November 17, 2026 Kath Nguyen

Render multi-GPU con Redshift en Cinema 4D: cómo escala, la VRAM y cuándo compensan más GPU

Resumen ejecutivoPuntos clave: render multi-GPU con Redshift en Cinema 4D
Escalado • VRAM • Fotogramas vs GPU

Redshift renderiza más rápido con más GPU, pero solo se comparte la velocidad, no la memoria. Los puntos principales de la documentación de Maxon:

  • La velocidad se comparte: todas las GPU de una máquina pueden trabajar en el mismo fotograma dividiéndolo en buckets; Maxon advierte que la ganancia puede no ser lineal.
  • La memoria no: según el soporte de Maxon, Redshift no combina la VRAM entre GPU. Cuatro tarjetas de 32 GB siguen suponiendo un límite de 32 GB en VRAM.
  • Dos modos: renderizar cada fotograma en todas las GPU, o renderizar varios fotogramas a la vez en subconjuntos de GPU; las animaciones largas y ligeras suelen escalar mejor de la segunda forma.
  • Trabajos medidos: en iRender, 150 fotogramas se renderizaron en 1 h 42 min en 4x RTX 5090 y 360 fotogramas en 1 h 18 min en 8x RTX 4090 (dos escenas distintas).
  • En iRender: servidores con 2x, 4x y 8x RTX 5090 o RTX 4090 con Cinema 4D y Redshift preinstalados; reparta las secuencias largas entre varios servidores para cumplir plazos.

Añadir GPU es la forma más rápida de acelerar Redshift, pero no funciona como mucha gente espera. Más tarjetas comparten el trabajo de cada fotograma; no suman su memoria. Esta guía explica cómo usa Redshift varias GPU, qué limita el escalado y cómo elegir entre 2, 4 y 8 GPU, según la documentación de Maxon y trabajos registrados en iRender.

Contrastado con la documentación de Cinema 4D y Redshift, noviembre de 2026.

1. ¿Cómo usa Redshift varias GPU?

Redshift divide cada fotograma en buckets y los reparte entre las GPU disponibles, así que todas las tarjetas trabajan en el mismo fotograma (Maxon: recomendaciones de hardware). La escena en sí no se divide: cada GPU necesita su propia copia en su propia memoria.

iRender
Cómo usa Redshift varias GPU
la velocidad se comparte, la memoria no
UN FOTOGRAMA, CUATRO GPU: LOS BUCKETS SE COMPARTEN, LA ESCENA SE COPIAEl fotograma: buckets repartidos entre GPUcada GPU renderiza buckets distintos del mismo fotogramaLa memoria: cada GPU guarda la escena completaGPU 1copia completa de la escena32 GBGPU 2copia completa de la escena32 GBGPU 3copia completa de la escena32 GBGPU 4copia completa de la escena32 GB4 × 32 GB sigue siendo un límite de escena de 32 GB, no de 128 GB✓ Más GPU = más velocidad por fotograma; más VRAM por GPU = escenas más grandesSoporte de Maxon: Redshift no combina la VRAM al usar varias GPU; cada GPU solo puede usar su propia memoria
GPU 1GPU 2GPU 3GPU 4
Basado en artículos de soporte de Maxon sobre render multi-GPU

A la izquierda, el fotograma se reparte bucket a bucket, y por eso más GPU hacen más rápido cada fotograma. A la derecha, cada tarjeta guarda la escena completa, y por eso cuatro GPU de 32 GB siguen dando un límite de escena de 32 GB. Maxon lo dice directamente: Redshift no combina la VRAM al usar varias GPU (soporte de Maxon).

ModosRedshift multi-GPU

Dos formas de usar varias GPU con Redshift

Según las recomendaciones de CPU, GPU y hardware de Maxon para Redshift.

