La NVIDIA RTX A4000 es una GPU de nivel empresarial basada en la arquitectura Ampere y cuenta con 16 GB de memoria con 448 GB/s de ancho de banda de memoria y un TDP de 140 W. Ofrece 19,2 TFLOPS de rendimiento FP32. Disponible actualmente en 6 proveedores desde 0,06 €/GPU/hora, con una mediana de mercado de 0,13 €/GPU/hora en 30 configuraciones.
Especificaciones de hardware
Iguales en todos los proveedores
Precio mediano entre todos los proveedores
7 ofertas de 6 proveedores
Ordenadas por precio ascendente. Compara configuraciones lado a lado.
| Proveedor | Cantidad | vCPU | RAM | Región | Por GPU/h | Total/h | Acción |
|---|---|---|---|---|---|---|---|
| ×1 | 16 | 62 GB | 0,215 € | 0,21 € | Abrir | ||
| ×2 | 48 | 62 GB | Desde0,060 € +18.2% 30d | Desde0,12 € | Abrir | ||
| ×1 | 4 | 21 GB | 0,129 € | Desde0,13 € | |||
| ×1 | 4 | 16 GB | 0,172 € 0.0% 30d | 0,17 € | Abrir | ||
Hasta429 €crédito | ×1 | 16 | 62 GB | 0,215 € | 0,21 € | Abrir | |
| ×1 | 8 | 45 GB | 0,721 € 0.0% 30d | Desde0,72 € | Abrir | ||
| ×1 | 8 | 45 GB | 0,756 € 0.0% 30d | Desde0,76 € | Abrir | ||
Sesterce CloudEnlace de referido | ×1 | 8 | 45 GB | Desde0,756 € 0.0% 30d | Desde0,76 € | Abrir |
LLM que caben en la NVIDIA RTX A4000
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 16 GB por GPU. Se muestran los 12 modelos más grandes que caben.
| Modelo | Parámetros | 16 bits | 8 bits | 4 bits |
|---|---|---|---|---|
| DeepSeek V4 Flash DeepSeek | 284 mil M | — No publicado | — No publicado | 192 GB Ajustado en 10× · 0 % libre |
| Solar Open2 250B Upstage | 250 mil M 15 mil M activos | — No publicado | — No publicado | 192 GB Ajustado en 11× · 9 % libre |
| Qwen3 235B-A22B Alibaba | 235 mil M 22 mil M activos | — No publicado | — No publicado | 181 GB Ajustado en 10× · 6 % libre |
| Laguna-S 2.1 Poolside | 118 mil M 8 mil M activos | 282 GB Demasiado grande | 155 GB 10× · 4,8 GB libres | 90 GB 6× · 5,7 GB libres |
| gpt-oss-120b OpenAI | 117 mil M 5,1 mil M activos | — No publicado | — No publicado | 78 GB 6× · 18 GB libres |
| Qwen3.6 35B-A3B Alibaba | 35 mil M 3 mil M activos | 86 GB 6× · 9,7 GB libres | 47 GB Cabe justo en 3× | 28 GB 2× · 4,4 GB libres |
| Qwen3 32B Alibaba | 32,8 mil M | 79 GB 6× · 17 GB libres | 43 GB 3× · 4,8 GB libres | 25 GB 2× · 6,8 GB libres |
| Gemma 4 31B Google | 31,3 mil M | 75 GB 6× · 21 GB libres o 4× · 2 % libre | 41 GB 3× · 6,7 GB libres | 24 GB 2× · 8 GB libres |
| GLM-4.7 Flash Z.ai | 31,2 mil M | 75 GB 6× · 21 GB libres o 4× · 2 % libre | 41 GB 3× · 6,8 GB libres | 24 GB 2× · 8 GB libres |
| Qwen3.6 27B Alibaba | 27,8 mil M | 67 GB 6× · 29 GB libres o 4× · 15 % libre | 37 GB 3× · 11 GB libres o 2× · 4 % libre | 21 GB 2× · 11 GB libres |
| Mistral Small 3.2 24B Mistral AI | 24 mil M | 58 GB 4× · 6,4 GB libres | 32 GB Cabe justo en 2× | 18 GB 2× · 14 GB libres o 1× · 4 % libre |
| gpt-oss-20b OpenAI | 21 mil M 3,6 mil M activos | — No publicado | — No publicado | 17 GB 2× · 15 GB libres o 1× · 16 % libre |
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?




