Ranking actualizado el 22/09/2026
La RTX 3080 10 GB (GDDR6X, 760 GB/s) sigue siendo muy capaz en 2026. Los 10 GB limitan los modelos de 13B en Q4 (~8 GB dejan poco margen para el contexto), pero los modelos de 7-9B en Q5 y Mistral 7B en FP16 funcionan muy bien.
RTX 3080 10GB : alternativa de compra disponible para IA local — RTX 5070 Ti 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.
Dense 8B Apache 2.0, 12 idiomas, incluido FR, 131k ctx, GQA 32Q/8KV. MMLU 73.84, HumanEval 85.37. Salida 29 de abril de 2026.
# HuggingFace : ibm-granite/granite-4.1-8b
Granite 4.2 8B (IBM): modelo denso con licencia Apache 2.0, contexto de 128k, ~4,6 GB de VRAM en Q4. Chat, código y razonamiento multilingües para empresas.
ollama pull granite4.2
Ajuste fino SFT «thinking» de OLMo 3 7B: razonamiento paso a paso, contexto de 16k, ~4,2 GB de VRAM en Q4. 100 % abierto, licencia Apache 2.0.
# HuggingFace : zimplex/olmo3-7b-think-sft-eosfix-16k-3ep-euc
GLM 5.3 (Zhipu): modelo denso de 7B especializado en código y razonamiento, contexto de 128k, ~4,1 GB de VRAM en Q4. Ligero, funciona en GPU de 6-8 GB, licencia MIT.
ollama pull glm-5.3
Modelo denso de 9B de nueva generación. 262k ctx, razonamiento híbrido mejorado.
ollama run qwen3.5:9b
VLM de visión denso de 8B de Qwen 3. El mejor VLM pequeño de la tercera generación de Qwen.
ollama run qwen3-vl:8b
Versión compacta del 70B. 1000+ lenguas, entrenado en el superordenador suizo Alps.
ollama pull hf.co/swissai/Apertus-8B-GGUF
| Puesto | Modelo | Params | VRAM Q4 | Contexto | Licencia | En una RTX 3080 10GB |
|---|---|---|---|---|---|---|
| #1 | Granite 4.1 8B Instruct | 8B | 5 GB | 131 072 | Apache 2.0 | 35 tok/s · Q8 |
| #2 | Granite 4.2 8B | 8B | 4.6 GB | 128 000 | Apache 2.0 | 50 tok/s · Q8 |
| #3 | OLMo 3 7B Think (SFT) | 7B | 4.2 GB | 16 000 | Apache 2.0 | 50 tok/s · Q8 |
| #4 | GLM 5.3 7B | 7B | 4.1 GB | 128 000 | MIT | 50 tok/s · Q8 |
| #5 | Qwen 3.5 9B | 9B | 6 GB | 262 000 | Apache 2.0 | 28 tok/s · Q8 |
| #6 | Qwen 3 VL 8B | 8B | 6 GB | 262 144 | Apache 2.0 | 30 tok/s · Q8 |
| #7 | Apertus 8B | 8B | 6 GB | 65 536 | Apache 2.0 | 30 tok/s · Q8 |
Tu ChatGPT privado y gratuito en tu máquina en 1 hora — LM Studio, Ollama, Open WebUI, tus documentos, sin nube.
Memo gratuito
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).
Tu tarjeta → el mejor modelo para programar que puedes ejecutar en local, y el comando exacto de Ollama:
| Tu VRAM | GPU / Mac típicos | Modelo recomendado para programar | Comando Ollama |
|---|---|---|---|
| 8 GB | RTX 4060 / 3060 · M1-M2 16 GB | Qwen 3.5 9B (Q4, 6,6 GB — 256k ctx) | ollama run qwen3.5:9b |
| 12 GB | RTX 3060 12 GB / 4070 / 5070 | Qwen 3.5 9B (Q8, 11 GB) o Gemma 4 12B (7,6 GB) | ollama run qwen3.5:9b-q8_0 |
| 16 GB | RTX 5070 Ti / 4080 / 5080 · RX 9070 XT · M4 24 GB | Devstral 24B (Q4, 14 GB) — especialista en agentes de programación | ollama run devstral:24b |
| 24 GB | RTX 3090 / 4090 · RX 7900 XTX · M4 Pro 48 GB | Qwen 3.8 27B (Q4, 18 GB) — el « casi Copilot » | ollama run qwen3.8:27b |
| 32 GB | RTX 5090 | Qwen 3.6 35B-A3B (Q4, 23 GB) — MoE rápido | ollama run qwen3.6:35b |
| 48 GB+ | Mac M4 Max 64 GB · M2 Ultra 128 GB | Qwen3-Coder 30B-A3B (Q8, 32 GB — 256k ctx) | ollama run qwen3-coder:30b-a3b-q8_0 |
-base : ollama run qwen2.5-coder:7b-base — sigue siendo la referencia en este caso concreto. ⚠️ Qwen 3.8: su nivel de razonamiento está configurado muy alto por defecto y «piensa demasiado» ante solicitudes simples — bájalo a low (o desactívalo) en el primer arranque. ⚠️ La trampa de la licencia: Codestral 22B = Mistral Non-Production License → prohibido para programar en el trabajo. Qwen 3.5/3.8, Gemma 4 y Devstral tienen licencia Apache 2.0. 💡 ¿Se cuelga por falta de memoria? Deja ~1,5 GB de VRAM libre para el contexto, o baja un nivel de cuantización.🔌 Para integrarlo en VS Code: Cline (agente que trabaja con varios archivos), Aider (CLI) o Tabby/Twinny (autocompletado FIM) — todos se conectan a Ollama en local. El kit Copiloto Local — configuraciones listas para pegar + configuración probada — está disponible: /copilote-local.
Filtro: Q4_K_M ≤ 9 GB. Bonificación para modelos de 7 a 9B (pico de 10 GB). 760 GB/s = buen rendimiento.
Criterios considerados:
La puntuación es totalmente transparente: consulta nuestra metodología para conocer los detalles del cálculo de VRAM/tokens/seg.
RTX 3080 10 GB en 2026: ¿sigue siendo relevante?
Sí para modelos de 7-9B en Q5/Q8 (Mistral 7B Q8 = ~7,5 GB) a 50+ tok/s. Para modelos de 13-14B hace falta Q4 y queda poco margen. Ver guide.
¿3080 10 GB vs 4070 12 GB?
3080 = 760 GB/s, 4070 = 504 GB/s. La 3080 es ~50 % más rápida. Pero la 4070 tiene 12 GB (Qwen 3 14B Q4 cabe). Depende de si priorizas la velocidad o la VRAM. Ver RTX 4070.
¿Qué cuantización usar en una 3080 de 10 GB?
Q8 para 7B (calidad casi FP16, ~7,5 GB). Q5_K_M para 8-9B (~6-7 GB). Evita Q4 a menos que quieras probar un 13B (~8 GB, poco margen).
3080 de 10 GB de segunda mano: ¿a qué precio?
~350-400 € en Francia. Para LLM, una 3090 de segunda mano (~650 €) sigue siendo mejor si el presupuesto lo permite. Consulta RTX 3090.