ModoCómo funcionaIdeal para
Todas las GPU en cada fotogramaRedshift divide el fotograma en buckets y cada GPU renderiza una parte. Maxon advierte que la ganancia puede no ser lineal.Fotogramas pesados, imágenes fijas, look-dev y renders de prueba
Varios fotogramas a la vezProcesos de render separados, cada uno con un subconjunto de las GPU, renderizan fotogramas distintos en paralelo.Animaciones largas de fotogramas ligeros donde domina la sobrecarga por fotograma
Varios servidoresDivida el rango de fotogramas entre máquinas; cada una renderiza sus propios fotogramas.Plazos de entrega; el tiempo de entrega baja aproximadamente con el número de servidores
MemoriaEn todos los modos, cada GPU necesita VRAM suficiente para la escena; los datos que no caben pasan a out-of-core y se renderizan más despacio.

Una nota sobre las fuentes acerca de la VRAM: el artículo de soporte de Maxon afirma que Redshift no combina la VRAM al usar varias GPU. La página de producto de render 3D de Maxon también menciona el “multi-GPU memory pooling” y dice que Redshift comparte la memoria out-of-core entre varias tarjetas. Este artículo sigue el artículo de soporte: planifique como si cada GPU guardara la escena en su propia VRAM. Consulte la documentación más reciente de Maxon para su versión de Redshift.

2. ¿Por qué Redshift no escala de forma perfecta con más GPU?

Parte de cada fotograma es trabajo que las GPU no pueden compartir, y algunos ajustes influyen en lo uniformemente que se reparte el trabajo. Maxon indica que renderizar un único fotograma en todas las GPU puede dar una ganancia no lineal, y que los buckets grandes pueden reducir el rendimiento multi-GPU salvo que la imagen sea de alta resolución (Maxon: ajustes de System).

iRender
Qué limita el escalado multi-GPU de Redshift
REDSHIFT
Tiempo de un fotograma (ilustrativo)1 GPUparte fijarender de buckets, compartido entre GPU2 GPUlos buckets se reducen a la mitad4 GPUuna cuarta parte cada una8 GPUahora domina la parte fijaLa exportación de la escena, la carga de datos y la escritura de la imagen no se reducen con más GPUCuanto mayor es la parte fija, menos ayuda cada GPU adicional; cachear deformadores y simulaciones pesadas la reduce
Fijo por fotogramaTrabajo de buckets compartido
Proporciones ilustrativas, no medidas

La tabla enumera cada factor limitante y qué hacer al respecto.

Escaladoqué lo limita

Qué decide lo bien que escala Redshift

Según la documentación de Maxon; compruebe cada factor en su propia escena.

FactorPor qué importaQué hacer
Tiempo de preparación de la escenaLa exportación y la preparación de la escena ocurren antes de que las GPU empiecen cada fotograma y no se aceleran con más GPU.Revise el log por fotograma; cachee deformadores y simulaciones pesadas
Tamaño de bucketMaxon indica que los buckets grandes pueden reducir el rendimiento con varias GPU salvo que el fotograma sea de alta resolución; el valor por defecto es 128x128.Mantenga el valor por defecto salvo que tenga un motivo
VRAM por GPULa VRAM no se combina entre GPU; los datos out-of-core son más lentos.Vigile la memoria en el Feedback Display
GPU mezcladasCada tarjeta debe seguir guardando la escena, así que la tarjeta más pequeña fija el límite en VRAM.Use GPU iguales para escenas pesadas
NotaMaxon recomienda una CPU más potente cuando se manejan cuatro o más GPU.

3. Cómo elegir entre 2, 4 y 8 GPU (paso a paso)

Checklist de ajustes (cópiela o sígala línea a línea):

Checklist de ajustes
1. ¿Cabe la escena en una GPU?
Redshift Feedback Display → memoria de geometría + texturas
> 24 GB → use GPU RTX 5090 de 32 GB
2. Cronometre 2–3 fotogramas representativos
2 GPU (4S / 4i) → segundos por fotograma = A
4 u 8 GPU (5i / 9i) → segundos por fotograma = B
aceleración = A ÷ B // 2× GPU con mucho menos de 2× = sobrecarga por fotograma alta
3. Coste por fotograma = segundos por fotograma ÷ 3600 × precio por hora
4. Secuencias largas y ligeras → varios fotogramas a la vez (subconjuntos de GPU o servidores)
5. Trabajo completo → mejor coste por fotograma × número de fotogramas

Paso 1: compruebe que la escena cabe en una GPU

Abra el Feedback Display y observe la memoria de geometría y texturas (Maxon: Memory). Si la escena no cabe en una tarjeta de 24 GB, use GPU RTX 5090 de 32 GB.

