Specyfikacja

Architektura: NVIDIA Grace Blackwell
GPU: Blackwell Architecture
CPU: 20‑core Arm: 10 Cortex‑X925 + 10 Cortex‑A725
Rdzenie CUDA: Blackwell Generation
Rdzenie Tensor: 5th Generation
Rdzenie RT: 4th Generation
Wydajność Tensor: Do 1 PFLOP FP4
Pamięć systemowa: 128 GB LPDDR5x, coherent unified
Interfejs pamięci: 256‑bit
Przepustowość pamięci: 273 GB/s
Magazynowanie: 4 TB NVMe‑M.2 z samodzielnym szyfrowaniem
USB: 4× USB‑Type‑C
Ethernet: 1× RJ‑45 10 GbE
NIC: ConnectX‑7 @ 200 Gbps
Wi‑Fi: Wi‑Fi 7
Bluetooth: BT 5.4
Wyjście audio: HDMI multichannel audio output
Zasilanie: 240 W
GB10 TDP: 140 W
Konektory wyświetlacza: 1× HDMI 2.1a, do 3× DisplayPort over USB‑C (DP Alt Mode)
NVENC: 1×
NVDEC: 1×
System operacyjny: NVIDIA DGX OS
Wymiary: 150 mm L × 150 mm W × 50.5 mm H
Waga: 1.2 kg

Co mówią recenzenci

Tom’s Hardware opisuje NVIDIA DGX Spark jako dobrze wyważoną lokalną platformę AI, która zapewnia solidne wydajności dzięki GB10 SoC, 128 GB RAM oraz pełnemu wsparciu CUDA. Recenzja podkreśla dopracowany ekosystem oprogramowania i unikalne opcje połączeń, ale zauważa, że jest drogi dla użytkowników nie potrzebujących wszystkich funkcji oraz że wciąż nie obsługuje Windows.
www.tomshardware.com ↗
Recenzja Signal65 przedstawia NVIDIA DGX Spark jako kompaktowy, wysokopamięciowy superkomputer AI, który demokratyzuje potężną integrację GPU‑CPU dla indywidualnych deweloperów. Artykuł chwali 128 GB jednolitą pamięć, zrównoważoną wydajność CPU/GPU, gotowy do użycia stos oprogramowania oraz zdolności klastrowania, jednocześnie wskazując cenę 3 999 USD jako potencjalny minus w porównaniu z typowymi PC‑ami konsumenckimi.
signal65.com ↗
Team Vast opisuje NVIDIA DGX Spark jako kompaktowy osobisty superkomputer AI, który wyróżnia się przy prototypowaniu, dopasowywaniu i uruchamianiu dużych modeli językowych lokalnie dzięki GB10 Grace Blackwell Superchip, 128 GB jednolitej pamięci oraz zintegrowanemu stosowi oprogramowania. Recenzja zauważa wzrost wydajności po ostatnich aktualizacjach oprogramowania, ale podkreśla ograniczenia takie jak umiarkowana przepustowość pamięci, wczesne problemy niezawodności (opóźnienia, throttling, reboot) oraz wysoką cenę, która może nie uzasadniać inwestycji przy produkcyjnym inference lub dużej skali treningu.
vast.ai ↗
Recenzja chwali kompaktowy, all‑in‑one design DGX Spark i imponującą 128 GB jednolitą pamięć, co pozwala uruchamiać bardzo duże modele bez nadmiernego transferu VRAM. Zauważa, że system świetnie sprawdza się przy mniejszych, batched workloads oraz jest odpowiedni do prototypowania i eksperymentów, a nie produkcyjnego inference. Głównym minusem jest ograniczona przepustowość pamięci LPDDR5x (273 GB/s), która wąska gardło wydajności w porównaniu z pełnowymiarowymi systemami GPU.
www.lmsys.org ↗

Nasza ocena

Na podstawie 4 recenzji

Wszystkie cztery recenzje zgadzają się, że 128 GB jednolita pamięć i kompaktowy all‑in‑one design NVIDIA DGX Spark czynią go wydajną lokalną platformą AI do prototypowania i eksperymentów. Tom’s Hardware, Signal65, Vast oraz LM Sys podkreślają gotowy do użycia stos oprogramowania i integrację GB10 jako kluczowe atuty dla deweloperów. Na podstawie ich testów stwierdzamy, że najlepiej nadaje się dla indywidualnych badaczy i programistów, którzy cenią mobilność i jednolitą pamięć ponad surowy przepływ danych.

Jednak recenzenci podzielili się opiniami na temat wartości i wąskich gardeł wydajności: Vast i LM Sys wskazują na umiarkowaną 273 GB/s przepustowość oraz wczesne problemy niezawodności, podczas gdy Tom’s Hardware i Signal65 wyróżniają dopracowany ekosystem i potencjał klastrowania. Oznacza to, że nabywcy powinni rozważyć wysoką cenę i ograniczenia przepustowości wobec wygody kompaktowego, gotowego do użycia systemu przy małych batchach zamiast dużej skali produkcyjnej.

Zalety

128 GB jednolita pamięć redukuje obciążenie VRAM
Kompaktowy all‑in‑one design umożliwia mobilność
Gotowy do użycia stos oprogramowania upraszcza konfigurację
Integracja GB10 równoważy wydajność CPU i GPU

Wady

Wysoka cena ogranicza dostępność dla niektórych użytkowników
Przepustowość pamięci 273 GB/s wąska gardło wydajności
Wczesne problemy niezawodności, takie jak throttling i opóźnienia

Dla kogo: Indywidualni deweloperzy i badacze prototypujący duże modele lokalnie; niezalecane przy produkcyjnym inference na dużą skalę lub dla budżetowych nabywców.