Key Takeaways
- La AMD RX 6800 XT (16GB, ~$300-350 de segunda mano) y la RX 7900 XTX (24GB, ~$400-500 de segunda mano) son las únicas opciones viables para LLMs locales. Los precios pueden variar según tu país.
- Rendimiento por dólar: AMD es un 20-30% más barata que NVIDIA, pero la fricción de software cuesta entre 5 y 10 horas de configuración.
- Ollama: soporte AMD limitado (el path de ROCm fue inconsistente en nuestras pruebas de abril de 2026, Ollama v0.3.x / ROCm 6.x — la detección de GPU falló en algunas configuraciones; el fallback a CPU es lento). Compruebe github.com/ollama/ollama para compatibilidad AMD actual.
- vLLM: soporte completo para AMD ROCm desde v0.6.0, pero la configuración requiere instalar drivers manualmente. Funciona bien una vez superada la fase de instalación.
- Text Generation WebUI: excelente soporte para AMD vía ROCm. La mejor experiencia de usuario en AMD.
- Llama.cpp: soporte nativo para AMD (backend HIP). Rendimiento sólido. El camino recomendado en AMD.
- Coste de configuración: planifica 5-10 horas de depuración de drivers ROCm, compilación de HIPCC y compatibilidad de kernel.
- Veredicto (abril 2026): usa AMD solo si ya tienes hardware AMD o encuentras una oferta de segunda mano excelente (~$300 por una tarjeta de 16GB). Si no, NVIDIA CUDA sigue siendo más sencillo.
¿Qué GPUs AMD realmente valen la pena?
- RX 6800 XT (16GB GDDR6): la reina del valor en AMD. Lanzada en 2020. Sigue siendo sólida para inferencia de 7B-22B. De segunda mano: ~$300-350.
- RX 6900 XT (16GB GDDR6): marginalmente más rápida que la 6800 XT. Poco común. De segunda mano: ~$350-400. El aumento de precio no merece la pena.
- RX 7900 XT (20GB GDDR6): arquitectura RDNA 3 más nueva. Un 20% más rápida que la 6800 XT. De segunda mano: ~$400-480. Buena para 70B Q4.
- RX 7900 XTX (24GB GDDR6): la GPU AMD de consumo de gama alta. 24GB de VRAM es un punto de inflexión para modelos de 70B. De segunda mano: ~$450-550. Velocidad comparable a la RTX 4090.
- Radeon Pro W6800 (32GB): tarjeta de nivel empresarial, más barata de segunda mano (~$200-300). Más lenta, pero los 32GB son excelentes para 70B Q8. Opción de nicho.
¿Cómo se comparan las GPUs AMD con RTX en precio y rendimiento?
| GPU | VRAM | TFLOPS | Precio (2ª mano) | Rend./$ vs. RTX | RTX equivalente |
|---|---|---|---|---|---|
| RX 6800 XT | 16GB | 1,952 | ~$300-350 | +25% | RTX 3080 (más lenta) |
| RX 7900 XT | 20GB | 2,540 | ~$400-480 | +20% | RTX 4080 (similar) |
| RX 7900 XTX | 24GB | 2,750 | ~$450-550 | +15% | RTX 4090 (velocidad similar) |
| RTX 3080 | 10GB | 1,456 | ~$350-400 | -- | -- |
| RTX 4090 | 24GB | 2,752 | ~$1,000-1,300 | -- | -- |
¿Cuál es la fricción de configuración de ROCm para AMD?
1. Instala los drivers AMD ROCm: `apt-get install rocm-dkms` (Ubuntu). En Windows, usa el instalador .exe manual. Tarda unos 30 min.
2. Verifica el compilador HIP: `hipcc --version`. A menudo falla en el primer intento. Depura la compatibilidad de kernel para tu GPU.
3. Instala HIPCC (el compilador HIP-to-C++ de AMD): `apt-get install hip-runtime-amd`. Otra cadena de dependencias.
4. Prueba con un LLM pequeño: ejecuta inferencia para verificar que la aceleración por GPU funciona. El fallback a CPU es frecuente.
5. Soluciona incompatibilidades de versión de drivers: ROCm v5.7 funciona con el kernel 5.15 pero no con 6.x. Consume 2-4 horas de depuración.
NVIDIA CUDA en comparación: `nvidia-cuda-toolkit` → un apt-get, acceso instantáneo a la GPU. AMD requiere entre 5 y 10 veces más fricción.
¿Puedes ejecutar Ollama y vLLM en AMD?
Ollama en AMD (según nuestras pruebas de abril de 2026, Ollama v0.3.x, ROCm 6.x): el soporte ROCm fue inconsistente en nuestras pruebas — la detección de GPU falló en algunas configuraciones, el fallback a CPU es lento. Compruebe la lista de compatibilidad AMD actualizada en github.com/ollama/ollama antes de comprometerse.
vLLM en AMD: soporte completo para ROCm desde v0.6.0. Funciona bien, pero requiere configuración manual de drivers ROCm/HIP. Buena opción si superas la fase de instalación.
Text Generation WebUI: excelente soporte para AMD ROCm. La mejor experiencia de usuario en AMD. Recomendado.
Llama.cpp: backend HIP nativo. Rendimiento sólido. El camino AMD más sencillo. Recomendado.
LM Studio: solo NVIDIA. Sin soporte para AMD.
A partir de abril de 2026: vLLM + llama.cpp son tus opciones en AMD. Ollama no es fiable.
¿Cuándo deberías comprar AMD en lugar de NVIDIA?
Compra AMD si:
- Encuentras una RX 7900 XTX de segunda mano por menos de $450 (infravalorada frente al valor de la RTX 4090).
