La IA que mira fotos
¿Cuántas fotos
puede mirar al día?
Qwen3.8 27B cuantizado a 4 bits (Q4, formato UD-Q4_K_XL, 17,55 GB) no solo lee texto: también ve. Una foto no entra como una foto, entra troceada en tokens —unos 975 una foto normal de 1 MP, unos 2.700 si va en alta resolución (2,8 MP): un token por cada 32×32 píxeles— y a partir de ahí el modelo escribe lo que ve: una descripción, unas etiquetas o un parte de estado. Mirar cuesta tiempo; escribir, también. Aquí tienes los dos.
Pruébalo
Elige una foto, elige qué quieres que haga.
—
Acción
—
Respuesta de ejemplo, escrita de antemano. Lo que se reproduce a velocidad real es el tiempo: lo que tardaría esta tarjeta en mirar la foto y escribir este texto.
Y sin parar…
Una foto son segundos. Un día son miles.
—
Para qué sirve esto
Seis trabajos que hoy hace alguien mirando fotos una a una
—
Cinco equipos
La misma foto, cinco máquinas distintas
Fotos miradas y descritas al día (24 h seguidas, una petición cada vez) con el modelo y la cuantización que hayas elegido arriba.
De dónde salen estos números.
Las velocidades de lectura y escritura de la RTX 3090 Ti están medidas el 21-09-2026 con llama.cpp: 1.158 tokens/s leyendo y 39,7 tokens/s escribiendo, con Qwen3.8 27B cuantizado a 4 bits (UD-Q4_K_XL, 17,55 GB) y la KV-cache en q8_0.
También está medido (21-sep-2026) lo que cuesta mirar una foto: ocupa un token por cada 32×32 píxeles (974 tokens a 1 MP, 2.702 a 2,8 MP) y esos tokens se leen a unos 750 por segundo, más despacio que el texto porque antes pasan por el codificador de visión. Describir una foto de 1 MP: 1,2 s mirando + 5,4 s escribiendo. El resto de tarjetas se estima a partir de su ancho de banda y su potencia.
Las respuestas de la demo están escritas de antemano a partir de lo que se ve de verdad en cada foto: son ejemplos realistas, no generación en vivo. Las fórmulas, una a una, están en Método.
El motor de cálculo (tw-engine.js) todavía no está disponible. Recarga la página en un momento.