El PC de 192 GB de Framework revela por qué la memoria unificada importa para los LLM locales

El próximo Framework Desktop aborda uno de los principales límites de la inteligencia artificial local: cómo introducir modelos de lenguaje grandes en la memoria de un equipo sin depender de una tarjeta gráfica dedicada. Su configuración más avanzada combina el procesador AMD Ryzen AI Max+ PRO 495, con 16 núcleos, hasta 192 GB de memoria unificada LPDDR5X-8533 y un ancho de banda de 273 GB/s.

Por separado, Microsoft estaría probando una función interna de Windows 11 que podría facilitar la gestión de sistemas con este tipo de memoria compartida. Ambas novedades apuntan a un cambio más amplio en el diseño de los PC: para ejecutar IA local, la capacidad y el ancho de banda de la memoria importan tanto como el procesador. Eso sí, la nube no está a punto de desaparecer.

Qué ofrece el Framework Desktop de 192 GB

La futura configuración de gama alta utiliza el AMD Ryzen AI Max+ PRO 495, un chip con 16 núcleos y 32 hilos Zen 5, gráficos Radeon integrados y una NPU XDNA 2. Framework anuncia 192 GB de memoria unificada LPDDR5X a 273 GB/s: un 50 % más de capacidad que la configuración anterior con Ryzen AI Max+ 395 y 128 GB, además de un 6,6 % más de ancho de banda frente a los 256 GB/s de esa plataforma. 12316

En una arquitectura de memoria unificada, la CPU y la GPU integrada utilizan el mismo conjunto físico de memoria. Framework afirma que se pueden asignar hasta 160 GB a la iGPU. Esa es la característica más interesante para quienes ejecutan LLM localmente: una mayor parte de los pesos del modelo puede permanecer en el mismo equipo, en lugar de repartirse entre una VRAM dedicada limitada y una memoria del sistema más lenta. 110

La contrapartida es el ancho de banda. Los 273 GB/s son una cifra importante para un PC compacto, pero quedan muy por debajo de la velocidad disponible en algunos sistemas de memoria unificada de gama alta. Que un modelo quepa no significa necesariamente que funcione con rapidez: la longitud del contexto, las aplicaciones abiertas y el uso simultáneo de varios usuarios pueden competir por el mismo ancho de banda.

Qué modelos puede ejecutar

Framework ha mostrado el equipo ejecutando localmente una versión cuantizada a Q8 de DeepSeek V4-Flash, con espacio adicional para el contexto, según la cobertura de la presentación de la compañía. 714 Otro informe describe la configuración de 192 GB como capaz de mantener en memoria un modelo de aproximadamente 284.000 millones de parámetros. Esa cifra debe entenderse como una afirmación sobre capacidad de memoria, no como una prueba independiente de velocidad de generación. 4

La cuantización es fundamental. Las representaciones de menos bits reducen la memoria necesaria para almacenar los pesos, pero el requisito final también depende de la arquitectura del modelo, la sobrecarga del entorno de ejecución, la ventana de contexto y las aplicaciones que funcionen al mismo tiempo.

En términos prácticos:

• La capacidad determina si el modelo puede cargarse.
• El ancho de banda influye en la rapidez con la que se mueven sus datos durante la inferencia.
• El software y los núcleos optimizados condicionan el rendimiento real.
• El procesador y la GPU integrada determinan cuánto tarda el sistema en generar cada respuesta.

Por eso, cargar un modelo grande en memoria no equivale a obtener una experiencia fluida.

Qué cambiaría IntelligentCarveout en Windows 11

Microsoft estaría probando una función interna llamada «IntelligentCarveout» en la compilación experimental 29648.1000 de Windows 11. En el código aparecen referencias a «memoria reservada para aceleradores» y «memoria para gráficos y aceleración de IA». El objetivo aparente es permitir que Windows reserve una parte definida de la memoria unificada para aplicaciones gráficas y de inteligencia artificial, en lugar de dejar que todo el conjunto se gestione de forma dinámica. 333435

Esto podría resultar útil cuando las aplicaciones de Windows y el entorno de ejecución de un modelo compiten por la misma memoria. Una región reservada ofrecería un acceso más predecible al proceso que sirve el modelo y podría ayudar a evitar errores de asignación causados por otros programas.