- Ya tienes hardware AMD y quieres mantener coherencia en el ecosistema.
- Estás construyendo un clúster y priorizas el rendimiento por dólar sobre la facilidad de configuración.
No compres AMD si:
- Quieres una experiencia plug-and-play. NVIDIA CUDA es más rápido de poner en marcha.
- Necesitas Ollama. El soporte AMD ROCm para Ollama ha sido inconsistente en pruebas comunitarias (en 2026).
- Tienes poco tiempo. La depuración de ROCm puede consumir más de 10 horas.
Errores comunes al adoptar AMD
- Comprar una RX 6700 (12GB) creyendo que equivale a una 3060 12GB — es un 20% más lenta y a menudo difícil de encontrar de segunda mano.
- Asumir que ROCm «simplemente funciona» como CUDA — planifica entre 5 y 10 horas de solución de problemas de compatibilidad de drivers y kernel.
- Usar Ollama con AMD esperando una integración fluida — el soporte ROCm fue inconsistente en nuestras pruebas de abril de 2026 (Ollama v0.3.x, ROCm 6.x); llama.cpp o vLLM son mejores opciones.
Próximos pasos
- Mejores GPU de bajo costo para LLM local — ¿Presupuesto ajustado? Las mejores GPU calidad-precio →
- GPU vs CPU vs Apple Silicon — AMD, Apple o CPU — ¿qué plataforma te conviene? →
- ¿Cuánta VRAM necesito? — Ajusta la VRAM de tu GPU al tamaño del modelo →
Preguntas frecuentes
¿Debo comprar la AMD RX 6800 XT o la NVIDIA RTX 3080 para LLMs locales?
RTX 3080 si valoras la simplicidad (CUDA funciona sin problemas). RX 6800 XT si quieres un 25% más de valor y no te importan 5-10 horas de configuración de ROCm.
¿La AMD RX 7900 XTX es mejor que la RTX 4090?
Velocidad similar, misma VRAM (24GB). La RX 7900 XTX es $200-300 más barata de segunda mano ($450-550 vs. $1,000-1,300). La configuración de ROCm es el contrapeso.
¿Puedo usar GPUs AMD con Ollama?
Técnicamente sí. En nuestras pruebas de abril de 2026 (Ollama v0.3.x, ROCm 6.x), el soporte ROCm fue inconsistente — la detección de GPU falló en algunas configuraciones y el fallback a CPU fue frecuente. Compruebe la lista de compatibilidad AMD actualizada en github.com/ollama/ollama; para inferencia AMD fiable hoy, vLLM o llama.cpp son opciones más seguras.
¿Cuál es el mejor camino AMD para LLMs locales en 2026?
Llama.cpp (backend HIP) + Text Generation WebUI. Ambos tienen buen soporte para AMD. Evita Ollama.
¿Necesito Ubuntu para AMD ROCm, o Windows funciona también?
El soporte en Windows existe (HIP on Windows), pero es más reciente y menos estable. Ubuntu es el camino recomendado.
¿Es la RX 6700, la 6700 XT o la 6750 buena para modelos de 7B?
La RX 6700 (12GB) funciona, pero es un 20% más lenta que la RX 6800 XT. La RX 6700 XT (12GB, misma VRAM) tiene unos relojes ~15% más rápidos que la versión no-XT, pero sigue por detrás de la 6800 XT. Cómprala solo si cuesta menos de $250. Si no, apuesta por la 6800 XT.
¿Merece la pena la RX 6900 XT para LLMs locales?
No demasiado. La RX 6900 XT (16GB) es solo marginalmente más rápida que la RX 6800 XT, es más rara de segunda mano y cuesta $350-400 frente a $300-350 de la 6800 XT. El sobrecoste no compensa -- compra la 6800 XT en su lugar.
¿Es buena la AMD Radeon 680M para ejecutar LLMs locales?
La Radeon 680M es gráficos integrados dentro de las APU móviles Ryzen 6000/7000 -- no es el mismo producto que la RX 6800M o la RX 6800 XT, que son tarjetas discretas. No tiene VRAM dedicada, sino que comparte la RAM del sistema, por lo que solo es viable para modelos pequeños cuantizados (aproximadamente 3B de parámetros o menos en Q4) y será notablemente más lenta que cualquier GPU discreta de esta guía. Para un uso serio de LLMs locales, una tarjeta discreta como la RX 6800 XT es la mejor opción.
¿Puedo combinar GPUs AMD y NVIDIA en un mismo sistema?
Teóricamente sí, pero la gestión es una pesadilla. Cada GPU necesita su propio runtime CUDA/HIP. No se recomienda.
Lecturas relacionadas
- Mejores GPUs económicas para LLMs locales
- Mejores GPUs para LLMs locales
- GPU vs CPU vs Apple Silicon
- Text Generation WebUI vs vLLM vs Llama.cpp
- Laptop vs Desktop para LLMs locales — Comparación de coste y rendimiento entre portátil y sobremesa para IA.
Fuentes
- Documentación de AMD ROCm y GitHub: compilador HIP, matriz de compatibilidad de drivers, ejemplos de inferencia con LLMs
- vLLM GitHub: implementación del backend AMD/ROCm y estado de soporte (v0.6.0+)
- Llama.cpp GitHub: backend HIP para soporte de GPUs AMD
- Las GPUs AMD ofrecen buenas velocidades en tokens por segundo, pero la velocidad por sí sola no determina la calidad de las respuestas. Lo que le preguntas al modelo importa tanto como la rapidez de respuesta: context windows explained explica cómo estructurar solicitudes más largas dentro de los límites de memoria de la GPU.