Memoria de GPU dedicada vs. compartida: qué muestra el Administrador de tareas y por qué ralentiza el render
Qué significan las dos cifras del Administrador de tareas y qué le indican sobre una escena pesada:
- Qué muestra el Administrador de tareas: la memoria de GPU dedicada es la VRAM de la tarjeta gráfica. La memoria de GPU compartida es RAM del sistema que la GPU puede tomar prestada, con un límite de la mitad de la memoria física (Microsoft).
- Por qué se ralentizan los renders: los datos que se desbordan a la memoria de GPU compartida se leen a través de PCIe. Un enlace PCIe 4.0 x16 transfiere unos 31.5 GB/s en cada sentido, frente a los 1,792 GB/s de ancho de banda de VRAM de una RTX 5090 (nuestro cálculo a partir de especificaciones publicadas).
- Qué comprobar: la memoria de GPU dedicada en su límite mientras la memoria de GPU compartida sube durante un render. Varias GPU no suman VRAM para una escena: cada tarjeta necesita su propia copia.
- En iRender: servidores con 1x a 8x RTX 4090 (24 GB) o RTX 5090 (32 GB) y 256 GB de RAM ECC, para que pueda abrir la escena y vigilar ambos contadores antes del render final.
Abra el Administrador de tareas, haga clic en su tarjeta gráfica y verá dos cifras de memoria: Memoria de GPU dedicada y Memoria de GPU compartida. Para jugar rara vez importan. En el render por GPU a menudo explican por qué una escena pesada que ayer se renderizaba bien ahora va lentísima, o se detiene con un error de memoria insuficiente.
Esta guía explica qué significa cada cifra según Microsoft, cuánta memoria de GPU compartida permite Windows, por qué desbordarse a ella cuesta tanta velocidad, cómo reaccionan Cycles, Octane, Redshift y Karma XPU cuando se agota la VRAM y cómo decidir dónde renderizar una escena que ya no cabe.
Contrastado con la documentación de Microsoft, NVIDIA, Blender, OTOY, Maxon y SideFX, noviembre de 2026.
Qué significan la memoria de GPU dedicada y la compartida en el Administrador de tareas
El equipo de DirectX de Microsoft divide la memoria de vídeo en el Administrador de tareas en dos categorías. La memoria dedicada es memoria reservada solo para la GPU y gestionada por el administrador de memoria de vídeo de Windows (VidMm). En una tarjeta gráfica discreta como una RTX 4090 o RTX 5090, la memoria dedicada es la VRAM de la tarjeta. En una GPU integrada es una porción de la RAM del sistema reservada para gráficos, y muchas GPU integradas no reservan nada.
La memoria compartida es RAM normal del sistema que pueden usar tanto la CPU como la GPU, y se reparte entre ellas según cambia la carga de trabajo. La usan tanto las GPU discretas como las integradas. La línea Memoria de GPU es la suma de ambas, y una pequeña cantidad reservada por el controlador aparece por separado como Memoria reservada para hardware.
La pestaña Rendimiento muestra lo que se usa en este momento entre todos los procesos. La pestaña Detalles también puede mostrar la Memoria de GPU dedicada y la Memoria de GPU compartida por proceso: haga clic derecho en un encabezado de columna y elija Seleccionar columnas. Esas cifras por proceso suman más que el total real, porque la memoria compartida entre procesos se cuenta una vez por cada proceso que la usa. Por eso dwm.exe puede parecer mucho más grande de lo que es.
| Línea del Administrador de tareas | Qué es | Qué le indica a un artista 3D |
|---|---|---|
| Memoria de GPU dedicada | VRAM en una tarjeta discreta; RAM reservada en algunas GPU integradas | Cuánto ocupan en la tarjeta su escena, el viewport y otras apps |
| Memoria de GPU compartida | RAM del sistema que la GPU puede tomar prestada | Si los datos se han desbordado fuera de la VRAM |
| Memoria de GPU | Dedicada más compartida | El total que la GPU puede direccionar, no el tamaño de su VRAM |
| Memoria reservada para hardware | Una pequeña cantidad reservada por el controlador | Normalmente no requiere ninguna acción |
Fuente: Microsoft DirectX Developer Blog, GPUs in the Task Manager.
