Guía técnica 2026: qué CPU, GPU y SSD necesitas? Captura y Procesado en Astrofotografía.
Comparando rendimiento y benchmark aplicado a software. Capacidades IA.
📌 1) Introducción
Desde 2015 hasta 2026 el hardware ha evolucionado de forma drástica, y con él los flujos de trabajo en astrofotografía: captura, alineado, apilado, reducción de ruido e incluso el propio almacenamiento han cambiado de raíz. El
apilado clásico en 2D para calibrado y combinación de tomas sigue siendo el método base, pero hoy herramientas modernas incorporan
análisis más avanzados de señal y ruido, aceleración por GPU e incluso uso práctico de IA en partes del flujo de trabajo.
Tres grandes pilares marcan esta evolución: el salto definitivo al
almacenamiento SSD, la proliferación de
software especializado maduro —tanto gratuito como comercial— y el aumento progresivo de
capacidad de cómputo accesible para cualquier bolsillo.
Las secciones siguientes desarrollan cada componente en detalle:
💾 2) La revolución del almacenamiento: SSD !
El año 2015 marca el punto de inflexión real en el acceso masivo a los SSD. Hasta entonces, la mayoría de equipos —incluidos los usados en astrofotografía— montaban discos mecánicos de 5.400 rpm como unidad principal, con velocidades de lectura/escritura de
80–120 MB/s y latencias aleatorias de 10–15 ms.
A partir de 2015, los SSD SATA de 240–480 GB bajaron a precios accesibles (<80–100 €), multiplicando el ancho de banda por 4–5x:
| Tecnología | Velocidad típica (lectura secuencial) | Latencia aleatoria | Época de adopción masiva |
HDD
5.400 rpm | 80–100 MB/s | 10–15 ms | Hasta ~2014 |
HDD
7.200 rpm | 120–160 MB/s | 8–12 ms | Hasta ~2015 |
SSD
SATA III | 400–550 MB/s | 0,05–0,1 ms | 2015–hoy |
NVMe M.2
(PCIe 3.0) | 2.000–3.500 MB/s | <0,05 ms | 2017–hoy |
NVMe M.2
(PCIe 4.0) | 5.000–7.000 MB/s | <0,03 ms | 2020–hoy |
¿Por qué importa tanto en astrofotografía?Un flujo de trabajo astronómico moderno genera y mueve volúmenes de datos considerables. Algunos ejemplos concretos:
Parte del contenido está bloqueado al no estar registrado como usuario del foro
... |
Conclusión de almacenamiento: desde aproximadamente 2015–2016, un
SSD es requisito mínimo para cualquier equipo dedicado a astrofotografía seria —ya sea captura, procesado o ambos. En 2026, los Mini PCs y portátiles modernos directamente
han eliminado la bahía 2.5" y solo montan conectores M.2, haciendo el debate HDD/SSD irrelevante: el SSD ha ganado por defecto.
Para archivado de datos brutos (backup de noches enteras) sí tiene sentido un HDD externo de gran capacidad, pero nunca como disco de trabajo activo.
📖 Hilos relacionados en el foro:
·
Recomendaciones de SSD externos: velocidad y fiabilidad ·
Ordenadores para astrofoto: ¿portátil o mini PC? ·
Observatorio remoto: mini PCs, ASIAIR y software🔭 3) Software astronómico: captura y procesado de datos
El ecosistema de software astronómico ha madurado enormemente entre 2015 y 2026. A continuación se describen las herramientas más relevantes agrupadas por función, con sus requisitos de hardware y el tipo de cómputo que realizan.
📡 3.1) Software de captura
La captura es el primer eslabón del flujo. El software de captura necesita una CPU estable para mantener la tasa de transferencia desde la cámara sin pérdida de frames, y en algunos casos hace análisis en tiempo real (histograma, FWHM, seeing).
📖 Visión general en el foro:
Programas de captura: APT, SharpCap, MaximDL ·
Compatibilidad con Windows 11: software astronómico| Software | Tipo | Plataforma | Función principal | Requisito de hardware |
| SharpCap | Captura + análisis | Windows | Captura para planetaria/deep sky, polar alignment asistida (ver hilo Polar Align), histograma en vivo, análisis de calidad de seeing (Pro). Soporta SER, AVI, FITS y formatos RAW de cámaras dedicadas. | CPU competente (i5/Ryzen 5+), SSD obligatorio para vídeo HD, RAM 8 GB+ |
| FireCapture | Captura planetaria | Windows / Linux / macOS | Especializado en planetaria, lunar y solar. Soporte de ROI (Region of Interest) para captura a alta velocidad. Gestiona metadatos de tiempo por frame, muy útil para WinJUPOS. Genera ficheros SER con timestamps precisos. | CPU media, SSD indispensable para >100 fps |
| N.I.N.A. | Secuenciador avanzado | Windows | Automatización completa de la sesión: secuencias programadas, autofocus automático por curva HFR, plate solving integrado, control de montura/filtros/rotador. Ecosistema de plugins muy activo. | CPU i5/Ryzen 5 mínimo, SSD, 8–16 GB RAM |
| APT (Astro Photography Tool) | Control DSLR/CMOS | Windows | Control de cámaras Canon/Nikon/CMOS, autofocus, histograma, análisis de FWHM. Popular entre fotógrafos con DSLR que dan el salto al control automatizado. | CPU básica suficiente, compatible con hardware antiguo |
| Sequence Generator Pro (SGP) | Secuenciador | Windows | Secuenciación automática con meridian flip, autofocus, análisis de estrellas. Veterano y estable, ampliamente usado en observatorios remotos. | CPU media, SSD recomendado |
| Ekos / KStars | Ecosistema completo | Linux / macOS / Windows | Alternativa open source a N.I.N.A. Integra toda la cadena: captura, montura, guiado, autofocus, plate solving. Corre bien en Raspberry Pi como servidor headless bajo INDI. | Funciona en ARM (RPi 4/5), muy eficiente |
🖼️ 3.2) Procesado de imagen: calibración, registro y apilado
Una vez capturadas las tomas, el flujo clásico de procesado consiste en: calibración (bias, darks, flats) → registro/alineado → integración/apilado → estirado y revelado. Cada paso requiere leer y escribir grandes volúmenes de ficheros FITS.
