TL;DR
- 16GB: solo modelos 7B (justo)
- 36GB: 13B con comodidad, 34B Q4 justo
- 64GB: 34B Q5 con comodidad
- 128GB: 70B Q5 con comodidad
- No puedes actualizar después de la compra — compra el máximo en el momento de la compra
Key Takeaways
- Memoria unificada = compartida entre CPU y GPU — toda disponible para los modelos LLM.
- RTX 4070 tiene 12GB VRAM + 32GB RAM (separados). El Mac tiene memoria unificada = todo disponible.
- Un Mac de 64GB tiene ~56–60GB para LLMs después del overhead de macOS (4–8GB).
- Existe swap: macOS usa el SSD si el modelo supera la memoria libre. Funciona pero 5–10× más lento.
- El tamaño del modelo en GB varía según la cuantización: Llama 3.3 8B es 16GB FP16, 5GB Q4, 8.5GB Q8.
- Regla: compra la máxima memoria — no puedes actualizarla después de la compra. El costo de la memoria en la venta es el 5–10%; reemplazar todo el Mac después cuesta el 100%.
Para LLMs locales en Apple Silicon: 16 GB solo para 7B (ajustado), 36 GB para 13B cómodamente, 64 GB para 70B Q3 (ajustado) o 34B Q5 (cómodo), 128 GB para 70B Q5 cómodamente — compra el máximo al adquirir el equipo, ya que la memoria no se puede actualizar.
La memoria unificada en un Mac se comparte entre CPU, GPU y motor IA. Regla general: un modelo 7B en Q4 necesita unos 5 GB; un 14B unos 9 GB; un 70B en Q4 unos 42 GB. Añade 8 GB para el sistema operativo. Si el modelo no cabe, se vuelca al disco — 100× más lento.
Cómo funciona la memoria unificada para LLMs
La memoria unificada se comparte entre CPU y GPU — toda está disponible para el modelo. A diferencia de las GPU discretas (RTX 4070 tiene 12GB VRAM + 32GB RAM separados), Apple Silicon comparte un único pool. Mac 64GB = 64GB disponibles para el modelo. macOS y las apps usan 4–8GB, dejando 56–60GB para el LLM.
¿Es la memoria unificada lo mismo que la VRAM?
Sí — en Apple Silicon, la memoria unificada *es* la VRAM de la GPU. No existe un conjunto de VRAM fijo y separado como en una GPU discreta. La CPU, la GPU y el Neural Engine de un chip serie M leen y escriben en la misma memoria física, por lo que casi todo el conjunto de memoria unificada — no solo una fracción — está disponible para que la GPU ejecute un LLM.
- GPU discreta (RTX 4070): 12GB de VRAM es un límite fijo para los pesos del modelo, incluso si el PC tiene 64GB de RAM de sistema separada.
- Apple Silicon: la GPU puede acceder a todo el conjunto de memoria unificada menos el overhead de macOS (4–8GB) — un Mac de 64GB da a la GPU ~56-60GB, no una porción fija de VRAM de 12-24GB.
- Por eso un Mac de 64GB puede ejecutar un modelo de 34B con comodidad mientras que un PC de 64GB con una GPU de 12GB no puede — la memoria accesible por la GPU del PC está limitada por su VRAM, no por su RAM total.
- "Memoria compartida" y "memoria unificada" describen la misma arquitectura: un solo conjunto, direccionable tanto por la CPU como por la GPU, sin un paso manual de asignación de VRAM.
Tabla maestra: nivel de memoria vs tamaño de modelo
| Modelo | Parámetros | Q3_K | Q4_K_M | Q5_K_M | Q8 | FP16 |
|---|---|---|---|---|---|---|
| Phi-4 | 3.8B | 2.1 GB | 2.5 GB | 2.9 GB | 4.0 GB | 7.6 GB |
| Mistral Small | 7B | 3.8 GB | 4.5 GB | 5.2 GB | 7.5 GB | 14 GB |
| Llama 3.3 8B | 8B | 4.2 GB | 5.0 GB | 5.8 GB | 8.5 GB | 16 GB |
| Llama 3.3 13B | 13B | 7.0 GB | 8.5 GB | 9.8 GB | 14 GB | 26 GB |
| Qwen3 34B | 34B | 17 GB | 20 GB | 24 GB | 36 GB | 68 GB |
| Llama 3.3 70B | 70B | 36 GB | 42 GB | 49 GB | 74 GB | 140 GB |
| Llama 3.3 405B | 405B | 200+ GB | 240 GB | 280 GB | 410 GB | 810 GB |
Añade 4-8 GB para el overhead de macOS al calcular si el modelo cabe en tu Mac.
