5060 GDDR7 448 GB/s vs 4060 GDDR6 272 GB/s = ~65 % de ganancia. Mistral 7B Q4: 5060 ~40 tok/s vs 4060 ~24 tok/s. Si compras nueva, 5060. Ver RTX 5060.

Inicio › Catálogo › Mejor LLM para la RTX 4060 (8 GB) en 2026

Mejor LLM para la RTX 4060 (8 GB) en 2026

Q: ¿4060 o 3060 de 12 GB de segunda mano?

3060 12 GB = +4 GB VRAM pero ~25 % más lento (GDDR6 360 GB/s vs 4060 272 GB/s, pero Ada más eficiente). 3060 12 GB gana para LLM (13B accesible). Vea RTX 3060.

Q: ¿Conviene elegir una 4060 en 2026?

Para usar solo LLM, optar por una 5060 (ventaja de GDDR7) o una 4060 Ti 16 GB (más VRAM). La 4060 sigue siendo adecuada si ya está en el PC. Ver 4060 Ti 16 GB.

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

Clasificación actualizada el 09/10/2026

La RTX 4060 (8 GB GDDR6, 272 GB/s) es la tarjeta de entrada de la gama Ada Lovelace. 8 GB bastan para modelos de 7-9B en Q4, pero la velocidad de generación sigue siendo modesta (~20 tok/s con un modelo de 7B).

Ofertas y alternativas para la IA local

RTX 4060 : alternativa de compra disponible para IA local — RTX 5060 Ti 16 GB :

AmazonVer precio →

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

Enlaces de afiliación — QuéLLM puede percibir una comisión por las compras, sin coste adicional para ti, lo que no influye en la clasificación (establecida de forma independiente). Como socio de Amazon, QuéLLM obtiene beneficios de las compras que cumplen las condiciones requeridas.

Clasificación

🇺🇸 OLMo 3 7B Think (SFT)

zimplex · 7B parámetros · Apache 2.0 · 16 000 tokens ctx

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.

Por qué esta posición 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

En RTX 4060

8 GB · 32 tok/s

🇨🇳 GLM 5.3 7B

Zhipu AI · 7B parámetros · MIT · 128 000 tokens ctx

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.

Por qué esta posición 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

En RTX 4060

7 GB · 32 tok/s

🇺🇸 OLMo 3 7B

Allen AI · 7B parámetros · Apache 2.0 · 8 192 tokens ctx

Modelo denso de 7B, 100 % abierto (pesos + datos + código). Transparencia total para la investigación.

Por qué esta posición Modelo denso de 7B, 100 % abierto (pesos + datos + código). Transparencia total para la investigación.

ollama run olmo-3:7b

En RTX 4060

Q5_K_M

6 GB · 12 tok/s

🇺🇸 LFM2.5 7B

Liquid AI · 7B parámetros · LFM Open License v1.0 · 32 768 tokens ctx

LFM2.5 7B (Liquid AI): Liquid Foundation Model denso, 32k de contexto, 4.1 GB de VRAM en Q4. Optimizado para CPU y edge. Lanzamiento en mayo de 2026.

Por qué esta posición LFM2.5 7B (Liquid AI): Liquid Foundation Model denso, 32k de contexto, 4.1 GB de VRAM en Q4. Optimizado para CPU y edge. Lanzamiento en mayo de 2026.

ollama pull lfm2.5

En RTX 4060

7 GB · 32 tok/s

🇺🇸 LFM2.5 DSpark

Liquid AI · 7B parámetros · LFM Open License v1.0 · 32 768 tokens ctx

LFM2.5 DSpark (Liquid AI): Liquid Foundation Model denso de 7B, 32k de contexto, ~4,1 GB de VRAM en Q4. Chat versátil optimizado para edge/CPU.

Por qué esta posición LFM2.5 DSpark (Liquid AI): Liquid Foundation Model denso de 7B, 32k de contexto, ~4,1 GB de VRAM en Q4. Chat versátil optimizado para edge/CPU.

