Ficha técnica SPEC CARD
NVIDIA T4
Una de las tarjetas de inferencia más desplegadas de la historia: tarjeta pasiva de perfil bajo y una sola ranura alimentada a 70 W desde el slot, cabe en cualquier servidor, con 130 TOPS en INT8 para inferencia multiprecisión y 38 canales de decodificación de vídeo; los proveedores de nube desplegaron cantidades masivas de instancias T4 (como el nodo de 8 tarjetas AWS G4dn), lo que la convierte en la tarjeta de inferencia de entrada con mayor disponibilidad en el mercado de segunda mano
Resumen
NVIDIA T4 es una tarjeta de aceleración PCIe basada en la arquitectura Turing, con GPU TU104, 320 Tensor Core y 40 RT Core. Su memoria es de 16 GB GDDR6 con un ancho de bus de 256 bits, conectada al host mediante un enlace PCIe Gen3 x16. Sus rendimientos típicos por precisión son 8,1 TFLOPS en precisión simple, 65 TFLOPS en precisión mixta, 130 TOPS en INT8 y 260 TOPS en INT4. La T4 adopta un diseño pasivo de una ranura y formato half-height half-length, con un límite de consumo de placa de 70 W sin alimentación externa, lo que la hace apta para servidores de alta densidad. Soporta a la vez inferencia de deep learning y aceleración de decodificación de vídeo, siendo una tarjeta de inferencia de propósito general extremadamente extendida en instancias de inferencia en la nube y servidores de edge.
Especificaciones clave
| Arquitectura | Turing (TU104-895) |
| Memoria | 16GB GDDR6 con ECC (activado por defecto) |
| Ancho de banda de memoria | 320 GB/s (una versión antigua del datasheet indicaba 300 GB/s) |
| Ancho de bus de memoria | 256bit |
| Potencia de cómputo | FP32 8,1 TFLOPS / precisión mixta FP16·FP32 65 TFLOPS / INT8 130 TOPS / INT4 260 TOPS |
| Núcleos CUDA | 2,560 (40 SM) / Tensor Core 320 / RT Core 40 |
| Consumo | 70W (potencia total de la placa, por defecto) |
| Interconexión | PCIe Gen3 x16 (funciona también en x8, ancho de interconexión de 32 GB/s) |
| Año de lanzamiento | 2018 (Product Brief v01 con primera edición del 24-10-2018, datasheet Dec18 © 2018 NVIDIA) |
| Formato | Formato half-height half-length de una ranura, Low-Profile de 6,6 pulgadas (169,53 mm de largo), refrigeración pasiva, peso de placa de 301 g |
| Relojes | Base 585 MHz / Boost 1590 MHz (el modo base está ajustado al límite térmico de 70 W) |
| Motor de medios | Decodificación 1080p30: H.264 32 canales / HEVC 44 canales / VP9 32 canales |
| SR-IOV | Soportado; 16 VF (sí) |
| Proceso | 12 nm FFN, 13.600 millones de transistores, 545 mm² |
| Compute APIs | CUDA, NVIDIA TensorRT, ONNX |
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
- Despliegue de inferencia de modelos de deep learning: gracias a los Tensor Core y a la capacidad de cuantización INT8/INT4, junto con herramientas como TensorRT y ONNX, es idónea para el despliegue a escala de servicios de inferencia en línea
- Transcodificación de vídeo y procesamiento de streaming: una sola tarjeta puede decodificar en paralelo decenas de flujos H.264, HEVC o VP9 a 1080p30, apta para pasarelas de vídeo, clústeres de transcodificación y análisis de videovigilancia
- Virtualización de alta densidad y escritorios en la nube: soporta SR-IOV (hasta 16 VF) y memoria ECC, ideal para agrupar GPUs multiinquilino y entornos de infraestructura de escritorio virtual
- Renderizado ligero y aceleración gráfica: sus RT Core integrados ofrecen trazado de rayos por hardware, útil para renderizado a pequeña y mediana escala, visualización y cargas de trabajo mixtas
Modelos de la misma familia
| Modelo | Memoria | Consumo |
|---|
| NVIDIA A100 Comparación | Doble versión: 40GB HBM2 / 80GB HBM2e (la de 80GB se presentó el 16-11-2020 en la SC20), con ECC | SXM4 400W (igual en 40GB/80GB); versión PCIe: 40GB 250W / 80GB 300W |
| NVIDIA H20 Comparación | 96GB HBM3 (coincidencia en tres fuentes: Flopper/VipraTech/Tencent News) | TDP de 400W (coincidencia en tres fuentes: Flopper/tabla de especificaciones de VipraTech/'TDP de 400W' en Tencent News; se descarta la cifra contradictoria de 350W en el texto de VipraTech) |