📖 Comparativa general en el foro:
DSS vs StarTools vs PixInsight| Software | Coste | Puntos fuertes | Uso de hardware |
| DeepSkyStacker (DSS) | Gratuito | Sencillo, ideal para iniciación. Calibración + stacking automático. Soporte de RAW de DSLR y FITS. Limitado en opciones avanzadas pero muy fiable. | Solo CPU. Sin GPU. Lento con muchas imágenes pero funcional. Requiere SSD para fluidez. |
| Siril | Gratuito / Open Source | Ha evolucionado enormemente desde 2020. Calibración, registro, stacking, estirado, análisis de fondo, reducción de ruido básica, scripts automatizables. Muy activo en desarrollo. | CPU principalmente. Soporte parcial OpenCL/GPU en desarrollo. SSD recomendado. Funciona bien con 8 GB RAM. |
| AstroPixelProcessor (APP) | Comercial (suscripción) | Muy potente para mosaicos y apilado de grandes volúmenes. Registro de alta precisión, corrección de halos, normalización de fondo. Popular en usuarios avanzados. | Usa GPU para acelerar partes del flujo. SSD NVMe recomendado para sesiones grandes. |
| PixInsight | Comercial (licencia perpetua) | El estándar profesional. Ecosistema de procesos, scripts y módulos de terceros. WBPP (Weighted Batch Pre-Processing) automatiza la calibración completa. Curva de aprendizaje alta pero resultados de referencia. Ver también: workflow paso a paso y técnicas y scripts avanzados. | CPU principalmente (procesos núcleo multi-hilo). Uso intensivo de disco/caché (SSD NVMe imprescindible). 16–32 GB RAM recomendados para sensores grandes. |
🪐 3.3) Flujo de vídeo planetario: PIPP → AutoStakkert! → Registax / WinJUPOS
La astrofotografía planetaria y lunar trabaja con vídeo de alta velocidad (lucky imaging): se capturan miles de frames y se seleccionan los mejores para apilarlos.
📖 Índice y recursos del foro:
Planetaria, apilado de vídeo y webcam – índice completo ·
Secuencia de programas para astrofotografía planetariaEl flujo estándar es:
PIPP (Planetary Imaging PreProcessor)Preproceso del vídeo antes del stack. Realiza centraje automático del planeta, recorte de ROI, selección y descarte de frames por calidad, conversión de formatos (AVI → SER) y reducción del tamaño de fichero antes de pasarlo al apilador. Es CPU-bound y se beneficia de SSD rápido por el volumen de datos que mueve.
AutoStakkert! 3 / 4El apilador de referencia para planetaria. Analiza la calidad local de cada frame mediante puntos de alineado (Alignment Points), selecciona el porcentaje de frames de mayor calidad y genera el stack final. Soporta aceleración GPU (OpenCL / DirectX). Una GPU dedicada o iGPU moderna reduce significativamente el tiempo de proceso frente a solo CPU. Ver también:
AutoStakkert! y FireCapture – problemas frecuentes.
Registax 6 / WaveSharp 2Se usa principalmente para el paso de
wavelet sharpening tras el stack. Permite aplicar agudizado en múltiples capas de frecuencia (ondículas), recuperando detalles finos en Júpiter, Marte, Luna, etc. WaveSharp 2 es el sucesor espiritual de Registax, con interfaz modernizada. Es ligero en hardware y funciona bien incluso en equipos modestos.
WinJUPOSHerramienta especializada en
derotación atmosférica de planetas con rotación rápida (Júpiter, Saturno, Neptuno). Combina capturas tomadas en diferentes momentos compensando la rotación del disco, permitiendo acumular más señal sin perder definición. Requiere los timestamps precisos del fichero SER generado por FireCapture.
🤖 3.4) Reducción de ruido e Inteligencia Artificial
Desde ~2021, la IA ha irrumpido con fuerza en el procesado astronómico, especialmente en reducción de ruido, separación de estructuras y deconvolución. Estas herramientas usan redes neuronales entrenadas con imágenes astronómicas reales.
| Herramienta | Función | Plataforma / Integración | Uso de GPU/IA |
| GraXpert | Eliminación de gradientes de fondo de cielo (contaminación lumínica, viñetado residual). Usa IA entrenada para distinguir gradiente de señal nebular, algo que los métodos clásicos polinomiales a veces confunden. | Standalone + plugin PixInsight/Siril. Gratuito. | CPU o GPU (CUDA/OpenCL). GPU acelera el proceso notablemente. |
| StarNet++ / StarNet2 | Separación de estrellas y fondo nebular mediante deep learning. Permite procesar nebulosa y estrellas por separado y recombinar. Resultado muy superior a máscaras estelares clásicas. | Standalone + plugin PixInsight. Gratuito. | CPU (lento) o GPU (CUDA). Con GPU, segundos. Con CPU, minutos. |
| BlurXTerminator | Deconvolución con IA: mejora la nitidez de estrellas y detalles finos sin los artefactos de la deconvolución clásica. Uno de los plugins más valorados de 2022–2026. | Solo PixInsight (plugin de pago, R. Croman). | GPU fuertemente recomendada. Con CPU es muy lento en imágenes grandes. |
| NoiseXTerminator | Reducción de ruido con IA para PixInsight. Preserva señal nebular y detalles finos mejor que los métodos clásicos (MLT, ACDNR). | Solo PixInsight (plugin de pago, R. Croman). | GPU recomendada. |
| Topaz DeNoise AI / Sharpen AI | Herramientas de IA generalistas (no específicas de astro) pero ampliamente usadas en la comunidad para reducción de ruido y agudizado. Resultados competitivos, especialmente en imágenes de campo amplio con DSLR/mirrorless. | Standalone Windows/macOS. | GPU (NVIDIA/AMD) muy recomendada. Sin GPU el proceso es extremadamente lento. |
| Siril (módulos IA) | Desde 2023, Siril incorpora módulos propios de reducción de ruido basados en redes neuronales, integrados en el flujo sin necesidad de herramientas externas. | Integrado en Siril. Gratuito. | CPU principalmente; GPU en desarrollo. |
Nota sobre GPU e IA en astrofoto: la mayoría de herramientas de IA enumeradas (BlurXTerminator, NoiseXTerminator, StarNet2, GraXpert) dependen de CUDA (NVIDIA) o de OpenCL/DirectML para acelerar la inferencia. Una
GPU dedicada de gama media (RTX 3050 móvil o superior) puede reducir el tiempo de proceso de minutos a segundos por imagen. Las iGPU modernas (Radeon 780M, Iris Xe) ofrecen aceleración parcial según el software, pero no igualan a una GPU dedicada en este tipo de carga.
