Qué es

El Acer Veriton GN100 es una mini workstation de IA de $3,999 construida sobre el superchip GB10 Grace Blackwell de NVIDIA — la misma plataforma de clase “DGX Spark” que NVIDIA, Dell, ASUS y GIGABYTE están comercializando. No es una mini PC de propósito general. Es una supercomputadora de IA personal del tamaño aproximado de un libro de bolsillo grueso (150 × 150 × 50,5 mm, menos de 1,5 kg) que combina una CPU Arm de 20 núcleos con una GPU Blackwell sobre NVLink-C2C, le antepone 128 GB de memoria unificada LPDDR5x y llega con el stack de software completo DGX OS de NVIDIA ya instalado.

El ángulo de Acer en un campo GB10 saturado es la experiencia lista para usar. Donde las cajas rivales pueden dejarte armando un entorno CUDA, el GN100 arranca en DGX OS con PyTorch, Jupyter y Ollama precargados — posiblemente la precarga de software más limpia de cualquier máquina del ecosistema Spark. Para un comprador que quiere afinar o servir un modelo local la misma tarde en que llega la caja, eso importa más que un punto en la hoja de especificaciones.

Para qué sirve: desarrollo de LLM local

La razón de existir del GN100 es el trabajo con grandes modelos de lenguaje local que no cabe en una GPU de consumo. El pool unificado de 128 GB te permite cargar modelos en el rango de ~70B–120B con holgura, y NVIDIA califica la plataforma para inferencia en modelos de hasta 405B parámetros cuando se enlazan dos unidades por ConnectX-7. En las pruebas de vLLM de StorageReview, GPT-OSS-20B escaló de aproximadamente 92 a 1,565 tokens/segundo según el tamaño del batch — resultados que quedaron “estrechamente agrupados con el resto del ecosistema Spark”, exactamente como cabría esperar de un silicio GB10 compartido.

Esta es una máquina de desarrolladores y creadores: fine-tuning, generación aumentada por recuperación (RAG), prototipado agéntico, inferencia por lotes y trabajo de imágenes con modelos de difusión. Si tu interés es correr un modelo de 7B–13B para chat con presupuesto ajustado, no necesitas esto — una caja Strix Halo que corre modelos de 70B o incluso un Mac mini M4 Pro para LLMs locales es mucho más barato. El GN100 es para gente cuyos modelos, datasets u objetivos de throughput han superado esas opciones.

El superchip GB10 y la memoria unificada

El superchip GB10 Grace Blackwell combina una CPU Arm de 20 núcleos y una GPU Blackwell en un solo encapsulado, unidos por NVLink-C2C para que ambos lados direccionen el mismo pool de 128 GB LPDDR5x-8533 sin copias PCIe de por medio. NVIDIA cita 1 PetaFLOP de rendimiento de IA FP4 (1,000 TOPS) de los Tensor Cores de 5ª generación, y el stack CUDA completo corre de forma nativa.

El número protagonista es la memoria unificada. En una RTX 4090 de 24 GB inviertes esfuerzo real fragmentando un modelo de 70B; aquí simplemente se carga. Esa capacidad — no los FLOPS brutos — es lo que hace interesante la clase GB10 para cualquiera que haga IA local en serio. Si quieres el trasfondo de por qué los caminos de CPU, NPU y GPU difieren tanto en este trabajo, nuestro explicativo sobre NPU vs iGPU vs CPU para LLMs en mini PC es un buen punto de partida.

Construcción, conectividad y clustering

Físicamente el GN100 es denso y silencioso. StorageReview midió el perfil térmico más fresco de toda su comparativa Spark — la CPU llegando a 74,7 °C y la GPU a 69 °C bajo carga en ráfaga — acreditándolo a un ajuste orientado a la eficiencia en lugar de a forzar la potencia. El trade-off que señalaron es cosmético: una placa inferior de metal fundido sin acabar que refleja “una filosofía de diseño y costo distinta”, aunque se mantiene estructuralmente sólida.

