La inteligencia artificial local ya no es solo cosa de grandes servidores o torres con tarjetas gráficas enormes. Hoy, un equipo compacto como el SLIMBOOK ONE puede ejecutar modelos de IA en local para crear asistentes privados, analizar documentos, resumir textos, ayudar en programación, traducir, consultar bases de conocimiento o trabajar con datos sin enviarlos constantemente a la nube.
Pero la pregunta importante es: ¿qué modelos puedes ejecutar realmente en un SLIMBOOK ONE?
Qué modelos puedes correr según la RAM
| Configuración | Modelos recomendables | Usos recomendados | Comentario |
|---|---|---|---|
| 16 GB RAM | Llama 3.2 1B / 3B Qwen2.5 3B Gemma 2 2B Phi-3 Mini / Phi-3.5 Mini DeepSeek-Coder 1.3B Algunos modelos 6B / 7B cuantizados | Chatbot muy básico Resumen de textos cortos Clasificación de información Traducción ligera Asistente personal sencillo | Configuración válida para iniciarse en IA local o para tareas ligeras. No es la más recomendable si quieres trabajar habitualmente con modelos más capaces. |
| 32 GB RAM | Llama 3.1 / 3.2 8B Qwen2.5 7B Mistral 7B Gemma 2 9B DeepSeek-Coder 6.7B Embeddings como Nomic Embed, BGE o MiniLM | Asistente local de pequeña oficina Chatbot privado pequeño Consulta de documentos RAG muy ligero con documentación propia Generación de textos Ayuda básica en programación | Para muchos usuarios, 32 GB ya permiten una experiencia muy válida con IA local, especialmente usando modelos cuantizados y herramientas sencillas como Ollama. |
| 64 GB RAM | Qwen2.5 14B Qwen2.5-Coder 14B Mistral Nemo 12B Llama 3.1 8B con contexto largo DeepSeek-Coder 14B / 16B cuantizados Algunos modelos 20B cuantizados | Asistentes internos más capaces Ayuda en programación Análisis de logs Soporte técnico Documentación empresarial Redacción técnica Agentes locales con más contexto | Para nosotros, 64 GB de RAM es el punto dulce si quieres usar el SLIMBOOK ONE como equipo serio de IA local. Es la configuración más equilibrada entre tamaño, consumo, precio y capacidad real. |
| 96 GB / 128 GB RAM | Qwen 32B cuantizado DeepSeek 32B cuantizado Llama 3.1 70B cuantizado Modelos grandes en formato GGUF Agentes con más contexto Bases documentales más amplias | Laboratorio de IA local Pruebas con modelos grandes Investigación y desarrollo Privacidad empresarial Análisis de documentación pesada Escenarios donde importa más el control local que la velocidad máxima | Permite cargar modelos grandes, pero no debe confundirse con una estación de trabajo con GPU dedicada de gama alta. Que un modelo pueda cargarse no significa que vaya a responder a gran velocidad. |
| ONE + eGPU | Depende de la VRAM de la tarjeta gráfica externa | Inferencia acelerada Visión artificial Modelos pesados dependiendo Generación de imágenes Procesamiento medio multimedia Flujos con GPU dedicada | La opción más potente si necesitas aceleración gráfica real. El ONE puede ser compacto para el día a día y crecer con una eGPU cuando el proyecto lo requiere. |
AMD 7 H 255 frente a AI 9 HX 370: CPU contra CPU, y CPU contra NPU
El SLIMBOOK ONE puede configurarse con diferentes procesadores AMD. Para IA local, los dos modelos más interesantes de comparar son el AMD Ryzen 7 H 255 y el AMD Ryzen AI 9 HX 370.
El Ryzen 7 H 255 es una CPU muy capaz para un miniPC. Cuenta con 8 núcleos y 16 hilos, gráficos integrados Radeon 780M y permite ejecutar modelos locales mediante CPU, RAM y, cuando el software lo permite, aceleración gráfica. Es una opción muy interesante para quienes quieren un equipo potente, compacto y equilibrado.
