La NVIDIA T4 es una GPU de nivel empresarial basada en la arquitectura Turing y cuenta con 16 GB de memoria con 300 GB/s de ancho de banda de memoria y un TDP de 70 W. Ofrece 8,1 TFLOPS de rendimiento FP32 y 65 TFLOPS de rendimiento tensorial FP16. Disponible actualmente en 3 proveedores desde 0,11 €/GPU/hora, con una mediana de mercado de 0,16 €/GPU/hora en 8 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 |
|---|---|---|---|---|---|---|---|
| ×2 | 48 | 126 GB | 0,146 € | 0,29 € | Abrir | ||
Omega GradientMás barato | ×2 | 72 | 252 GB | 0,112 € | 0,22 € | Abrir | |
| ×2 | 48 | 126 GB | Desde0,146 € +20.0% 30d | Desde0,29 € | Abrir | ||
Theta EdgeCloudEn tendencia | ×1 | 2 | 8 GB | -- | 0,172 € | Desde0,17 € | Abrir |
LLM que caben en la NVIDIA T4
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 |
|---|---|---|---|---|
| Qwen3.6 35B-A3B Alibaba | 35 mil M 3 mil M activos | 86 GB Demasiado grande | 47 GB 4× · 17 GB libres | 28 GB 2× · 4,4 GB libres |
| Qwen3 32B Alibaba | 32,8 mil M | 79 GB Demasiado grande | 43 GB 4× · 21 GB libres | 25 GB 2× · 6,8 GB libres |
| Gemma 4 31B Google | 31,3 mil M | 75 GB Ajustado en 4× · 2 % libre | 41 GB 4× · 23 GB libres | 24 GB 2× · 8 GB libres |
| GLM-4.7 Flash Z.ai | 31,2 mil M | 75 GB Ajustado en 4× · 2 % libre | 41 GB 4× · 23 GB libres | 24 GB 2× · 8 GB libres |
| Qwen3.6 27B Alibaba | 27,8 mil M | 67 GB Ajustado en 4× · 15 % libre | 37 GB 4× · 27 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 |
| Gemma 3 12B Google | 12,2 mil M | 29 GB 2× · 2,8 GB libres | 16 GB 2× · 16 GB libres o 1× · 19 % libre | 9,4 GB 1× · 6,6 GB libres |
| Granite 4.1 8B IBM | 8,8 mil M | 21 GB 2× · 11 GB libres | 12 GB 1× · 4,4 GB libres | 6,8 GB 1× · 9,2 GB libres |
| Qwen3 8B Alibaba | 8,2 mil M | 20 GB 2× · 12 GB libres | 11 GB 1× · 5,2 GB libres | 6,3 GB 1× · 9,7 GB libres |
| Llama 3.1 8B Instruct Meta | 8 mil M | 19 GB 2× · 13 GB libres | 11 GB 1× · 5,4 GB libres | 6,2 GB 1× · 9,8 GB libres |
| Mistral 7B Instruct v0.3 Mistral AI | 7,2 mil M | 17 GB 2× · 15 GB libres o 1× · 10 % libre | 9,6 GB 1× · 6,4 GB libres | 5,6 GB 1× · 10 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
GPUs similares
Ver más GPUs como esta en
¿Quieres más de esta página?
¿Datos incorrectos?

