Baremo IA

Los mejores LLM locales para escribir en español

Un ranking de modelos de pesos abiertos que puedes ejecutar en tu propio ordenador, ordenados por calidad de escritura en español y filtrables por cuantización, modo de razonamiento y memoria disponible.

Clasificación de IA local

Puntuaciones de la clasificación general en español. Los puestos se recalculan entre todas las variantes locales admisibles antes de aplicar los filtros de visualización; por eso puede haber saltos en la numeración.

Última actualización:

RankModelAI judge scoreMemoria estimada
1 Qwen3.8 27B Q8_0 💡 xhigh** 🏠 70,1 ≈ 48 GB
2 Gemma 4 31B Q8_0 💡 on* 🏠 66,5 ≈ 48 GB
3 Gemma 4 26B A4B QAT-Q4_0 💡 on* 🏠 62,9 ≈ 24 GB
4 Gemma 4 31B Q8_0 ↯ 🏠 62,9 ≈ 48 GB
5 Muse Glimmer 30B K-Quant 17GB 💡 high 🏠 62,1 ≈ 24 GB
9 Gemma 4 26B A4B Q8_0 ↯ 🏠 59,9 ≈ 32 GB
10 Gemma 4 31B QAT-Q4_0 💡 on* 🏠 58,2 ≈ 24 GB
11 Gemma 4 31B QAT-Q4_0 ↯ 🏠 57,2 ≈ 24 GB
12 Gemma 4 26B A4B Q8_0 💡 on* 🏠 56,5 ≈ 32 GB
13 Muse Glimmer 30B K-Quant Dynamic 💡 high 🏠 55,4 ≈ 32 GB
15 Gemma 4 12B Q8_0 💡 on* 🏠 50,0 ≈ 16 GB
16 Qwen3.6 35B A3B Q4_K_M 💡 on* 🏠 46,7 ≈ 32 GB
19 Gemma 4 12B Q8_0 ↯ 🏠 44,3 ≈ 16 GB
20 Qwen3.8 27B Q4_K_M 💡 xhigh** 🏠 42,8 ≈ 24 GB
21 Gemma 4 12B QAT-Q4_0 💡 on* 🏠 42,2 ≈ 12 GB
24 Gemma 4 12B QAT-Q4_0 ↯ 🏠 40,7 ≈ 12 GB
25 Qwen3.6 35B A3B Q8_0 💡 on* 🏠 40,6 ≈ 48 GB
26 Qwen3.8 27B Q8_0 ↯ 🏠 38,1 ≈ 48 GB
27 Gemma 4 26B A4B QAT-Q4_0 ↯ 🏠 37,9 ≈ 24 GB
28 Qwen3.8 27B Q4_K_M ↯ 🏠 37,2 ≈ 24 GB
30 Mistral Medium 3.5 128B Q4_K_M ↯ 🏠 33,5 ≈ 80 GB
32 Nemotron 3 Super 120B A12B Q4_K_M 💡 full 🏠 25,8 ≈ 96 GB
33 Mistral Medium 3.5 💡 high 23,3 —
34 Qwen3.6 35B A3B Q8_0 ↯ 🏠 20,9 ≈ 48 GB
36 Gemma 4 E4B Q8_0 💡 on* 🏠 17,1 ≈ 12 GB
37 Gemma 4 E2B Q8_0 💡 on* 🏠 17,0 ≈ 8 GB
38 Gemma 4 E2B Q8_0 ↯ 🏠 14,9 ≈ 8 GB
41 Gemma 4 E2B Q4_K_M 💡 on* 🏠 13,9 ≈ 8 GB
42 Gemma 4 E2B Q4_K_M ↯ 🏠 13,3 ≈ 8 GB
45 Gemma 4 E4B Q8_0 ↯ 🏠 11,7 ≈ 12 GB
47 Qwen3.6 35B A3B Q4_K_M ↯ 🏠 10,3 ≈ 32 GB
48 Gemma 4 E4B Q4_K_M ↯ 🏠 10,1 ≈ 12 GB
49 Gemma 4 E4B Q4_K_M 💡 on* 🏠 9,4 ≈ 12 GB
50 Granite 4.2 30B Q8_0 💡 full 🏠 8,5 ≈ 48 GB
51 Laguna S 2.1 UD Q4_K_M 💡 on* 🏠 7,9 ≈ 80 GB
52 Nemotron 3 Nano Omni 30B A3B Q4_K_M 💡 on* 🏠 7,7 ≈ 32 GB
53 Granite 4.2 30B Q4_K_M 💡 full 🏠 7,6 ≈ 24 GB
54 Granite 4.2 8B Q4_K_M 💡 full 🏠 7,5 ≈ 8 GB
55 Nemotron 3 Nano Omni 30B A3B Q8_0 💡 on* 🏠 6,0 ≈ 48 GB
56 Granite 4.2 8B Q8_0 💡 full 🏠 2,1 ≈ 12 GB

Esta puntuación usa la escala de la clasificación general y no es una nota porcentual: para la selección de categorías activa, 50 equivale a una probabilidad estimada de una entre dos de superar al modelo medio en español.

56 variantes locales clasificadas55318 veredictos de IA publicados en la clasificación general

Direct duel results

Each cell shows the share of available points earned by the row model against the column model: a win is worth 100%, a tie 50%, and a loss 0%. This result matrix uses only the compatible evaluation protocols included in the main ranking.

