Requisitos de hardware por nivel
Tres niveles para cada carga: el mínimo que funciona, el punto dulce recomendado y el nivel cómodo de margen. Son los mismos niveles que usa el motor de decisión WisePC al planificar un build en torno a tu objetivo.
| Nivel | Núcleos de CPU | RAM | Almacenamiento | GPU | VRAM | Red |
|---|---|---|---|---|---|---|
| Mínimo | 8 cores | 32 GB | 2 TB (ssd) | ai | 16 GB de VRAM | 1 GbE |
| Recomendado | 16 cores | 64 GB | 4 TB (ssd) | ai | 24 GB de VRAM | 2.5 GbE |
| Cómodo | 24 cores | 128 GB | 8 TB (ssd) | ai | 48 GB de VRAM | 10 GbE |
| Excesivo | 39 cores | 205 GB | 16 TB (ssd) | ai | 48 GB de VRAM | 10 GbE |
Más allá de Cómodo — 39 núcleos, 205 GB de RAM, 16 TB (SSD): margen que nunca usarás solo para este workload. Pon la diferencia en almacenamiento, copia de seguridad o silencio.
Forma de sistema recomendada
Derivada por el motor de decisión del nivel recomendado — la misma lógica que planifica builds completos.
Requirements (16 threads, 64GB RAM, 8TB storage, dedicated GPU) need a custom tower build.
Si este workload merece su propia máquina o debe vivir en el servidor principal.
GPU-bound compute is expensive to duplicate — a second GPU box roughly doubles cost for little resilience gain. Keep it on the main machine.
Arreglos de almacenamiento, con precios
Cinco estrategias físicas para la capacidad recomendada — mismo planificador, mismo modelo de discos y mismos precios de referencia que la herramienta de almacenamiento.
| Estrategia | Discos | Útil | Coste | Reposo |
|---|---|---|---|---|
| Cheapest | 2× 4TB hdd | 4 TB · parity1 | ≈ €200 | 10 W |
| Balanced Recomendado | 2× 16TB hdd | 16 TB · parity1 | ≈ €480 | 12 W |
| Redundant | 3× 8TB hdd | 8 TB · parity2 | ≈ €450 | 15 W |
| Expansion-friendly | 2× 20TB hdd | 20 TB · parity1 | ≈ €600 | 14 W |
| Performance | 2× 4TB nvme | 4 TB · parity1 | ≈ €480 | 2 W |
For a fast working tier, go all-flash — the performance strategy protects speed without the HDD rebuild pain.
La copia no es almacenamiento
La copia extra que sobrevive a fallos, borrados y ransomware — mismo motor que el planificador de copias.
Protect 4TB with at least two copies on separate hardware, ideally one offsite. The recommended start is a dedicated NAS.
Add a second copy outside the building — cloud or a drive at a friend's house.
Use a versioning-aware tool (restic, borg, Backblaze) that keeps history.
Schedule backups automatically and monitor them.
Keep the backup on separate hardware or offsite.
¿Cuánto costará?
Rangos EUR neutros del modelo de referencia (≈ = precio de calle estimado). Los precios reales están en la página del build para tu región.
El cómputo (CPU, placa, RAM, GPU) no está incluido — ver el build recomendado para precios en directo.
Perspectiva de crecimiento
Qué pasa cuando los datos siguen creciendo — mismo motor que el simulador de crecimiento.
Storage stays within 8TB across the 3-year horizon — the architecture fits your expected growth.
Within capacity and bays — no new bay needed for 7TB.
¿Qué nivel necesitas?
- Elige Mínimo (8 núcleos, 32 GB de RAM) solo para una máquina de un solo uso con presupuesto ajustado: espera poco margen.
- Recomendado (16 núcleos, 64 GB de RAM) es el punto dulce: suficiente para la carga más los servicios secundarios habituales, sin gastar de más.
- Elige Cómodo (24 núcleos, 128 GB de RAM) cuando esta carga comparte la máquina con otras o va a crecer — pagas por margen, no por ansiedad.
- Regla de GPU para esta carga: ai.Regla GPU para esta carga: ai (24 GB de VRAM).
También cubierto en esta guía
Experimentación con IA
Aprender y experimentar con modelos, entrenar modelos pequeños, herramientas.
Preguntas frecuentes
¿Cuánta RAM necesita model training / fine-tuning?
32 GB es el mínimo sensato, 64 GB cubre la mayoría de las configuraciones reales y 128 GB da margen cómodo para crecer y añadir servicios.
¿Cuántos núcleos de CPU necesita model training / fine-tuning?
Una CPU de 8 núcleos es el mínimo, 16 núcleos es el punto dulce recomendado y 24 núcleos es cómodo cuando comparte la máquina con otras cargas.
¿Necesita model training / fine-tuning una GPU dedicada?
Se recomienda encarecidamente una GPU dedicada: esta carga hace cómputo de IA. Necesita 16–48 GB de VRAM (16 mínimo, 24 recomendado, 48 cómodo).
¿Qué almacenamiento y red espera model training / fine-tuning?
Almacenamiento: 4 TB de SSD es la base recomendada (2 TB mínimo, 8 TB cómodo). Red: 2.5 GbE es la base recomendada.
¿Qué funciona bien junto a model training / fine-tuning?
Se combina de forma natural con: Experimentación con IA.
¿Cuánta energía consume model training / fine-tuning?
El arreglo consume unos 47 W en reposo (≈ 103 €/año a 0,25 €/kWh). El sistema completo suma CPU, placa y ventiladores — ver la sección de coste para rangos honestos.