La NVIDIA RTX 3060 es una GPU de consumo basada en la arquitectura Ampere y cuenta con 12 GB de memoria con 360 GB/s de ancho de banda de memoria y un TDP de 170 W. Ofrece 12,7 TFLOPS de rendimiento FP32. Disponible actualmente en 3 proveedores desde 0,03 €/GPU/hora, con una mediana de mercado de 0,06 €/GPU/hora en 26 configuraciones.
Especificaciones de hardware
Iguales en todos los proveedores
Precio mediano entre todos los proveedores
3 ofertas de 3 proveedores
Ordenadas por precio ascendente. Compara configuraciones lado a lado.
| Proveedor | Cantidad | vCPU | RAM | Región | Por GPU/h | Total/h | Acción |
|---|---|---|---|---|---|---|---|
| ×1 | 12 | 24 GB | Desde0,034 € 0.0% 30d | Desde0,03 € | Abrir | ||
Theta EdgeCloudEn tendencia | ×1 | 16 | 16 GB | Desde0,043 € 0.0% 30d | Desde0,04 € | Abrir | |
| ×2 | 6 | 23 GB | -- | 0,043 € -28.6% 30d | 0,09 € | Abrir |
LLM que caben en la NVIDIA RTX 3060
VRAM estimada para LLM populares de pesos abiertos con precisión de 16 bits (FP16/BF16), 8 bits (FP8/INT8) y 4 bits (INT4/MXFP4), con 12 GB por GPU. Se muestran los 12 modelos más grandes que caben.
| Modelo | Parámetros | 16 bits | 8 bits | 4 bits |
|---|---|---|---|---|
| Laguna-S 2.1 Poolside | 118 mil M 8 mil M activos | — No publicado | 155 GB Demasiado grande | 90 GB 8× · 5,7 GB libres |
| gpt-oss-120b OpenAI | 117 mil M 5,1 mil M activos | — No publicado | — No publicado | 78 GB 8× · 18 GB libres o 6× · 10 % libre |
| Qwen3.6 35B-A3B Alibaba | 35 mil M 3 mil M activos | 86 GB 8× · 9,7 GB libres o 6× · 0 % libre | 47 GB Cabe justo en 4× | 28 GB 4× · 20 GB libres o 2× · 4 % libre |
| Qwen3 32B Alibaba | 32,8 mil M | 79 GB 8× · 17 GB libres o 6× · 9 % libre | 43 GB 4× · 4,8 GB libres | 25 GB 4× · 23 GB libres o 2× · 14 % libre |
| Gemma 4 31B Google | 31,3 mil M | 75 GB 8× · 21 GB libres o 6× · 15 % libre | 41 GB 4× · 6,7 GB libres | 24 GB 4× · 24 GB libres o 2× · 19 % libre |
| GLM-4.7 Flash Z.ai | 31,2 mil M | 75 GB 8× · 21 GB libres o 6× · 15 % libre | 41 GB 4× · 6,8 GB libres | 24 GB Cabe justo en 2× |
| Qwen3.6 27B Alibaba | 27,8 mil M | 67 GB 6× · 5,3 GB libres | 37 GB 4× · 11 GB libres | 21 GB 2× · 2,7 GB libres |
| Mistral Small 3.2 24B Mistral AI | 24 mil M | 58 GB 6× · 14 GB libres | 32 GB 4× · 16 GB libres | 18 GB 2× · 5,6 GB libres |
| gpt-oss-20b OpenAI | 21 mil M 3,6 mil M activos | — No publicado | — No publicado | 17 GB 2× · 7,5 GB libres |
| Gemma 3 12B Google | 12,2 mil M | 29 GB 4× · 19 GB libres | 16 GB 2× · 7,9 GB libres | 9,4 GB 1× · 2,6 GB libres |
| Granite 4.1 8B IBM | 8,8 mil M | 21 GB 2× · 2,9 GB libres | 12 GB Cabe justo en 1× | 6,8 GB 1× · 5,2 GB libres |
| Qwen3 8B Alibaba | 8,2 mil M | 20 GB 2× · 4,3 GB libres | 11 GB 1× · 1,2 GB libres | 6,3 GB 1× · 5,7 GB libres |
Estimaciones: pesos del modelo más un 20 % para la caché KV y la sobrecarga de ejecución, con contextos cortos. Los contextos largos y los lotes grandes necesitan más. Las filas marcadas como «ajustadas» albergan los pesos, pero no ese margen completo. Una cifra ×N es la VRAM total de N de estas GPU y no afirma nada sobre el rendimiento de la interconexión. Cómo lo estimamos · Empezar por el modelo
¿Quieres más de esta página?
¿Datos incorrectos?