💡 indica un modelo con razonamiento, ↯ uno sin razonamiento. 🏠 indica un modelo ejecutado localmente en el ordenador del autor de este sitio. « on* » indica que el razonamiento está activado o desactivado (modelos locales sin niveles intermedios): el ajuste fino solicitado no es compatible con el archivo local y se degrada al modo activado por defecto. En los modelos locales con razonamiento ajustable (Qwen3.8, Muse Glimmer, Granite 4.2, Nemotron 3 Super), el nivel mostrado (xhigh**, high, full) es el nivel por defecto del modelo: el ajuste fino solicitado no es compatible con el archivo local, que se degrada a su comportamiento por defecto.

View as a data table
ModelQwen3.8 27B Q8_0 💡 xhigh** 🏠Gemma 4 31B Q8_0 💡 on* 🏠Gemma 4 26B A4B QAT-Q4_0 💡 on* 🏠Gemma 4 31B Q8_0 ↯ 🏠Muse Glimmer 30B K-Quant 17GB 💡 high 🏠Gemma 4 26B A4B Q8_0 ↯ 🏠Gemma 4 31B QAT-Q4_0 💡 on* 🏠Gemma 4 31B QAT-Q4_0 ↯ 🏠Gemma 4 26B A4B Q8_0 💡 on* 🏠Muse Glimmer 30B K-Quant Dynamic 💡 high 🏠Gemma 4 12B Q8_0 💡 on* 🏠Qwen3.6 35B A3B Q4_K_M 💡 on* 🏠Gemma 4 12B Q8_0 ↯ 🏠Qwen3.8 27B Q4_K_M 💡 xhigh** 🏠Gemma 4 12B QAT-Q4_0 💡 on* 🏠Gemma 4 12B QAT-Q4_0 ↯ 🏠Qwen3.6 35B A3B Q8_0 💡 on* 🏠Qwen3.8 27B Q8_0 ↯ 🏠Gemma 4 26B A4B QAT-Q4_0 ↯ 🏠Qwen3.8 27B Q4_K_M ↯ 🏠Mistral Medium 3.5 128B Q4_K_M ↯ 🏠Nemotron 3 Super 120B A12B Q4_K_M 💡 full 🏠Mistral Medium 3.5 💡 highQwen3.6 35B A3B Q8_0 ↯ 🏠Gemma 4 E4B Q8_0 💡 on* 🏠Gemma 4 E2B Q8_0 💡 on* 🏠Gemma 4 E2B Q8_0 ↯ 🏠Gemma 4 E2B Q4_K_M 💡 on* 🏠Gemma 4 E2B Q4_K_M ↯ 🏠Gemma 4 E4B Q8_0 ↯ 🏠Qwen3.6 35B A3B Q4_K_M ↯ 🏠Gemma 4 E4B Q4_K_M ↯ 🏠Gemma 4 E4B Q4_K_M 💡 on* 🏠Granite 4.2 30B Q8_0 💡 full 🏠Laguna S 2.1 UD Q4_K_M 💡 on* 🏠Nemotron 3 Nano Omni 30B A3B Q4_K_M 💡 on* 🏠Granite 4.2 30B Q4_K_M 💡 full 🏠Granite 4.2 8B Q4_K_M 💡 full 🏠Nemotron 3 Nano Omni 30B A3B Q8_0 💡 on* 🏠Granite 4.2 8B Q8_0 💡 full 🏠
Qwen3.8 27B Q8_0 💡 xhigh** 🏠—75,0%58,3%62,5%69,2%69,2%70,8%63,3%53,8%73,1%62,5%83,3%80,8%75,0%70,8%92,3%66,7%92,9%87,5%100,0%87,5%75,0%84,6%93,3%93,3%91,7%100,0%83,3%100,0%91,7%100,0%100,0%91,7%85,7%91,7%91,7%100,0%92,9%84,6%100,0%
Gemma 4 31B Q8_0 💡 on* 🏠25,0%—71,4%46,2%67,5%65,4%75,0%72,5%67,5%59,5%83,3%76,0%95,0%62,5%84,9%79,2%68,0%76,9%88,5%61,5%85,0%80,0%83,3%90,0%90,0%90,0%91,7%97,5%91,7%95,0%96,2%92,3%100,0%92,3%95,0%100,0%100,0%100,0%100,0%100,0%
Gemma 4 26B A4B QAT-Q4_0 💡 on* 🏠41,7%28,6%—37,5%60,0%38,5%50,0%55,3%40,0%47,5%84,1%61,5%65,0%62,5%69,0%79,2%72,7%84,6%80,8%88,5%62,5%75,0%83,3%90,0%100,0%97,5%100,0%100,0%100,0%100,0%100,0%100,0%100,0%100,0%100,0%100,0%92,3%100,0%100,0%100,0%
Gemma 4 31B Q8_0 ↯ 🏠37,5%53,8%62,5%—23,1%61,5%62,5%50,0%70,8%34,6%66,7%84,6%73,1%76,9%66,7%76,9%95,8%65,4%84,6%84,6%84,6%80,8%92,9%84,6%79,2%92,3%92,3%84,6%92,3%84,6%100,0%92,3%92,3%100,0%92,3%84,6%100,0%92,3%92,3%100,0%