| NVIDIA GB300 Comparación | 288GB HBM3e (por paquete de GPU; 576GB en el superchip; coexisten 2,1TB a nivel de placa HGX y 20TB por rack) | TGP de hasta 1400W |
| NVIDIA A30 Comparación | 24 GB HBM2 | 165 W |
| NVIDIA GeForce RTX 4090 Comparación | 24GB GDDR6X | TGP de 450W (315W en juegos de media, fuente de alimentación recomendada de 850W) |
| NVIDIA RTX PRO 6000 Blackwell Comparación | 96 GB de GDDR7 con ECC (la GPU para estaciones de trabajo profesional con mayor memoria de una sola tarjeta) | 600W de potencia total de placa (oficial), alimentación 1x PCIe CEM5 16-pin, refrigeración de flujo doble (Double-flow-through) |
Vídeo explicativo VIDEO
Puntos clave de compra e inspección
- La T4 usa refrigeración pasiva y depende del flujo de aire forzado del chasis; antes de comprarla, verifique que el servidor de destino cuente con un esquema de flujo de aire adecuado para GPUs y que el chasis admita tarjetas de una ranura half-height (low-profile). Tenga en cuenta además que se alimenta por el slot PCIe y carece de conector de alimentación externa, por lo que no requiere cables adicionales, pero conviene confirmar que el slot pueda suministrar el consumo máximo de la tarjeta
- Verificación de interfaz y compatibilidad: la T4 usa PCIe Gen3 x16 (oficialmente también se puede instalar en x8) y presenta buena compatibilidad tanto con hosts antiguos como con servidores nuevos; al comprarla, confirme la topología PCIe, la altura del chasis (half-height half-length, con una placa de unos 6,6 pulgadas de largo) y los requisitos de drivers y virtualización (SR-IOV, configuración de ECC)
- En compras de segunda mano o stock, se recomienda probar cada tarjeta: comprobar que la memoria ECC se activa correctamente y supera pruebas de estrés, verificar la integridad de los Tensor Core y la capacidad de decodificación de vídeo (validable con herramientas de benchmark de decodificación con múltiples flujos H.264/HEVC/VP9 concurrentes), y solicitar el SN original para comprobar garantía y procedencia; dado que este modelo abunda enormemente en el mercado, conviene distinguir entre lotes y el estado de las tarjetas extraídas
Preguntas frecuentes
¿La T4 necesita alimentación externa? ¿Cabe en un servidor normal?
El consumo máximo de la T4 es de 70 W, alimentada íntegramente por el slot PCIe, sin necesidad de cables de alimentación externos. Con su diseño pasivo de una ranura half-height half-length, cabe en la mayoría de servidores estándar (incluidos chasis rack de 1U/2U), aunque la refrigeración pasiva exige un flujo de aire frontal en el chasis; en cajas de sobremesa con ventilación insuficiente conviene usarla con cautela.
¿Es adecuada la T4 para inferencia de grandes modelos? ¿Basta con 16 GB de memoria?
La T4 está orientada a la inferencia, no al entrenamiento; sus 16 GB de GDDR6 permiten alojar modelos pequeños y medianos cuantizados (como modelos de lenguaje o visión en INT8/INT4), con buena eficiencia al desplegarlos con TensorRT. Para modelos con muchos más parámetros se requieren cuantización, carga por capas o reparto entre varias tarjetas; si se busca mayor rendimiento, conviene evaluar tarjetas de inferencia más recientes.
¿Merece la pena una T4 de segunda mano? ¿Qué revisar al comprarla?
La T4 es un modelo muy usado en instancias de inferencia de los grandes proveedores de nube, con abundante stock y oferta en el mercado de segunda mano y precios accesibles, siendo una opción habitual para iniciarse en la inferencia y la transcodificación de vídeo. Al comprarla de segunda mano, compruebe que la memoria ECC se puede activar y supera una prueba de estrés a plena memoria, que la temperatura en plena carga y las reducciones de frecuencia son normales, que la decodificación y los Tensor Core funcionan bien, y verifique el SN y el estado de garantía.
Documentación actualizada el 2026-10-10 · profundice con la
Política editorial Ficha a fondo