NVIDIA DGX Spark · GB10 Grace Blackwell
El NVIDIA DGX Spark: alquila uno desde 0,79 $/h o compra uno
El NVIDIA DGX Spark es un ordenador de sobremesa para IA: un superchip GB10 Grace Blackwell con 128 GB de memoria unificada a 273 GB/s, con el DGX OS de NVIDIA. Puedes alquilar un DGX Spark en GPUwerk por 0,79 $ la hora, facturado por minuto, o comprar uno. Esta página explica qué es, qué mide en la flota de GPUwerk y dónde pierde.
Por Samuel Seidel · Actualizado el 24 de octubre de 2026. En profundidad: especificaciones del DGX Spark, precio del DGX Spark, benchmarks del DGX Spark y el clúster de DGX Spark de dos máquinas enlazadas.
GPUwerk alquila máquinas NVIDIA DGX Spark dedicadas por minutos en Europa, Norteamérica y Asia Oriental: sus propias máquinas en la República Checa y Sparks propiedad de socios en otros países. Un Spark cuesta 0,79 $ la hora y un clúster de dos nodos y 256 GB, 1,79 $ la hora, con crédito prepago y sin suscripción. Trabajas en un terminal del navegador o por SSH como root. Termina la instancia cuando acabes y se deja de facturar. Cómo alquilar un DGX Spark.
El precio de lista de NVIDIA en EE. UU. es de 6.950 $ (comprobado el 11 de octubre de 2026), frente a 3.999 $ en el lanzamiento: consulta el historial de precios del DGX Spark y los precios en la UE. Compra un NVIDIA DGX Spark en la tienda de GPUwerk →
Especificaciones
El hardware en una tabla.
Por nodo. Cada instancia de GPUwerk es una máquina entera, así que todas estas cifras son tuyas. Cada valor, con lo que significa para los LLM, está en la página de especificaciones del DGX Spark.
| Superchip | GB10 Grace Blackwell |
|---|---|
| Rendimiento de IA | 1 PFLOPS FP4 (disperso) |
| Memoria | 128 GB LPDDR5x unificada |
| Ancho de banda de memoria | 273 GB/s |
| CPU | Arm de 20 núcleos (10× X925 + 10× A725) |
| Almacenamiento | 1 TB NVMe en los Sparks propios de GPUwerk, compartido con el sistema y la caché de modelos; algunos Sparks de socios tienen 2 o 4 TB (NVIDIA vende 1 TB o 4 TB) |
| Red | ConnectX-7 · 200 Gb/s |
| Consumo | 240 W máx. |
| Sistema operativo | DGX OS 7 · Ubuntu 24.04 |
| CUDA | Stack completo preinstalado |
Fuentes, consultadas el 24 de octubre de 2026: la página de producto del NVIDIA DGX Spark (CPU, memoria, 273 GB/s, 1 PFLOP FP4 con dispersión, fuente de 240 W, hasta 200B parámetros en una máquina y 400B en dos) y la documentación de hardware de NVIDIA (NVMe de 1 TB o 4 TB, memoria de 256 bits a 4266 MHz). Fecha y precio de lanzamiento: sala de prensa de NVIDIA, 13 de octubre de 2025.
Los 273 GB/s de ancho de banda de memoria son la limitación que importa para la velocidad de generación de LLM en un solo flujo. El punto fuerte del Spark es la capacidad: modelos que simplemente no caben en GPU de consumo, además de cómputo FP4 para servir por lotes y hacer fine-tuning, donde el rendimiento escala mucho mejor de lo que sugieren las cifras de un solo flujo.
Precio, alquiler y compra
Alquila uno o compra uno.
Alquilar por minutos te dice si tu modelo cabe y va lo bastante rápido antes de gastar miles en el hardware. Un Spark alquilado te da un terminal en el navegador o SSH como root en tu propio contenedor, el toolkit CUDA 13.0 preinstalado (y Docker, en algunas máquinas) y un endpoint compatible con OpenAI desde una imagen de modelo: con qué trabajas.
Medido en la flota de GPUwerk
Benchmarks de la flota.
Los dos modelos preparados en cada nodo de la flota, medidos con vllm bench serve en uno de los nodos propios de GPUwerk sin nada más en su GPU. Los logs sin editar están abajo, y hay más modelos en la página de benchmarks del DGX Spark. Las cifras de terceros para otros modelos están recopiladas y analizadas en la guía de compra.
| Modelo | Cuantización | Framework | Prefill tok/s | Generación tok/s | Contexto máximo |
|---|---|---|---|---|---|
| Qwen3-Coder 30B-A3B | AWQ | vLLM 0.27.1 | 5705 tok/s | 80,9 tok/s | 262.144 |
| Llama 3.3 70B | AWQ | vLLM 0.27.1 | 391 tok/s | 6,0 tok/s | 131.072 |
Cómo leer esto.