Muse Glimmer 30B K-Quant 17GB 💡 high 🏠30,8%32,5%40,0%76,9%—76,9%37,5%47,5%75,0%65,4%57,5%62,5%75,0%80,8%57,5%84,6%70,0%92,3%83,3%84,6%66,7%75,0%92,3%80,0%87,5%81,0%100,0%83,3%92,3%95,0%92,3%92,3%100,0%92,3%95,0%90,5%92,3%84,6%100,0%100,0%
Gemma 4 26B A4B Q8_0 ↯ 🏠30,8%34,6%61,5%38,5%23,1%—50,0%45,8%57,7%30,8%53,8%61,5%66,7%65,4%69,2%76,9%76,9%69,2%91,7%73,1%92,3%71,4%88,5%87,5%84,6%84,6%100,0%84,6%100,0%100,0%100,0%100,0%100,0%100,0%100,0%100,0%100,0%92,3%100,0%92,9%
Gemma 4 31B QAT-Q4_0 💡 on* 🏠29,2%25,0%50,0%37,5%62,5%50,0%—52,5%62,5%50,0%76,1%53,8%68,4%62,5%78,0%50,0%73,9%84,6%70,8%61,5%84,2%85,0%83,3%73,7%89,5%85,0%92,3%90,0%88,5%94,7%100,0%100,0%100,0%100,0%100,0%100,0%92,3%92,3%100,0%100,0%
Gemma 4 31B QAT-Q4_0 ↯ 🏠36,7%27,5%44,7%50,0%52,5%54,2%47,5%—60,0%40,0%57,9%65,8%52,6%58,3%85,0%61,5%73,7%79,2%75,0%50,0%67,5%80,0%89,3%89,5%94,7%92,5%100,0%100,0%91,7%100,0%91,7%96,2%100,0%92,3%100,0%100,0%100,0%100,0%100,0%100,0%
Gemma 4 26B A4B Q8_0 💡 on* 🏠46,2%32,5%60,0%29,2%25,0%42,3%37,5%40,0%—35,0%70,0%62,5%57,5%50,0%77,5%66,7%67,5%73,1%69,2%69,2%57,5%95,0%79,2%80,0%100,0%92,5%95,8%90,0%100,0%100,0%92,3%100,0%100,0%84,6%100,0%90,0%92,3%92,9%100,0%91,7%
Muse Glimmer 30B K-Quant Dynamic 💡 high 🏠26,9%40,5%52,5%65,4%34,6%69,2%50,0%60,0%65,0%—62,5%72,5%75,0%50,0%57,1%70,0%72,5%73,1%50,0%60,0%80,0%70,0%72,7%85,0%82,5%88,1%88,9%85,7%88,9%82,5%100,0%80,0%80,0%91,7%90,5%90,0%91,7%91,7%80,0%90,9%
Gemma 4 12B Q8_0 💡 on* 🏠37,5%16,7%15,9%33,3%42,5%46,2%23,9%42,1%30,0%37,5%—47,8%43,8%55,6%76,0%72,2%50,0%69,2%58,3%72,2%50,0%75,0%88,9%73,7%89,5%85,0%100,0%100,0%100,0%94,7%100,0%100,0%88,9%86,4%90,0%95,0%77,3%90,9%100,0%100,0%
Qwen3.6 35B A3B Q4_K_M 💡 on* 🏠16,7%24,0%38,5%15,4%37,5%38,5%46,2%34,2%37,5%27,5%52,2%—55,0%66,7%42,3%61,1%50,0%58,3%41,7%55,6%70,0%65,0%55,6%65,0%85,0%82,5%88,9%95,0%88,9%90,0%77,8%100,0%100,0%81,8%90,0%95,0%90,9%90,9%100,0%100,0%
Gemma 4 12B Q8_0 ↯ 🏠19,2%5,0%35,0%26,9%25,0%33,3%31,6%47,4%42,5%25,0%56,2%45,0%—60,0%67,5%72,2%42,1%62,5%73,1%61,1%70,0%55,0%75,0%72,2%78,9%75,0%90,0%80,0%100,0%94,7%100,0%80,0%100,0%90,9%90,0%95,0%90,9%90,9%100,0%100,0%
Qwen3.8 27B Q4_K_M 💡 xhigh** 🏠25,0%37,5%37,5%23,1%19,2%34,6%37,5%41,7%50,0%50,0%44,4%33,3%40,0%—44,4%50,0%61,1%53,8%53,8%80,0%50,0%50,0%55,6%70,0%77,8%66,7%100,0%55,6%88,9%75,0%88,9%88,9%88,9%90,9%100,0%90,0%100,0%90,9%88,9%100,0%
Gemma 4 12B QAT-Q4_0 💡 on* 🏠29,2%15,1%31,0%33,3%42,5%30,8%22,0%15,0%22,5%42,9%24,0%57,7%32,5%55,6%—55,6%19,2%69,2%69,2%60,0%60,0%85,0%66,7%80,0%95,0%82,5%100,0%90,0%94,4%95,0%100,0%100,0%88,9%100,0%100,0%100,0%77,3%90,9%100,0%100,0%