📐 3.5) FFT y eliminación de ruido periódico
La
Transformada Rápida de Fourier (FFT) convierte una imagen del dominio espacial al dominio de frecuencias, representando cada patrón repetitivo como un pico en el espectro de frecuencias. En astrofotografía tiene dos usos principales:
- Detección y eliminación de banding: el ruido de banding (bandas horizontales o verticales del sensor) aparece como picos bien definidos en el espectro FFT. Enmascarando esos picos y aplicando la transformada inversa (IFFT) se elimina el patrón sin afectar a la señal astronómica. PixInsight incluye el proceso FFTNoiseReduction y Siril permite inspección y filtrado espectral. Ver: Banding horizontal tras apilado: diagnóstico y solución.
- Diagnóstico de vibraciones de montura: el análisis FFT del guiado (errores periódicos del engranaje de la montura) permite identificar frecuencias problemáticas y calibrar mejor el PEC (Periodic Error Correction).
El proceso FFT es muy rápido en CPU moderna; no es una operación limitante en el flujo, pero sí requiere
RAM suficiente para tener la imagen completa en memoria durante la transformada.
🎯 3.6) Enfoque y re-enfoque automático
Un buen enfoque es crítico en astrofotografía de campo profundo. Los métodos actuales han evolucionado del manual (máscara de Bahtinov) al completamente automático gestionado por el secuenciador:
- HFR (Half Flux Radius) y FWHM: métricas de calidad estelar que el software mide en tiempo real. Cuanto menor es el valor, mejor es el enfoque. Los secuenciadores trazan una curva en V: se mueve el focalizador en ambos sentidos midiendo HFR/FWHM en cada paso, y el punto mínimo de la V es el foco óptimo. Ver: Enfoque automático con N.I.N.A.: HFR y curva en V.
- Autofocus en N.I.N.A. / SGP / APT: el secuenciador mueve el focalizador eléctrico, captura sub-exposiciones cortas en cada posición y calcula automáticamente el punto de mejor foco. El proceso dura 2–5 minutos y puede dispararse automáticamente por cambio de temperatura (ΔT configurable, típicamente 1–2 °C) o por tiempo.
- Re-enfoque térmico: la dilatación/contracción del tubo con los cambios de temperatura nocturnos desplaza el foco. Los secuenciadores modernos monitorizan la temperatura ambiente y disparan un ciclo de autofocus cuando supera el umbral definido.
- Máscara de Bahtinov asistida: algunos programas (SharpCap Pro, entre otros) detectan automáticamente el patrón de difracción de la máscara y cuantifican la precisión del enfoque, guiando al usuario de forma asistida.
El autofocus automático no requiere hardware potente, pero sí un
focalizador eléctrico motorizado (ZWO EAF, Pegasus FocusCube, Moonlite, etc.) compatible con el secuenciador empleado.
⚡ 4) GPU y astrofotografía en 2026
En 2026 una GPU dedicada ha pasado de ser un "extra útil" a aportar un
beneficio real y medible en muchos flujos de trabajo de astrofotografía, sobre todo cuando entra en juego la IA o el procesado de vídeo planetario.
- Herramientas como StarTools usan la GPU para acelerar cálculos complejos, con mejoras de rendimiento muy importantes frente a trabajar solo con CPU.
- Proyectos recientes como AstroBurst están diseñados desde cero para aprovechar GPU (WebGPU) en pasos de cálculo y renderizado.
- Software clásico como PixInsight sigue apoyándose principalmente en la CPU, pero plugins de terceros (BlurXTerminator, NoiseXTerminator, StarNet2) hacen un uso intensivo de GPU (CUDA/OpenCL).
- Herramientas de IA más generales (GraXpert, Topaz DeNoise AI / Sharpen AI) se vuelven muy lentas si no disponen de una GPU con buena capacidad de cómputo.
✔️ Las GPUs integradas modernas (Intel, AMD, Apple) han mejorado mucho y manejan bien 2D y parte de 3D, pero
todavía no igualan a las dedicadas cuando el software puede exprimirlas. Una Radeon 780M o una Iris Xe son suficientes para previsualización, guiado y análisis ligero, pero para inferencia IA intensiva siguen quedándose cortas frente a una RTX dedicada.
📌 El procesado de vídeo planetario (
AutoStakkert!, PIPP) también se beneficia de la GPU vía OpenCL: incluso una GPU dedicada de gama básica marca una diferencia apreciable respecto a una iGPU, acortando sensiblemente los tiempos de apilado.
💼 4.1) GPU en portátiles y mini-PC para astrofoto
En portátiles y mini-PC el equilibrio cambia: hay que combinar rendimiento con consumo, ruido y tamaño. La mayoría de estos equipos se basan en
CPUs móviles con iGPU (Iris Xe, Radeon 780M, Arc, etc.), y solo algunos modelos "gaming" añaden una GPU dedicada (RTX 3050, 4050, etc.).