Paso 2: cronometre un fotograma con 2 GPU

Renderice 2 o 3 fotogramas representativos y anote los segundos por fotograma.

Paso 3: cronometre los mismos fotogramas con 4 u 8 GPU

Compare los segundos por fotograma y el coste por fotograma. Si duplicar las GPU da mucho menos del doble de velocidad, la sobrecarga por fotograma es alta.

Paso 4: pruebe varios fotogramas a la vez

Para secuencias largas y ligeras, renderice rangos de fotogramas en paralelo en subconjuntos de GPU o en varios servidores.

Paso 5: planifique el trabajo completo

Multiplique el mejor coste por fotograma por su número de fotogramas. Nuestra guía de costes muestra el cálculo.

iRender
Elegir el número de GPU: mida en su propia escena
ELEGIR
s / fotogramaGPU en el servidor2 GPU4 GPU8 GPUABescalado perfecto1¿Cabe en 24 GB?si no, use RTX 5090 de 32 GB2Cronometre 2 GPU (A) y luego 4 u 8 (B)aceleración = A ÷ B3¿Mucho menos de 2× al duplicar?ejecute rangos de fotogramas en varios servidoresCoste por fotograma = segundos por fotograma ÷ 3600 × precio por hora; multiplíquelo por su número de fotogramas
Sus fotogramas medidosEscalado perfecto
La curva es ilustrativa; use sus propios tiempos

Una prueba rápida le dice hacia qué lado se inclina su escena:

Comprobación rápida: si 8 GPU apenas son más rápidas que 4 en su escena, divida mejor el rango de fotogramas entre dos servidores de 4 GPU; probablemente domina la preparación por fotograma.

4. ¿Qué tan rápidos son los trabajos reales de Redshift en servidores multi-GPU?

Trabajos registrados en iRender: 150 fotogramas renderizados en 1 h 42 min en 4x RTX 5090 (40,84 s por fotograma), y 360 fotogramas en 1 h 18 min en 8x RTX 4090. Son escenas distintas, así que muestran tiempos de trabajos reales y no una curva de escalado. Los resultados completos están en nuestro benchmark de Redshift.

Trabajos de Redshift registrados en servidores multi-GPU de iRender.

5. Servidor multi-GPU o render farm que reparte fotogramas: ¿qué encaja?

Una render farm SaaS suele repartir los fotogramas entre muchas máquinas, así que el tiempo de entrega de una escena terminada puede ser corto y usted no administra hardware. Una render farm IaaS como iRender le da un servidor multi-GPU completo: todas las GPU trabajan en cada fotograma, puede probar fotogramas primero y puede alquilar varios servidores para dividir una secuencia larga. Elija según lo que necesita el trabajo: escena final y el menor tiempo de entrega, o pruebas y control sobre el hardware de render.

En iRender usted alquila un servidor completo con 2x, 4x u 8x GPU RTX 5090 o RTX 4090, con Cinema 4D y Redshift preinstalados; los miembros Prime obtienen licencias activadas de Cinema 4D y Redshift. Según Maxon, los nodos de render adicionales necesitan su propia licencia de Redshift, así que compruebe las licencias antes de dividir un trabajo entre máquinas. Los tiempos de render reales están en nuestro benchmark de Redshift, y los planes en la página de la render farm de Cinema 4D y Redshift.