Gemma 4 12B QAT-Q4_0 ↯ 🏠7,7%20,8%20,8%23,1%15,4%23,1%50,0%38,5%33,3%30,0%27,8%38,9%27,8%50,0%44,4%—66,7%23,1%46,2%55,6%72,2%60,0%60,0%80,0%70,0%77,8%65,0%100,0%95,0%100,0%85,0%100,0%100,0%100,0%80,0%100,0%100,0%100,0%100,0%100,0%
Qwen3.6 35B A3B Q8_0 💡 on* 🏠33,3%32,0%27,3%4,2%30,0%23,1%26,1%26,3%32,5%27,5%50,0%50,0%57,9%38,9%80,8%33,3%—38,5%50,0%27,8%45,0%72,5%33,3%58,3%84,2%75,0%66,7%75,0%77,8%89,5%100,0%77,8%80,0%100,0%90,0%90,0%86,4%100,0%66,7%100,0%
Qwen3.8 27B Q8_0 ↯ 🏠7,1%23,1%15,4%34,6%7,7%30,8%15,4%20,8%26,9%26,9%30,8%41,7%37,5%46,2%30,8%76,9%61,5%—53,8%54,2%66,7%62,5%75,0%61,5%92,3%73,1%70,8%80,8%92,3%92,3%80,8%84,6%96,4%92,3%96,4%85,7%84,6%85,7%92,3%100,0%
Gemma 4 26B A4B QAT-Q4_0 ↯ 🏠12,5%11,5%19,2%15,4%16,7%8,3%29,2%25,0%30,8%50,0%41,7%58,3%26,9%46,2%30,8%53,8%50,0%46,2%—30,8%76,9%53,8%53,8%84,6%84,6%92,3%84,6%84,6%84,6%92,3%92,3%100,0%84,6%92,3%83,3%92,3%76,9%84,6%100,0%92,3%
Qwen3.8 27B Q4_K_M ↯ 🏠0,0%38,5%11,5%15,4%15,4%26,9%38,5%50,0%30,8%40,0%27,8%44,4%38,9%20,0%40,0%44,4%72,2%45,8%69,2%—94,4%50,0%65,0%66,7%60,0%77,8%80,0%88,9%95,0%88,9%90,0%100,0%100,0%90,9%77,8%100,0%72,7%72,7%100,0%90,0%
Mistral Medium 3.5 128B Q4_K_M ↯ 🏠12,5%15,0%37,5%15,4%33,3%7,7%15,8%32,5%42,5%20,0%50,0%30,0%30,0%50,0%40,0%27,8%55,0%33,3%23,1%5,6%—65,0%75,0%65,0%70,0%60,0%77,8%62,5%77,8%85,0%88,9%85,0%88,9%83,3%80,0%90,0%91,7%83,3%88,9%100,0%
Nemotron 3 Super 120B A12B Q4_K_M 💡 full 🏠25,0%20,0%25,0%19,2%25,0%28,6%15,0%20,0%5,0%30,0%25,0%35,0%45,0%50,0%15,0%40,0%27,5%37,5%46,2%50,0%35,0%—30,0%50,0%75,0%50,0%50,0%55,0%60,0%55,0%100,0%75,0%88,9%91,7%65,0%77,5%83,3%100,0%75,0%100,0%
Mistral Medium 3.5 💡 high15,4%16,7%16,7%7,1%7,7%11,5%16,7%10,7%20,8%27,3%11,1%44,4%25,0%44,4%33,3%40,0%66,7%25,0%46,2%35,0%25,0%70,0%—50,0%60,0%66,7%60,0%66,7%50,0%77,8%70,0%75,0%88,9%90,0%65,0%50,0%100,0%100,0%80,0%100,0%
Qwen3.6 35B A3B Q8_0 ↯ 🏠6,7%10,0%10,0%15,4%20,0%12,5%26,3%10,5%20,0%15,0%26,3%35,0%27,8%30,0%20,0%20,0%41,7%38,5%15,4%33,3%35,0%50,0%50,0%—47,4%45,0%60,0%45,0%60,0%71,1%61,1%70,0%66,7%63,6%57,5%65,0%72,7%72,7%66,7%90,0%
Gemma 4 E4B Q8_0 💡 on* 🏠6,7%10,0%0,0%20,8%12,5%15,4%10,5%5,3%0,0%17,5%10,5%15,0%21,1%22,2%5,0%30,0%15,8%7,7%15,4%40,0%30,0%25,0%40,0%52,6%—55,0%80,0%70,0%80,0%57,5%50,0%80,0%77,8%63,6%77,5%55,0%72,7%72,7%80,0%100,0%
Gemma 4 E2B Q8_0 💡 on* 🏠8,3%10,0%2,5%7,7%19,0%15,4%15,0%7,5%7,5%11,9%15,0%17,5%25,0%33,3%17,5%22,2%25,0%26,9%7,7%22,2%40,0%50,0%33,3%55,0%45,0%—45,0%57,5%33,3%60,0%55,6%55,6%55,6%77,3%55,0%60,0%72,7%72,7%100,0%100,0%
Gemma 4 E2B Q8_0 ↯ 🏠0,0%8,3%0,0%7,7%0,0%0,0%7,7%0,0%4,2%11,1%0,0%11,1%10,0%0,0%0,0%35,0%33,3%29,2%15,4%20,0%22,2%50,0%40,0%40,0%20,0%55,0%—60,0%50,0%30,0%50,0%55,6%60,0%57,7%90,0%100,0%58,3%76,9%100,0%100,0%