Matriz encaja / no encaja
| Modelo + Cuantización | 16GB | 36GB | 64GB | 128GB |
|---|---|---|---|---|
| Phi-4 Q4 (2.5 GB) | ✓ Sobra | ✓ Sobra | ✓ Sobra | ✓ Sobra |
| Llama 3.3 8B Q4 (5 GB) | ⚠️ Justo | ✓ Cómodo | ✓ Sobra | ✓ Sobra |
| Llama 3.3 8B Q8 (8.5 GB) | ✗ No cabe | ✓ Cómodo | ✓ Sobra | ✓ Sobra |
| Llama 3.3 13B Q4 (8.5 GB) | ✗ No cabe | ✓ Cómodo | ✓ Sobra | ✓ Sobra |
| Qwen3 34B Q4 (20 GB) | ✗ No cabe | ⚠️ Justo | ✓ Cómodo | ✓ Sobra |
| Qwen3 34B Q5 (24 GB) | ✗ No cabe | ✗ No cabe | ✓ Cómodo | ✓ Sobra |
| Llama 3.3 70B Q3 (36 GB) | ✗ No cabe | ✗ No cabe | ⚠️ Justo | ✓ Cómodo |
| Llama 3.3 70B Q4 (42 GB) | ✗ No cabe | ✗ No cabe | ⚠️ Muy justo | ✓ Cómodo |
| Llama 3.3 70B Q5 (49 GB) | ✗ No cabe | ✗ No cabe | ✗ No cabe | ✓ Cómodo |
| Llama 3.3 70B Q8 (74 GB) | ✗ No cabe | ✗ No cabe | ✗ No cabe | ✓ Cabe |
✓ Sobra = 4+ GB libres | ✓ Cómodo = 2-4 GB libres | ⚠️ Justo = menos de 2 GB libres | ✗ No cabe = usa swap o falla
Qué cabe en cada nivel de memoria (práctica)
- 116 GB (M5 base, MacBook Air)
Why it matters: Llama 3.3 8B Q4 cabe (5GB modelo + 8GB OS = 13GB) ✓ pero justo. Llama 8B Q8 no cabe sin swap. Whisper small cabe junto. - 236 GB (M5 Pro base)
Why it matters: Llama 3.3 8B Q8 cabe con comodidad. Llama 13B Q4 cabe. Qwen3 34B Q4 cabe justo (20GB + 8GB OS = 28GB). Multimodelo: Whisper + LLaVA + TTS caben ✓ - 364 GB (M5 Pro max)
Why it matters: Qwen3 34B Q5 cabe con comodidad (24GB). Llama 70B Q3 cabe justo. Los stacks multimodelo tienen mucho espacio. - 4128 GB (M5 Max)
Why it matters: Mejor modelo para 128GB: Llama 3.3 70B Q5 (49GB) — el modelo más grande que cabe con margen de sobra. 70B Q8 cabe (74GB) para calidad casi sin pérdida. Multimodal: Whisper + modelo de visión 90B + LLM 8B caben simultáneamente ✓
Requisitos de memoria para stacks multimodelo
| Caso de uso (stack) | Memoria necesaria |
|---|---|
| Solo LLM (Llama 8B Q4) | 5 GB + OS = 13 GB |
| LLM + STT (Llama 8B + Whisper large-v3) | 8 GB + OS = 16 GB |
| LLM + STT + TTS (asistente de voz) | 9 GB + OS = 17 GB |
| LLM + Vision (Llama 8B + LLaVA 7B) | 11 GB + OS = 19 GB |
| Multimodal completo (LLM + Vision + STT + TTS) | 14 GB + OS = 22 GB |
| LLM + RAG (Llama 8B + embeddings + ChromaDB) | 8 GB + OS = 16 GB |
| Multimodal pesado (Llama 70B Q4 + Vision 90B) | 100+ GB |
Los stacks superiores a 22 GB necesitan un Mac mínimo de 36GB. Los superiores a 50 GB necesitan mínimo 64GB. El stack multimodal pesado solo funciona en M5 Max 128GB.
La ventana de contexto añade overhead de memoria
El caché KV escala con la longitud del contexto — cuanto mayor sea la ventana de contexto, más memoria usa el modelo en tiempo de ejecución. Esta es una trampa común que puede hacer que una configuración ajustada caiga en swap.
- Llama 3.3 8B con contexto 8K: +0.5 GB
- Llama 3.3 8B con contexto 32K: +2 GB
- Llama 3.3 8B con contexto 128K: +8 GB
- Llama 3.3 70B con contexto 32K: +6 GB
- Llama 3.3 70B con contexto 128K: +24 GB
Compra la máxima memoria — aquí está el porqué
- No puedes actualizar la memoria de Apple Silicon después de la compra.
- Los tamaños de los modelos crecen: 8B hoy → sweet spot de 13–34B en 2027.
- 16GB ya es marginal para LLMs — mínimo recomendado 36GB.
- Diferencia de precio: 36GB→64GB cuesta ~$200 en el momento de la compra, y evita tener que comprar un Mac nuevo en 2 años cuando los modelos superen los 36GB.