La conectividad está hecha a medida para IA, no para escritorios:

  • 2× NVIDIA ConnectX-7 de 200 Gbps (QSFP) — el tejido de alta velocidad para emparejar dos GN100 en un solo nodo capaz de 405B
  • 10GbE RJ-45 para redes convencionales
  • 4× USB 3.2 Type-C, HDMI 2.1b, Wi-Fi 7, Bluetooth 5.1

Ese emparejamiento ConnectX-7 es lo más destacado: dos unidades en clúster se comportan como una sola máquina más grande, que es como cruzas de ~200B al territorio de 405B parámetros.

Ancho de banda de memoria — el techo del mundo real

Aquí está el límite honesto que todo comprador GB10 debería interiorizar. El ancho de banda de memoria unificada ronda los 273 GB/s. Eso es generoso frente a una CPU pero modesto frente a una GPU dedicada — una RTX 5090 mueve bastante más de 1,7 TB/s. La velocidad de generación de tokens en inferencia de LLM está limitada por el ancho de banda de memoria, así que el GN100 se sentirá más lento por token que una gran tarjeta dedicada en los modelos que sí caben en 32 GB de VRAM.

La victoria del GN100 es el caso opuesto: los modelos que no caben en ninguna GPU de consumo individual. Estás cambiando tokens/segundo pico por la capacidad de mantener un modelo de 70B–120B en memoria. Cómpralo por la capacidad y por un entorno CUDA llave en mano, no por la respuesta de chat más rápida posible.

Precio y dónde comprar

En Norteamérica el Veriton GN100 parte de $3,999 (EMEA €3,999; AUD $6,499). Está listado en Amazon bajo el ASIN B0GJZY12GQ. Eso lo ubica de lleno en la cohorte DGX Spark — apenas por debajo del Ascent GX10 de ASUS a $2,999 solo en papel, ya que el precio de Acer compra la configuración mayor con SSD Gen5 de 4 TB y el mismo núcleo GB10. IT Pro lo llamó “una máquina ejemplar para correr y experimentar con cargas de IA… pero con una etiqueta de precio enorme”, que es el resumen justo para toda la categoría.

Lo que señalaríamos

  • Sin USB Type-A ni USB4. TechRadar lo señaló directamente — cada puerto USB es Type-C 3.2, así que los periféricos heredados necesitan adaptadores.
  • Prácticamente cero capacidad de actualización. La memoria es LPDDR5x soldada por diseño, y TechRadar nota que el NVMe interno no es fácilmente accesible por el usuario. Compra el nivel de almacenamiento que necesitas de entrada.
  • Los 273 GB/s de ancho de banda limitan el throughput de generación de tokens frente a una GPU dedicada — cubierto arriba, pero vale la pena repetirlo antes de la compra.
  • DGX OS es Arm Linux, no Windows. Este es un entorno de desarrollo. Si esperabas un escritorio Windows que también hiciera IA, esta es la máquina equivocada — espera mejor el respin RTX Spark de consumo.
  • Caro en Europa. El precio regional de €3,999 / AUD $6,499 es materialmente más empinado que la cifra estadounidense.

Veredicto

El Acer Veriton GN100 es una de las entradas más pulidas del campo GB10 Grace Blackwell. Corre la más fresca de las cajas Spark que StorageReview probó, lleva un veloz SSD Gen5 de 4 TB y — su verdadero diferenciador — arranca directo en una imagen DGX OS con PyTorch, Jupyter y Ollama ya configurados, ahorrándote el impuesto de configuración que muerde en las unidades rivales. El tejido dual ConnectX-7 de 200 Gbps hace del clustering de dos nodos y 405B parámetros un camino genuino en lugar de una nota al pie.

Sus límites son los límites de la categoría, no errores de Acer: los ~273 GB/s de ancho de banda de memoria hacen modesta la velocidad por token, no hay una ruta de actualización significativa, y DGX OS es una plataforma de desarrollo en lugar de un escritorio de uso diario. Para un ingeniero de ML, investigador o creador que necesita 128 GB de memoria unificada y un stack CUDA llave en mano sobre su escritorio, el GN100 es una recomendación fácil — y la experiencia de software más limpia de la línea Spark. Para cualquiera cuyos modelos caben cómodamente en una GPU de 32 GB, o que solo quiere conversar con un modelo de 13B, un escritorio Strix Halo o un Framework Desktop le ahorrarán miles.