Gemma 4 E2B Q4_K_M 💡 on* 🏠16,7%2,5%0,0%15,4%16,7%15,4%10,0%0,0%10,0%14,3%0,0%5,0%20,0%44,4%10,0%0,0%25,0%19,2%15,4%11,1%37,5%45,0%33,3%55,0%30,0%42,5%40,0%—55,0%50,0%60,0%60,0%55,6%54,5%50,0%57,5%72,7%63,6%77,8%100,0%
Gemma 4 E2B Q4_K_M ↯ 🏠0,0%8,3%0,0%7,7%7,7%0,0%11,5%8,3%0,0%11,1%0,0%11,1%0,0%11,1%5,6%5,0%22,2%7,7%15,4%5,0%22,2%40,0%50,0%40,0%20,0%66,7%50,0%45,0%—50,0%50,0%55,6%70,0%63,6%85,0%70,0%72,7%63,6%100,0%90,0%
Gemma 4 E4B Q8_0 ↯ 🏠8,3%5,0%0,0%15,4%5,0%0,0%5,3%0,0%0,0%17,5%5,3%10,0%5,3%25,0%5,0%0,0%10,5%7,7%7,7%11,1%15,0%45,0%22,2%28,9%42,5%40,0%70,0%50,0%50,0%—40,0%50,0%66,7%54,5%85,0%65,0%54,5%72,7%88,9%100,0%
Qwen3.6 35B A3B Q4_K_M ↯ 🏠0,0%3,8%0,0%0,0%7,7%0,0%0,0%8,3%7,7%0,0%0,0%22,2%0,0%11,1%0,0%15,0%0,0%19,2%7,7%10,0%11,1%0,0%30,0%38,9%50,0%44,4%50,0%40,0%50,0%60,0%—44,4%55,0%63,6%70,0%60,0%59,1%63,6%50,0%80,0%
Gemma 4 E4B Q4_K_M ↯ 🏠0,0%7,7%0,0%7,7%7,7%0,0%0,0%3,8%0,0%20,0%0,0%0,0%20,0%11,1%0,0%0,0%22,2%15,4%0,0%0,0%15,0%25,0%25,0%30,0%20,0%44,4%44,4%40,0%44,4%50,0%55,6%—60,0%45,5%80,0%80,0%72,7%72,7%66,7%88,9%
Gemma 4 E4B Q4_K_M 💡 on* 🏠8,3%0,0%0,0%7,7%0,0%0,0%0,0%0,0%0,0%20,0%11,1%0,0%0,0%11,1%11,1%0,0%20,0%3,6%15,4%0,0%11,1%11,1%11,1%33,3%22,2%44,4%40,0%44,4%30,0%33,3%45,0%40,0%—72,7%55,6%55,6%63,6%72,7%60,0%100,0%
Granite 4.2 30B Q8_0 💡 full 🏠14,3%7,7%0,0%0,0%7,7%0,0%0,0%7,7%15,4%8,3%13,6%18,2%9,1%9,1%0,0%0,0%0,0%7,7%7,7%9,1%16,7%8,3%10,0%36,4%36,4%22,7%42,3%45,5%36,4%45,5%36,4%54,5%27,3%—37,5%41,7%50,0%33,3%58,3%80,0%
Laguna S 2.1 UD Q4_K_M 💡 on* 🏠8,3%5,0%0,0%7,7%5,0%0,0%0,0%0,0%0,0%9,5%10,0%10,0%10,0%0,0%0,0%20,0%10,0%3,6%16,7%22,2%20,0%35,0%35,0%42,5%22,5%45,0%10,0%50,0%15,0%15,0%30,0%20,0%44,4%62,5%—45,0%50,0%58,3%44,4%90,0%
Nemotron 3 Nano Omni 30B A3B Q4_K_M 💡 on* 🏠8,3%0,0%0,0%15,4%9,5%0,0%0,0%0,0%10,0%10,0%5,0%5,0%5,0%10,0%0,0%0,0%10,0%14,3%7,7%0,0%10,0%22,5%50,0%35,0%45,0%40,0%0,0%42,5%30,0%35,0%40,0%20,0%44,4%58,3%55,0%—41,7%58,3%88,9%100,0%
Granite 4.2 30B Q4_K_M 💡 full 🏠0,0%0,0%7,7%0,0%7,7%0,0%7,7%0,0%7,7%8,3%22,7%9,1%9,1%0,0%22,7%0,0%13,6%15,4%23,1%27,3%8,3%16,7%0,0%27,3%27,3%27,3%41,7%27,3%27,3%45,5%40,9%27,3%36,4%50,0%50,0%58,3%—58,3%50,0%70,0%
Granite 4.2 8B Q4_K_M 💡 full 🏠7,1%0,0%0,0%7,7%15,4%7,7%7,7%0,0%7,1%8,3%9,1%9,1%9,1%9,1%9,1%0,0%0,0%14,3%15,4%27,3%16,7%0,0%0,0%27,3%27,3%27,3%23,1%36,4%36,4%27,3%36,4%27,3%27,3%66,7%41,7%41,7%41,7%—41,7%60,0%
Nemotron 3 Nano Omni 30B A3B Q8_0 💡 on* 🏠15,4%0,0%0,0%7,7%0,0%0,0%0,0%0,0%0,0%20,0%0,0%0,0%0,0%11,1%0,0%0,0%33,3%7,7%0,0%0,0%11,1%25,0%20,0%33,3%20,0%0,0%0,0%22,2%0,0%11,1%50,0%33,3%40,0%41,7%55,6%11,1%50,0%58,3%—90,0%
Granite 4.2 8B Q8_0 💡 full 🏠0,0%0,0%0,0%0,0%0,0%7,1%0,0%0,0%8,3%9,1%0,0%0,0%0,0%0,0%0,0%0,0%0,0%0,0%7,7%10,0%0,0%0,0%0,0%10,0%0,0%0,0%0,0%0,0%10,0%0,0%20,0%11,1%0,0%20,0%10,0%0,0%30,0%40,0%10,0%—