Cuánta memoria de GPU compartida permite Windows
Windows tiene una política según la cual la GPU puede usar como máximo la mitad de la memoria física en cada momento. El propio ejemplo de Microsoft es un sistema de 16 GB, en el que la GPU puede usar hasta 8 GB de RAM del sistema a la vez. Es un techo, no una reserva: hasta que la GPU la necesita, esa RAM sigue disponible para otros programas, y VidMm libera con el tiempo las páginas de superficies inactivas. La memoria de vídeo en Windows también está virtualizada, así que una aplicación puede asignar más que el techo, hasta el límite de confirmación del sistema (RAM instalada más el archivo de paginación).
| RAM del sistema instalada | Techo de memoria de GPU compartida |
|---|---|
| 16 GB | 8 GB |
| 32 GB | 16 GB |
| 64 GB | 32 GB |
| 128 GB | 64 GB |
| 256 GB (servidores de iRender) | 128 GB |
Nuestro cálculo a partir de la política de Microsoft de la mitad de la memoria física. El techo indica cuánta RAM puede tomar prestada la GPU, no a qué velocidad puede leerla.
Una cifra alta de Memoria de GPU compartida no significa que la tarjeta tenga más VRAM. Una tarjeta gráfica de 24 GB en un PC con 64 GB de RAM muestra 24 GB dedicados y 32 GB compartidos, y la escena sigue teniendo 24 GB de memoria rápida para trabajar.
Por qué el render se ralentiza cuando la VRAM se desborda a la memoria compartida
La VRAM está en la tarjeta gráfica, justo al lado de la GPU. La memoria de GPU compartida está en la placa base, así que cada lectura cruza el enlace PCIe. Las dos rutas tienen anchos de banda muy distintos. Las especificaciones publicadas dan a la RTX 4090 1,008 GB/s y a la RTX 5090 1,792 GB/s de ancho de banda de memoria. PCIe 4.0 funciona a 16 GT/s por carril; una ranura x16 ofrece unos 63 GB/s contando ambos sentidos tras la sobrecarga de codificación, es decir, aproximadamente 31.5 GB/s en cada sentido (Rambus).
Cómo leer la figura. La mitad superior es la tarjeta gráfica: la GPU lee su propia VRAM, que el Administrador de tareas llama memoria de GPU dedicada, a hasta 1,792 GB/s en una RTX 5090. La mitad inferior es la placa base: todo lo que se desbordó de la VRAM está en la RAM del sistema como memoria de GPU compartida y tiene que cruzar el enlace PCIe 4.0 x16 a unos 31.5 GB/s en cada sentido. El ancho de las dos rutas es lo esencial de la figura: la misma textura es mucho más lenta de alcanzar una vez que sale de la tarjeta.
En resumen: una textura o malla que permanece en la VRAM se lee a hasta 1,792 GB/s en una RTX 5090, mientras que los mismos datos en la memoria de GPU compartida llegan por PCIe a unos 31.5 GB/s en cada sentido en una ranura PCIe 4.0 x16.
| GPU en un enlace PCIe 4.0 x16 | Ancho de banda de VRAM | Enlace a la RAM del sistema (por sentido) | VRAM vs. enlace |
|---|---|---|---|
| RTX 4090 (24 GB) | 1,008 GB/s | unos 31.5 GB/s | unas 32 veces |
| RTX 5090 (32 GB) | 1,792 GB/s | unos 31.5 GB/s | unas 57 veces |
Nuestro cálculo a partir de cifras pico publicadas; no es una prueba de velocidad. Cuánto se ralentiza un render depende de qué se desbordó y de con qué frecuencia lo lee el motor de render.
La documentación de Direct3D 12 de Microsoft indica que el kernel de Windows puede mover memoria de las GPU discretas de la memoria de vídeo a la memoria del sistema solo como último recurso extremo, y advierte que el recurso equivocado en la memoria del sistema puede perjudicar gravemente el rendimiento. Los motores de render notan el mismo efecto. Los desarrolladores de Cycles de Blender estiman que las texturas leídas desde la RAM del sistema son aproximadamente un 20–30% más lentas, y otros datos de la escena que se desbordan, mucho más lentos que eso.
