NVIDIA Tesla V100 16GB
La NVIDIA Tesla V100 16GB es una GPU de nivel empresarial basada en la arquitectura Volta y cuenta con 16 GB de memoria con 900 GB/s de ancho de banda de memoria y un TDP de 250 W. Ofrece 14 TFLOPS de rendimiento FP32 y 112 TFLOPS de rendimiento tensorial FP16. Disponible actualmente en 6 proveedores desde 0,03 €/GPU/hora, con una mediana de mercado de 0,15 €/GPU/hora en 32 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 | 10 | 47 GB | Desde0,026 € -51.9% 30d | Desde0,03 € | Abrir | ||
| ×1 | 6 | 23 GB | -- | 0,146 € | Desde0,15 € | Abrir | |
Hasta1 €crédito | ×8 | 128 | 2 TB | Desde0,470 € +0.2% 30d | Desde3,76 € | Abrir | |
| ×8 | 92 | 448 GB | -- | 0,678 € | 5,43 € | ||
Theta EdgeCloudEn tendencia | ×1 | 4 | 16 GB | -- | 0,850 € | Desde0,85 € | Abrir |
| ×1 | 8 | 30 GB | 2,207 € 0.0% 30d | 2,21 € | Abrir | ||
Sesterce CloudEnlace de referido | ×1 | 8 | 30 GB | Desde2,210 € 0.0% 30d | Desde2,21 € | Abrir |
LLM que caben en la NVIDIA Tesla V100 16GB
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 |
|---|---|---|---|---|
| Laguna-S 2.1 Poolside | 118 mil M 8 mil M activos | 282 GB Demasiado grande | 155 GB Demasiado grande | 90 GB 8× · 38 GB libres |
| gpt-oss-120b OpenAI | 117 mil M 5,1 mil M activos | — No publicado | — No publicado | 78 GB 8× · 50 GB libres |
| Qwen3.6 35B-A3B Alibaba | 35 mil M 3 mil M activos | 86 GB 8× · 42 GB libres | 47 GB 4× · 17 GB libres | 28 GB 2× · 4,4 GB libres |
| Qwen3 32B Alibaba | 32,8 mil M | 79 GB 8× · 49 GB libres | 43 GB 4× · 21 GB libres | 25 GB 2× · 6,8 GB libres |
| Gemma 4 31B Google | 31,3 mil M | 75 GB 8× · 53 GB libres o 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 8× · 53 GB libres o 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 8× · 61 GB libres o 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 |
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?



