Inicio › Catálogo › Mejor LLM para la Radeon RX 7900 XT (20 GB) en 2026

Mejor LLM para la Radeon RX 7900 XT (20 GB) en 2026

◆ IA Local — Tu ChatGPT privado y gratuito, en tu máquina, en 1 h · 24 € · o todos los kits 49 € →

Ranking actualizado el 22/09/2026

La Radeon RX 7900 XT (20 GB GDDR6, 800 GB/s) es la hermana menor de la 7900 XTX. Sus poco habituales 20 GB permiten ejecutar cómodamente modelos de 24-32B en Q4. ~650 € nueva, excelente relación calidad-precio.

Ofertas y alternativas para la IA local

Radeon RX 7900 XT : alternativa de compra disponible para IA local — Radeon RX 9070 XT 16 GB :

AmazonVer precio → Materiel.netVer precio → DartyVer precio →

¿Por qué esta elección? Nuestra ficha completa sobre Radeon RX 9070 XT 16 GB →

¿Qué PC elegir según tu presupuesto? Nuestras opciones de 800 a 3 500 € →

Enlaces de afiliados — QuelLLM puede percibir una comisión por las compras, sin coste adicional para ti, lo cual no influye en el ranking (establecido de forma independiente). Como socio de Amazon, QuelLLM obtiene un beneficio de las compras que cumplen las condiciones requeridas.

Clasificación

1

🇨🇳 LLaDA 2.0 Uni 16B

Ant Group / inclusionAI · 16 mil millones de parámetros · Apache 2.0 · 8 192 tokens ctx

Primer dLLM abierto con licencia Apache 2.0: MoE 16B/1B + decodificador de difusión de 6.2B. Texto+visión unificados. Lanzamiento: 22 de abril de 2026.

Por qué esta posición Primer dLLM abierto con licencia Apache 2.0: MoE 16B/1B + decodificador de difusión de 6.2B. Texto+visión unificados. Lanzamiento: 22 de abril de 2026. 
# HuggingFace : inclusionAI/LLaDA2.0-Uni (Flash Attn 2 + CUDA 12.4 requis)
En una Radeon RX 7900 XT
Q4_K_M
18 GB · 60 tok/s
2

🇫🇷 Devstral Small 2 24B

Mistral AI · 24B parámetros · Apache 2.0 · 256 000 tokens ctx

Especialista en programación 24B Apache 2.0. 72.2% SWE-Bench. 256k ctx, laboratorio francés.

Por qué esta posición Especialista en programación 24B Apache 2.0. 72.2% SWE-Bench. 256k ctx, laboratorio francés. 
ollama run devstral-small2:24b
En una Radeon RX 7900 XT
Q5_K_M
17 GB · 15 tok/s
3

🇺🇸 Gemma 4 26B-A4B MoE

Google · 26B de parámetros · Apache 2.0 · 128 000 tokens ctx

Variante MoE de Gemma 4. 26B/4B activos. Multimodal completo (texto+imagen+audio).

Por qué esta posición Variante MoE de Gemma 4. 26B/4B activos. Multimodal completo (texto+imagen+audio). 
ollama run gemma4:26b
En una Radeon RX 7900 XT
Q5_K_M
19 GB · 22 tok/s
4

🇨🇳 Qwen 3.6 27B

Alibaba · 27 mil millones de parámetros · Apache 2.0 · 262 144 tokens ctx

Modelo denso multimodal de 27B, lanzado el 22 de abril de 2026. 262k ctx (1M YaRN). SWE-bench Verified 77.2%.

Por qué esta posición Modelo denso multimodal de 27B, lanzado el 22 de abril de 2026. 262k ctx (1M YaRN). SWE-bench Verified 77.2%. 
ollama run qwen3.6:27b
En una Radeon RX 7900 XT
Q5_K_M
19 GB · 13 tok/s
5

🇨🇳 Qwen 3.8 27B

Alibaba · 27 mil millones de parámetros · Apache 2.0 · 262 144 tokens ctx

Qwen 3.8 27B: modelo denso multimodal (texto + visión), 262k de contexto, ~16 GB de VRAM en Q4 (18 GB de pesos en Ollama). Apache 2.0, programación con agentes y visión.

Por qué esta posición Qwen 3.8 27B: modelo denso multimodal (texto + visión), 262k de contexto, ~16 GB de VRAM en Q4 (18 GB de pesos en Ollama). Apache 2.0, programación con agentes y visión. 
ollama run qwen3.8:27b
En una Radeon RX 7900 XT
Q5_K_M
19 GB · 14 tok/s
6

🇫🇷 Magistral Small 24B

Mistral AI · 24B parámetros · Apache 2.0 · 128 000 tokens ctx

Primer modelo de razonamiento abierto de Mistral. AIME24 70.7%. Base Small 3.1 + entrenamiento CoT.