El prefill es la mediana del tiempo hasta el primer token con un prompt de 8192 tokens. La generación es un solo flujo, 128 de entrada y 512 de salida, sin nada más en curso. El contexto máximo es un prompt de esa longitud que se sirvió realmente, no una cifra deducida del tamaño de la caché KV. El prefill se ralentiza a medida que crece el prompt, porque el coste de la atención es cuadrático: el 30B hace 5705 tok/s con 8k y 586 tok/s llenando sus 262.144 completos.
El tamaño del lote cambia la respuesta por completo.
Un solo flujo es el peor caso en este hardware, y es la cifra en la que se quedan la mayoría de las comparativas. Con solicitudes en curso, el 30B alcanza 3235 tok/s agregados con 256 simultáneas, y el 70B llega a 485 tok/s con 128 y luego cae a 300 con 256, con la mediana del tiempo hasta el primer token pasando de 8 a 40 segundos. El modelo mixture-of-experts se satura pasado su punto de inflexión; el denso se desploma pasado el suyo. Ambas curvas están en los logs.
Medido en un nodo sin otra actividad.
Todas las ejecuciones se hicieron en un nodo sin otra actividad, sin ningún otro modelo cargado en la GPU. Cada log de abajo empieza con la lista de procesos de la GPU y la memoria libre en el instante en que empezó la ejecución, para que puedas comprobarlo en lugar de creerlo.
Logs sin editar, de todas las ejecuciones, salvo la eliminación de los redibujados de las barras de progreso: Qwen3-Coder 30B-A3B · Llama 3.3 70B. Para hacer las tuyas: recarga 20 $ la primera vez y recibe 30 $ de crédito, suficiente para un día de evaluación en un nodo dedicado.
Cargas de trabajo
¿Qué debería ejecutar en él?
Consejos con criterio propio, tras gestionar una flota de estas máquinas.
Asistente de programación para el equipo
Qwen3-Coder 30B-A3B (AWQ, el modelo con el que GPUwerk hace benchmarks) deja margen para contextos largos y varios usuarios simultáneos. Sírvelo con vLLM detrás de un endpoint compatible con OpenAI y apunta tus editores a él.
Chat privado + RAG
Un modelo instruct de clase 70B en Q4 cabe en un nodo con margen para un modelo de embeddings y una base de datos vectorial en la misma máquina: un asistente privado completo en un solo equipo. Ver la configuración de ChatGPT privado →
Fine-tuning
Los fine-tunings con LoRA de modelos de clase 70B caben en la memoria unificada sin malabarismos de paralelismo de modelo. Más lento por paso que una GPU de centro de datos, pero funciona donde las tarjetas de consumo simplemente no pueden.
Alquilar para un trabajo concreto
Para qué alquila la gente un Spark.
Tres trabajos, cada uno con los comandos, las cifras medidas y los límites en una sola página.
Comparativas
Cómo se compara.
Comparativas que empiezan por el veredicto, frente a las máquinas que los compradores comparan de verdad. Cada una dice dónde gana el rival.
Los ocho, uno al lado del otro, con memoria, ancho de banda y dónde gana cada rival: alternativas al DGX Spark comparadas.
Guías
Guías y análisis.
Para cualquiera que esté evaluando, comprando o configurando un DGX Spark, escrito desde la sala de la flota, no desde un dosier de prensa.
Todas las guías, agrupadas en compra, modelos y motores, clústeres y operaciones: todas las guías de DGX Spark.
Preguntas.
¿Qué es el NVIDIA DGX Spark?
El NVIDIA DGX Spark es un ordenador de sobremesa para IA basado en el superchip NVIDIA GB10 Grace Blackwell: una GPU Blackwell y una CPU Arm de 20 núcleos que comparten 128 GB de memoria unificada a 273 GB/s, con hasta 1 PFLOP de cómputo FP4 disperso. Ejecuta el DGX OS de NVIDIA, un sistema basado en Ubuntu con el stack CUDA preinstalado, y consume como máximo 240 W. Los pedidos se abrieron el 15 de octubre de 2025 a 3.999 $; el precio de lista de NVIDIA en EE. UU. era de 6.950 $ cuando se comprobó el 11 de octubre de 2026 (historial de precios). ASUS, Dell, HP, Lenovo, MSI, Gigabyte y Acer venden máquinas con el mismo chip GB10 con su propio nombre: todas las máquinas GB10 comparadas.
¿Tengo un DGX Spark entero para mí?
Sí. Cada instancia de GPUwerk es un nodo dedicado, no una porción de una GPU compartida. Los 128 GB de memoria unificada, los 273 GB/s completos de ancho de banda y el 1 PFLOPS de cómputo FP4 disperso son tuyos durante todo el alquiler, sin nada más ejecutándose en la máquina.