A la hora de decidir:
- Equipo de campo (captura): para N.I.N.A., Ekos, APT, guiado y resolución de placas, una iGPU moderna (Iris Xe, Radeon 780M, Arc integrada) es más que suficiente. Aquí pesan más el consumo reducido, la autonomía de batería y la estabilidad que exprimir al máximo la GPU.
- Procesado pesado en el propio portátil: si quieres hacer WBPP completos, IA (BlurX/NoiseX/StarX) o apilados de vídeo planetario grandes en el mismo equipo, una RTX móvil (3050 / 4050 o superior) marca una diferencia clara frente a depender solo de la iGPU.
- Mini-PCs con iGPU: muchos mini-PC basados en N100, i3-N305 o Ryzen 5/7 móviles rinden muy bien como "cerebro" en el campo, pero para procesado intensivo siguen por detrás de una torre con GPU dedicada. Funcionan muy bien como nodo de captura y preprocesado ligero, dejando el procesado final al sobremesa.
- Limitaciones térmicas: en portátiles finos, la GPU móvil puede bajar de frecuencia por temperatura en procesos largos. Una GPU desktop equivalente suele mantener mejor el rendimiento sostenido.
Consejo práctico: una combinación muy eficiente suele ser
mini-PC o portátil ligero con buena iGPU para el campo y
torre con RTX para el procesado gordo en casa. La sección 5.2 de este mismo hilo compara CPUs móviles reales (2011–2026) y sus iGPU, de modo que puedes situar tu equipo concreto frente a esos ejemplos y ver si te compensa dar el salto a una RTX móvil o a un sobremesa dedicado.
💡 4.2) GPU dedicada de sobremesa: NVIDIA vs AMD en flujo astronómico
En un equipo de torre dedicado al procesado, la elección de GPU tiene impacto directo según el software que se utilice. En herramientas de inferencia de IA como BlurXTerminator, NoiseXTerminator, StarXTerminator o Topaz DeNoise/Sharpen AI, la ventaja de
CUDA (NVIDIA) frente a OpenCL/ROCm (AMD) es clara: a igualdad de gama, una RTX suele ser entre
2x y 3x más rápida (a veces hasta ~4x) que una Radeon equivalente en este tipo de cargas.[web:43][web:46][web:49][web:50]
| GPU Desktop | API | VRAM | 3DMark Time Spy | Relevancia para astro |
| NVIDIA RTX 3060 | CUDA + OpenCL | 12 GB GDDR6 | ~9.000 | Excelente. Sus 12 GB de VRAM ayudan a evitar cuellos de botella con imágenes grandes. Muy buena relación precio/rendimiento para plugins de IA. |
| NVIDIA RTX 4060 | CUDA + OpenCL | 8 GB GDDR6 | ~10.500 | Muy eficiente energéticamente. Arquitectura Ada Lovelace con buen rendimiento por watt en inferencia. Los 8 GB pueden quedarse algo justos en mosaicos muy grandes. |
| NVIDIA RTX 4060 Ti | CUDA + OpenCL | 8 / 16 GB GDDR6 | ~13.500 | Muy adecuada para procesado intensivo con IA. La versión de 16 GB elimina limitaciones de VRAM en datasets grandes. |
| NVIDIA RTX 4070 | CUDA + OpenCL | 12 GB GDDR6X | ~17.000 | Gama alta razonable para estaciones de procesado con stacks grandes o mosaicos complejos. |
| AMD RX 7600 | OpenCL / ROCm | 8 GB GDDR6 | ~8.500 | Buena para AutoStakkert!, PIPP y GraXpert mediante OpenCL. En plugins de IA de PixInsight suele rendir menos que una RTX equivalente. |
| AMD RX 7700 XT | OpenCL / ROCm | 12 GB GDDR6 | ~12.000 | Competitiva en potencia bruta y VRAM. ROCm ha mejorado en compatibilidad, pero CUDA sigue teniendo ventaja en el ecosistema de IA utilizado en astrofotografía. |
La importancia de la GPU cambia según el programa:
- PixInsight core (WBPP, StarAlignment, ImageIntegration, estirado) es sobre todo CPU multi-hilo. La GPU apenas interviene aquí: lo crítico es tener un buen procesador (muchos núcleos y buen IPC), RAM suficiente y un SSD NVMe rápido.
- AutoStakkert! 4 (planetaria) usa aceleración por OpenCL, por lo que tanto NVIDIA como AMD funcionan bien. En este caso no hay una ventaja clara de CUDA y una Radeon moderna no parte en desventaja.
- GraXpert soporta CUDA y también OpenCL/ROCm. AMD ha mejorado con ROCm 6.x (especialmente en Linux), aunque en Windows NVIDIA suele ofrecer, en general, mayor compatibilidad y menos problemas de drivers.
- Siril sigue siendo principalmente CPU-dependiente, con uso limitado de GPU en sus módulos actuales.
Conclusión sobremesa: para una torre de procesado centrada en PixInsight + plugins de IA, una
RTX 3060 o RTX 4060 suele ser hoy la opción más equilibrada en precio y rendimiento. Una RX 7700/7800 XT puede competir en potencia bruta y VRAM, pero el ecosistema CUDA sigue estando un paso por delante en herramientas de IA para astrofotografía.
