Ficha técnica SPEC CARD
AMD Radeon Instinct MI50
La legendaria GPU que sigue circulando activamente en el sector de inferencia con gran memoria: hasta 16/32 GB de HBM2 y PCIe 4.0, una de las primeras GPU de centro de datos en 7 nm (Next Horizon, 06-11-2018) y el último buque insignia de la familia GCN 5.1/Vega 20 de AMD. AMD ya retiró su página de producto y el soporte oficial de ROCm (gfx906 salió de la matriz de soporte oficial desde ROCm 6.x), pero el ecosistema comunitario de gfx906 para llama.cpp/Ollama/vLLM/ComfyUI sigue demostrando actividad en 2025-2026 (19→48 tok/s medidos con Qwen3.8-27B, imágenes optimizadas de ROCm 7.2, piezas open source de ventiladores modificados y ductos de flujo), y la versión de 32 GB de segunda mano llegó a cotizar en torno a 150-200 dólares, convirtiéndose en la puerta de entrada del 'HBM2 para presupuestos ajustados'. Perspectiva de la ficha: modelo de circulación asequible con gran memoria HBM2 para inferencia, que forma parte, junto con la P40 y la V100, del trío legendario de tarjetas antiguas del sector de inferencia amateur.
Resumen
La AMD Radeon Instinct MI50 es una tarjeta de aceleración para centro de datos lanzada por AMD en noviembre de 2018. Con el núcleo Vega 20 (arquitectura GCN 5.1, gfx906 según ROCm), fue una de las primeras GPU de centro de datos fabricadas en el proceso de 7 nm de TSMC y el último buque insignia de la familia Vega 20. Cuenta con 60 unidades de cálculo y 3.840 procesadores de flujo, ofrece memoria HBM2 de 16 GB o 32 GB, soporta ECC en todo el chip, utiliza un bus PCIe 4.0 x16 e incorpora dos enlaces Infinity Fabric para la interconexión de múltiples tarjetas. Gracias a su gran capacidad de memoria HBM2, ha permanecido vigente en la comunidad de inferencia local de grandes modelos de lenguaje, y todavía hay muchos usuarios que la emplean en frameworks como llama.cpp, Ollama y vLLM.
Especificaciones clave
| Arquitectura | GCN 5.1 (Vega 20, gfx906, TSMC 7nm FinFET) — no es CDNA; CDNA llega con la MI100 |
| Memoria | 16GB o 32GB HBM2 (ECC de chip completo, dos versiones) |
| Ancho de banda de memoria | 1 TB/s (1024 GB/s, 4096bit × 1GHz DDR) |
| Ancho de bus de memoria | 4096 bits (4 stacks de HBM2 × 1024 bits) |
| Potencia de cómputo | FP64 6,6 / FP32 13,3 / FP16 26,5 / INT8 53 TOPs (reloj máximo del motor: 1725 MHz) |
| Unidades de cómputo | 60 CU / 3840 procesadores de flujo |
| Consumo | 300W Peak TDP (alimentación externa 2x8-Pin) |
| Interconexión | 2 enlaces Infinity Fabric (92 GB/s por enlace, 184 GB/s en total) / PCIe 4.0 x16 (compatible con 3.0 x16) |
| Año de lanzamiento | 2018 (presentada en el evento Next Horizon, 06-11-2018, una de las primeras GPU de centro de datos en 7 nm) |
| Formato | Tarjeta PCIe Add-in, formato dual-slot de altura completa de 10,5" (267 mm), refrigeración activa |
Especificaciones verificadas con documentación oficial (
Benchmarks oficiales , actualizado el 2026-10-10) · El precio real está sujeto a la cotización del vendedor
Casos de uso
- Inferencia local de grandes modelos de lenguaje: aprovecha la gran capacidad de HBM2 para alojar modelos medianos y grandes, generando texto con frameworks como llama.cpp, Ollama y vLLM; la comunidad sigue optimizando el rendimiento mediante adaptaciones para gfx906
- Cálculo científico y cargas intensivas de punto flotante: con capacidad de doble precisión FP64, puede asumir simulaciones numéricas y cálculos de ingeniería propios de escenarios HPC tradicionales
- Escalado multi-GPU: permite montar sistemas de varias GPU mediante los dobles enlaces Infinity Fabric para ampliar el conjunto de memoria disponible y ejecutar modelos más grandes
- Generación de imágenes y flujos creativos: se usa como aceleradora de inferencia de modelos de difusión en cadenas de herramientas como ComfyUI, con imágenes optimizadas y soluciones de mejora de refrigeración mantenidas por la comunidad
Modelos de la misma familia
Vídeo explicativo VIDEO
Puntos clave de compra e inspección
- Formato y compatibilidad con la sala: es una tarjeta PCIe de altura completa y doble ranura, con 10,5 pulgadas (267 mm) de longitud, refrigeración activa y dos conectores externos 2x8-Pin; su TDP máximo es de 300 W, por lo que antes de comprar hay que verificar que la caja, los ductos de aire y el cableado admitan un formato dual-slot de altura completa y un consumo elevado
- Versiones y verificación de autenticidad: en el mercado circulan principalmente las variantes de 16 GB y 32 GB, siendo la de 32 GB la preferida para inferencia de grandes modelos; al ser mayoritariamente tarjetas retiradas de centros de datos, al recibirla conviene comprobar en un entorno ROCm que el equipo se detecte como gfx906, que la capacidad de memoria sea correcta y que el ECC de todo el chip funcione bien
- Expectativas sobre el soporte de software: AMD ya retiró la página de producto y gfx906 salió de la matriz de soporte oficial desde ROCm 6.x, de modo que el comprador debe aceptar depender de drivers mantenidos por la comunidad; se recomienda valorar la mantenibilidad a largo plazo consultando el ecosistema activo de gfx906 en GitHub (imágenes optimizadas de ROCm, diseños open source de refrigeración modificada)
Preguntas frecuentes
¿Sigue mereciendo la pena comprar una MI50 de 32 GB para inferencia de grandes modelos?
Si el presupuesto es ajustado y se acepta usar un stack de software mantenido por la comunidad, sigue siendo una opción habitual para iniciarse en la inferencia con gran memoria HBM2. Su gran capacidad aloja modelos considerables, y la comunidad de adaptaciones gfx906 para llama.cpp, Ollama, vLLM y ComfyUI sigue actualizándose. Eso sí, hay que tener en cuenta que el soporte oficial de ROCm ha terminado y habrá que depender de entornos propios y soluciones comunitarias.
ROCm ya no soporta gfx906, ¿la MI50 sigue siendo utilizable?
Sí. gfx906 salió de la matriz de soporte oficial desde ROCm 6.x, pero el ecosistema de adaptaciones comunitarias sigue activo, con imágenes optimizadas y parches para esta arquitectura, además de un historial constante de mejoras verificadas en los frameworks de inferencia. Se recomienda fijar combinaciones de versiones de ROCm validadas por la comunidad.
¿Cómo elegir entre la MI50 de 16 GB y la de 32 GB?
Si el objetivo principal es la inferencia local de grandes modelos de lenguaje, la versión de 32 GB tiene una ventaja clara en capacidad, permitiendo alojar modelos con más parámetros o contextos más largos; la de 16 GB encaja mejor con presupuestos más ajustados o modelos de menor tamaño. Ambas comparten arquitectura y especificaciones de cómputo, y la diferencia estriba en la memoria y el precio.
Documentación actualizada el 2026-10-10 · profundice con la
Política editorial Ficha a fondo