El NAS que ejecuta IA en local: Minisforum N5 y MS-S1 con Ryzen AI Max+ Pro 495

Minisforum presentó en IFA 2026 dos máquinas que rompen una frontera que llevaba años en pie: un NAS que además ejecuta modelos de inteligencia artificial. El N5 y el MS-S1 montan el AMD Ryzen AI Max+ Pro 495, llegan a 131 TOPS, 192 GB de memoria a 8.533 MT/s y hasta 200 TB de almacenamiento. El precio filtrado ronda los 7.000 dólares.

La idea de juntar el sitio donde guardas los datos con el sitio donde los procesas suena obvia y sin embargo casi nadie la había ejecutado bien. Vamos a ver qué aporta de verdad, para quién tiene sentido y, sobre todo, cómo montar algo equivalente por una fracción de ese precio, que es lo que la mayoría vais a querer hacer.

Qué han presentado exactamente

Son dos máquinas construidas sobre el mismo procesador, con enfoques distintos:

El dato que de verdad manda no son los TOPS: son los 160 GB de memoria asignables a gráfica. Esa cifra determina qué modelos caben, y es donde estas máquinas juegan en otra liga.

Lo esencial en 30 segundos

Memoria unificada enorme en una caja silenciosa que además guarda tus datos. Excelente para modelos grandes y para trabajar sin mandar nada fuera. Caro, lento comparado con una gráfica dedicada, y sin precio ni fecha confirmados en España.

Por qué la memoria importa más que los TOPS

Aquí está la idea que hay que entender antes de gastarse un euro, y que la publicidad de los PC con IA lleva dos años escondiendo.

Para ejecutar un modelo de lenguaje en local hay dos preguntas: ¿cabe? y ¿va rápido? La primera la contesta la memoria disponible; la segunda, el ancho de banda y la potencia de cálculo. Y son independientes.

Una tarjeta gráfica de consumo con 16 GB va rapidísima con un modelo de 14.000 millones de parámetros y sencillamente no puede ejecutar uno de 120.000 millones: no cabe, y no hay ajuste que lo arregle. Un sistema con 160 GB de memoria unificada sí lo ejecuta, aunque más despacio.

Es la diferencia entre «lento» e «imposible», y por eso la memoria unificada masiva se ha convertido en la característica que define esta categoría. Lo mismo explica por qué los equipos de Apple con memoria unificada llevan años siendo populares para esto pese a no tener las gráficas más potentes.

La regla práctica que usamos: un modelo necesita, en cuantización razonable, del orden de 0,6 GB de memoria por cada mil millones de parámetros, más un margen para el contexto. Un modelo de 120B pide 70-80 GB. Uno de 30B, unos 20 GB. Uno de 8B, menos de 6 GB.

El problema del precio

Los listados que han aparecido apuntan a más de 7.000 dólares para el MS-S1. No hay precio oficial ni disponibilidad confirmada, así que tómalo como orientación, pero el orden de magnitud es el que es.

A ese nivel, la comparación no es con un ordenador: es con alquilar cómputo en la nube. Y esa cuenta se hace en horas. Si vas a ejecutar modelos ocho horas al día todos los días, comprar sale a cuenta en un plazo razonable. Si los usas a ratos, la nube gana con holgura.

Hay tres razones legítimas para comprar aunque los números no salgan:

• Datos que no pueden salir. Historiales médicos, expedientes, código propietario bajo acuerdo de confidencialidad. Aquí no hay cálculo que hacer: o es local o no se hace.
• Coste previsible. Una factura fija frente a una que depende del uso y que puede dispararse.
• Latencia y disponibilidad. Sin depender de que el proveedor tenga capacidad ni de que la conexión funcione.

Cómo montar algo equivalente por mucho menos

Esta es la parte útil para la mayoría. No hace falta gastarse 7.000 euros para tener IA local seria, y hay tres caminos según lo que necesites.