📊 5) Rendimiento de Procesadores con sus componentes
📊 5.1) Sistemas Portátiles / Ligeros (soluciones Mobile). Benchmarks numéricos de GPU e IA
Los benchmarks ayudan a medir cuánto rendimiento tiene un sistema según el tipo de tarea:
📌 5.1.1) GPU 3D (3DMark Time Spy orientativo)
- Intel Iris Xe Graphics (96 EU) – ~1.900–2.300 puntos
- Apple M3 Max (40 núcleos GPU) – ~10.000 puntos
- NVIDIA GeForce GTX 1050 Ti (móvil) – ~2.500 puntos
- NVIDIA GeForce GTX 1650 (móvil) – ~3.500 puntos
- NVIDIA GeForce RTX 3050 (móvil) – ~6.000 puntos
- NVIDIA GeForce RTX 4050 (móvil) – ~8.500 puntos
👉 Para tareas que puedan aprovechar GPU (inferencia IA, stacking de vídeo planetario, renderizado),
una GPU dedicada ofrece ventaja clara y práctica.
📌 5.1.2) IA y aceleradores dedicados (NPU)
Procesadores modernos ya incluyen unidades de inferencia (NPU/Tensor) que aceleran tareas de IA. La métrica TOPS (Tera Operations Per Second) se ha estandarizado:
- Intel Core Ultra (Meteor Lake) – ~11 TOPS (NPU) + ~34 TOPS (GPU)
- AMD Ryzen AI 300 (Strix Point) – hasta 50 TOPS (XDNA 2)
- Snapdragon X Elite – 45 TOPS (Hexagon)
- Snapdragon X2 Elite Extreme – hasta 80 TOPS (Hexagon)
- Apple M3/M4 – ~18–38 TOPS (Neural Engine)
📌 En la práctica, el soporte real de estas NPU por parte del software astronómico es aún muy limitado en 2026. La mayoría de herramientas de IA sigue apuntando a CUDA (NVIDIA) u OpenCL. Las NPU son relevantes para aplicaciones genéricas del SO (Windows AI, Copilot+), pero
no han sido aún adoptadas masivamente por el software astro específico. Es un espacio a vigilar de cara a 2027–2028.
💻 5.2) Hardware: Portátiles / Ligeros (soluciones Mobile), variados 2011–2026
A continuación se presenta una tabla detallada con procesadores reales de los últimos años, organizados por año y segmento. Incluye datos de benchmarks de CPU, rendimiento gráfico 3D; a modo de gran comparativa rápida.
| Año | Ecosistema / Modelo | Cores/T | TDP | iGPU / dGPU | Single (PM) | Multi (PM) | 3D (G3D) |
| 2011 | i3-2310M (Sandy Br.) | 2 / 4 | 35W | HD 3000 | 1.140 | 1.950 | 280 |
| 2012 | i7-3630QM (Ivy Br.) | 4 / 8 | 45W | HD 4000 | 1.780 | 5.900 | 650 |
| 2013 | Atom Z3770 (Tablets) | 4 / 4 | 4W | HD Gen7 | 510 | 1.370 | 150 |
| 2013 | i5-4200U (Haswell) | 2 / 4 | 15W | HD 4400 | 1.350 | 2.210 | 490 |
| 2014 | i7-4510U (Haswell) | 2 / 4 | 15W | HD 4400 | 1.520 | 2.550 | 510 |
| 2014 | i7-4510U + GTX 850M | 2 / 4 | 15W | GTX 850M (45W) | 1.520 | 2.550 | 2.180 |
| 2015 | i7-5500U (Broadwell) | 2 / 4 | 15W | HD 5500 | 1.630 | 2.720 | 580 |
| 2015 | Xeon E5-2699 v3 | 18/36 | 145W | Sin iGPU | 1.850 | 21.400 | - |
| 2015 | i5-6200U (Skylake) | 2 / 4 | 15W | HD 520 | 1.580 | 3.010 | 820 |
| 2016 | AMD A12-9700P (Excavator) | 4 / 4 | 15W | Radeon R7 (Bristol Ridge) | 820 | 2.450 | 650 |
| 2016 | i7-6500U (Skylake) | 2 / 4 | 15W | HD 520 | 1.810 | 3.280 | 850 |
| 2016 | i5-6500T (Tiny PC) | 4 / 4 | 35W | HD 530 | 1.720 | 4.850 | 910 |
| 2016 | i3-6006U (Econ.) | 2 / 4 | 15W | HD 520 | 1.310 | 2.280 | 780 |
| 2017 | i7-7500U (Kaby L.) | 2 / 4 | 15W | HD 620 | 1.920 | 3.650 | 920 |
| 2017 | i7-7700HQ (Gaming) | 4 / 8 | 45W | HD 630 | 2.250 | 6.950 | 1.150 |
| 2017 | Atom x5-Z8350 (Micro PC USB) | 4 / 4 | 2W | HD Gen8 | 500 | 1.110 | 180 |
| 2018 | i7-8565U (Whiskey L.) | 4 / 8 | 15W | UHD 620 | 2.290 | 6.150 | 1.050 |
| 2018 | Ryzen 5 2500U (Zen) | 4 / 8 | 15W | Radeon Vega 8 | 1.850 | 6.950 | 1.900 |
| 2018 | i5-8300H + dGPU | 4 / 8 | 45W | GTX 1050 Ti | 2.210 | 7.520 | 6.310 |
| 2018 | i7-8550U + MX130 | 4 / 8 | 15W | GeForce MX130 (25W) | 2.150 | 5.950 | 1.750 |
| 2018 | Ryzen 7 2700U (Zen) | 4 / 8 | 15W | Radeon Vega 10 | 1.920 | 7.400 | 2.050 |