NVIDIA añadió una segunda capa en Windows. Desde el controlador 536.40, el controlador de NVIDIA puede permitir que las aplicaciones CUDA recurran a la memoria del sistema cuando la VRAM está llena, en lugar de detenerse con un error de memoria insuficiente. El comportamiento se define con CUDA – Sysmem Fallback Policy en NVIDIA Control Panel > Manage 3D Settings, de forma global o por programa, con las opciones Driver Default, Prefer Sysmem Fallback y Prefer No Sysmem Fallback. Los desarrolladores de SideFX señalan el mismo mecanismo cuando la memoria de OptiX se desborda a la RAM del sistema en Windows. El uso de la memoria del sistema mantiene el render en marcha, pero funciona a velocidad PCIe para los datos que ya no caben.
Cómo gestiona cada motor de render una escena más grande que la VRAM
Windows y el controlador de NVIDIA deciden adónde puede ir la memoria, pero cada motor de render decide qué hacer cuando la escena no cabe. Esto es lo que documentan los desarrolladores:
| Motor de render | Cuando la escena no cabe en la VRAM | Qué vigilar |
|---|---|---|
| Cycles (CUDA / OptiX) | Usa la RAM del sistema automáticamente y deja al menos la mitad de la RAM para otro software. Las texturas fuera de la VRAM cuestan aproximadamente un 20–30% de velocidad; otros datos de la escena cuestan más. | Cada GPU solo puede usar su propia memoria, así que una segunda tarjeta añade velocidad, no espacio. |
| OctaneRender | Con Enable Out of Core Textures/Geometry activado en la pestaña Out of Core, Octane guarda en la RAM del sistema los recursos que ya no caben. La memoria out-of-core se comparte entre las GPU. | El RAM Usage Limit que fije se resta a Windows y a otras apps; deje suficiente para el sistema. |
| Redshift | Pasa a out-of-core para geometría y texturas y sigue renderizando, más despacio. Los volúmenes VDB y los datos de irradiance cache / point cloud no pueden ir out-of-core y detienen el render con un error si falta VRAM. | En el log de Redshift, una cantidad transferida por PCIe mayor que el tamaño de la caché significa que el fotograma pasó a out-of-core. |
| Karma XPU | Usa todos los dispositivos compatibles, cada GPU con su propia memoria. Si una GPU falla, por ejemplo por quedarse sin VRAM, los dispositivos restantes, incluida la CPU, continúan. | El render puede ralentizarse mucho sin ningún error; KARMA_XPU_DISABLE_EMBREE_DEVICE=1 desactiva el dispositivo CPU para que el fallo de una GPU se haga visible. |
Fuentes: Blender Manual, GPU Rendering; OTOY, Out of Core Tab (Cinema 4D); Maxon, Managing VRAM issues with Redshift; SideFX, Karma XPU.
Dos fuentes de Maxon describen Redshift en varias GPU de forma distinta. El artículo de soporte de Maxon afirma que Redshift no combina la VRAM al usar varias GPU, mientras que su página de producto de render 3D menciona el pooling de memoria multi-GPU y dice que Redshift comparte la memoria out-of-core entre tarjetas. Este artículo sigue el artículo de soporte: planifique como si cada GPU guardara la escena en su propia VRAM y consulte la documentación más reciente de Maxon para su versión de Redshift.
La regla práctica es la misma para los cuatro motores: más GPU hacen que un fotograma se renderice más rápido, pero la escena más grande que puede mantener por completo en VRAM la fija una sola tarjeta. Ocho RTX 5090 siguen dándole 32 GB por escena, no 256 GB.
Cómo leer la figura. Cada una de las cuatro cajas es una RTX 5090 que guarda su propia copia completa de la escena. La fila central muestra por qué ayudan más GPU: las cuatro renderizan, así que los fotogramas terminan antes. La columna derecha muestra lo que no cambia: la escena más grande que cabe sigue siendo de 32 GB, fijada por una tarjeta. Si su escena no cabe en una tarjeta, añadir GPU no lo soluciona; reducir la escena o usar una tarjeta con más VRAM sí.