Camino 1: modelos medianos y velocidad

Si trabajas con modelos de hasta 14.000 o 20.000 millones de parámetros —que cubren la inmensa mayoría de tareas reales: clasificar, extraer, resumir, generar código— una torre con una gráfica de 16 GB los mueve muy por encima de cualquier NPU integrada. Es el camino con mejor relación entre precio y rendimiento.

Lo esencial: una gráfica con 16 GB de VRAM, memoria de sistema abundante para cuando el modelo no quepa entero, y un SSD rápido, porque cargar los pesos es una lectura seria. Lo desglosamos en nuestra guía de GPU para IA local.

Camino 2: memoria unificada, silencio y consumo

Si lo que buscas es tener algo encendido todo el día sin ruido ni factura eléctrica, la memoria unificada de los equipos compactos de Apple sigue siendo la opción más equilibrada. El Mac mini M4 es el punto de entrada, y el MacBook Air con el mismo chip si lo quieres portátil. Los comparamos en la guía de equipos para IA local y desarrollo.

Camino 3: NAS por un lado, cómputo por otro

Y aquí va nuestra opinión menos popular: para casi todo el mundo, separar sigue siendo mejor. Un NAS convencional guardando datos y un mini PC haciendo el cómputo cuestan bastante menos que una máquina que hace las dos cosas, se actualizan por separado y si uno falla el otro sigue.

Un mini PC potente para el cómputo y el almacenamiento aparte cubre el 90 % de los casos domésticos y de pyme. Tenemos el montaje del almacenamiento en la guía del NAS casero y las opciones compactas en la selección de mini PC.

Dónde flojean estas máquinas

Tres advertencias antes de que la ficha técnica te convenza.

La memoria unificada no es memoria de gráfica. Cabe más, pero el ancho de banda es inferior al de una gráfica dedicada moderna. En generación de texto se nota en tokens por segundo. Cabe todo y va más despacio: es un intercambio, no un regalo.

Los TOPS de la NPU sirven para menos de lo que parece. La mayoría de motores de inferencia populares aprovechan mal las NPU integradas; el trabajo real acaba en la gráfica integrada o en la CPU. Esa cifra de 131 TOPS es una promesa de plataforma, no rendimiento garantizado hoy.

Sin precio no hay análisis. Es la regla que aplicamos con todo lo que sale de una feria, y aquí con más motivo: entre 5.000 y 9.000 euros, el veredicto cambia por completo.

El contexto que lo complica todo: la memoria está cara

Hay un factor de mercado que atraviesa toda esta categoría. La escasez de memoria lleva más de un año encareciendo cualquier configuración generosa, y los equipos que definen su valor precisamente por llevar mucha memoria son los que más lo sufren.

Eso tiene dos consecuencias prácticas. La primera es que estos productos van a salir caros y bajar despacio. La segunda, más útil para ti: si estás pensando en ampliar la RAM de lo que ya tienes, hazlo cuando encuentres precio y no esperes a que baje. Lo analizamos en el artículo sobre la crisis de precios de memoria.

La ironía es evidente: justo cuando la IA local convierte la memoria en la pieza decisiva, la memoria es lo que más ha subido.

Qué software vas a necesitar

El hardware es la mitad. La otra mitad es qué instalas encima, y aquí la buena noticia es que se ha simplificado mucho.

Para servir modelos de lenguaje, lo estándar hoy es un servidor local que exponga una API compatible y gestione la carga y descarga de modelos. Lo cubrimos paso a paso en la guía para montar tu IA en casa, que sigue siendo nuestro punto de partida recomendado.

Para elegir qué modelo ejecutar, la oferta abierta ha mejorado enormemente y en tareas rutinarias ya compite con los servicios de pago. La comparativa está en nuestro repaso de modelos open source.

