NVIDIA ha dadoa a conocer una nueva versión de DGX Spark equipada con 64 GB de memoria unificada, que saldrá a la venta el 23 de octubre con un precio de partida de 4.999 dólares (4.447€). La compañía mantiene el mismo superchip GB10 Grace Blackwell y reduce únicamente la capacidad de memoria frente al modelo original.
El movimiento llega acompañado de otro cambio importante: la Founder’s Edition de 128 GB pasa a costar 6.950 dólares (6.183€). La nueva variante rebaja, por tanto, considerablemente el precio de entrada, pero también reduce a la mitad el recurso que más condiciona qué modelos de IA pueden ejecutarse localmente en esta plataforma.
Los 64 GB reducen el precio, pero también el tamaño práctico de los modelos
DGX Spark utiliza memoria unificada compartida entre CPU y GPU, de modo que los 64 GB no equivalen a disponer de 64 GB completos como VRAM para inteligencia artificial. Según IT Home, aproximadamente 8 GB quedan reservados para el sistema, dejando alrededor de 56 GB disponibles para pesos del modelo y KV cache.
Ese detalle resulta especialmente importante en inferencia. Cuanto mayor sea el contexto utilizado, más memoria necesita la KV cache además de los propios pesos, por lo que saber que un modelo cabe teóricamente en 56 GB no garantiza que pueda ejecutarse con ventanas de contexto enormes o elevada concurrencia sin ajustar cuantización y configuración.
NVIDIA cita compatibilidad con modelos como Gemma4 26B, Qwen3.8-27B, Meta Muse Glimmer y Nemotron3.5 Lightning, apoyándose especialmente en NVFP4 para reducir el tamaño ocupado por los pesos. La cuantización permite encajar modelos considerablemente mayores, aunque normalmente introduce un compromiso entre precisión, consumo de memoria y rendimiento.
La consecuencia es que el modelo de 64 GB conserva la capacidad de cálculo del GB10, pero reduce mucho antes el techo impuesto por memoria. Para desarrollo con modelos de unas pocas decenas de miles de millones de parámetros puede resultar suficiente, mientras que proyectos mayores seguirán encontrando bastante más margen en la versión de 128 GB.
GB10 Grace Blackwell permanece intacto
La reducción de capacidad no implica utilizar un chip inferior. DGX Spark 64 GB mantiene el superchip GB10 Grace Blackwell, por lo que NVIDIA está creando un escalón más económico mediante la memoria y no recortando la plataforma de cálculo principal.
Esto cambia bastante cómo debe interpretarse la nueva variante. Dos DGX Spark con distinta capacidad pueden ofrecer una potencia de cálculo similar mientras ejecutan cargas que caben completamente en memoria, pero el modelo de 128 GB tendrá mucha más libertad para trabajar con modelos grandes, contextos extensos o varias tareas simultáneas.
También se conserva ConnectX-7, un componente especialmente importante porque DGX Spark está diseñado para dejar de funcionar como una máquina aislada cuando una carga supera los recursos de un único nodo.
Dos equipos pueden unir 128 GB y NVIDIA permite escalar hasta cuatro nodos
NVIDIA Sync incorpora un Cluster Assistant capaz de automatizar la configuración de red, comprobar los dispositivos y preparar SSH entre nodos, reduciendo buena parte del trabajo manual que normalmente exige montar un pequeño clúster. DGX Spark puede escalar hasta cuatro sistemas, aunque las configuraciones mayores requieren una infraestructura de red adecuada.
Con dos unidades de 64 GB, el conjunto pasa a disponer de 128 GB de memoria agregada, acercándose en capacidad al DGX Spark original, pero añadiendo un segundo GB10. Eso no equivale a convertir automáticamente ambos equipos en una única GPU con el doble de rendimiento, porque la carga tiene que poder distribuirse y la comunicación entre nodos introduce sobrecostes.
NVIDIA afirma que dos DGX Spark de 64 GB alcanzan hasta 1,7 veces el rendimiento de una sola unidad ejecutando Qwen3.8-27B. Es una cifra proporcionada por la compañía y asociada a esa carga concreta, por lo que no debe extrapolarse como una mejora universal del 70% en cualquier modelo.
El planteamiento permite empezar con una máquina y ampliar posteriormente si el proyecto crece, pero económicamente tiene un límite evidente. Dos unidades parten conjuntamente de 9.998 dólares (8.894€), superando ampliamente el precio del modelo único de 128 GB y haciendo que el clúster tenga sentido principalmente cuando también se necesita más capacidad de cálculo.
La memoria sigue siendo el verdadero factor de segmentación
DGX Spark resulta peculiar frente a una estación convencional porque CPU y GPU comparten el mismo espacio de memoria, eliminando la barrera fija entre RAM y VRAM. Esa arquitectura es precisamente lo que permite ejecutar localmente modelos que difícilmente cabrían en una tarjeta gráfica tradicional.
Reducir de 128 a 64 GB afecta, por tanto, más que recortar simplemente la RAM de un PC. La capacidad determina directamente qué modelos, contextos y número de agentes pueden mantenerse residentes, mientras el GB10 continúa ofreciendo prácticamente la misma plataforma de cálculo.
Esto también explica la diferencia de precio. Los 4.999 dólares (4.447€) continúan situando al DGX Spark muy lejos de un mini PC convencional, pero la máquina tampoco pretende competir en ese mercado. NVIDIA la orienta a desarrolladores, investigadores y pequeños equipos que quieren ejecutar IA localmente sin depender permanentemente de instancias en la nube.
El soporte para CUDA, vLLM y llama.cpp, junto con las familias Nemotron, Gemma, Qwen, DeepSeek, Mistral y Stability AI, intenta precisamente reducir la distancia entre tener el hardware y desplegar una carga real. En una plataforma de este precio, el ecosistema de software resulta casi tan importante como el propio GB10.
La versión de 64 GB hace DGX Spark más accesible, pero no barata
Acer, Dell, ASUS, Gigabyte, MSI y otros fabricantes preparan sistemas basados en esta configuración, ampliando una plataforma que inicialmente estaba mucho más asociada a la propia NVIDIA. El 23 de octubre marcará así la entrada de DGX Spark en un rango de memoria y precio algo menos extremo, aunque siga claramente orientado a uso profesional.
El recorte tiene bastante lógica: no todos los desarrolladores necesitan 128 GB para ejecutar modelos localmente, y pagar por memoria que permanecerá infrautilizada ofrece poco beneficio cuando el GB10 es el mismo. Para cargas que sí superen los aproximadamente 56 GB prácticos disponibles, la versión original conserva una ventaja difícil de sustituir sin recurrir al clustering.
La nueva configuración amplía, por tanto, el público potencial de DGX Spark sin cambiar su filosofía. NVIDIA mantiene Grace Blackwell, ConnectX-7 y todo su ecosistema de IA, pero convierte la memoria en el principal elemento de segmentación entre una máquina de entrada para desarrollo local y otra preparada para modelos considerablemente más exigentes.
Vía: Guru3D
