Ranking actualizado el 22/09/2026
La RTX 4080 Super (16 GB GDDR6X, 736 GB/s) es la variante mejorada de Ada Lovelace de nivel 1. ~5 % más rápida que la 4080. Los 16 GB permiten ejecutar modelos de 24B en Q4_K_M a 30-35 tok/s.
RTX 4080 Super : alternativa de compra disponible para IA local — RTX 5080 16 GB :
Un mini-PC es una máquina completa: revisa la memoria necesaria y la compatibilidad del software. No reemplaza a macOS/MLX ni a CUDA.
¿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.
Modelo denso de 14B con razonamiento híbrido. Iguala a Qwen 2.5 32B Base en STEM/código.
ollama run qwen3:14b
Modelo de razonamiento de 14B con licencia MIT. Supera a R1-Distill-Llama-70B en las evaluaciones AIME24/25 de Microsoft con una quinta parte de los parámetros.
ollama run phi4-reasoning:14b
Razonamiento excepcional para su tamaño. Orientado a STEM.
ollama run phi4:14b
Coder 14B. HumanEval 89.6, LiveCodeBench 37.1. Equilibrio ideal de VRAM para programar con modelos autoalojados.
ollama run qwen2.5-coder:14b
R1 destilado con Qwen 14B como modelo base. AIME24 69.7, MATH-500 93.9. Supera a o1-mini en muchos benchmarks.
ollama run deepseek-r1:14b
Denso 14B Apache 2.0. MMLU 79.7, HumanEval 83.5. 29+ idiomas. Buen equilibrio.
ollama run qwen2.5:14b
Especialista en programación 24B Apache 2.0. 72.2% SWE-Bench. 256k ctx, laboratorio francés.
ollama run devstral-small2:24b
| Puesto | Modelo | Params | VRAM Q4 | Contexto | Licencia | En una RTX 4080 Super |
|---|---|---|---|---|---|---|
| #1 | Qwen 3 14B | 14B | 9 GB | 131 072 | Apache 2.0 | 55 tok/s · Q8 |
| #2 | Phi-4 Reasoning 14B | 14B | 9 GB | 32 768 | MIT | 55 tok/s · Q8 |
| #3 | Phi-4 14B | 14B | 9 GB | 16 384 | MIT | 55 tok/s · Q8 |
| #4 | Qwen 2.5 Coder 14B Instruct | 14B | 9 GB | 131 072 | Apache 2.0 | 55 tok/s · Q8 |
| #5 | DeepSeek R1 Distill Qwen 14B | 14B | 9 GB | 131 072 | MIT | 55 tok/s · Q8 |
| #6 | Qwen 2.5 14B Instruct | 14B | 9 GB | 131 072 | Apache 2.0 | 55 tok/s · Q8 |
| #7 | Devstral Small 2 24B | 24B | 14 GB | 256 000 | Apache 2.0 | 40 tok/s · Q4_K_M |
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 ≤ 14 GB. Bonus 7-14B y 13-24B. Variante boost ~5 % vs 4080 estándar.
Criterios considerados:
La puntuación es totalmente transparente: consulta nuestra metodología para conocer los detalles del cálculo de VRAM/tokens/seg.
¿RTX 4080 Super frente a 4080?
Los mismos 16 GB. 4080 Super = +5 % de rendimiento (~7 % más de núcleos CUDA, GDDR6X ligeramente más rápida). La diferencia es imperceptible en la mayoría de los LLM. Elige la más barata de segunda mano. Ver RTX 4080.
¿4080 Super vs 5080?
5080 = ~25 % más rápida (GDDR7 vs GDDR6X), pero ~600 € más cara si se compra nueva. 4080 Super de segunda mano ~700 € = mejor relación calidad-precio. Ver RTX 5080.
¿Llama 70B en una 4080 Super?
No: Q4 (~40 GB) no cabe en 16 GB. Q2_K (~28 GB) tampoco cabe. Para ejecutar un modelo de 70B en local con hardware de consumo, buscar una RTX 4090/5090 de 24+ GB o un Mac Studio de 64+ GB.
¿Cuál es el punto óptimo para un LLM en una 4080 Super?
Mistral Small 24B Q4 (~13 GB) a 30 tok/s o Qwen 3 14B Q6 (~12 GB) a 50 tok/s. Para código, Qwen 2.5 Coder 14B Q5. Ver clasificación para programación.
Profundiza con nuestras comparativas detalladas entre los finalistas: