El Administrador de tareas de Windows indica cuánta memoria gráfica estamos usando, pero no aclara qué procesos la están consumiendo. Un ingeniero de Microsoft ha publicado una herramienta gratuita, bautizada como gputaskman, que desglosa ese consumo aplicación por aplicación, incluidas las cargas de inteligencia artificial que corren en local. La utilidad está disponible en GitHub y cualquier usuario puede instalarla sin coste.

Se ha identificado como autor del proyecto a Scott Hanselman, ingeniero de Microsoft, que lo ha compartido en su propio repositorio de GitHub. Según recoge el medio, la herramienta no se limita a mostrar una cifra global de memoria ocupada: identifica qué parte de la VRAM corresponde a un modelo de IA, a un navegador, al compositor del escritorio o a otro proceso en ejecución, y añade la temperatura de la tarjeta gráfica en tiempo real.

Qué muestra gputaskman de la memoria de la GPU

La herramienta separa el consumo por proceso individual y añade datos que el Administrador de tareas no ofrece. El problema que busca resolver es sencillo de plantear: el Administrador de tareas se limita a dar una cifra total de memoria usada, sin aclarar si corresponde a los pesos de un modelo de IA, a su caché, al navegador o al compositor del escritorio.

Según lo descrito en el proyecto, gputaskman muestra lo siguiente:

• El uso de la GPU y el consumo de VRAM de cada proceso.
• Los detalles de las cargas de trabajo de IA local, incluidos los modelos LLM en ejecución.
• El uso de memoria de esos modelos y de los recursos gráficos asociados.
• La temperatura actual de la tarjeta gráfica.

Con esos datos delante, resulta más fácil averiguar qué aplicación o modelo está saturando la VRAM y decidir si hace falta cerrar el proceso, bajar la calidad gráfica o liberar recursos antes de que aparezcan tirones en el sistema.

Quién ha creado el programa y cómo podéis descargarlo

gputaskman no es un producto oficial de Microsoft, aunque su autor trabaje en la compañía. Se trata de un proyecto personal de Hanselman, que ha publicado el código en abierto en GitHub para que cualquiera pueda revisarlo, descargarlo o modificarlo sin coste alguno.

El desarrollador ha invitado a la comunidad a aportar mejoras mediante pull requests, lo que sitúa al proyecto en una fase temprana. El objetivo, según plantea en el repositorio, es ofrecer una vía más transparente para entender el rendimiento del hardware, justo cuando crecen las cargas de inteligencia artificial que se ejecutan directamente en el equipo en lugar de en la nube.