Y un consejo de arquitectura que vale más que cualquier compra: no uses el modelo grande para todo. Un modelo pequeño local para el volumen —clasificar, extraer, resumir— y uno grande solo para lo difícil. Esa división hace que necesites bastante menos máquina de la que crees.

El resto del puesto de trabajo

Si vas a montar una estación para trabajar con modelos en local, hay piezas que importan tanto como el cómputo y que casi nadie presupuesta:

• Pantalla con superficie. Registros, terminal y editor a la vez. Un OLED de 32 pulgadas cunde mucho, y si lo tuyo es leer código y documentos, el BenQ RD280U en formato 3:2 está pensado justo para eso.
• Segunda pantalla si trabajas con paneles de supervisión. Un OLED de 27 pulgadas cumple de sobra.
• Almacenamiento veloz para los pesos de los modelos, que se leen enteros en cada carga. Ver precio actual en Amazon
• Un segundo SSD para conjuntos de datos y salidas, que se acumulan rápido. Ver precio actual en Amazon
• Ratón ergonómico, la pieza que más se nota en jornadas largas. Ver precio actual en Amazon
• Silla decente. La opción sensata o una gaming con soporte lumbar si pasas muchas horas.
• Auriculares con cancelación, porque una torre con gráfica trabajando hace ruido. Ver precio actual en Amazon

El consumo, la cifra que nadie pone en la ficha

Hay un coste que no aparece en ningún anuncio y que en una máquina pensada para estar encendida las veinticuatro horas puede acercarse al precio del equipo a lo largo de su vida útil.

Un servidor de este tipo, con discos girando y cómputo trabajando a ratos, se mueve en un rango de consumo continuo que en un año se nota en la factura. Frente a eso, un equipo compacto de bajo consumo haciendo el mismo trabajo a menor velocidad puede costar bastante menos de operar.

La cuenta honesta para decidir no es el precio de compra sino el coste total a tres años: compra, electricidad y sustitución de discos. Con esa métrica, las soluciones de consumo contenido ganan más veces de las que la gente supone, sobre todo en un uso doméstico donde el equipo pasa la mayor parte del tiempo esperando.

Y hay una decisión de diseño que ahorra más que cualquier componente: que la máquina no tenga que estar encendida siempre. Si el cómputo es por lotes —procesar por la noche lo que se acumuló durante el día— puedes apagar. Muchos flujos de trabajo con modelos aceptan ese esquema sin problema y casi nadie se lo plantea.

El argumento que de verdad justifica lo local

Después de comparar precios y rendimiento conviene decir con claridad cuál es la razón por la que esta categoría existe, porque no es la velocidad ni el ahorro.

Es que los datos no salen de tu red. Para un despacho profesional con documentación de clientes, una clínica con historiales, una asesoría con contabilidad ajena o un estudio con material bajo acuerdo de confidencialidad, mandar esa información a un servicio externo no es una cuestión de preferencia sino de cumplimiento.

En Europa esto tiene peso legal. El tratamiento de datos personales impone obligaciones sobre dónde se procesan y quién puede acceder, y hay contratos que directamente prohíben que cierta información salga de las instalaciones. En esos casos el debate sobre tokens por segundo es irrelevante: o se hace en local o no se hace.

El corolario práctico es que si tu caso no es ese, probablemente no necesitas esta categoría. Para experimentar, aprender o hacer tareas sin datos sensibles, un servicio en la nube es más rápido, más barato y no ocupa sitio. La IA local brilla cuando la restricción es la privacidad, no cuando es el presupuesto.

Hay un tercer caso legítimo que se comenta poco: el aprendizaje. Montar esto en casa enseña cómo funciona la inferencia por dentro de una manera que usar una API nunca te va a enseñar. Si eso te aporta, es una razón perfectamente válida, solo conviene no disfrazarla de decisión económica.

Qué esperar del próximo año en esta categoría

Tres tendencias razonablemente previsibles si estás decidiendo cuándo entrar.