iRender
Cómo funciona iRender: su computadora controla su propio servidor multi-GPU
render farm IaaS
Su PC o MacNo necesita una GPU potenteEscritorio remotoPantalla en vivo1:1 como su PCSU PROPIO SERVIDOR GPUbare-metal · no compartidoGPUGPUGPUGPUGPUGPUGPUGPU1, 2, 4 u 8 × RTX 5090 (32 GB) o RTX 4090 (24 GB)Threadripper PRO · 256 GB de RAM ECC · SSD NVMe de 2 TBAcceso completo de administrador · su configuración se guarda entre sesiones1Regístrese y recarguePrimera recarga de $50+ duplicada2Suba su proyectoiRender Drive, gratis3Inicie y conécteseEscritorio remoto, cualquier SO4Renderice y apagueLa facturación se detiene, por minuto✓ Su estación de trabajo, solo que con más GPU: sin colas, sin plugin de granja, sin envío de trabajos, sin cambiar ajustes
Su ratón y tecladoPantalla del servidor transmitida de vuelta
Esquema, no a escala

6. Preguntas frecuentes sobre Redshift multi-GPU

¿Redshift usa varias GPU?
Sí. Redshift puede usar todas las GPU de una máquina para renderizar cada fotograma, dividiéndolo en buckets. También puede renderizar varios fotogramas a la vez, cada uno en un subconjunto de GPU.

¿Redshift combina la VRAM de varias GPU?
No. Según el soporte de Maxon, Redshift no combina la VRAM al usar varias GPU; cada GPU solo puede usar su propia memoria. Los datos que no caben se gestionan out-of-core, lo que es más lento.

¿8 GPU son el doble de rápidas que 4 en Redshift?
No siempre. Maxon indica que renderizar un único fotograma con todas las GPU puede dar una ganancia no lineal, y la preparación de la escena por fotograma no se acelera con más GPU. Pruebe su propia escena en ambos y compare los segundos por fotograma.

¿Debo renderizar un fotograma en todas las GPU o varios fotogramas a la vez?
Los fotogramas pesados suelen beneficiarse de todas las GPU por fotograma. Las animaciones largas de fotogramas ligeros, en las que la preparación de la escena es una gran parte de cada fotograma, pueden terminar antes renderizando varios fotogramas a la vez en subconjuntos de GPU.

¿Puedo combinar una RTX 5090 y una RTX 4090 en Redshift?
Redshift puede usar ambas, pero cada GPU debe guardar la escena, así que los 24 GB de la tarjeta más pequeña fijan el límite en VRAM para las escenas renderizadas en ambas.

¿Necesito una licencia de Redshift distinta para cada máquina?
Según Maxon, la licencia GPU de Redshift incluida en una suscripción de Cinema 4D cubre su estación de trabajo principal; los nodos de render adicionales necesitan su propia licencia de Redshift para renderizar en la GPU.

Acelere su pipeline de producción con servicios de render farm IaaS de alto rendimiento y estaciones de trabajo bare metal dedicadas con hasta 8x NVIDIA GeForce RTX 5090 (32GB GDDR7), procesadores AMD Ryzen™ Threadripper™ PRO de alta frecuencia, 256GB de RAM ECC y almacenamiento SSD NVMe de 2TB dedicado, adaptados a su pipeline:
, , , , ,

Kath Nguyen

Kath Nguyen works in customer support at iRender, helping artists move Blender and Cinema 4D projects to multi-GPU servers. She has written more than 140 articles for the iRender blog.
Contact

iRENDER GPU

Render Farm Pricing
Quick Start
Multi-GPU Benchmarks
iRender GPU App
Blog
Documentation
The Render Farm
The Company
Terms & Conditions

INTEGRATIONS

Autodesk Maya
Blender
Cinema 4D
Houdini
Karma XPU
Lumion
KeyShot
Unreal Engine
Twinmotion
Redshift
Octane
And many more…

iRENDER TEAM

Elite support 7 days a week
SATURDAY – SUNDAY: 6:00 AM – 11:59 PM
(UTC+7)
Hotline: (+84) 912-785-500
Skype: iRender Support
Email: [email protected]
Address 1: 68 Circular Road #02-01, 049422, Singapore.
Address 2: No.22 Thanh Cong Street, Hanoi, Vietnam.

Contact
이 페이지는 한국어로도 제공됩니다. 한국어로 보기 →