Pero IntelligentCarveout no añade RAM, no aumenta el ancho de banda y no incorpora un acelerador de IA nuevo. Además, la memoria reservada deja de estar disponible para las aplicaciones convencionales. Si se asigna más memoria a la IA, queda menos para Windows y el resto del escritorio. Microsoft no ha confirmado la interfaz definitiva, el hardware compatible, la fecha de lanzamiento ni siquiera que la función vaya a llegar a una versión pública. 364044

Memoria fija y posibilidades de ampliación

Framework presenta su Desktop como un PC compacto más modular, reparable y abierto que muchos de sus rivales. La próxima configuración también conservaría una ranura PCIe x4 abierta, que permitiría añadir hardware de expansión compatible. 13

La memoria es una historia distinta. Los 192 GB de LPDDR5X están soldados a la placa y no utilizan módulos DIMM reemplazables por el usuario. Quien compre esta versión debería considerar la capacidad como fija: para pasar a una configuración con más memoria probablemente habría que sustituir la placa base, no realizar una ampliación de RAM convencional. 13

Framework contempla usos con Windows y Linux, incluida una opción de precarga de Linux. 2 Aun así, la compatibilidad con la inferencia local dependerá del entorno de ejecución y de la vía de aceleración elegida. Los sistemas AMD pueden utilizar pilas de software como ROCm o Vulkan, mientras que otras plataformas compactas de memoria unificada se apoyan en Metal/MLX de Apple o en el ecosistema CUDA de NVIDIA. No son entornos intercambiables: un modelo que funcione en una plataforma puede necesitar otro runtime o no contar con el mismo nivel de optimización en otra. 1924

Precio y disponibilidad: todavía sin resolver

Al 31 de agosto de 2026, Framework seguía mostrando el Desktop con Ryzen AI Max+ PRO 495 y 192 GB como «próximamente». La empresa no había publicado el precio, la fecha de preventa, el día de envío ni un compromiso de disponibilidad amplia. 21011

Por eso todavía es pronto para juzgar su rendimiento o su relación calidad-precio. Se trata de una configuración presentada por adelantado, y las demostraciones del fabricante no sustituyen a pruebas independientes de velocidad en tokens por segundo, temperaturas, consumo, compatibilidad con modelos y rendimiento sostenido. 6

Cómo encaja frente a otros equipos de memoria unificada

Framework no está inventando este concepto. Los sistemas con Apple Silicon llevan años utilizando memoria compartida y, en algunas configuraciones, ofrecen un ancho de banda bastante superior: se ha informado de configuraciones del Mac Studio con M4 Max, 128 GB y 546 GB/s. 1720

También existen alternativas compactas basadas en el Ryzen AI Max+ 395, como las de GMKtec y Beelink, con hasta 128 GB de memoria compartida. Por su parte, los equipos de clase NVIDIA DGX Spark priorizan la compatibilidad con CUDA en un formato compacto y con una capacidad de memoria similar. 1924

La comparación deja claras las principales decisiones para cualquier comprador:

• Capacidad: define si un modelo cuantizado cabe sin recurrir a un volcado intensivo hacia otra memoria.
• Ancho de banda: tiene un impacto directo en la velocidad de movimiento de los datos durante la inferencia.
• Software: determina qué runtimes, kernels y herramientas de servicio funcionan correctamente.
• Ampliación: es especialmente importante porque la LPDDR5X unificada suele quedar fijada en el momento de la compra.
• Precio y disponibilidad: convierten una configuración anunciada en una opción de compra real o la dejan en el terreno de la promesa.

La lección para el futuro de la IA local

La especificación más llamativa del Framework Desktop no es la cifra de TOPS de su NPU, sino su enorme conjunto de memoria compartida. El posible control de Windows 11 refuerza la misma idea: a medida que los PC ejecutan modelos más grandes, la gestión de la memoria del sistema se convierte en parte esencial de la experiencia de IA.

Eso no significa que los ordenadores locales vayan a sustituir a la inferencia en la nube. Los equipos compactos de memoria unificada son atractivos cuando el usuario necesita ejecutar un modelo en una sola máquina, trabajar sin conexión o mantener los datos bajo su control. Sin embargo, la infraestructura en la nube sigue siendo más adecuada para modelos de frontera, capacidad elástica, colaboración y cargas que requieren un rendimiento mucho mayor con varias GPU.

La conclusión más realista es que el concepto de «PC con IA» está dejando de significar únicamente un ordenador con una NPU para asistentes integrados. Con suficiente memoria unificada, un pequeño equipo de escritorio puede convertirse en una caja local para modelos de lenguaje. Antes de dar por cumplida esa promesa, conviene comprobar el ancho de banda, el soporte de software, la memoria no ampliable, los benchmarks reales y una disponibilidad confirmada.