 GB | ~27.1 GB | Sí | qwen3.8:27b-q8_0 |
| Qwen3.6 35B-A3B | Qwen | 35B | Q4_K_M | 32 GB | ~22 GB | Sí | qwen3.6:35b-a3b |
| Gemma 4 31B | Gemma | 31B | Q4_K_M | 32 GB | ~20 GB | Sí | gemma4:31b |
| Gemma 4 31B (Q8) | Gemma | 31B | Q8_0 | 48 GB | ~30.9 GB | Sí | gemma4:31b-it-q8_0 |
| Gemma 4 26B-A4B | Gemma | 26B | Q4_K_M | 24 GB | ~16 GB | Sí | gemma4:26b |
| Gemma 4 E4B | Gemma | 4.5B | Q4_K_M | 6 GB | ~4 GB | Sí | gemma4:e4b |
| Gemma 4 E4B (Q8) | Gemma | 4.5B | Q8_0 | 16 GB | ~7.5 GB | Sí | gemma4:e4b-it-q8_0 |
| Gemma 4 E2B | Gemma | 2.3B | Q4_K_M | 4 GB | ~2.3 GB | Sí | gemma4:e2b |
| Gemma 4 E2B (Q8) | Gemma | 2.3B | Q8_0 | 8 GB | ~4.6 GB | Sí | gemma4:e2b-it-q8_0 |
| Llama 4 Scout | Llama | 109B | Q4_K_M | 96 GB | ~67 GB | Sí | llama4:scout |
| Llama 4 Maverick | Llama | 400B | Q4_K_M | 320 GB | ~245 GB | Sí | llama4:maverick |
| Mistral Medium 3.5 | Mistral | 128B | API | 0 GB | n/d | Abierto (llama.cpp) | n/d |
| Mistral Large 4 | Mistral | 1049B | API | 0 GB | n/d | Abierto, no cabe | n/d |
| DeepSeek V4 Flash 0731 | DeepSeek | 284B | API | 0 GB | n/d | Abierto (llama.cpp) | n/d |
| DeepSeek V4 Pro | DeepSeek | 1600B | API | 0 GB | n/d | Abierto, no cabe | n/d |
| DeepSeek V4.1 Flash | DeepSeek | 763.21B | API | 0 GB | n/d | Abierto, no cabe | n/d |
| Kimi K2.6 | Kimi | 1000B | API | 0 GB | n/d | Abierto, no cabe | n/d |
| GLM-5.1 | Zhipu | 744B | API | 0 GB | n/d | Abierto, no cabe | n/d |
| Claude Opus 4.7 | Claude | No divulgado | API | 0 GB | n/d | Nube | n/d |
| Claude Opus 4.8 | Claude | No divulgado | API | 0 GB | n/d | Nube | n/d |
| GPT-5.5 | OpenAI | No divulgado | API | 0 GB | n/d | Nube | n/d |
| Gemini 3.1 Pro | No divulgado | API | 0 GB | n/d | Nube | n/d | |
| Grok 4.3 | xAI | No divulgado | API | 0 GB | n/d | Nube | n/d |
| Gemma 4 12B | Gemma | 12B | Q4_K_M | 12 GB | ~8 GB | Sí | gemma4:12b |
| Claude Fable 5 | Claude | No divulgado | API | 0 GB | n/d | Nube | n/d |
| GLM-5.2 | Zhipu | 753B | API | 0 GB | n/d | Abierto, no cabe | n/d |
| Kimi K2.7-Code | Kimi | 1000B | API | 0 GB | n/d | Abierto, no cabe | n/d |
| MiniMax M3 | MiniMax | 428B | API | 0 GB | n/d | Abierto, no cabe | n/d |
| Qwen3.7-Plus | Qwen | No divulgado | API | 0 GB | n/d | Nube | n/d |
| NVIDIA Nemotron 3 Ultra | Nemotron | 550B | API | 0 GB | n/d | Abierto, no cabe | n/d |
