Qué es

El NVIDIA DGX Spark es una supercomputadora de IA personal del tamaño de un libro de bolsillo grueso — un cubo de aluminio de 150 mm construido alrededor del superchip GB10 Grace Blackwell de NVIDIA. Combina una CPU Arm de 20 núcleos con una GPU Blackwell en un solo encapsulado, le cuelga 128 GB de memoria unificada, y corre el propio DGX OS de NVIDIA para que el stack CUDA completo funcione de salida. A $3,999 (ahora más cerca de $4,699 tras el precio de memoria de principios de 2026), no es una mini PC en ningún sentido normal. Es una workstation de desarrollador para correr y afinar grandes modelos de lenguaje en tu escritorio en lugar de rentar GPUs en la nube.

Esta es la caja GB10 de referencia — la Founders Edition contra la que se mide la variante de cualquier otro fabricante. Si estás comparando el ASUS Ascent GX10 o cualquier otro escritorio Grace Blackwell, esta es la línea base. También es el hermano a la venta de la próxima mini PC de consumo ASUS ProArt RTX Spark, que recompone el mismo silicio de clase GB10 para una audiencia distinta.

Para qué sirve: IA local y desarrollo de LLM

El DGX Spark existe para una tarea, y la hace bien: correr modelos grandes localmente, sin una cuenta en la nube.

  • Inferencia de LLM local. 128 GB de memoria unificada significa que puedes cargar modelos de hasta aproximadamente 200B parámetros (cuantizados) enteramente en dispositivo. Un modelo de 70B a 4 bits cabe cómodamente en memoria con espacio para una ventana de contexto larga.
  • Fine-tuning y prototipado. Las corridas de fine-tuning LoRA y QLoRA que de otro modo necesitarían una A100 rentada caben en esta caja. Es un verdadero entorno de desarrollo CUDA, no una capa de emulación.
  • CUDA nativo desde el primer día. A diferencia de un Apple Mac Studio o una caja AMD Ryzen AI Max, el DGX Spark corre exactamente el mismo stack CUDA, cuDNN, TensorRT y NIM que despliegas en producción. El código escrito aquí se mueve a un servidor DGX sin cambios.
  • Uso ligero de creación y oficina. DGX OS es un Linux de escritorio, así que maneja un navegador, una terminal y herramientas creativas — pero trata eso como un bono, no como el punto.

Tom’s Hardware lo encuadró pulcramente: un sandbox de IA todoterreno que supera al Ryzen AI Max+ 395 de AMD en las cargas que importan a los desarrolladores.

El superchip GB10 y la memoria unificada

El superchip GB10 Grace Blackwell es toda la historia. NVIDIA pegó una CPU de clase Grace (10× núcleos de rendimiento Cortex-X925 + 10× núcleos de eficiencia Cortex-A725) a una GPU Blackwell usando NVLink-C2C, una interconexión coherente mucho más ancha que PCIe. La GPU lleva Tensor Cores de 5ª gen y RT cores de 4ª gen y entrega 1 PetaFLOP de cómputo FP4 (1,000 TOPS).

Como la CPU y la GPU comparten un pool de memoria coherente LPDDR5x de 128 GB, no hay copiado de tensores por un bus PCIe ni división de tu modelo entre VRAM y RAM del sistema. La GPU direcciona los 128 GB completos directamente. Ese pool unificado es exactamente por qué una caja de menos de 2 litros puede contener un modelo de 200B parámetros que necesitaría múltiples GPUs dedicadas para caber en otro lado.

Construcción, conectividad y clustering

El chasis toma prestado el frente dorado de “rallador de queso” de la gran DGX Station, encogido a 1,2 kg. Corre horizontal o verticalmente y se alimenta de una fuente externa de 240 W (el GB10 en sí está calificado en 140 W TDP).

La conectividad es donde se muestra la intención de desarrollador:

  • NIC ConnectX-7 con puertos 2× 200 Gbps QSFP — la característica protagonista. Puedes enlazar directamente dos DGX Spark en un clúster de 256 GB y correr modelos demasiado grandes para una sola unidad.
  • 10 GbE RJ-45, Wi-Fi 7, Bluetooth 5.4
  • 4× USB-C, 1× HDMI 2.1a, hasta 3× DisplayPort por USB-C
  • 4 TB de NVMe autocifrado — rápido, seguro, pero de clase soldada: no es una bahía intercambiable por el usuario

¿Puedes agrupar dos DGX Spark?

