NVIDIA Tesla P100 PCIe 16 GB: por qué la antigua Tesla ha vuelto a interesar a los entusiastas

La NVIDIA Tesla P100 PCIe 16 GB salió en 2016 como acelerador para cálculos científicos y supercomputadores. Diez años después, las tarjetas de servidor retiradas han cobrado una segunda vida: los entusiastas las compran para servidores domésticos, experimentos con redes neuronales y programas CUDA. La razón es sencilla: ahora se puede acceder a 16 GB de memoria HBM2 y una elevada potencia de cálculo por poco dinero. Pero el bajo precio también oculta algunos problemas: refrigeración pasiva, compatibilidad con CUDA cada vez más limitada y ausencia de Tensor Cores.

En qué se diferencia la P100 de la P40 y la V100

La Tesla P100 está construida sobre el procesador GP100 de 16 nm, basado en la arquitectura Pascal. Cuenta con 3584 núcleos CUDA y un bus de memoria de 4096 bits. Su principal característica son los potentes bloques FP64, prácticamente inexistentes en las tarjetas gráficas de consumo de aquella generación.

La P40 dispone de más memoria de vídeo, pero la P100 la supera en ancho de banda por más del doble y, en rendimiento teórico FP64, aproximadamente 12,5 veces.

La V100 es considerablemente más potente que ambas tarjetas. Su ventaja no se limita a la velocidad de cálculo: también cuenta con Tensor Cores, que aceleran las operaciones utilizadas en aprendizaje automático.

Rendimiento en benchmarks

En Geekbench 7 OpenCL, la P100 PCIe se sitúa entre la Tesla T4 y la GeForce RTX 3060. La V100 de servidor, basada en la arquitectura Volta, es más del doble de rápida.

Son resultados agregados de Geekbench Browser obtenidos en distintos sistemas. Sirven para comparar de forma general las GPU, pero no muestran la velocidad de los cálculos científicos FP64 ni del trabajo con modelos de lenguaje.

La P100 PCIe supera a la T4 aproximadamente en un 19 %, pero es un 18 % más lenta que su propia versión SXM2. Esta última requiere una plataforma de servidor específica y no se puede instalar en una ranura PCIe convencional.

Por qué la P100 sigue siendo interesante para los cálculos

En las aplicaciones científicas, FP64 se utiliza para cálculos que requieren una elevada precisión numérica, como la simulación de procesos físicos, la dinámica de fluidos computacional y algunas tareas de ingeniería.

Por ejemplo, al realizar operaciones con matrices de doble precisión, la Tesla P100 ofrece un rendimiento teórico de 4,7 TFLOPS, frente a aproximadamente 0,375 TFLOPS de la P40. La diferencia es enorme, aunque la aceleración real depende del algoritmo, del volumen de intercambio con la memoria y de la eficiencia del programa.

La memoria HBM2 también resulta útil en tareas que procesan grandes conjuntos de datos. Su ancho de banda de 732 GB/s es especialmente beneficioso en cargas con lecturas y escrituras intensivas. La compatibilidad con ECC mejora aún más la fiabilidad de los cálculos prolongados.

Por eso, la P100 no puede considerarse simplemente una tarjeta gráfica obsoleta. En aplicaciones científicas compatibles todavía es capaz de realizar un trabajo útil.

Una segunda vida en el mercado de segunda mano

En 2026, la Tesla P100 ha despertado el interés de los propietarios de servidores domésticos y de quienes disfrutan experimentando con equipos económicos. Las tarjetas que antes funcionaban en centros de datos aparecen en el mercado de segunda mano a precios incomparables con su coste original.

En octubre de 2026, en el eBay estadounidense se encontraban anuncios de P100 PCIe 16 GB por aproximadamente $100-160. Algunos entusiastas aseguran haberlas comprado por $75-80. El precio depende del estado, el vendedor y la región.

Por una cantidad relativamente pequeña, el comprador obtiene 16 GB de memoria de vídeo con un ancho de banda elevado. Eso es precisamente lo que atrae a quienes montan servidores de cálculo domésticos o quieren probar a ejecutar LLM locales sin comprar aceleradores modernos y caros.

Sin embargo, la P100 no es una tarjeta gráfica convencional que basta con instalar en el ordenador:

• Refrigeración. La tarjeta incorpora un disipador pasivo y está diseñada para funcionar con un potente flujo de aire dirigido. En un PC doméstico normalmente hace falta un ventilador independiente con conducto de aire.
• Alimentación. Utiliza un conector de ocho contactos CPU/EPS. No se debe conectar un cable PCIe 8-pin convencional sin comprobar antes la asignación de pines.
• Compatibilidad. En algunas placas base antiguas es necesario activar Above 4G Decoding.
• Software. Las bibliotecas CUDA más recientes no siempre son compatibles con la arquitectura Pascal. Algunas aplicaciones deben compilarse manualmente utilizando dependencias antiguas.

Al comprarla, conviene solicitar los resultados del diagnóstico de nvidia-smi, comprobar si existen errores de memoria y averiguar si la tarjeta ha superado una prueba prolongada bajo carga. Un ejemplar barato con la HBM2 defectuosa resulta prácticamente inútil.

¿Es adecuada la P100 para las redes neuronales locales?

La P100 puede ejecutar modelos de lenguaje compatibles en formatos cuantizados. En sus 16 GB de memoria caben muchos modelos de la clase de 7-8 mil millones de parámetros, así como algunos modelos más grandes si se utiliza un nivel de cuantización y un tamaño de contexto adecuados.

Pero el elevado ancho de banda de la memoria no compensa la ausencia de Tensor Cores. Además, la GP100 no ofrece compatibilidad nativa con BF16, y Compute Capability 6.0 limita la compatibilidad con las bibliotecas modernas de aprendizaje automático.

A partir de CUDA 13.0, NVIDIA eliminó la compatibilidad con la compilación para Pascal. Para desarrollar en una P100 hay que utilizar CUDA 12.x y versiones adecuadas de las bibliotecas. Esto no significa que todas las aplicaciones antiguas hayan dejado de funcionar, pero instalar stacks modernos de aprendizaje automático se ha vuelto más complicado.

Para experimentar con LLM, la P100 es una opción válida, especialmente si ya se dispone de la tarjeta. Sin embargo, si se va a comprar específicamente para trabajar con modelos de lenguaje, conviene compararla con la P40 de 24 GB y la V100. La primera permite mantener modelos más grandes íntegramente en la memoria, mientras que la segunda ofrece Tensor Cores y una potencia de cálculo considerablemente superior. Disponer de más memoria no garantiza una mayor velocidad de generación.

¿Merece la pena comprar una Tesla P100 en 2026?

Por unos $100, una P100 PCIe 16 GB en buen estado sigue siendo atractiva para los entusiastas dispuestos a organizar por su cuenta la refrigeración y configurar CUDA. Especialmente si necesitan un acelerador económico para cálculos FP64.

Para ejecutar LLM locales, la compra resulta menos evidente. Además de la propia tarjeta, hay que tener en cuenta la refrigeración, la alimentación, un consumo de hasta 250 W y el tiempo necesario para configurar un software compatible. Si el objetivo principal es ejecutar modelos modernos con comodidad, es preferible optar por una V100 o por tarjetas RTX más recientes.

La Tesla P100 no se ha convertido en una tarjeta gráfica moderna gracias a su bajo precio. Pero, como acelerador de cálculo económico con 16 GB de HBM2, ha conservado su propio nicho. Para cálculos científicos y experimentos es un equipo interesante. Para un PC doméstico de uso general y un funcionamiento de la IA sin complicaciones, es una mala elección.