| Xiaomi MiMo-V2-Flash | MiMo | 309B | API | 0 GB | n/d | Abierto (llama.cpp) | n/d |
| NVIDIA Nemotron Cascade 2 30B-A3B | Nemotron | 30B | Q6_K | 36 GB | ~24 GB | Sí | nemotron-cascade-2:30b |
| Poolside Laguna XS.2 | Laguna | 33B | Q4_K_M | 36 GB | ~23 GB | Sí | laguna-xs.2:q4_K_M |
| Cohere North Mini Code | North | 30B | Q4_K_M | 32 GB | ~19 GB | Sí | north-mini-code-1.0:q4_K_M |
| GPT-OSS 120B | GPT-OSS | 117B | MXFP4 | 96 GB | ~65.4 GB | Sí | gpt-oss:120b |
| GPT-OSS 20B | GPT-OSS | 21B | MXFP4 | 24 GB | ~13.8 GB | Sí | gpt-oss:20b |
| Qwen3-Next 80B-A3B | Qwen | 80B | Q4_K_M | 72 GB | ~50.4 GB | Sí | qwen3-next:80b |
| Qwen3.6 35B-A3B (Q8) | Qwen | 35B | Q8_0 | 64 GB | ~38.7 GB | Sí | qwen3.6:35b-a3b-q8_0 |
| Qwen3.5 35B-A3B Instruct (Q8) | Qwen | 35B | Q8_0 | 64 GB | ~38.7 GB | Sí | qwen3.5:35b-a3b-q8_0 |
| Qwen3.5 9B Instruct (Q8) | Qwen | 9B | Q8_0 | 16 GB | ~10.7 GB | Sí | qwen3.5:9b-q8_0 |
| Qwen3.6 27B (Q8) | Qwen | 27B | Q8_0 | 48 GB | ~30 GB | Sí | qwen3.6:27b-q8_0 |
| Gemma 4 12B (Q8) | Gemma | 12B | Q8_0 | 24 GB | ~12.8 GB | Sí | gemma4:12b-it-q8_0 |
| Gemma 4 26B-A4B (Q8) | Gemma | 26B | Q8_0 | 48 GB | ~28.1 GB | Sí | gemma4:26b-a4b-it-q8_0 |
| Qwen3-Next 80B-A3B (Q8) | Qwen | 80B | Q8_0 | 128 GB | ~84.8 GB | Sí | qwen3-next:80b-a3b-instruct-q8_0 |
| Qwen3 14B (Q8) | Qwen | 14B | Q8_0 | 24 GB | ~15.9 GB | Sí | qwen3:14b-q8_0 |
| Llama 3.3 70B Instruct (Q8) | Llama | 70B | Q8_0 | 96 GB | ~75 GB | Sí | llama3.3:70b-instruct-q8_0 |
| Llama 3.3 70B Instruct (Q6) | Llama | 70B | Q6_K | 96 GB | ~57.9 GB | Sí | llama3.3:70b-instruct-q6_K |
| Kimi K3 | Kimi | 2800B | API | 0 GB | n/d | Abierto, no cabe | n/d |
| Laguna XS 2.1 | Laguna | 33B | Q4_K_M | 32 GB | ~20.3 GB | Sí | laguna-xs-2.1:q4_K_M |
| Laguna S 2.1 | Laguna | 118B | Q4_K_M | 128 GB | ~96 GB | Sí | laguna-s-2.1:q4_K_M |
| Ornith 1.0 9B | Ornith | 9B | Q4_K_M | 8 GB | ~5.6 GB | Sí | ornith:9b |
| Ornith 1.0 35B | Ornith | 35B | Q4_K_M | 32 GB | ~21.2 GB | Sí | ornith:35b |
| Qwen3.8-Flash-Next | Qwen | 125B | Q4_K_XL | 192 GB | ~111.3 GB | Sí | n/d |
| Qwen3.8-Flash-Next (IQ4_XS) | Qwen | 125B | IQ4_XS | 128 GB | ~93.7 GB | Sí | n/d |
| Qwen3.8-Flash-Next (Q3) | Qwen | 125B | Q3_K_XL | 128 GB | ~90 GB | Sí | n/d |
| Qwen3.8 2.4T A95B | Qwen | 2400B | API | 0 GB | n/d | Abierto, no cabe | n/d |
| Granite 4.2 3B | Granite | 3.7B | Q4_K_M | 4 GB | ~2.1 GB | Sí | granite4.2:3b |
