NPU vs GPU: qué chip ejecuta los modelos en local en 2026

Si tu portátil nuevo trae NPU, es lógico esperar que mueva modelos en local. La respuesta corta a 14 de octubre de 2026: una NPU puede ejecutar modelos de lenguaje, pero solo con programas escritos para ella, y las herramientas local más usadas siguen tirando de la GPU. Esta guía explica para qué sirve cada chip, qué programas usan de verdad la NPU, los límites que documentan los propios fabricantes y cómo decidir qué comprar. Hemos leído la documentación de Microsoft, AMD, Intel, Ollama, llama.cpp y LM Studio. No hemos medido ninguna NPU: nuestro equipo de pruebas (Intel Core i9-12900KF con una RTX 4070) no la tiene, así que aquí no hay cifras de velocidad que no hayamos medido.

NPU vs GPU en una tabla

Tabla: NPU y GPU para modelos en local (documentación de los fabricantes, comprobada el 14 de octubre de 2026)

Qué es una NPU y qué significan los TOPS

Una unidad de procesamiento neuronal es un chip dedicado a la aritmética de las redes neuronales. Microsoft define los PC Copilot+ como una nueva clase de equipos con Windows 11 cuya NPU hace más de 40 billones de operaciones por segundo (TOPS), y muchas funciones Copilot+ de Windows exigen ese mínimo de 40 TOPS. Los primeros equipos llevaban el Snapdragon X Elite de Qualcomm, y Microsoft cita también los AMD Ryzen serie 300 (Strix Point) y los Intel Core Ultra 200V.

La página de soporte de Microsoft afirma que la NPU gasta menos energía y es mucho más eficiente ejecutando modelos que la CPU o la GPU, y que libera a ambas para otro trabajo. Tómalo como la descripción del objetivo de diseño que hace el fabricante, no como una medición. Para los modelos en local importan más dos puntos técnicos de su documentación para desarrolladores:

1. La NPU necesita programas escritos para ella. Como cualquier otro recurso del PC, la NPU solo se aprovecha si el software está programado específicamente para usarla. Una aplicación que no se hizo para la NPU no la usará.
2. Casi siempre hay que convertir el modelo. Muchas NPU solo hacen cálculo con enteros de pocos bits, como INT8, así que los modelos tienen que convertirse o cuantizarse para ejecutarse en ellas. Nuestra guía sobre qué es la cuantización explica lo que eso cuesta en calidad.

Los TOPS tampoco dicen cuánta memoria puede usar el modelo. En los modelos de lenguaje, la memoria suele ser el primer límite, y por eso nuestra guía sobre cuánta VRAM necesitas empieza por ahí.

Qué programas usan hoy la NPU

Aquí es donde más se nota la diferencia. Según la documentación de cada proyecto:

• Ollama soporta GPU de NVIDIA (capacidad de cómputo 5.0 o superior), de AMD con ROCm, de Apple con Metal y otras con Vulkan. Su página de hardware no menciona ninguna NPU. Si lo que quieres es que Ollama use tu tarjeta gráfica, mira Ollama no usa la GPU.
• LM Studio funciona en Windows sobre x64 y ARM (Snapdragon X Elite) y recomienda al menos 16 GB de RAM y 4 GB de VRAM dedicada. Sus requisitos no hablan de la NPU.
• llama.cpp, el motor que hay debajo de Ollama (nuestra comparativa Ollama vs llama.cpp explica la relación), lista aparte sus motores para NPU: Hexagon para Snapdragon, CANN para la NPU Ascend de Huawei y OpenVINO para CPU, GPU y NPU de Intel, que su README marca como «en progreso». El motor de Snapdragon se compila desde el código con las herramientas de Qualcomm, así que no es lo que te llevas con una descarga normal.

El camino hacia la NPU pasa por las herramientas de cada fabricante de chips:

• El software de NPU de AMD para Ryzen ejecuta modelos de lenguaje «solo en la NPU» o en un modo «híbrido» que reparte el trabajo entre la NPU y la GPU integrada, mediante ONNX Runtime GenAI, en los procesadores Ryzen serie 300 (Strix Point). En los Ryzen 7040 y 8040 (Phoenix y Hawk Point), AMD solo indica GPU y CPU para modelos de lenguaje. AMD remite también a FastFlowLM, un motor pensado primero para la NPU, y a Lemonade Server, que ofrece una API a la que pueden llamar las aplicaciones hechas para Ollama u OpenAI, con modelos ya optimizados como Llama, Mistral, Qwen, Gemma y Phi.
• Intel ejecuta modelos de lenguaje en su NPU con OpenVINO GenAI. Los modelos deben exportarse con pesos de 4 bits (INT4 o NF4).
• Microsoft recomienda Windows ML, que elige un proveedor de ejecución según el hardware: QNN para las NPU de Qualcomm, OpenVINO para Intel y VitisAI para AMD, y vuelve a la GPU o la CPU si hace falta. Esos proveedores se descargan bajo demanda en Windows 11 24H2 y posteriores. Foundry Local, el motor de Microsoft para que las aplicaciones ejecuten modelos en el propio equipo, elige solo la GPU o la NPU y ofrece un catálogo seleccionado con GPT OSS, Qwen, DeepSeek, Mistral, Phi y Whisper.

Los límites que documentan los fabricantes

La NPU funciona, pero la documentación deja ver compromisos que no salen en la ficha técnica:

• Contexto corto por defecto en Intel. El motor de OpenVINO para NPU admite por defecto prompts de hasta 1.024 tokens y garantiza al menos 128 tokens de respuesta, porque trabaja con formas fijas. Se puede subir el límite, y los prompts dinámicos llegaron con OpenVINO 2025.3, pero los valores por defecto dicen para qué se afinó el hardware. Nuestra guía sobre la ventana de contexto explica por qué 1.024 tokens se quedan cortos en un chat.
• La memoria sigue mandando. Intel avisa de que en los Core Ultra Series 2 pueden hacer falta más de 16 GB de RAM para prompts de más de 1.024 tokens con modelos de más de 7.000 millones de parámetros.
• Listas cerradas de modelos. AMD, Intel y Microsoft publican listas de modelos ya convertidos para sus NPU. Foundry Local dice que su catálogo está seleccionado a propósito y que no está pensado para experimentar con cualquier modelo.
• Versiones de controlador. Windows ML exige versiones mínimas del controlador de la NPU de Qualcomm y un rango concreto para el proveedor de AMD, así que un controlador antiguo puede mandar el trabajo a la CPU sin avisar.

¿Qué te conviene comprar para modelos en local?

• Quieres chatear con modelos abiertos en Ollama o LM Studio: prioriza una GPU con VRAM suficiente. Nuestra guía de la mejor GPU para modelos en local repasa las opciones.
• Quieres batería y las funciones Copilot+ de Windows: un PC Copilot+ con NPU de más de 40 TOPS es lo que esas funciones exigen.
• Eres desarrollador y vas a meter un modelo en una aplicación para muchos portátiles: merece la pena apuntar a la NPU con Windows ML o Foundry Local, porque el motor elige el mejor chip en el equipo de cada usuario.
• Ya tienes un portátil con Ryzen serie 300 (Strix Point) o Core Ultra: prueba las herramientas del fabricante (Lemonade o FastFlowLM en AMD, OpenVINO en Intel) con uno de sus modelos ya convertidos y compáralo con el mismo modelo en la GPU con LM Studio, con tus propios prompts.

Si empiezas desde cero, primero instala Ollama y ejecuta un modelo con el hardware que tengas; después decide si la NPU compensa el trabajo extra.