Cómo comprobar si su render usa memoria de GPU compartida
- Abra Administrador de tareas > Rendimiento > GPU y seleccione la tarjeta que renderiza. En un equipo multi-GPU cada GPU tiene su propia página.
- Anote la Memoria de GPU dedicada antes de abrir la escena. Windows, el viewport de la app 3D, los navegadores y los reproductores de vídeo también usan VRAM, y el Administrador de tareas lo cuenta todo.
- Renderice el fotograma más pesado con los ajustes finales y observe ambos gráficos. Si la Memoria de GPU dedicada se queda fija en el límite de la tarjeta mientras la Memoria de GPU compartida sube, la escena se está desbordando a la RAM del sistema.
- Abra la pestaña Detalles y añada las columnas Memoria de GPU dedicada y Memoria de GPU compartida para ver qué proceso la usa.
- Lea el informe del propio motor. Redshift escribe estadísticas de memoria de GPU en su log; Octane muestra el uso de memoria del dispositivo; Cycles muestra el uso de memoria en la ventana de render.
- Prueba opcional: ponga CUDA – Sysmem Fallback Policy en Prefer No Sysmem Fallback para el programa de su motor de render. Si ahora el render se detiene con un error de memoria insuficiente, la escena no cabía. Restablézcalo después si prefiere un final lento a un render detenido.
Cómo leer la figura. El par de gráficos de la izquierda es una escena que cabe: la memoria dedicada sube y se estabiliza por debajo del límite de la tarjeta, y la compartida se mantiene plana. El par de la derecha es una escena más pesada en la misma tarjeta: la memoria dedicada queda fija en el límite y la compartida sigue subiendo. Si su propio Administrador de tareas se parece al par de la derecha durante un render, la escena se está desbordando a la RAM del sistema, y eso es lo primero que debe corregir cuando los renders se ralentizan.
Formas de volver a meter una escena en su VRAM
- Cierre otras apps de GPU mientras renderiza. La Memoria de GPU dedicada se cuenta entre todos los procesos, así que un navegador o una segunda app 3D le quitan espacio al render.
- Reduzca la resolución de las texturas donde la cámara no ve detalle. En Blender, Render Properties > Simplify tiene un Texture Limit. El propio consejo de Maxon para Redshift es usar texturas 4K en lugar de 16K cuando sea posible, sobre todo con UDIM.
- Use instancias para los objetos repetidos en lugar de copias completas, para que la malla se almacene una sola vez.
- Active out-of-core a propósito en Octane o Redshift y acepte el fotograma más lento, en lugar de dejar que el controlador desborde datos que usted no puede controlar.
- Pase a una tarjeta con más VRAM cuando la escena sea sencillamente más grande que la tarjeta: el salto de 24 GB (RTX 4090) a 32 GB (RTX 5090) suele bastar para mantener un fotograma pesado dentro de la VRAM.
Lista de verificación de desbordamiento de VRAM
Marque cada elemento en el equipo que renderizará el fotograma más pesado.
¿Render farm SaaS o IaaS para una escena que desborda la VRAM?
Ambos tipos de render farm renderizan el mismo archivo de escena, y la memoria que necesita una escena viene del archivo, no de la render farm. Lo que cambia es dónde descubre si cabe y cómo lo soluciona. En una render farm SaaS usted envía el trabajo y lee el resultado y los logs. En una render farm IaaS como iRender usted abre la escena en la GPU de destino y vigila el Administrador de tareas mientras la modifica.
