La NVIDIA RTX A6000 es una GPU de nivel empresarial basada en la arquitectura Ampere y cuenta con 48 GB de memoria con 768 GB/s de ancho de banda de memoria y un TDP de 300 W. Ofrece 38,7 TFLOPS de rendimiento FP32. Disponible actualmente en 9 proveedores desde 0,30 €/GPU/hora, con una mediana de mercado de 0,47 €/GPU/hora en 43 configuraciones.
Especificaciones de hardware
Iguales en todos los proveedores
Precio mediano entre todos los proveedores
10 ofertas de 9 proveedores
Ordenadas por precio ascendente. Compara configuraciones lado a lado.
| Proveedor | Cantidad | vCPU | RAM | Región | Por GPU/h | Total/h | Acción |
|---|---|---|---|---|---|---|---|
| ×1 | 8 | 50 GB | 0,455 € | 0,46 € | Abrir | ||
Hasta17 €crédito para estudiantes | ×1 | 4 | 32 GB | -- | 0,301 € | 0,30 € | Abrir |
| ×1 | 16 | 63 GB | Desde0,335 € +33.3% 30d | Desde0,33 € | Abrir | ||
| ×1 | 28 | 58 GB | 0,429 € 0.0% 30d | Desde0,43 € | Abrir | ||
| ×2 | 60 | 116 GB | Desde0,451 € -70.4% 30d | Desde0,90 € | Abrir | ||
Hasta429 €crédito | ×1 | 8 | 50 GB | 0,455 € | 0,46 € | Abrir | |
| ×1 | 8 | 32 GB | 0,472 € 0.0% 30d | Desde0,47 € | Abrir | ||
| ×1 | 28 | 58 GB | 0,472 € -12.7% 30d | Desde0,47 € | Abrir | ||
| ×1 | 10 | 60 GB | -- | 0,524 € | Desde0,52 € | Abrir | |
Sesterce CloudEnlace de referido | ×1 | 12 | 64 GB | Desde0,538 € -70.5% 30d | Desde0,54 € | Abrir | |
| ×1 | 14 | 100 GB | -- | 0,936 € | Desde0,94 € |
LLM que caben en la NVIDIA RTX A6000
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 48 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 Cabe justo en 4× |
| Solar Open2 250B Upstage | 250 mil M 15 mil M activos | 601 GB Demasiado grande | 330 GB 8× · 54 GB libres | 192 GB 8× · 192 GB libres o 4× · 19 % libre |
| Qwen3 235B-A22B Alibaba | 235 mil M 22 mil M activos | 564 GB Demasiado grande | 310 GB 8× · 74 GB libres | 181 GB 4× · 11 GB libres |
| Laguna-S 2.1 Poolside | 118 mil M 8 mil M activos | 282 GB 8× · 102 GB libres | 155 GB 4× · 37 GB libres | 90 GB 2× · 5,7 GB libres |
| gpt-oss-120b OpenAI | 117 mil M 5,1 mil M activos | — No publicado | — No publicado | 78 GB 2× · 18 GB libres |
| Qwen3.6 35B-A3B Alibaba | 35 mil M 3 mil M activos | 86 GB 2× · 9,7 GB libres | 47 GB Cabe justo en 1× | 28 GB 1× · 20 GB libres |
| Qwen3 32B Alibaba | 32,8 mil M | 79 GB 2× · 17 GB libres | 43 GB 1× · 4,8 GB libres | 25 GB 1× · 23 GB libres |
| Gemma 4 31B Google | 31,3 mil M | 75 GB 2× · 21 GB libres | 41 GB 1× · 6,7 GB libres | 24 GB 1× · 24 GB libres |
| GLM-4.7 Flash Z.ai | 31,2 mil M | 75 GB 2× · 21 GB libres | 41 GB 1× · 6,8 GB libres | 24 GB 1× · 24 GB libres |
| Qwen3.6 27B Alibaba | 27,8 mil M | 67 GB 2× · 29 GB libres | 37 GB 1× · 11 GB libres | 21 GB 1× · 27 GB libres |
| Mistral Small 3.2 24B Mistral AI | 24 mil M | 58 GB 2× · 38 GB libres | 32 GB 1× · 16 GB libres | 18 GB 1× · 30 GB libres |
| gpt-oss-20b OpenAI | 21 mil M 3,6 mil M activos | — No publicado | — No publicado | 17 GB 1× · 31 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?