| Granite 4.2 8B | Granite | 8.8B | Q4_K_M | 8 GB | ~5 GB | Sí | granite4.2:8b |
| Granite 4.2 30B | Granite | 29.3B | Q4_K_M | 24 GB | ~16.5 GB | Sí | granite4.2:30b |
| Nemotron 3.5 Lightning 30B-A3B | Nemotron | 30B | Q4_K_M | 36 GB | ~25.4 GB | Sí | nemotron-3.5-lightning:30b |
| Nemotron 3.5 Lightning 30B-A3B (IQ4_XS) | Nemotron | 30B | IQ4_XS | 32 GB | ~18.9 GB | Sí | n/d |
| Muse Glimmer 30B | Muse | 29.8B | Q4_K_M | 32 GB | ~16.9 GB | Sí | muse-glimmer:30b |
| MiniCPM-V 4.5 8B | MiniCPM | 8.7B | Q4_K_M | 12 GB | ~5.7 GB | Sí | minicpm-v4.5:8b |
| GLM-5.3 | Zhipu | 753B | API | 0 GB | n/d | Abierto, no cabe | n/d |
| GLM-5.3 Flash | Zhipu | 321B | API | 0 GB | n/d | Abierto (llama.cpp) | n/d |
| GLM-4.7-Flash 30B-A3B | Zhipu | 30B | Q4_K_M | 32 GB | ~19 GB | Sí | glm-4.7-flash |
| GLM-4-9B-Chat | Zhipu | 9.4B | Q4_K_M | 12 GB | ~6.3 GB | Sí | glm4:9b-chat-q4_K_M |
| GLM-4-9B-Chat (Q8) | Zhipu | 9.4B | Q8_0 | 16 GB | ~10 GB | Sí | glm4:9b-chat-q8_0 |
| Nemotron 3 Super 120B-A12B | Nemotron | 120B | Q4_K_M | 128 GB | ~86.8 GB | Sí | nemotron-3-super:120b |
| Nemotron 3 Super 120B-A12B (IQ4_XS) | Nemotron | 120B | IQ4_XS | 96 GB | ~64.5 GB | Sí | n/d |
| Olmo 3.1 32B Instruct | Olmo | 32B | Q4_K_M | 32 GB | ~19.5 GB | Sí | olmo-3.1:32b |
| MiMo-V2.6-Distill-Qwen-9B | MiMo | 9B | Q4_K_M | 16 GB | ~5.8 GB | Sí | n/d |
| Ling-3.0-flash | Ling | 124B | Q4_K_M | 128 GB | ~77.8 GB | Sí | n/d |
| Ling-3.0-flash (IQ4_XS) | Ling | 124B | IQ4_XS | 96 GB | ~68.7 GB | Sí | n/d |
| Xiaomi MiMo-V2.6-Flash | MiMo | 309B | API | 0 GB | n/d | Abierto (llama.cpp) | n/d |
| Xiaomi MiMo-V2.6-Pro | MiMo | 1020B | API | 0 GB | n/d | Abierto, no cabe | n/d |
| Devstral Small 2 24B | Mistral | 24B | Q4_K_M | 24 GB | ~15.2 GB | Sí | devstral-small-2:24b |
| Devstral 2 123B | Mistral | 123B | Q4_K_M | 96 GB | ~74.9 GB | Sí | devstral-2:123b |
| Ministral 3 3B | Mistral | 3.4B | Q4_K_M | 6 GB | ~3 GB | Sí | ministral-3:3b |
| Ministral 3 8B | Mistral | 8.4B | Q4_K_M | 12 GB | ~6 GB | Sí | ministral-3:8b |
| Ministral 3 14B | Mistral | 13.5B | Q4_K_M | 16 GB | ~9.1 GB | Sí | ministral-3:14b |
| Inkling Small | Inkling | 276B | API | 0 GB | n/d | Abierto (llama.cpp) | n/d |
| Flint 40B-A2.5B | Flint | 39.8B | NVFP4 | 36 GB | ~22.9 GB | Sí | flint:40b |
| Mellum2.1 12B-A2.5B Thinking | Mellum | 12.1B | Q4_K_M | 16 GB | ~8.1 GB | Sí | n/d |