# HuggingFace : LiquidAI/LFM2.5-DSpark

En RTX 4060

7 GB · 32 tok/s

🇫🇷 Lucie 7B

OpenLLM-France · 7B parámetros · Apache 2.0 · 4.096 tokens ctx

LLM soberano francófono, entrenado con un corpus en francés.

Por qué esta posición LLM soberano francófono, entrenado con un corpus en francés.

ollama run lucie:7b

En RTX 4060

Q5_K_M

6 GB · 12 tok/s

🇨🇳 Qwen 2.5 Coder 7B

Alibaba · 7B parámetros · Apache 2.0 · 131 072 tokens ctx

Especializado en código. Rivaliza con los modelos propietarios en HumanEval.

Por qué esta posición Especializado en código. Rivaliza con los modelos propietarios en HumanEval.

ollama run qwen2.5-coder:7b

En RTX 4060

Q5_K_M

6 GB · 12 tok/s

Tabla comparativa

Puesto	Modelo	Params	VRAM Q4	Contexto	Licencia	En RTX 4060
#1	OLMo 3 7B Think (SFT)	7B	4.2 GB	16 000	Apache 2.0	32 tok/s · Q8
#2	GLM 5.3 7B	7B	4.1 GB	128 000	MIT	32 tok/s · Q8
#3	OLMo 3 7B	7B	5 GB	8 192	Apache 2.0	12 tok/s · Q5_K_M
#4	LFM2.5 7B	7B	4.1 GB	32 768	LFM Open License v1.0	32 tok/s · Q8
#5	LFM2.5 DSpark	7B	4.1 GB	32 768	LFM Open License v1.0	32 tok/s · Q8
#6	Lucie 7B	7B	5 GB	4 096	Apache 2.0	12 tok/s · Q5_K_M
#7	Qwen 2.5 Coder 7B	7B	5 GB	131 072	Apache 2.0	12 tok/s · Q5_K_M

El kit 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
Actualizaciones de por vida

El kit 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).

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`

💡 Chat/agente ≠ autocompletado. En la tabla de arriba tienes tu modelo de chat y de agente. Para el autocompletado inline (FIM), mantén un modelo pequeño dedicado en su variante -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.

Metodología del ranking

Filtro: Q4_K_M ≤ 7 GB. Bonificación: 1-7B y ≤ 3B (rápidos). 272 GB/s es adecuado para 7B.

Criterios considerados:

Q4_K_M ≤ 7 GB
Phi-4 Mini y 3B muy rápidos
Mistral 7B Q4 ~20 tok/s
Ada de gama de entrada

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

Preguntas frecuentes

¿RTX 4060 vs 5060?

5060 GDDR7 448 GB/s vs 4060 GDDR6 272 GB/s = ~65 % de mejora. Mistral 7B Q4: 5060 ~40 tok/s vs 4060 ~24 tok/s. Si compras una nueva, 5060. Ver RTX 5060.

¿4060 o 3060 de 12 GB de segunda mano?

3060 12 GB = +4 GB de VRAM, pero aproximadamente un 25 % más lenta (GDDR6 360 GB/s frente a 4060 272 GB/s, pero Ada es más eficiente). La 3060 12 GB gana para los LLM (permite usar modelos de 13B). Ver RTX 3060.

¿Cuál es el punto óptimo para los LLM en una 4060?

Mistral 7B Q5 (~5,5 GB) a 18 tok/s, Llama 3.2 3B Q4 a 40+ tok/s, Phi-4 Mini a 45+ tok/s. Para 13B+, optar por 12 GB (RTX 4070).

¿Conviene elegir una 4060 en 2026?

Para un uso exclusivo con LLM, optar por una 5060 (mejora gracias a GDDR7) o una 4060 Ti 16 GB (mejora en VRAM). La 4060 sigue siendo adecuada si ya está en el PC. Ver 4060 Ti 16 GB.

Para ir más allá

Los kits de QuelLLM La guía de referencia según el uso

IA local Copiloto Local Agentes Locales RAG Local IA en la empresa IA Sin Filtros Mac Imágenes IA

Todos los kits de por vida — 49 €