| 2019 | i3-10110U (Comet L.) | 2 / 4 | 15W | UHD Graphics | 2.210 | 4.020 | 1.010 |
| 2019 | Ryzen 5 3500U (Zen+) | 4 / 8 | 15W | Radeon Vega 8 | 2.020 | 7.350 | 1.950 |
| 2019 | Ryzen 7 3700U (Zen+) | 4 / 8 | 15W | Radeon Vega 10 | 2.080 | 7.900 | 2.100 |
| 2019 | i7-1065G7 (Iris Plus) | 4 / 8 | 15W | Iris Plus G7 | 2.420 | 8.310 | 1.850 |
| 2019 | Ryzen 7 3750H + 1650 | 4 / 8 | 35W | GTX 1650 Mob. (50W) | 2.120 | 8.350 | 6.980 |
| 2020 | Ryzen 5 4500U Zen2 (Renoir) | 6 / 6 | 15W | Radeon (6) | 2.410 | 10.950 | 1.950 |
| 2020 | Ryzen 7 4700U Zen2 (Renoir) | 8 / 8 | 15W | Radeon (7) | 2.490 | 13.400 | 2.420 |
| 2020 | Apple M1 (SoC) | 8 (4+4) | 15W | M1 GPU | 3.450 | 14.500 | 2.950 |
| 2020 | i7-10510U + MX330 | 4 / 8 | 15W | GeForce MX330 (25W) | 2.380 | 6.750 | 2.520 |
| 2020 | Ryzen 7 4800U (Zen2) | 8 / 16 | 15W | Radeon Vega 8 | 2.480 | 14.800 | 2.100 |
| 2020 | i5-10300H + 1650 Max-Q | 4 / 8 | 45W | GTX 1650 Max-Q (35W) | 2.350 | 8.750 | 6.200 |
| 2021 | Ryzen 3 5300U Zen2 (Lucienne) | 4 / 8 | 15W | Radeon (6) | 2.380 | 9.850 | 1.650 |
| 2021 | Ryzen 7 5700U Zen2 (Lucienne) | 8 / 16 | 15W | Radeon (8) | 2.450 | 15.500 | 2.100 |
| 2021 | i7-1165G7 | 4 / 8 | 15W | Iris Xe (96) | 2.850 | 10.420 | 2.740 |
| 2021 | Ryzen 7 5800U Zen3 (Cezanne) | 8 / 16 | 15W | Radeon Vega 8 | 2.900 | 16.000 | 2.200 |
| 2022 | i5-1235U (i12) | 10 (2+8) | 15W | Iris Xe (80) | 3.250 | 13.450 | 2.650 |
| 2022 | i7-12700H (Pro) | 14(6+8) | 45W | Iris Xe | 3.600 | 27.800 | 2.900 |
| 2022 | i5-12450H (Híbrido) | 8 (4P+4E) | 45W | UHD Graphics | 3.310 | 17.400 | 1.250 |
| 2023 | Intel N100 | 4 / 4 | 6W | UHD (24EU) | 1.960 | 5.540 | 850 |
| 2023 | Core Ultra 5 125H (Meteor Lake) | 14 / 18 | 28W | Arc Xe-LPG | 3.000 | 17.000 | 4.000 |
| 2023 | i3-N305 (Alder L.) | 8 / 8 | 15W | UHD (32EU) | 2.230 | 12.450 | 1.100 |
| 2023 | Ryzen 7 7840U Zen4 (Phoenix) | 8 / 16 | 28W | Radeon 780M | 3.650 | 25.100 | 7.150 |
| 2023 | i5-1335U (i13) | 10(2+8) | 15W | Iris Xe (80) | 3.520 | 16.100 | 2.780 |
| 2023 | Core Ultra 7 155H (Meteor Lake) | 16 / 22 | 28W | Arc Xe-LPG | 3.100 | 19.500 | 4.500 |
| 2024 | Ryzen AI 9 HX 370 | 12 / 24 | 28W | Radeon 890M | 4.180 | 36.500 | 7.900 |
| 2024 | Ultra 7 258V | 8 / 8 | 17W | Arc 140V | 4.250 | 18.200 | 8.200 |
| 2024 | i5-120U (Series 1) | 10 (2P+8E) | 15W | Graphics (80EU) | 3.550 | 16.800 | 2.850 |
| 2025 | Core Ultra 5 226V (Lunar L.) | 8 / 8 | 17W | Arc 130V | 3.850 | 15.200 | 7.100 |
| 2025 | Core Ultra 5 225U (Arrow L.) | 10 (2P+8E) | 15W | Intel Graphics | 3.750 | 17.900 | 3.400 |
| 2026 | Intel N150 (Twin Lake) | 4 / 4 | 6W | UHD Graphics Gen13 | 2.150 | 6.400 | 1.350 |
| 2026 | Snapdragon X2 Elite (ARM) | 12 / 12 | 25W | Adreno Gen2 | 4.300 | 31.500 | 8.200 |
| 2026 | Ryzen AI 7 "Kraken" | 8 (4P+4E) | 15-28W | Radeon 870M | 3.950 | 22.100 | 6.800 |
Notas históricas: saltos de rendimiento, y pugna AMD-Intel.
• Con la llegada de AMD Ryzen 4000 (Zen 2, 2020) se produjo uno de los mayores saltos de rendimiento en portátiles de bajo consumo. Los CPUs de 15 W pasaron de 4 a 6–8 núcleos, duplicando en muchos casos el rendimiento multicore frente a generaciones anteriores. Al mismo tiempo, las APU Ryzen incorporaban iGPU Radeon Vega relativamente potentes, que durante varios años ofrecieron más rendimiento gráfico integrado que muchas soluciones Intel. Para alcanzar niveles similares de rendimiento gráfico, muchos portátiles Intel de la época recurrían a GPU dedicadas básicas (GeForce MX / GTX móviles).
• En 2020 Intel respondió con Iris Xe (Tiger Lake), que supuso un salto importante frente a las UHD anteriores y alcanzó por primera vez un rendimiento comparable a las Vega móviles de AMD en muchos escenarios.