El Ryzen AI 9 HX 370, en cambio, va un paso más allá. Cuenta con 12 núcleos y 24 hilos, gráficos Radeon 890M y, sobre todo, una NPU dedicada para inteligencia artificial, con hasta 50 TOPS de IA en la NPU y 80 TOPS totales combinando los distintos bloques de procesamiento.
La NPU aporta velocidad a la hora de ejecutar la IA con el software adecuado, ya que es el núcleo pensado para algoritmos de inteligencia artificial.
Esto es importante porque no hablamos solo de “más CPU”. Hablamos de una arquitectura preparada para la nueva generación de software de IA.
Dicho de forma sencilla:
| Modelo | CPU | GPU integrada | NPU | Enfoque recomendado |
|---|---|---|---|---|
| ONE Ryzen 7 H 255 | 8 núcleos / 16 hilos | Radeon 780M | No tiene NPU | IA local básica con CPU/RAM, Ollama, llama.cpp, modelos cuantizados y general |
| ONE Ryzen AI 9 HX 370 | 12 núcleos / 24 hilos | Radeon 890M | 50 TOPS NPU / 80 TOPS totales | IA local por encima, mejor CPU, iGPU y NPU con software compatible |
Entonces, ¿el Ryzen AI 9 HX 370 es siempre mejor para IA?
Sí, si hablamos de potencial para inteligencia artificial local, el Ryzen AI 9 HX 370 es claramente más interesante.
Tiene más núcleos de CPU, una gráfica integrada más potente y, además, una NPU dedicada. Esa NPU no sustituye mágicamente a una tarjeta gráfica dedicada de gama alta, pero sí abre la puerta a ejecutar ciertas cargas de IA de forma más eficiente, con menor consumo y dejando más libres la CPU y la GPU.
La clave está en el software. Hoy, muchas herramientas de IA local siguen usando principalmente CPU, RAM, GPU integrada o GPU dedicada. Pero cada vez aparecen más soluciones capaces de aprovechar las NPUs de los procesadores modernos.
Por eso, para un usuario que simplemente quiere empezar con IA local, el Ryzen 7 H 255 puede ser suficiente. Pero para quien quiera un equipo más preparado para el presente y el futuro de la IA eficiente, nuestra recomendación es el SLIMBOOK ONE AI9 con Ryzen AI 9 HX 370.
Ollama y llama.cpp: la forma más sencilla de empezar
Para la mayoría de usuarios, la forma más cómoda de empezar con IA local es usar Ollama.
Ollama permite descargar y ejecutar modelos como Llama, Qwen, Mistral, Gemma, Phi o DeepSeek con comandos muy sencillos. Por ejemplo:
ollama run llama3.2
O también:
ollama run qwen2.5
Ollama se apoya en tecnologías como llama.cpp, uno de los proyectos más importantes del ecosistema de IA local. llama.cpp permite ejecutar modelos en formatos optimizados como GGUF, usar cuantización y hacer que muchos modelos de lenguaje puedan funcionar en equipos personales sin necesidad de depender siempre de la nube.
Dicho de forma simple:
llama.cpp es una de las bases técnicas más importantes para ejecutar modelos locales optimizados.
Ollama hace que usar esos modelos sea mucho más sencillo para el usuario.
GGUF y los modelos cuantizados permiten cargar modelos grandes usando menos memoria.
Por eso, para empezar con IA local en un SLIMBOOK ONE, Ollama y llama.cpp son una combinación muy recomendable.
Ollama es ideal para:
Usuarios que quieren empezar rápido
Empresas que quieren probar asistentes locales
Chatbots internos
RAG sobre documentación
Automatizaciones
Pruebas con distintos modelos
Desarrollo de prototipos
Modelos Llama, Qwen, Mistral, Gemma, Phi o DeepSeek
FastFlowLM y la NPU: IA eficiente en Ryzen AI
En los modelos con AMD Ryzen AI, como el SLIMBOOK ONE AI9, aparece otro elemento muy interesante: la NPU.