Sí — el tejido dual-200GbE ConnectX-7 está hecho a propósito para ello. Dos unidades enlazadas te dan 256 GB de memoria unificada para modelos en el rango de 400B parámetros. Esta es la mayor razón para comprar la caja de NVIDIA sobre un Mac Studio: la ruta de clustering es nativa, no un truco.

Ancho de banda de memoria — el techo del mundo real

Aquí está la parte honesta. El ancho de banda de memoria del DGX Spark es de ~273 GB/s, y eso — no el cómputo — es el limitante.

La velocidad de generación de tokens para LLMs escala casi linealmente con el ancho de banda de memoria. Los ~546 GB/s de un Mac Studio son casi el doble que los del Spark, lo que significa más tokens por segundo en el mismo modelo. El GDDR7 de una RTX 5090 está en otra liga por completo. Así que mientras el DGX Spark puede contener un modelo de 200B que una 5090 no puede, la 5090 generará tokens más rápido en cualquier modelo que quepa en su VRAM más pequeña.

La conclusión: el DGX Spark está optimizado para capacidad y fidelidad CUDA, no para throughput bruto. Es la máquina para “¿puedo correr e iterar sobre este modelo enorme en absoluto?”, no para “¿cuál es el chatbot interactivo más rápido en mi escritorio?”. Los reseñadores de Tom’s Hardware y ServeTheHome llegaron a la misma conclusión — el ancho de banda es el talón de Aquiles, y deberías comprarlo sabiéndolo.

Precio y dónde comprar

El DGX Spark se lanzó a $3,999 en octubre de 2025. Una escasez global de memoria empujó al alza el precio de calle hasta principios de 2026, así que presupuesta un rango de $3,999–$4,699 según la disponibilidad. Se vende a través de socios de NVIDIA y se lista en Amazon; el listado de afiliado lleva la Founders Edition.

A ese precio estás comprando el silicio de NVIDIA, el OS de NVIDIA y el tejido de clustering de NVIDIA como un único paquete soportado. Las variantes de socios como el ASUS Ascent GX10 a veces le quitan terreno — vale la pena comparar si la refrigeración y la generación de SSD te importan más que la marca Founders.

Lo que señalaríamos

Una reseña justa de una máquina excelente-pero-especializada:

  • Los 273 GB/s de ancho de banda limitan la velocidad de tokens. Para inferencia interactiva de un solo usuario, una GPU dedicada de alta VRAM o un Mac Studio pueden sentirse más rápidos en modelos que caben en ellos.
  • DGX OS es Arm Linux, no Windows. Este es un entorno de desarrollo CUDA. Si quieres un escritorio de propósito general, este es el producto equivocado.
  • Sin memoria ni almacenamiento ampliables por el usuario. 128 GB y 4 TB son lo que obtienes. Planea la configuración de entrada.
  • Volatilidad de precio. El sobreprecio posterior al lanzamiento significa que puedes pagar varios cientos por encima del MSRP. Vigila los listados.

Veredicto

El NVIDIA DGX Spark es la supercomputadora de IA personal más coherente que puedes comprar ahora mismo — si entiendes lo que es. El superchip GB10 Grace Blackwell, los 128 GB de memoria unificada, el CUDA nativo, y el clustering dual-200GbE lo hacen un hogar local genuino para correr y afinar modelos de hasta 200B parámetros, con una ruta de actualización limpia hacia un despliegue DGX en la nube.

Entra con los ojos abiertos respecto a los 273 GB/s de ancho de banda de memoria: esta es una máquina de capacidad-y-compatibilidad, no una campeona de throughput. Para desarrolladores de IA, investigadores e ingenieros de ML que viven en CUDA, ese trato es exactamente el correcto, y el DGX Spark se gana una recomendación segura. Para cualquiera que quiera un escritorio rápido de propósito general o máximos tokens por segundo para una sola sesión de chat, mira en otro lado — y si quieres el mismo silicio, compara el ASUS Ascent GX10 antes de comprometerte.