• A partir de 2023, AMD volvió a tomar ventaja con las iGPU RDNA3 (Radeon 780M y posteriores) integradas en Ryzen 7000/8000 móviles, cuyo rendimiento gráfico se acerca al de GPUs dedicadas básicas (como GeForce GTX 1650 móvil en algunos escenarios)🖥️ 5.3) Hardware: ejemplos CPUs de rendimiento Desktop (2011–2026) variados
| Año | Fabricante / Arquitectura | Procesador | Núcleos / Hilos | TDP | Single
Core
PM | Multi
Core
PM | RAM típica | iGPU |
| 2011 | Intel Sandy Bridge | Core i7-2600K | 4C / 8T | 95 W | ~1.140 | ~5.000 | DDR3-1333 | Intel HD 3000 |
| 2011 | AMD Bulldozer | FX-8150 | 8C / 8T | 125 W | ~800 | ~3.800 | DDR3-1866 | - |
| 2012 | Intel Ivy Bridge | Core i7-3770K | 4C / 8T | 77 W | ~2.070 | ~6.500 | DDR3-1600 | Intel HD 4000 |
| 2013 | Intel Haswell-E | Core i7-4960X | 6C / 12T | 130 W | ~1.200 | ~6.500 | DDR3-1866 | - |
| 2014 | Intel Haswell-EP | Xeon E5-2699 v3 | 18C / 36T | 145 W | ~1.850 | ~21.400 | DDR4-2133 | -
|
| 2015 | Intel Haswell-E | Core i7-5960X | 8C / 16T | 140 W | ~1.200 | ~8.500 | DDR4-2133 | - |
| 2016 | Intel Broadwell-E | Core i7-6950X | 10C / 20T | 140 W | ~1.300 | ~12.000 | DDR4-2400 | - |
| 2016 | AMD Excavator | FX-8370 | 8C / 8T | 125 W | ~700 | ~4.000 | DDR3-1866 | - |
| 2017 | AMD Zen (Ryzen 1000) | Ryzen 7 1800X | 8C / 16T | 95 W | ~1.300 | ~8.000 | DDR4-2666 | - |
| 2017 | Intel Skylake-X | Core i9-7980XE | 18C / 36T | 165 W | ~1.400 | ~17.000 | DDR4-2666 | - |
| 2018 | AMD Zen+ | Ryzen 7 2700X | 8C / 16T | 105 W | ~1.250 | ~9.000 | DDR4-2933 | - |
| 2018 | Intel Coffee Lake | Core i9-9900K | 8C / 16T | 95 W | ~1.400 | ~12.000 | DDR4-2666 | Intel UHD 630 |
| 2019 | AMD Zen 2 | Ryzen 9 3950X | 16C / 32T | 105 W | ~1.500 | ~24.000 | DDR4-3200 | - |
| 2019 | Intel Cascade Lake-X | Core i9-10980XE | 18C / 36T | 165 W | ~1.450 | ~24.000 | DDR4-2933 | Intel UHD 630 |
| 2020 | AMD Zen 3 | Ryzen 9 5950X | 16C / 32T | 105 W | ~1.650 | ~28.000 | DDR4-3200 | - |
| 2020 | Intel Comet Lake | Core i9-10900K | 10C / 20T | 125 W | ~1.600 | ~17.000 | DDR4-2933 | Intel UHD 630 |
| 2021 | Intel Alder Lake | Core i9-12900K | 16C (8P+8E) / 24T | 125 W | ~2.000 | ~27.000 | DDR4 ó- DDR5 | Intel UHD 770 |
| 2021 | AMD Zen 3 + 3D V-Cache | Ryzen 7 5800X3D | 8C / 16T | 105 W | ~1.500 | ~15.000 | DDR4-3200 | - |
| 2022 | AMD Zen 4 | Ryzen 9 7950X | 16C / 32T | 170 W | ~2.100 | ~38.000 | DDR5-5200 | - |
| 2022 | Intel Raptor Lake | Core i9-13900K | 24C (8P+16E) / 32T | 125 W | ~2.200 | ~40.000 | DDR5-5600 | Intel UHD 770 |
| 2023 | AMD Zen 4 + 3D Cache | Ryzen 7 7800X3D | 8C / 16T | 120 W | ~2.000 | ~18.000 | DDR5-5200 | - |
| 2023 | Intel Raptor Lake Refresh | Core i9-14900K | 24C / 32T | 125 W | ~2.250 | ~41.000 | DDR5-5600 | Intel UHD 770 |
| 2024 | AMD Zen 5 | Ryzen 9 9950X | 16C / 32T | 170 W | ~2.350 | ~40.000 | DDR5-5600 | - |
| 2024 | Intel Arrow Lake | Core Ultra 9 285K | 24C (8P+16E) | 125 W | ~2.350 | ~35.000 | DDR5-6400 | Intel Arc iGPU |
| 2025 | AMD Zen 5 + 3D Cache | Ryzen 7 9800X3D | 8C / 16T | 120 W | ~2.350 | ~23.000 | DDR5-6000 | - |
| 2025 | AMD / Zen 5 | Ryzen 9 9955X | 16C / 32T | 170 W | ~2.350 | ~42.000 | DDR5-5600 | Radeon 610M |
| 2026 | Intel / Arrow Lake Refresh | Core Ultra 11 395K | 32C (16P+16E) | 125 W | ~2.500 | ~55.000 | DDR5-6400 | Intel Arc iGPU |
Nota sobre TDP: el TDP publicado por el fabricante no siempre refleja el consumo real bajo carga sostenida.
En procesado astronómico intensivo (WBPP, ImageIntegration, Drizzle) los CPUs pueden mantenerse durante horas cerca de su límite de potencia.
En particular, los procesadores Intel serie K suelen consumir significativamente más que su TDP nominal cuando los límites de potencia están desbloqueados por la placa base.