La NPU es una unidad de procesamiento pensada específicamente para tareas de inteligencia artificial. Su objetivo no es sustituir siempre a una GPU dedicada de alto rendimiento, sino ejecutar ciertas cargas de IA de forma más eficiente, con menor consumo y liberando recursos de la CPU y la GPU.
Aquí entran soluciones como FastFlowLM, diseñadas para ejecutar modelos de lenguaje aprovechando la NPU de los procesadores Ryzen AI.
Mientras que Ollama destaca por facilidad y variedad de modelos, FastFlowLM apunta a otro objetivo: usar la NPU para ejecutar IA local de forma eficiente.
Esto puede ser especialmente interesante para:
Asistentes locales siempre activos
Inferencia ligera
Equipos compactos
Bajo consumo
Escenarios donde queremos reservar CPU y GPU para otras tareas
Pruebas con la NPU integrada en Ryzen AI
Dicho de forma sencilla:
Ollama es la opción más fácil y universal para empezar.
llama.cpp es una de las bases técnicas más importantes del ecosistema de modelos locales.
FastFlowLM es una opción avanzada para quienes quieren experimentar con la NPU y la eficiencia de Ryzen AI.
¿Entonces qué es mejor: Ollama, llama.cpp o FastFlowLM?
No son exactamente lo mismo, ni compiten siempre en el mismo terreno.
| Herramienta | Lo mejor | Para quién es |
|---|---|---|
| Ollama | Facilidad de uso, muchos modelos, comandos simples | Usuarios, empresas y desarrolladores que quieren empezar rápido |
| llama.cpp | Base técnica, modelos GGUF, cuantización, control avanzado | Usuarios técnicos, integradores y desarrolladores |
| FastFlowLM | Aprovechar la NPU de Ryzen AI, eficiencia, bajo consumo | Usuarios avanzados que quieren experimentar con la NPU |
Nuestra recomendación sería:
Ollama para empezar.
llama.cpp para quien quiera más control técnico.
FastFlowLM para exprimir la NPU del Ryzen AI.
¿Y la GPU integrada?
El SLIMBOOK ONE AI9 incorpora gráficos integrados Radeon 890M, mientras que el modelo con Ryzen 7 H 255 incorpora Radeon 780M. Estas iGPU son cada vez más potentes y pueden ayudar en ciertas cargas, dependiendo del sistema operativo, drivers, backend y compatibilidad del software utilizado.
Aun así, cuando hablamos de modelos grandes, cargas pesadas o máxima velocidad en inferencia, una GPU dedicada con VRAM propia sigue teniendo ventaja.
Por eso conviene distinguir cuatro niveles:
CPU + RAM
Es la base más universal. Permite ejecutar muchos modelos cuantizados.llama.cpp / Ollama
Facilitan la ejecución de modelos locales y son ideales para empezar.NPU Ryzen AI
Interesante para eficiencia, bajo consumo y nuevas herramientas como FastFlowLM.GPU dedicada o eGPU
Recomendable cuando se busca más velocidad, modelos más pesados o tareas de visión/generación.
SLIMBOOK ONE + eGPU: cuando necesitas más potencia
Una de las ventajas del SLIMBOOK ONE es que puede ampliarse mediante eGPU, usando conexiones como Oculink o USB-C, según configuración y necesidades.
Esto permite conectar una tarjeta gráfica externa y transformar el ONE en una máquina mucho más potente para cargas de IA.
Una eGPU puede ser especialmente interesante para:
Modelos grandes
Inferencia acelerada
Visión artificial
Generación de imágenes
Procesamiento multimedia
Flujos de trabajo con CUDA, ROCm o aceleración gráfica
Usuarios que quieren un equipo compacto de diario, pero más potencia cuando la necesitan
El concepto es sencillo: el SLIMBOOK ONE puede ser un miniPC elegante y eficiente para el día a día, y cuando el proyecto lo requiere, puede conectarse a una eGPU para multiplicar sus capacidades gráficas.