Por qué esta posición Primer modelo de razonamiento abierto de Mistral. AIME24 70.7%. Base Small 3.1 + entrenamiento CoT. 
ollama run magistral:24b
En una Radeon RX 7900 XT
Q5_K_M
17 GB · 15 tok/s
7

🇺🇸 Gemma 4 31B

Google · 31 mil millones de parámetros · Apache 2.0 · 256 000 tokens ctx

Modelo denso multimodal de 31B (texto+imagen+audio). Más de 140 idiomas, contexto de 256k. N.º 3 en Chatbot Arena open.

Por qué esta posición Modelo denso multimodal de 31B (texto+imagen+audio). Más de 140 idiomas, contexto de 256k. N.º 3 en Chatbot Arena open. 
ollama run gemma4:31b
En una Radeon RX 7900 XT
Q4_K_M
18 GB · 12 tok/s

Tabla comparativa

Puesto Modelo Params VRAM Q4 Contexto Licencia En una Radeon RX 7900 XT
#1 LLaDA 2.0 Uni 16B 16B 18 GB 8 192 Apache 2.0 60 tok/s · Q4_K_M
#2 Devstral Small 2 24B 24B 14 GB 256 000 Apache 2.0 15 tok/s · Q5_K_M
#3 Gemma 4 26B-A4B MoE 26B 16 GB 128 000 Apache 2.0 22 tok/s · Q5_K_M
#4 Qwen 3.6 27B 27B 16 GB 262 144 Apache 2.0 13 tok/s · Q5_K_M
#5 Qwen 3.8 27B 27B 16 GB 262 144 Apache 2.0 14 tok/s · Q5_K_M
#6 Magistral Small 24B 24B 14 GB 128 000 Apache 2.0 15 tok/s · Q5_K_M
#7 Gemma 4 31B 31B 18 GB 256 000 Apache 2.0 12 tok/s · Q4_K_M
El kit de IA Local

Tu ChatGPT privado y gratuito en tu máquina en 1 hora — LM Studio, Ollama, Open WebUI, tus documentos, sin nube.

  • Espacio en línea de por vida
  • PDF + archivos
  • Reembolsado 30 j
El kit de IA Local → o todos los kits de por vida — 49 € →

Memo gratuito

¿Qué modelo para programar ejecutar en TU máquina?

Recibe el resumen VRAM → mejor modelo de código → comando Ollama (una sola pantalla, copiar y pegar). Y pasa al kit Copiloto Local para convertirlo en una configuración que realmente funcione.

El kit Copiloto Local — las configuraciones de Ollama + Cline + Aider listas para pegar, Modelfiles ajustados, solución de problemas, espacio en línea de por vida →

Sin spam. Darte de baja en 1 clic. Tus datos se quedan con nosotros (nunca se venden).

Metodología del ranking

Filtro: Q4_K_M ≤ 18 GB. Bonificación para 13-32B (pico de 20 GB). 800 GB/s + ROCm 6.

Criterios considerados:

  • Q4_K_M ≤ 18 GB
  • Compatible con ROCm 6
  • Mistral Small 24B Q5
  • 20 GB inusuales

La puntuación es totalmente transparente: consulta nuestra metodología para conocer los detalles del cálculo de VRAM/tokens/seg.

Preguntas frecuentes

¿RX 7900 XT vs. 7900 XTX?

XT = 20 GB + 800 GB/s. XTX = 24 GB + 960 GB/s. Para 24-32B Q4, las dos son adecuadas. XTX es preferible para fine-tuning o 32B Q5. Ver RX 7900 XTX.

¿Por qué 20 GB y no 16 o 24?

Decisión de marketing de AMD para situarla entre la 7900 XTX y el nivel de gama anterior. Para los LLM, es el punto ideal: Mistral Small 24B Q4 (~13 GB) + contexto 32k + caché = ~18 GB.

ROCm en la 7900 XT: ¿fácil?

Sí, desde ROCm 6 (2024). Ollama ofrece soporte nativo mediante -gpu rocm. llama.cpp también. Es más sencillo que hace 2 años. Ver guide.

¿Cuál es el punto óptimo para los LLM en una 7900 XT?

Mistral Small 24B Q5 (~17 GB) a 25 tok/s, Qwen 3 32B Q4 (~17 GB) a 22 tok/s. Excelente para código + chat.

Para ir más allá

Herramienta
Probar en tu máquina →
Catálogo
Todos los modelos indexados →
Herramienta
Comparar dos modelos →
Benchmarks
Tokens/segundo medidos →
Los kits de QuelLLM La guía de referencia según el uso
IA localCopiloto LocalAgentes LocalesRAG LocalIA en la empresaIA Sin FiltrosMacImágenes IA
Todos los kits de por vida — 49 €