| Su situación | Render farm SaaS | Render farm IaaS (iRender) |
|---|---|---|
| La escena ya cabe en la VRAM de su PC y solo necesita los fotogramas finales | Una buena opción: suba, envíe y recoja los fotogramas, sin ningún equipo que gestionar | También funciona, pero usted configura el servidor y el software |
| Tiene una fecha límite y necesita saber cuándo empieza y termina el render | Los trabajos entran en la cola de la render farm, así que la hora de inicio depende de lo ocupada que esté; muchas render farms venden planes de mayor prioridad para empezar antes | El servidor ejecuta solo su trabajo desde que arranca, así que usted controla cuándo empieza el render y puede planificar los tiempos de todo el trabajo |
| La escena se desborda a la memoria compartida en su equipo y renderiza lento | El trabajo se ejecuta en el hardware de la render farm; usted sabe si cupo por el log y el tiempo de render | Abra la escena en una GPU de 24 GB o 32 GB, vigile en vivo la Memoria de GPU dedicada y compartida y ajuste las texturas en la misma sesión |
| Quiere probar un ajuste del controlador como CUDA - Sysmem Fallback Policy | Los ajustes del controlador los gestiona la render farm | Acceso completo de administrador: cambie el ajuste, reinicie el servidor usted mismo si hace falta y compare |
| Una animación larga que ya cabe | Reparte los fotogramas entre muchos nodos automáticamente | Alquile varios servidores y asigne a cada uno un rango de fotogramas |
| Prefiere no operar un equipo | Los presets de envío y el soporte de la render farm se encargan | El soporte Elite ayuda, pero usted opera el equipo |
Una comparación de cómo funcionan los dos modelos de farm para esta tarea, no una prueba de velocidad.
Una regla sencilla: si la escena ya cabe y solo necesita fotogramas, una render farm SaaS es el camino más corto. Si aún necesita averiguar si la escena cabe en 24 o 32 GB, o por qué se ralentiza, necesita un equipo que pueda vigilar y modificar, y eso es lo que le da un servidor IaaS.
Un flujo de prueba de VRAM en un servidor de iRender
Cómo leer la figura. La caja izquierda es su propia estación de trabajo y la derecha es un servidor de iRender; las filas entre ambas son lo que se mantiene igual: el escritorio, la versión de su software, los plugins, las licencias y los ajustes de render. La única fila que cambia es el número de GPU, 1, 2, 4 u 8 RTX 5090 o RTX 4090. Tenga en cuenta que cada tarjeta conserva su propia VRAM, así que los límites de memoria de esta guía se aplican también por GPU en el servidor.
- Suba primero. Ponga la escena y las texturas en iRender Drive antes de iniciar un servidor; la transferencia y el almacenamiento son gratuitos y no corre tiempo de alquiler mientras sube.
- Elija por VRAM por GPU y luego por número de GPU. Los servidores RTX 4090 (3S, 4S, 5S, 9S) tienen 24 GB por GPU; los servidores RTX 5090 (3i, 4i, 5i, 9i) tienen 32 GB por GPU. Más GPU aceleran Octane, Redshift y Cycles, pero no añaden memoria por escena. Para Karma XPU, los servidores de 4 GPU son los que mejor escalan.
- Mida. Inicie el servidor, abra el Administrador de tareas, renderice el fotograma más pesado y anote el pico de Memoria de GPU dedicada y si sube la Memoria de GPU compartida. Los servidores de 1 GPU tienen un mínimo de una hora; los servidores con varias GPU se facturan por minuto.
- Corrija o suba de nivel. Si el fotograma se desborda en una RTX 4090, pruebe el mismo fotograma en una RTX 5090 o reduzca las texturas. Con 256 GB de RAM ECC, el out-of-core de Octane o Redshift tiene espacio para trabajar cuando decida usarlo.
- Renderice. Cuando el fotograma quepa, renderice la secuencia. Si tiene una fecha límite, ejecute varios servidores con rangos de fotogramas separados; como la facturación es por minuto, el coste total se mantiene cerca del de un solo servidor funcionando más tiempo.
Preguntas frecuentes
1. ¿Cuál es la diferencia entre la memoria de GPU dedicada y la compartida?
La memoria de GPU dedicada es memoria reservada para la GPU; en una tarjeta gráfica es la VRAM de la placa. La memoria de GPU compartida es RAM del sistema que la GPU puede tomar prestada, gestionada por Windows y limitada a la mitad de la memoria física.
2. ¿Puedo aumentar la memoria de GPU compartida?
Añadir RAM al sistema eleva el techo, porque Windows permite a la GPU usar hasta la mitad de la memoria física. No añade VRAM, y los datos en la memoria compartida se leen por PCIe, mucho más despacio que la VRAM.