- Ejemplo: M5 Pro 36GB hoy cuesta $999; 64GB cuesta $1,199. Comprar un Mac nuevo en 2 años: $1,500+ por la misma configuración M5 Pro 64GB.
- La forma más económica de conseguir 36GB+ de memoria unificada: el Mac mini M5 Pro base ($999, 36GB) es el Mac más barato con memoria suficiente para ejecutar modelos 13B con comodidad — más barato que cualquier configuración de Mac Studio o MacBook Pro con memoria equivalente.
Impacto de la cuantización en la calidad
Q4_K_M (4 bits): ~1–2% de pérdida de calidad vs FP16. Imperceptible para la mayoría de usos. La mejor opción por defecto.
Q5_K_M (5 bits): ~0.5–1% de pérdida de calidad. Insignificante. Recomendado si tienes memoria de sobra.
Q8 (8 bits): ~0.1% de pérdida de calidad. Esencialmente sin pérdida.
Q3_K (3 bits): 3–5% de pérdida de calidad. Perceptible en razonamiento complejo. Aceptable solo en escenarios con espacio muy limitado.
¿Debería elegir 36GB o 64GB?
Elige 64GB si el presupuesto lo permite ($200 más). 36GB funciona hoy, pero en 12 meses se quedará justo a medida que los modelos crezcan. 64GB está preparado para el futuro hasta 2027–2028.
¿Puedo actualizar la memoria después?
No. La memoria de Apple Silicon está soldada y no se puede actualizar. Compra el máximo en el momento de la compra.
¿Por qué 16GB no es suficiente?
16GB para LLM + 4–8GB para macOS = 8–12GB disponibles. Llama 8B Q4 necesita 5GB, sin dejar espacio para Whisper u otras tareas. Es demasiado ajustado.
¿Realmente necesito 128GB?
Solo si ejecutas regularmente modelos 70B o necesitas Vision + LLM + STT simultáneamente. De lo contrario, 64GB es más que suficiente.
¿Es suficiente 48GB para LLMs locales?
Sí — 48GB (disponible en M4 Pro y algunas configuraciones M5 Pro) es un buen punto intermedio. Ejecuta todos los modelos 34B, 70B Q3 al límite, y stacks multimodales completos. Mejor que 36GB; si puedes permitirte 64GB, la preparación para el futuro vale la pena.
¿Cuánta memoria necesito para ejecutar Llama 3.3 70B localmente?
Mínimo 48GB (cuantización Q3, pérdida de calidad notable). Recomendado 64GB (cuantización Q4, espacio justo). Cómodo 128GB (cuantización Q5/Q8, alta calidad). El nivel de 64GB requiere gestión cuidadosa de la memoria; 128GB es la única opción sin preocupaciones para 70B.
¿Necesito 128GB para IA local en 2026?
Solo si ejecutas regularmente modelos 70B o necesitas stacks de Vision + LLM + STT simultáneamente. Para uso cotidiano de LLM (modelos 8B–34B, RAG, asistencia de código), el M5 Pro 64GB es el sweet spot. 128GB implica un salto de precio de 2–3× con beneficio marginal a menos que necesites específicamente 70B.
¿La memoria unificada de Apple Silicon es lo mismo que la VRAM?
Sí. A diferencia de una GPU discreta con un conjunto de VRAM fijo y separado (p. ej., 12GB en una RTX 4070), la GPU de Apple Silicon lee y escribe en la misma memoria física que la CPU. La GPU puede acceder a casi toda la memoria unificada de un Mac — un Mac de 64GB le da a la GPU ~56-60GB tras el overhead de macOS, no una porción fija de VRAM.
¿Cuál es el LLM más grande que cabe en 128GB de memoria unificada?
Llama 3.3 70B con cuantización Q5_K_M (49GB) es el modelo más grande que cabe con comodidad, dejando ~70GB libres para contexto y overhead. Con Q8 (74GB) también cabe con margen para macOS. Un modelo de 405B necesita 240GB+ incluso en Q4 — más allá de la memoria unificada de cualquier Mac, por lo que 70B es el techo práctico en una sola máquina.
¿Cuánto almacenamiento necesita un LLM local, aparte de la memoria?
La memoria (RAM) y el almacenamiento en disco son cosas distintas: la memoria contiene el modelo mientras se ejecuta; el almacenamiento guarda el archivo del modelo descargado de forma permanente. Un modelo 8B en Q4 necesita ~5GB tanto de memoria como de disco. Un modelo 70B Q5 necesita ~49GB de memoria y ~49GB de disco — el mismo archivo. Ejecutar varios modelos localmente (p. ej., 8B, 34B, 70B, más un modelo de visión) necesita 100-150GB de espacio libre en disco, independientemente del nivel de memoria de tu Mac.