Por qué dos tarjetas tienen sentido: cómo se reparte el modelo entre ellas

El modelo es una pila de capas, y las capas se pueden repartir

Un modelo de lenguaje está construido con varias decenas de capas apiladas una sobre otra. Los datos entran en la primera, el resultado pasa a la segunda, y así hasta el final. Nuestra configuración corta esa pila por la mitad: las primeras capas las guarda la primera tarjeta, el resto la segunda.

¿Qué cruza la frontera? Un solo vector de números — el estado tras la última capa de la primera tarjeta. Son unos pocos kilobytes, transmitidos una vez por pasada. Justo por eso esta forma de división funciona en una placa base normal, sin puentes especiales entre las tarjetas.

El precio es uno y hay que decirlo sin rodeos: las tarjetas trabajan por turnos, no a la vez. Cuando calcula la primera, la segunda espera. Al generar texto, dos tarjetas no dan por tanto el doble de velocidad — dan el doble de capacidad. Como ambas tarjetas son idénticas, no hay un eslabón más lento que estropee el conjunto.

Al leer un documento largo la situación mejora: ahí hay tanto trabajo que las dos tarjetas se reparten los cálculos de verdad. De ahí el resultado de 7 000 tokens por segundo en la lectura frente a 200 tokens por segundo al escribir — son dos modos de trabajo distintos de la misma máquina.

Las formas de división que descartamos

Antes de decidirnos por la división por capas, comprobamos las alternativas. Ambas cayeron por razones concretas y verificables.

La división por filas de matriz ya no existe en la biblioteca que usamos. La opción sigue figurando en la ayuda del programa, pero fue retirada del soporte para tarjetas NVIDIA — intentar usarla acaba en error antes de que nada llegue a la memoria de la tarjeta. Ningún parámetro lo revierte.

La división tensorial (cada tarjeta calcula a la vez un trozo de la misma capa) da en teoría paralelismo de verdad. En la práctica se estrella contra dos cosas. Primero, el búfer de trabajo se reserva a tamaño completo en cada tarjeta — es decir, por duplicado — y no cabe ni siquiera con un contexto modesto. Segundo, una reserva fallida no retrocede suavemente a un modo más simple, sino que mata el proceso.

Incluso si funcionara, esta máquina sería para ella el peor terreno posible: la división tensorial exige sincronizar las tarjetas tras cada capa, y entre nuestras tarjetas no hay un puente rápido — la comunicación va por el bus normal de la placa. La división por capas transmite un vector por pasada y por eso gana.

Una capa hacia un lado o hacia el otro — y tenemos más contexto

La división no tiene por qué ser exactamente por la mitad. Las capas pesan distinto, y a una de las tarjetas se le añaden elementos extra (por ejemplo, el módulo responsable de entender imágenes). El resultado es que, tras cargar el modelo, una tarjeta puede quedar llena hasta el borde mientras la otra aún tiene margen.

Mover una sola capa de la tarjeta más apretada a la más holgada traslada unos 266 MB de margen. En el modelo con soporte de imagen, ese único movimiento nos compró 24 576 tokens de contexto — más o menos varias decenas de páginas de texto adicionales en una conversación, gratis.

Conviene conocer la limitación: la granularidad es gruesa. Se mueven capas enteras, no fracciones, y en modelos con pocas capas muy pesadas una capa pesa demasiado para que la maniobra compense. Normalmente existe un único valor sensato, y los vecinos son peores que la división a partes iguales.

El segundo modelo, que apunta al primero

Un truco aparte, sin relación con el reparto entre tarjetas, pero responsable de buena parte de la velocidad: la especulación. Junto al modelo grande trabaja uno diminuto que adivina los siguientes tokens. El modelo grande, en lugar de generarlos uno a uno, comprueba la propuesta entera de un solo movimiento — y comprobar es mucho más barato que generar.

En nuestra máquina esta técnica funciona en todos los modelos que la soportan y acelera la escritura entre 1,3 y 2,4 veces. La regla es la contraria a la intuitiva: cuanto más lento es el modelo base, más compensa adivinar, porque el coste de una sugerencia es casi constante y lo que se ahorra es un paso cada vez más caro.

Con dos tarjetas aparece una condición que no se ve desde fuera: el modelo pequeño debe residir en la misma tarjeta que las capas finales del grande. Colocado con descuido, se desparrama entre las tarjetas y, en vez de ayudar, cuesta. Medimos la diferencia: 27 frente a 119 tokens por segundo en el mismo modelo. Toda la diferencia está en un único parámetro que dice dónde debe vivir el apuntador.

Cuánto cuesta hoy

Precios minoristas europeos, agosto de 2026:

Variante	Memoria	Precio
RTX 5090 — una tarjeta	32 GB	4.400–4.650 € (5.100–5.350 $)
RTX 5070 Ti — dos tarjetas	16 GB + 16 GB	2.100 € (2.400 $)

El par de tarjetas cuesta el 47 % del precio del buque insignia con idéntica capacidad de memoria. A eso se suma un requisito que es fácil olvidar: la placa base debe tener dos ranuras con un reparto de líneas sensato, y la caja — sitio para dos tarjetas y flujo de aire entre ellas.

Estas cifras hay que tratarlas como la foto de un instante, porque el mercado va en una sola dirección. NVIDIA ya ha subido los precios dos veces en 2026 — un 10–15 % en enero en toda la línea RTX 50, y en mayo solo en la RTX 5090 — y está anunciada una tercera corrección del orden del 20–30 %. La causa no es la demanda de tarjetas, sino la memoria: Samsung subió los precios de la DRAM en torno a un 20 % en un trimestre, y la escasez de memoria se pronostica al menos hasta 2028. El comercio minorista ya lo nota — la RTX 5090 alcanzaba en julio de 2026 unos 4.329 $ en el mercado estadounidense, y las versiones no de referencia superaban los 5.000.

Para quien compra, la conclusión es una: una subida porcentual golpea más fuerte a la variante más cara. Un treinta por ciento son unos 630 € (720 $) en el par de tarjetas y cerca de 1.390 € (1.600 $) en el buque insignia. La diferencia de precio entre los dos caminos no se reduce — crece.

Qué se deduce de esto al comprar

Dos tarjetas de gama media dan la capacidad del buque insignia por menos de la mitad del precio, pero no su ancho de banda. Si lo que cuenta es el récord de tokens por segundo con un único modelo grande — ganará una sola tarjeta potente. Si lo que cuenta es qué modelo y qué longitud de contexto caben siquiera — dos tarjetas hacen exactamente el mismo trabajo, más barato.

La condición es una: las tarjetas deben ser idénticas. Con la división por capas las tarjetas trabajan por turnos, así que la más débil del par marcaría el ritmo del conjunto.

---

Todas las cifras de rendimiento proceden de mediciones en nuestra máquina de pruebas: 2 × RTX 5070 Ti 16 GB, división por capas, un modelo cada vez. Precios de hardware: mercado europeo, agosto de 2026 — comprueba los actuales antes de comprar.

Fuentes sobre las subidas de precio: ThinkComputers — RTX 50 prices could jump another 30% · TechSpot — GPU pricing, mid-2026