Published duel coverage

Each cell shows how many published AI-judged duels across all published evaluation protocols compare the two models for this language and category. The models on both axes are candidates; this matrix does not show which judge produced each verdict.

💡 indica un modelo con razonamiento, ↯ uno sin razonamiento. 🏠 indica un modelo ejecutado localmente en el ordenador del autor de este sitio. « on* » indica que el razonamiento está activado o desactivado (modelos locales sin niveles intermedios): el ajuste fino solicitado no es compatible con el archivo local y se degrada al modo activado por defecto. En los modelos locales con razonamiento ajustable (Qwen3.8, Muse Glimmer, Granite 4.2, Nemotron 3 Super), el nivel mostrado (xhigh**, high, full) es el nivel por defecto del modelo: el ajuste fino solicitado no es compatible con el archivo local, que se degrada a su comportamiento por defecto.

View as a data table
ModelQwen3.8 27B Q8_0 💡 xhigh** 🏠Gemma 4 31B Q8_0 💡 on* 🏠Gemma 4 26B A4B QAT-Q4_0 💡 on* 🏠Gemma 4 31B Q8_0 ↯ 🏠Muse Glimmer 30B K-Quant 17GB 💡 high 🏠Gemma 4 26B A4B Q8_0 ↯ 🏠Gemma 4 31B QAT-Q4_0 💡 on* 🏠Gemma 4 31B QAT-Q4_0 ↯ 🏠Gemma 4 26B A4B Q8_0 💡 on* 🏠Muse Glimmer 30B K-Quant Dynamic 💡 high 🏠Gemma 4 12B Q8_0 💡 on* 🏠Qwen3.6 35B A3B Q4_K_M 💡 on* 🏠Gemma 4 12B Q8_0 ↯ 🏠Qwen3.8 27B Q4_K_M 💡 xhigh** 🏠Gemma 4 12B QAT-Q4_0 💡 on* 🏠Gemma 4 12B QAT-Q4_0 ↯ 🏠Qwen3.6 35B A3B Q8_0 💡 on* 🏠Qwen3.8 27B Q8_0 ↯ 🏠Gemma 4 26B A4B QAT-Q4_0 ↯ 🏠Qwen3.8 27B Q4_K_M ↯ 🏠Mistral Medium 3.5 128B Q4_K_M ↯ 🏠Nemotron 3 Super 120B A12B Q4_K_M 💡 full 🏠Mistral Medium 3.5 💡 highQwen3.6 35B A3B Q8_0 ↯ 🏠Gemma 4 E4B Q8_0 💡 on* 🏠Gemma 4 E2B Q8_0 💡 on* 🏠Gemma 4 E2B Q8_0 ↯ 🏠Gemma 4 E2B Q4_K_M 💡 on* 🏠Gemma 4 E2B Q4_K_M ↯ 🏠Gemma 4 E4B Q8_0 ↯ 🏠Qwen3.6 35B A3B Q4_K_M ↯ 🏠Gemma 4 E4B Q4_K_M ↯ 🏠Gemma 4 E4B Q4_K_M 💡 on* 🏠Granite 4.2 30B Q8_0 💡 full 🏠Laguna S 2.1 UD Q4_K_M 💡 on* 🏠Nemotron 3 Nano Omni 30B A3B Q4_K_M 💡 on* 🏠Granite 4.2 30B Q4_K_M 💡 full 🏠Granite 4.2 8B Q4_K_M 💡 full 🏠Nemotron 3 Nano Omni 30B A3B Q8_0 💡 on* 🏠Granite 4.2 8B Q8_0 💡 full 🏠
Qwen3.8 27B Q8_0 💡 xhigh** 🏠0121212131312151313121213121213121412131214131515121212121213131214121214141313
Gemma 4 31B Q8_0 💡 on* 🏠1202113201324202021242520124312251313132020122020201220122013131313202013141213
Gemma 4 26B A4B QAT-Q4_0 💡 on* 🏠1221012201339192020223920122112221313132020122020201220122012131313202013141213
Gemma 4 31B Q8_0 ↯ 🏠1213120131312131213121313131213121313131313141312131313131312131313131313131314
Muse Glimmer 30B K-Quant 17GB 💡 high 🏠1320201301320202026202020132013201312132120132020211321132013131313202113131314
Gemma 4 26B A4B Q8_0 ↯ 🏠1313131313013121313131312131313131312131314131213131313131313131313141413131314
Gemma 4 31B QAT-Q4_0 💡 on* 🏠1224391220130202020233919122512231312131920121919201320131912131213202013131313
Gemma 4 31B QAT-Q4_0 ↯ 🏠1520191320122002020191919122013191212132020141919201220121912131313202013141213
Gemma 4 26B A4B Q8_0 💡 on* 🏠1320201220132020020202020122012201313132020122020201220122013131313202013141212
Muse Glimmer 30B K-Quant Dynamic 💡 high 🏠13212013261320202002020201021102013121020201120202192192010101012212012121011
Gemma 4 12B Q8_0 💡 on* 🏠12242212201323192020023249259231312920209191920920919999112020111199
Qwen3.6 35B A3B Q4_K_M 💡 on* 🏠12253913201339192020230209269231212920209202020920920999112020111199
Gemma 4 12B Q8_0 ↯ 🏠13202013201219192020242001020919121392020102719201020101991091120201111910
Qwen3.8 27B Q4_K_M 💡 xhigh** 🏠121212131313121212109910091091313101099109999910999111010111199
Gemma 4 12B QAT-Q4_0 💡 on* 🏠1243211220132520202125262090926131310202092020201020920999112020111199
Gemma 4 12B QAT-Q4_0 ↯ 🏠131212131313121312109991090913139910101010910910101091011101011111010
Qwen3.6 35B A3B Q8_0 💡 on* 🏠122522122013231920202323199269013129202092419209209199910112020111199
Qwen3.8 27B Q8_0 ↯ 🏠1413131313131312131313121213131313013121212121313132413131313131413141413141312
Gemma 4 26B A4B QAT-Q4_0 ↯ 🏠1213131312121212131212121313131312130131313131313131313131313131313121313131313
Qwen3.8 27B Q4_K_M ↯ 🏠131313131313131313109991010991213091010910910910910910119911111010
Mistral Medium 3.5 128B Q4_K_M ↯ 🏠122020132113192020202020201020920121390201020202092092091091220201212910
Nemotron 3 Super 120B A12B Q4_K_M 💡 full 🏠14202013201420202020202020920102012131020010202020102010201010912202012121010
Mistral Medium 3.5 💡 high1312121413131214121199109910912131010100101091091091010910101010101010
Qwen3.6 35B A3B Q8_0 ↯ 🏠152020132012191920201920271020102413139202010019201020101991091120201111910
Gemma 4 E4B Q8_0 💡 on* 🏠1520201220131919202019201992010191313102020101902010201020101091120201111109
Gemma 4 E2B Q8_0 💡 on* 🏠122020132113202020212020209209201313920209202001020920999112020111199
Gemma 4 E2B Q8_0 ↯ 🏠121212131313131212999109101092413109101010101001010101091013101012131010
Gemma 4 E2B Q4_K_M 💡 on* 🏠122020132113202020212020209209201313920209202020100102010109112020111199
Gemma 4 E2B Q4_K_M ↯ 🏠1212121313131312129991099109131310910101010910100101091011101011111010
Gemma 4 E4B Q8_0 ↯ 🏠122020132013191920201920191020101913139202091920201020100101091120201111910
Qwen3.6 35B A3B Q4_K_M ↯ 🏠131312121313121213109999910913131091010910910101010091011101011111010
Gemma 4 E4B Q4_K_M ↯ 🏠131313131313131313109910999913139101010101099109109010111010111199
Gemma 4 E4B Q4_K_M 💡 on* 🏠1213131313131213131099999101014131099999910910910100119911111010
Granite 4.2 30B Q8_0 💡 full 🏠1413131313131313131211111111111111131311121210111111131111111111110121212121210
Laguna S 2.1 UD Q4_K_M 💡 on* 🏠1220201320142020202120202010201020141292020102020201020102010109120201212910
Nemotron 3 Nano Omni 30B A3B Q4_K_M 💡 on* 🏠1220201321142020202020202010201020141392020102020201020102010109122001212910
Granite 4.2 30B Q4_K_M 💡 full 🏠1413131313131313131211111111111111131311121210111111121111111111111212120121210
Granite 4.2 8B Q4_K_M 💡 full 🏠1414141313131314141211111111111111141311121210111111131111111111111212121201210
Nemotron 3 Nano Omni 30B A3B Q8_0 💡 on* 🏠13121213131313121210999991091313109101091091091091091012991212010
Granite 4.2 8B Q8_0 💡 full 🏠1313131414141313121199109910912131010101010991091010109101010101010100