¿En qué se diferencia un DGX Spark de alquilar una instancia de GPU en la nube?
Una instancia típica de GPU en la nube te da de 24 a 80 GB de VRAM en una tarjeta de centro de datos. Un DGX Spark te da 128 GB de memoria unificada en una sola máquina, suficiente para modelos de clase 70B sin repartirlos entre GPU, y GPUwerk lo alquila con facturación por minuto desde sus propios Sparks en Chequia y Sparks de socios en Europa, Norteamérica y Asia Oriental.
¿Cuál es la pega de los 273 GB/s de ancho de banda de memoria?
Es el techo de la velocidad de generación en un solo flujo: menos tokens por segundo que una GPU dedicada con VRAM más rápida, por eso tanto la guía de compra como la comparativa con la RTX 5090 empiezan por ahí. La ventaja del Spark es la capacidad y el rendimiento por lotes, no la velocidad bruta para un solo usuario.
¿Puedo comprar un DGX Spark en vez de alquilarlo?
Sí. La tienda de GPUwerk ofrece el propio NVIDIA DGX Spark, con precio según el stock de proveedores checos cuando uno puede entregarlo, y la misma máquina GB10 de otros siete fabricantes, entre ellos la Lenovo ThinkStation PGX desde 5.330 € sin IVA. GPUwerk te la envía o, si lo eliges, la aloja en su centro de datos y la alquila por ti. También puedes comprarla a NVIDIA o a sus socios, o preguntar a GPUwerk por una máquina para tus propias instalaciones. Alquilar primero por minutos te dice si el hardware encaja con tu carga de trabajo antes de una compra de unos 4.000 € o más, y todas las instancias en la nube de GPUwerk funcionan con el mismo hardware GB10.
Todo sobre el DGX Spark en este sitio.
Todas las páginas de GPUwerk que tratan el DGX Spark, agrupadas según lo que quieras hacer.
Comprar y alquilar
- Precio del DGX Spark: comprar o alquilar
- Especificaciones, con matices medidos
- Disponibilidad y plazos de entrega en Europa
- Dónde comprar en Europa
- Cómo alquilar uno por minutos
- Alquilar o comprar: calculadora del punto de equilibrio
- Proveedores de DGX Spark en la nube comparados
- Alquilar en Enverge frente a GPUwerk
- Calculadora de memoria: ¿cabe un modelo?
- Precios
- Comprar un NVIDIA DGX Spark
- Compra una máquina GB10 que aloje GPUwerk
- En tus instalaciones
¿Ya tienes un Spark?
Comparativas
Benchmarks y modelos
- Benchmarks del DGX Spark: qué esperar
- Cómo hace GPUwerk los benchmarks del Spark
- Qué cabe en 128 GB
- Ejecutar DeepSeek-V4-Flash
- Ejecutar gpt-oss-120b
- Ejecutar gpt-oss-20b
- Ejecutar Llama 3.3 70B
- Ejecutar Nemotron-3-Super-120B
- Ejecutar Nemotron Super 49B
- Ejecutar Qwen3-Coder 30B-A3B
- Ejecutar Qwen3-235B-A22B
- Ejecutar GLM-5.3-Flash
- Ejecutar Gemma 4 26B-A4B
- Ejecutar Qwen3.6-35B-A3B
- Ejecutar Qwen3.8-Flash-Next
Guías: primeros pasos
Guías: servicio y modelos
- Servir Qwen3 con vLLM
- llama.cpp frente a vLLM frente a SGLang
- Salida estructurada y llamadas a funciones
- Embeddings y búsqueda vectorial
- Modelos de visión y multimodales
- Generación de imágenes con ComfyUI
- Mejores modelos de pesos abiertos
- Fine-tuning con tus propios datos
- Cuantizado frente a precisión completa
- Caché de prompts para ahorrar costes
- Evaluar la calidad del modelo antes de cambiar
- Versionado de modelos y vuelta atrás
- Actualizaciones de modelos sin tiempo de inactividad
- Cómo hace GPUwerk los benchmarks
Guías: operaciones
- Monitorización y observabilidad
- Uso de la GPU y dimensionamiento
- Copias de seguridad y recuperación ante desastres
- Probar tu plan de recuperación ante desastres
- Acceso para equipos y varios usuarios
- Límites de uso y cuotas
- Rotación de claves de API
- Reforzar la seguridad de una GPU alquilada
- Registro de auditoría para cumplimiento
- Gestión de memoria de GPU, multiusuario
- Escalar a una flota
Deja de leer benchmarks.
Haz los tuyos.
Alquila un Spark dedicado por 0,79 $/h, facturado por minuto. Primera recarga: paga 20 $ y recibe 30 $ de crédito, unas 37 horas de cómputo.
Crear cuenta