Qué es

El NVIDIA DGX Spark es una supercomputadora personal de IA 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 conecta 128 GB de memoria unificada y ejecuta DGX OS, el sistema propio de NVIDIA, para que todo el stack CUDA funcione desde el primer momento. A $3,999 (ahora más cerca de $4,699 tras los precios de memoria de inicios de 2026), no es un mini PC en ningún sentido habitual. Es una estación de trabajo para desarrolladores pensada para ejecutar y ajustar modelos de lenguaje grandes en tu escritorio en lugar de rentar GPU en la nube.

Este es el equipo GB10 de referencia, la Founders Edition con la que se compara la variante de cualquier otro fabricante. Si estás comparando el ASUS Ascent GX10 o cualquier otro equipo de escritorio Grace Blackwell, este es el punto de partida. También es el hermano ya a la venta del próximo mini PC ASUS ProArt RTX Spark para consumidores, que reutiliza el mismo silicio de clase GB10 para otro público.

Para qué sirve: IA local y desarrollo de LLM

El DGX Spark existe para un solo trabajo, y lo hace bien: ejecutar modelos grandes en local, sin una cuenta en la nube.

  • Inferencia de LLM en local. 128 GB de memoria unificada significan que puedes cargar modelos de hasta unos 200B parámetros (cuantizados) por completo en el equipo. Un modelo de 70B a 4 bits cabe con holgura en memoria y deja espacio para una ventana de contexto larga.
  • Ajuste fino y prototipos. Los ajustes finos con LoRA y QLoRA que de otro modo requerirían rentar una A100 caben en este equipo. Es un verdadero entorno de desarrollo CUDA, no una capa de emulación.
  • CUDA nativo desde el primer día. A diferencia de una Apple Mac Studio o un equipo con AMD Ryzen AI Max, el DGX Spark ejecuta exactamente el mismo stack de CUDA, cuDNN, TensorRT y NIM que despliegas en producción. El código escrito aquí pasa 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 tómalo como un extra, no como el objetivo.

Tom’s Hardware lo resumió bien: un entorno de pruebas de IA todoterreno que supera al Ryzen AI Max+ 395 de AMD en las cargas de trabajo que les importan a los desarrolladores.

El superchip GB10 y la memoria unificada

El superchip GB10 Grace Blackwell es toda la historia. NVIDIA unió una CPU de clase Grace (10× núcleos de rendimiento Cortex-X925 + 10× núcleos de eficiencia Cortex-A725) a una GPU Blackwell mediante NVLink-C2C, una interconexión coherente mucho más amplia que PCIe. La GPU incluye Tensor Cores de 5.ª generación y núcleos RT de 4.ª generación, y ofrece 1 PetaFLOP de cómputo en FP4 (1,000 TOPS).

Como la CPU y la GPU comparten un único pool de memoria coherente LPDDR5x de 128 GB, no hay que copiar tensores a través de un bus PCIe ni dividir el modelo entre VRAM y RAM del sistema. La GPU accede directamente a los 128 GB. Ese pool unificado es justamente la razón por la que un equipo de menos de 2 litros puede alojar un modelo de 200B parámetros que en otro sistema necesitaría varias GPU dedicadas para caber.

Construcción, conectividad y clúster

El chasis toma prestado el frente dorado tipo “rallador de queso” de la gran DGX Station, reducido a 1.2 kg. Funciona en posición horizontal o vertical y se alimenta de una fuente externa de 240 W (el GB10 en sí tiene un TDP de 140 W).

La conectividad es donde se nota la orientación a desarrolladores:

  • NIC ConnectX-7 con 2× puertos QSFP de 200 Gbps, la característica principal. Puedes enlazar directamente dos DGX Spark en un clúster de 256 GB y ejecutar 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
  • NVMe autocifrado de 4 TB: rápido y seguro, pero prácticamente fijo (no es una bahía que el usuario pueda cambiar)

¿Se pueden conectar dos DGX Spark en clúster?

Sí. La red ConnectX-7 de doble 200GbE está diseñada específicamente para eso. Dos unidades enlazadas te dan 256 GB de memoria unificada para modelos del orden de 400B parámetros. Esta es la principal razón para comprar el equipo de NVIDIA en lugar de una Mac Studio: el camino al clúster es nativo, no un truco.

Ancho de banda de memoria: el techo en el mundo real

Aquí viene la parte honesta. El ancho de banda de memoria del DGX Spark es de ~273 GB/s, y eso, no la capacidad de cómputo, es lo que lo limita.

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

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

Precio y dónde comprarlo

El DGX Spark salió a la venta a $3,999 en octubre de 2025. Una escasez global de memoria elevó los precios reales durante los primeros meses de 2026, así que calcula un rango de $3,999–$4,699 según la disponibilidad. Se vende a través de socios de NVIDIA y aparece en Amazon; el listado de afiliado corresponde a la Founders Edition.

A ese precio estás comprando el silicio de NVIDIA, el sistema operativo de NVIDIA y la red de clúster de NVIDIA como un solo paquete con soporte. Las variantes de socios como el ASUS Ascent GX10 a veces cuestan menos. Vale la pena compararlas si la refrigeración y la generación del SSD te importan más que la marca Founders. Relacionado: nuestra reseña del GIGABYTE AI TOP ATOM, nuestra reseña del MSI EdgeXpert MS-C931 y nuestro análisis del precio del DGX Spark de 64GB.

Lo que señalaríamos

Una reseña justa de una máquina excelente pero especializada:

  • El ancho de banda de 273 GB/s limita la velocidad de tokens. Para inferencia interactiva de un solo usuario, una GPU dedicada con mucha VRAM o una Mac Studio pueden sentirse más rápidas con los modelos que caben en ellas.
  • DGX OS es Linux para Arm, no Windows. Este es un entorno de desarrollo CUDA. Si quieres un equipo de escritorio de uso general, este es el producto equivocado.
  • Memoria y almacenamiento no ampliables por el usuario. 128 GB y 4 TB es lo que obtienes. Planifica la configuración desde el principio.
  • Volatilidad de precio. El sobreprecio posterior al lanzamiento significa que podrías pagar varios cientos por encima del MSRP. Vigila los listados.

Veredicto del NVIDIA DGX Spark

El NVIDIA DGX Spark es la supercomputadora personal de IA más coherente que puedes comprar ahora mismo, si entiendes lo que es. El superchip GB10 Grace Blackwell, los 128 GB de memoria unificada, CUDA nativo y el clúster de doble 200GbE lo convierten en un verdadero hogar local para ejecutar y ajustar modelos de hasta 200B parámetros, con un camino limpio hacia un despliegue DGX en la nube.

Entra con los ojos bien abiertos respecto al ancho de banda de memoria de 273 GB/s: esta es una máquina de capacidad y compatibilidad, no una campeona de rendimiento. Para desarrolladores de IA, investigadores e ingenieros de ML que viven en CUDA, ese compromiso es exactamente el correcto, y el DGX Spark se gana una recomendación segura. Si buscas un equipo de escritorio rápido de uso general o el máximo de tokens por segundo para una sola sesión de chat, busca en otra parte. Y si quieres el mismo silicio, compara el ASUS Ascent GX10 antes de decidirte.