¿Cuál es la mejor IA local para escribir en español?

La respuesta está en la tabla y cambia cuando entran nuevos modelos o nuevas comparaciones, así que no la fijamos por escrito.

Qué es la cuantización y qué efecto tiene

La cuantización consiste en representar los pesos del modelo con menos bits. El efecto inmediato es mecánico: el archivo ocupa menos y la huella en memoria baja. En inferencia local, donde el cuello de botella suele ser el ancho de banda de memoria, esa reducción también puede traducirse en más velocidad.

El efecto sobre la calidad es donde hay que ser honesto. La cuantización puede degradar el texto, y cuánto depende del modelo, del método, de la tarea, del idioma, de la longitud del contexto y del nivel de cuantización. No existe un porcentaje universal de «calidad conservada», y desconfía de cualquier cifra que se presente así.

Estos son los niveles que verás en el filtro:

  • Q8 — variante de ocho bits. La usamos como referencia práctica de alta calidad, sin afirmar que sea matemáticamente idéntica a BF16/FP16; la diferencia real es una cuestión empírica, no un axioma.
  • Q4 QAT — modelo preparado o entrenado teniendo en cuenta una ejecución en cuatro bits. Es un checkpoint distinto, no una conversión posterior, y por eso ocupa su propia fila.
  • Q4_K_M — cuantización GGUF de cuatro bits aplicada después del entrenamiento, con precisión mixta según la capa. No es QAT, aunque ambas se anuncien como «4 bits».
  • Q6 — punto intermedio que mostraremos en cuanto tengamos variantes evaluadas.