La primera es que el software mejorará más rápido que el hardware. El aprovechamiento de las NPU integradas es hoy el eslabón débil, y es precisamente el que más margen de mejora tiene: la misma máquina va a rendir bastante más dentro de un año sin cambiar nada.

La segunda es que los modelos pequeños seguirán acercándose a los grandes en tareas concretas. Cada salto en esa dirección reduce cuánta máquina necesitas, y por tanto ablanda el argumento de comprar el equipo más caro «por si acaso».

La tercera es que habrá competencia. Minisforum no va a ser el único: cuando una categoría se define en una feria, al año siguiente hay seis fabricantes. Eso presiona precios a la baja, con la salvedad de la memoria, que sigue siendo el componente terco.

Sumando las tres, nuestra recomendación temporal es clara: si no tienes una necesidad urgente, esperar seis meses juega a tu favor en las tres dimensiones. Y si la tienes, compra hoy lo mínimo que resuelva tu caso concreto, no lo máximo que te puedas permitir.

Cuatro errores que vemos repetirse al montar IA local

Llevamos un tiempo montando esto y hay cuatro tropiezos que se repiten con una constancia notable. Ninguno es caro de evitar si lo sabes antes.

Comprar mirando la potencia en vez de la memoria. Es el error número uno. Alguien invierte en una gráfica rapidísima de 8 GB y descubre que el modelo que quería usar no cabe. La velocidad solo importa entre los modelos que caben; la memoria decide cuáles son esos.

Quedarse corto de RAM del sistema. Cuando el modelo no entra entero en la gráfica, el motor de inferencia descarga capas a la memoria principal. Con 16 GB el sistema empieza a tirar de disco y el rendimiento se desploma de una forma que parece un fallo de configuración y es simplemente falta de memoria. Con 32 GB el problema desaparece en la mayoría de casos.

Olvidar la refrigeración y el ruido. Un equipo haciendo inferencia sostenida no es un ordenador de ofimática: mantiene la carga alta durante minutos. Si está en la misma habitación en la que trabajas, el ruido pasa de detalle a problema en la primera semana. Merece la pena presupuestar una refrigeración generosa o directamente poner la máquina en otro sitio.

No pensar en cómo se apaga. Suena trivial y no lo es. Un proceso de inferencia que se queda colgado reteniendo toda la memoria de la gráfica bloquea cualquier otra cosa que necesite esa tarjeta, y no siempre da un error claro: a veces lo único que notas es que todo lo demás va absurdamente lento. Tener un procedimiento para liberar recursos, y usarlo, ahorra tardes enteras de diagnóstico equivocado.

Los cuatro se resumen en el mismo consejo: diseña para el caso sostenido, no para la demostración. Todo funciona bien la primera media hora.

Veredicto Arkaia

El N5 y el MS-S1 aciertan en el planteamiento: juntar datos y cómputo tiene sentido y la memoria unificada masiva resuelve un problema real que ninguna gráfica de consumo resuelve. Pero llegan sin precio confirmado, a un nivel donde compiten con alquilar cómputo, y con una NPU cuyo aprovechamiento real todavía depende del software.

Nuestro consejo Arkaia

Si trabajas con modelos de hasta 20.000 millones de parámetros, que es la mayoría de casos reales, una torre con una gráfica de 16 GB te da más rendimiento por mucho menos dinero. Si necesitas modelos de 100.000 millones o más y los datos no pueden salir de tu red, entonces esta categoría es tu única opción y merece la pena esperar al precio. Y si dudas, empieza separando NAS y cómputo: se actualiza mejor y se estropea menos.

Lecturas relacionadas

• Cómo montar un NAS casero paso a paso
• Las mejores GPU para IA local
• Instalar tu propia IA en casa
• Los mejores mini PC de 2026
• La crisis de precios de RAM y SSD
• IFA 2026: los mejores anuncios de Berlín
• NVIDIA DGX Spark: guía completa
• Mejores SSD NVMe Gen5