IA local: privacidad, independencia y control
Ejecutar IA en local no es solo una cuestión de rendimiento. También es una cuestión de privacidad y control.
Cuando usamos servicios externos de inteligencia artificial, muchas veces enviamos textos, documentos, código, correos, informes o información empresarial a infraestructuras de terceros. Para usos personales puede no ser un problema, pero para empresas, profesionales, administraciones o proyectos sensibles, sí puede ser una cuestión importante.
Con IA local puedes:
Analizar documentos sin subirlos a la nube
Crear asistentes privados
Consultar información interna de empresa
Trabajar con logs, código o datos sensibles
Reducir dependencia de proveedores externos
Evitar costes variables por uso
Mantener mayor control sobre tus herramientas
La nube seguirá teniendo su papel. Hay modelos enormes y servicios especializados que tienen sentido fuera del equipo local. Pero muchas tareas del día a día pueden resolverse perfectamente en local con modelos bien elegidos.
Nuestra recomendación
Si quieres comprar un SLIMBOOK ONE pensando en inteligencia artificial local, nuestra recomendación sería:
Para empezar
SLIMBOOK ONE con 32 GB de RAM
Buena opción para modelos de 7B u 8B, asistentes ligeros, pruebas con Ollama y uso personal o profesional moderado.
Para un segundo nivel de IA local
SLIMBOOK ONE AI9 con 64 GB de RAM
Es el punto más equilibrado. Permite trabajar cómodamente con modelos de 7B, 8B, 12B y 14B, y además ofrece más CPU, mejor iGPU y NPU dedicada.
Para uso de modelos más avanzados
SLIMBOOK ONE AI9 con 128 GB de RAM
Recomendado para quienes quieran experimentar con modelos grandes, más contexto, agentes complejos o bases documentales más amplias.
Para aceleración
SLIMBOOK ONE + eGPU
La opción más potente cuando se necesita aceleración gráfica real, modelos pesados, visión artificial o flujos de IA más exigentes.
Conclusión
El SLIMBOOK ONE demuestra que la IA local ya no necesita ocupar media mesa ni depender siempre de la nube. En un formato compacto, elegante y eficiente, puedes ejecutar modelos como Llama, Qwen, Mistral, Gemma, Phi o DeepSeek, crear asistentes privados, analizar documentos, automatizar tareas y trabajar con inteligencia artificial bajo tu propio control.
Para empezar, Ollama es la opción más sencilla y recomendable. Para quienes quieran más control técnico, llama.cpp es una de las piezas clave del ecosistema de IA local. Para quienes quieran ir más allá, FastFlowLM abre la puerta a aprovechar la NPU de los procesadores Ryzen AI. Y para cargas realmente pesadas, el ecosistema del SLIMBOOK ONE puede crecer mediante eGPU.
No se trata de prometer magia. Se trata de elegir bien la configuración, el modelo y la herramienta.
Y ahí es donde el SLIMBOOK ONE brilla: como un pequeño gran ordenador preparado para la nueva generación de inteligencia artificial local, privada y eficiente.
Elige tu SLIMBOOK ONE para IA local
Si quieres empezar a trabajar con inteligencia artificial local, puedes configurar tu SLIMBOOK ONE según tus necesidades.
SLIMBOOK ONE AMD Ryzen 7 H 255
SLIMBOOK ONE AMD Ryzen AI 9 HX 370
Y si necesitas más potencia para IA, puedes ampliar el SLIMBOOK ONE con nuestra Dock eGPU USB4 & OCuLink 800W, pensada para cargas exigentes como inferencia acelerada, visión artificial, generación de imágenes, procesamiento multimedia o modelos más pesados.
Comprar Dock eGPU USB4 & OCuLink 800W
Importante: la dock eGPU no incluye la tarjeta gráfica dedicada, se compra a parte, consúltanos o visita algunas de las disponibles aquí.
Y como alternativa más grande y potente, no dejes de visitar nuestros ordenadores de sobremesa, la gama Nexus, las Workstation para IA.