| Kolibri 1 | Kolibri | 78.1B | Q4_K_M | 96 GB | ~49.8 GB | Sí | n/d |
| Kolibri 1 (IQ4_XS) | Kolibri | 78.1B | IQ4_XS | 64 GB | ~43.6 GB | Sí | n/d |
| AREX-2 27B | AREX | 27.4B | Q4_K_M | 32 GB | ~17.2 GB | Sí | n/d |
| Arete 27B | Arete | 27.4B | Q4_K_M | 32 GB | ~17.2 GB | Sí | n/d |
| TwIL-8B | TwIL | 8.79B | Q4_K_M | 8 GB | ~5.3 GB | Sí | n/d |
| Nanbeige4.3 33B | Nanbeige | 33.1B | Q4_K_M | 32 GB | ~20.8 GB | Sí | n/d |
| Nanbeige4.3 33B (Q8) | Nanbeige | 33.1B | Q8_0 | 64 GB | ~35.2 GB | Sí | n/d |
| Ripple 65B Preview | Ripple | 64.8B | Q4_K_M | 64 GB | ~38.8 GB | Sí | ripple-preview:65b-q4_K_M |
| Ripple 65B Preview (Q8) | Ripple | 64.8B | Q8_0 | 96 GB | ~68.8 GB | Sí | n/d |
| Muse Spark Open | Muse | 816B | API | 0 GB | n/d | Abierto, no cabe | n/d |
| MiniMax M3.1 Flash | MiniMax | 428B | API | 0 GB | n/d | Abierto, no cabe | n/d |
| MiniMax M3.1 Flash | MiniMax | 428B | Q4_K_XL | 512 GB | ~249.4 GB | Sí | n/d |
| MiniMax M3.1 Flash (Q3_K_XL) | MiniMax | 428B | Q3_K_XL | 256 GB | ~194 GB | Sí | n/d |
| Beam 1.0 | Beam | 501B | API | 0 GB | n/d | Abierto, no cabe | n/d |
| NVIDIA Nemotron 3.5 Bolt E4B | Nemotron | 4B | Q4_K_M | 12 GB | ~7.9 GB | Sí | nemotron-3.5-bolt:e4b |
| Granite Switch 4.1 8B | Granite | 8.8B | Q4_K_M | 12 GB | ~6.4 GB | Sí | n/d |
| Granite Switch 4.1 30B | Granite | 30B | Q4_K_M | 32 GB | ~21 GB | Sí | n/d |
| Jebadiah 9B | Jebadiah | 9B | Q4_K_M | 12 GB | ~5.8 GB | Sí | n/d |
| Jebadiah 9B (Q5) | Jebadiah | 9B | Q5_K_M | 12 GB | ~6.6 GB | Sí | n/d |
| Jebadiah 9B (Q8) | Jebadiah | 9B | Q8_0 | 16 GB | ~9.8 GB | Sí | n/d |
| Jebadiah 27B | Jebadiah | 27B | Q4_K_M | 32 GB | ~16.8 GB | Sí | n/d |
| Jebadiah 27B (Q5) | Jebadiah | 27B | Q5_K_M | 32 GB | ~19.5 GB | Sí | n/d |
| Jebadiah 27B (Q8) | Jebadiah | 27B | Q8_0 | 48 GB | ~29 GB | Sí | n/d |
| LFM3 1.7B | LFM3 | 1.73B | Q4_K_M | 4 GB | ~1.1 GB | Sí | lfm3:1.7b |
| Ling-3.1-flash-1019 | Ling | 560B | Q4_K_M | 512 GB | ~358 GB | Sí | n/d |
| Tencent Hy4 Preview | Hy | 770B | IQ4_XS | 512 GB | ~417 GB | Sí | n/d |
| Ornith 1.5 122B | Ornith | 125.09B | Q4_K_M | 128 GB | ~75.8 GB | Sí | ornith-1.5:122b |
| Sage-A1.5 | Sage | 35.95B | Q4_K_M | 32 GB | ~21.7 GB | Sí | n/d |
¿Cuánta RAM necesitas?
El modelo denso en Q4 más grande que cabe en cada nivel de memoria
Desglose completo en la página de estadísticas.