Medición real · no simulada
Pruebas en vivo
Todo lo que calcula el resto de la web sale de un modelo físico. Aquí se comprueba: esta página lanza la tarea de verdad contra la tarjeta del ordenador donde corre, enseña los tokens según salen y guarda la medición. Si el número de la web es mentira, aquí se nota.
—
- Modelo
- —
- Cuantización
- —
- Archivo
- —
- KV-cache
- —
- Contexto
- —
- Motor
- llama.cpp
Un solo slot: las pruebas van de una en una.
Esta página solo funciona en el ordenador que tiene la tarjeta
Las pruebas en vivo necesitan hablar con el motor que corre en esa tarjeta. Desde fuera no hay nada que medir: lo que verías serían números inventados, y eso es justo lo que esta página existe para evitar.
Las cifras medidas que usa el resto de la web se obtuvieron así, y están en el método.
1 · Elige la prueba
Cada una es una tarea administrativa real, con su propio prompt.
2 · La tarjeta trabajando
3 · Todas las mediciones
Cada ejecución queda guardada. Las medianas excluyen las fallidas y los arranques en frío.
Todas las mediciones del histórico son del mismo modelo: Qwen3.8 27B · cuantizado a 4 bits (Qwen3.8-27B-UD-Q4_K_XL.gguf, 17,55 GB) con la KV-cache en q8_0 (8 bits).
| Cuándo | Prueba | Entrada | Salida | Lee (t/s) | Escribe (t/s) | Total | Vatios |
|---|---|---|---|---|---|---|---|
| Cargando histórico… | |||||||
Cómo se mide
Las cifras de lee (prefill: digerir el documento) y escribe (decode: redactar la respuesta) no las cronometra el navegador: las da el propio motor llama.cpp en el último fragmento del stream. La potencia y la VRAM se leen con nvidia-smi en mitad de la generación, que es cuando la tarjeta está de verdad trabajando.
La primera prueba tras un rato parada suele salir mucho más lenta de lo normal: la tarjeta estaba en reposo. Esas ejecuciones se guardan igual, se marcan como arranque en frío y no cuentan para las medianas.