🧠 5.4) Evolución de la RAM:
La memoria RAM es el tercer factor crítico para procesado astronómico intensivo junto con CPU y almacenamiento. PixInsight es especialmente sensible al ancho de banda de memoria en procesos como ImageIntegration cuando se trabaja con stacks grandes.
| Generación | Velocidades típicas | Ancho de banda dual channel aprox. | Plataformas principales | Notas para procesado astro |
| DDR3 | 1333–1866 MHz | ~21–30 GB/s | Intel Sandy/Ivy Bridge, AMD FX | Limitante con sensores modernos. En 2026 solo presente en sistemas antiguos. |
| DDR4 | 2133–3600 MHz (hasta ~4800 OC) | ~34–57 GB/s | Intel 6ª–12ª gen, AMD Ryzen 1000–5000 | Estándar dominante durante muchos años. 32 GB es el mínimo recomendable para flujos cómodos con cámaras modernas. |
| DDR5 | 4800–6400 MHz (hasta 7200+ OC) | ~77–102 GB/s | Intel 12ª gen+, AMD Ryzen 7000+ | Salto importante de ancho de banda. Beneficio medible en ImageIntegration y flujos con muchos frames. |
¿Cuánta RAM para astrofotografía ( en 2026) ?- 16 GB: suficiente para DSLR o sensores de hasta ~20 MP con stacks moderados, siempre que el SSD NVMe sea rápido.
- 32 GB: configuración recomendada para cámaras CMOS modernas (~26 MP).
- 64 GB: recomendable para sensores grandes (~60 MP), mosaicos o stacks muy extensos.
- 128 GB o más: configuraciones tipo workstation para procesado científico o mosaicos extremadamente grandes.
Nota: En plataformas Ryzen 7000/9000, usar DDR5-6000 con perfil EXPO suele ofrecer el mejor equilibrio entre latencia y ancho de banda para cargas de trabajo intensivas como las de PixInsight. 5.5 – Conclusiones y recomendaciones (2026)
y ahora veamos una selección de CPUs representativas utilizadas en estaciones de trabajo, PCs de alto rendimiento y sistemas de procesado astronómico durante los últimos 15 años. Los benchmarks, como siempre, son valores aproximados orientativos (como Cinebench R23).
🧠 5.5.1) Conclusión general equipos Portátiles/"Mobile" (a 2026), recomendaciones prácticas
- El SSD es el mínimo absoluto desde 2015. En 2026 ya no es una mejora opcional: es el requisito base de cualquier flujo astronómico serio, tanto para captura como para procesado. Los discos mecánicos solo tienen sentido como archivado externo y frío.
- El procesado en 2D sigue siendo la base, pero hoy hay enfoques que integran análisis de señal/ruido más avanzados que complementan el método tradicional.
- GPUs dedicadas ofrecen gran ventaja en tareas paralelas, inferencia IA y aceleración de algoritmos si el software las aprovecha. Una GTX 1050 Ti (~2.500 3DMark) ya triplica a una iGPU básica, mientras que una RTX 4050 (~8.500) multiplica por 8 el rendimiento en tasks GPU-bound.
- GPUs integradas modernas han mejorado drásticamente: la Iris Xe (~1.900 3DMark) de 2021 duplica a la Iris Plus de 2020, y la Radeon 890M (~4.000) de 2024 iguala a una GPU dedicada de entrada de hace pocos años.
- El ecosistema de software ha madurado radicalmente: N.I.N.A., Siril, GraXpert, StarNet2, BlurXTerminator o AutoStakkert! 4 ofrecen en 2026 capacidades que hace diez años solo estaban al alcance de observatorios profesionales.
- IA y aceleradores dedicados están entrando en los flujos de trabajo real, con capacidades que van desde 10 TOPS en 2023 hasta 80 TOPS en 2025. Sin embargo, la adopción real por parte del software astro específico aún es incipiente y apunta principalmente a GPU CUDA/OpenCL, no a NPU.
- El soporte de DirectML en Siril y GraXpert está avanzando rápido este año (2026). Esto podría hacer que las gráficas integradas de Intel (Arc) y AMD (Radeon 890M) ganen mucho terreno a las NVIDIA dedicadas en portátiles ligeros para campo.
- Los Ryzen 5 5500U (Zen 2, iGPU Vega 7) y Ryzen 7 PRO 5850U (Zen 3, iGPU Vega 8) representan una opción sólida y económica de segunda mano para equipos de campo o mini PCs de captura: suficiente potencia CPU para secuenciadores, iGPU capaz para previsualización y tareas ligeras de procesado.
🧠 5.5.2) Recomendaciones prácticas en Desktop para Astrofotografía de Cielo Profundo (a 2026)
Uso ideal:- Cámaras full frame (~60 MP) como ASI6200
- Mosaicos grandes (4–12 paneles)
- Stacks de 1000+ frames
- Procesado científico o datasets muy grandes
- Uso intensivo de IA en todo el flujo de trabajo
En este tipo de sistema, el cuello de botella suele ser la
RAM y el ancho de banda de memoria con la velocidad de CPU: los factores que más influyen en el tiempo total de procesado, más que la GPU.
- SSD (INNEGOCIABLE) tipo NVMe dedicado para swap.
PixInsight usa archivos temporales intensivamente. Tener un SSD rápido dedicado puede mejorar bastante el rendimiento.
- Muchos núcleos ayudan en WBPP
Procesos como calibración e integración escalan bien con CPUs de 12–16 núcleos.
- La GPU es importante principalmente para IA
Si no usas plugins XTerminator o software de IA, la GPU tiene mucho menos impacto.
ANEXOS
otros Temas de interés relacionados Tipos de USB: identifica conector, velocidad y Thunderbolt 5Conexión cable, red, protocolos Telescopio-Ordenador, db9, rj's---
Datos de benchmarks obtenidos de fuentes especializadas (Cinebench, 3DMark, Geekbench, especificaciones oficiales de fabricantes). Los valores son orientativos. Idea y dirección del post por Ed. Téc., desarrollo GPT-4.x, corrección y relleno datos DeepSeek v3, redactado final e hipertexto con ClaudeSonnet 4.6 ext, aportación tabla final e ilustración Gemini 3.1 / nanoBanana 
Todos los Temas Actualizados recientes 
Autor