Las dos variantes K-Quant de Muse Glimmer

Meta publica Muse Glimmer 30B en dos archivos GGUF poco habituales, con aproximadamente cuatro bits por peso de media. K-Quant Dynamic conserva ciertos tensores con mayor precisión y apunta a 32 GB de VRAM; K-Quant 17GB comprime más y apunta a 24 GB. No son archivos Q4_K_M, así que mantenemos sus nombres exactos y los evaluamos como variantes separadas. Ambos aparecen bajo el filtro amplio Q4, que agrupa descargas de la clase de cuatro bits sin afirmar que usen una codificación idéntica.

Meta comunica una degradación media del 0,2 % y del 1,0 %, respectivamente, en quince benchmarks comunes. Son mediciones del editor, no puntuaciones de escritura de AIWB ni garantías para la prosa en español, inglés, francés o alemán. Nuestro ranking y la comparación directa miden los dos archivos por separado con consignas redactadas de forma nativa.

Recomendaciones por hardware

8 GB

Mejor calidad

Gemma 4 E2B Q8_0 💡 on* 🏠

17,0 · posición local 37

Alternativa medida más rápida

Gemma 4 E2B Q4_K_M 💡 on* 🏠

39,7 tok/s · medición de AIWB en Strix Halo

16 GB

Mejor calidad

Gemma 4 12B Q8_0 💡 on* 🏠

50,0 · posición local 15

Alternativa medida más rápida

Gemma 4 E2B Q4_K_M 💡 on* 🏠

39,7 tok/s · medición de AIWB en Strix Halo

32 GB

Mejor calidad

Gemma 4 26B A4B QAT-Q4_0 💡 on* 🏠

62,9 · posición local 3

Alternativa medida más rápida

Qwen3.6 35B A3B Q4_K_M 💡 on* 🏠

71,2 tok/s · medición de AIWB en Strix Halo

Son referencias de carga, no garantías: contexto, caché KV, lote y runtime cambian la huella. Las velocidades de AIWB se midieron en el equipo Strix Halo descrito en «Sobre el autor» y no predicen otra plataforma.

Calidad frente a velocidad

Son dos ejes independientes y esta página los mantiene separados a propósito. El ranking mide calidad de escritura en español; las pestañas de hardware hablan de si el modelo cabe y a qué ritmo genera. Un modelo excelente que produce texto muy despacio puede ser perfectamente razonable para redactar y revisar sin prisa, y un modelo más modesto pero fluido puede ser mejor compañero para el trabajo iterativo. Decidir cuál te conviene requiere ambos datos, no uno solo.

Por qué usar una IA local

Los motivos son concretos. Cuando el runtime y sus integraciones funcionan enteramente en local, tus textos no tienen por qué salir de tu equipo, lo que importa cuando trabajas con material confidencial, inédito o sujeto a acuerdos de cliente. Funciona sin conexión. No dependes de que un proveedor cambie el modelo bajo el mismo nombre, ajuste sus filtros o retire una versión. Y el coste de uso, una vez descargado el modelo, no está ligado al número de peticiones.

También hay una precisión de vocabulario que conviene hacer, porque en las búsquedas se usa «open source» para casi todo. El criterio técnico de esta página son los pesos abiertos: que puedas descargar y ejecutar el modelo. Eso no equivale por sí solo a una licencia open source; la aplicación de ese marco al conjunto de artefactos de un modelo sigue siendo objeto de debate, y muchas licencias restringen ciertos usos comerciales. La licencia es un asunto legal que debes comprobar para tu caso; no dice nada sobre la calidad del texto, y nosotros no la puntuamos.

Preguntas frecuentes

¿Qué modelo local escribe mejor en español? El que encabeza la tabla de esta página con los filtros por defecto. Cambia cuando se incorporan modelos o comparaciones nuevas, así que la respuesta vive en el ranking dinámico y no en este texto.

¿Cuánta VRAM necesito? Depende del modelo, de la cuantización y del contexto que quieras usar. La pestaña de GPU dedicada indica para 8, 16 y 32 GB si una variante evaluada cabe con el margen aplicado; si no hay una recomendación defendible, la tarjeta queda vacía.

¿La cuantización estropea el texto? Puede afectarlo, y el efecto varía según el modelo, el método, la tarea y el idioma. No damos porcentajes universales: solo publicamos conclusiones cuando disponemos de comparaciones emparejadas entre variantes del mismo modelo.

¿Q4 QAT y Q4_K_M son lo mismo? No. Q4 QAT es un checkpoint preparado o entrenado contando con la ejecución en cuatro bits; Q4_K_M es una cuantización GGUF aplicada después del entrenamiento, con precisión mixta. Van en filas separadas.

¿Por qué hay modelos en la nube entre los adversarios? Porque conservamos las puntuaciones del ranking general en español. Eso mantiene una escala común entre ambas páginas y aporta muchos más datos por modelo del que tendría un torneo cerrado entre modelos locales.

¿Puedo ejecutar un modelo con más de 256 000 millones de parámetros? Técnicamente sí, con hardware suficiente, pero queda fuera de esta página. El umbral marca lo que consideramos razonablemente ejecutable en un equipo personal.

¿Por qué algunos modelos aparecen sin puntuación? Porque cumplen los requisitos de admisión pero todavía no acumulan suficientes comparaciones. Están en la lista de modelos pendientes de evaluación, sin posición, para que su ausencia del ranking no se lea como un resultado negativo.

¿Qué significan los iconos 💡 y ↯? 💡 indica que el modelo generó con el razonamiento activado y ↯ que lo hizo sin él. Cuando las pruebas técnicas no permiten determinarlo, el estado queda como desconocido en lugar de asumirlo.