3. ¿Es malo para el render un uso alto de memoria de GPU compartida?
Es una señal de alerta cuando la Memoria de GPU dedicada está en su límite y la Memoria de GPU compartida sigue subiendo durante un render. En ese caso, parte de la escena se lee por PCIe y el render se ralentiza.
4. ¿Dos GPU duplican mi VRAM para una escena?
No. Cada GPU guarda su propia copia de la escena, así que dos tarjetas de 24 GB siguen dándole 24 GB por escena. La segunda tarjeta añade velocidad de render, no memoria.
5. ¿Debo desactivar la CUDA Sysmem Fallback Policy?
Ponerla en Prefer No Sysmem Fallback hace que un motor de render CUDA se detenga con un error de memoria insuficiente en lugar de ralentizarse. Es útil para comprobar si una escena cabe; mantenga el valor predeterminado si prefiere que el render termine despacio.
6. ¿Cómo puedo comprobar si mi escena cabe en 24 GB o 32 GB antes de comprar una GPU?
Renderice el fotograma más pesado en un equipo con esa GPU mientras vigila el Administrador de tareas. En iRender puede alquilar un servidor RTX 4090 con 24 GB o un servidor RTX 5090 con 32 GB para una sola sesión y comparar.
7. ¿Qué es la memoria de GPU compartida en el Administrador de tareas?
Es RAM del sistema que la GPU puede tomar prestada, mostrada en Administrador de tareas › Rendimiento › GPU junto a la Memoria de GPU dedicada. Windows la gestiona y la limita a la mitad de la memoria física, así que un PC con 64 GB de RAM muestra un límite de unos 32 GB. Los datos que la GPU lee desde allí son mucho más lentos de alcanzar que la VRAM.
Renderice escenas pesadas en iRender
iRender es una render farm GPU IaaS: usted alquila un servidor bare-metal con 1, 2, 4 u 8 GPU NVIDIA RTX 4090 (24 GB) o RTX 5090 (32 GB), una CPU AMD Ryzen™ Threadripper™ PRO, 256 GB de RAM ECC y un SSD NVMe de 2 TB, se conecta por escritorio remoto y trabaja en él como en su propia estación de trabajo, con acceso completo de administrador. La imagen de su servidor se guarda entre sesiones, y puede reiniciar el servidor usted mismo tras cambiar un ajuste de Windows o del controlador.
Los servidores multi-GPU se facturan por minuto (los servidores de 1 GPU tienen un mínimo de una hora), y las sesiones de 3 horas o más tienen un 10% de descuento. Nuestros servidores de 4 y 8 GPU tienen refrigeración líquida; en nuestras propias mediciones, las GPU se mantienen a 60–70°C bajo carga de render sostenida. El soporte Elite está disponible los 7 días de la semana por línea directa, chat en vivo, Skype, WhatsApp y correo electrónico.
Este inicio rápido muestra cómo iniciar un servidor y conectarse a él:
Para ver lo que significan en la práctica los 8 GB extra por GPU y la memoria más rápida de la RTX 5090, aquí tiene dos de nuestras comparativas grabadas RTX 5090 vs RTX 4090, en Cinema 4D con Octane y en Blender:
Los nuevos usuarios reciben un bono del 100% en la primera recarga (mínimo $50). Vea todos los planes en la página de precios o descargue la app iRender GPU.
Fuentes: Microsoft DirectX Blog: GPUs in the Task Manager · Microsoft Learn: Direct3D 12 Residency · NVIDIA: System Memory Fallback · foro de SideFX: OptiX memory spill-over on Windows · Rambus: PCIe 4.0 bandwidth · Blender Manual: GPU Rendering · Blender Manual: Simplify · OTOY: Out of Core Tab · Maxon: Managing VRAM issues with Redshift · Maxon: Is memory combined on multiple GPUs? · Maxon: 3D rendering · SideFX: Karma XPU. Cifras de ancho de banda de memoria de GPU según nuestra página de precios; cifras de out-of-core de Cycles según notas de los desarrolladores de Blender (2018).




