DGX Spark/Pruebas de ARM64 y CUDA
Caso de uso · Pruebas y portabilidad

Prueba y porta tu software en un GB10 real: aarch64, CUDA, sm_121

Por Samuel Seidel · Actualizado el 10 de noviembre de 2026 · 7 min de lectura

Una issue dice que tu biblioteca falla en un DGX Spark y tú no tienes uno. O tus wheels compilan en x86 y nadie las ha probado en una CPU Arm con una GPU Blackwell. Alquila un Spark entero durante los minutos que tardes en averiguarlo: una shell root en una NVIDIA GB10 (aarch64, compute capability de CUDA 12.1) con el toolkit CUDA 13.0 instalado. A 0,79 $ la hora, facturado por minuto, una comprobación de 20 minutos cuesta unos 0,26 $.

Primera recarga: paga 20 $ y recibe 30 $ de crédito. Facturado por minuto con crédito prepago. Termina la instancia cuando acabes y se deja de facturar. La mayoría de quienes me alquilan un Spark arrancan la imagen DGX OS sin más y traen su propio stack, que es de lo que trata esta página.

Qué obtienes

CPUArm de 20 núcleos (10 Cortex-X925 y 10 Cortex-A725), uname -m devuelve aarch64
GPUNVIDIA GB10, generación Blackwell, compute capability 12.1 (sm_121)
Memoria128 GB de LPDDR5x unificada compartida por CPU y GPU, 273 GB/s
ImágenesDGX OS 7: Ubuntu 24.04 con el toolkit CUDA 13.0 (nvcc), NCCL y NVIDIA DCGM. Ubuntu 24.04: lo mismo sin DCGM. Ambas incluyen git, tmux, vim, curl y Python 3 con pip y venv.
AccesoUn terminal root en el navegador sin clave SSH, o SSH como root en el puerto 22 con tu propia clave. Cada instancia tiene su propia dirección IPv4 pública y el nombre de host <name>.gpuwerk.com.
Cómo funcionaUn contenedor con la GPU asignada directamente: en muchos Sparks, un contenedor de sistema con systemd y Docker; en los demás, uno sencillo sin ninguno de los dos. Dentro eres root; el driver de NVIDIA lo aporta el host.
Almacenamiento1 TB NVMe, compartido con el host. /workspace sobrevive a reinicios y reconstrucciones y se borra cuando terminas la instancia.

La imagen llamada DGX OS 7 en la consola es una compilación mía: Ubuntu 24.04 más los paquetes de arriba, en un contenedor. No es la imagen de instalación de DGX OS de NVIDIA, y /etc/dgx-release lo indica. Qué funciona en un contenedor y qué no está en las notas del entorno del inquilino.

Una primera comprobación en cinco minutos

Despliega DGX Spark 1× con la imagen DGX OS, espera a running y haz clic en Open terminal in browser en la página de la instancia. Después confirma en qué máquina estás:

uname -m                                    # aarch64
nvidia-smi --query-gpu=name,compute_cap,driver_version --format=csv
nvcc --version | tail -n 2                  # CUDA 13.0

python3 -m venv /workspace/venv && . /workspace/venv/bin/activate
pip install torch --index-url https://download.pytorch.org/whl/cu130
python -c "import torch; print(torch.cuda.get_device_name(0), torch.cuda.get_device_capability(0))"

La última línea muestra el GB10 y (12, 1). Algunas compilaciones de PyTorch muestran un aviso de que sm_121 no es compatible; suele ser erróneo, y la guía PyTorch en un DGX Spark explica por qué y qué wheel elegir.

Compila y prueba tu proyecto

cd /workspace
git clone https://github.com/your-org/your-project.git
cd your-project
pip install -e '.[test]'           # or your own build step
pytest -x -q
pip wheel . --no-deps -w dist/     # an aarch64 wheel to take home

Tres cosas pillan desprevenida a la gente con este chip:

Para llevarte los artefactos de compilación, cópialos con tu propia clave SSH y después termina la instancia:

# on your laptop
scp 'root@<name>.gpuwerk.com:/workspace/your-project/dist/*.whl' .

Ejecuciones automatizadas desde tu propia CI

No hay una integración de CI lista para usar. Lo que sí hay: una API que despliega y termina por minutos, así que un trabajo en tu propio runner puede tomar prestado un Spark, ejecutar sus tests por SSH y devolverlo. Usa una clave de API con el permiso de instancias.

curl -s -X POST https://api.gpuwerk.com/v1/instances \
  -H "Authorization: Bearer $GPUWERK_TOKEN" -H "Content-Type: application/json" \
  -d '{"type":"spark-1x","image":"ubuntu"}'
# wait for status "running" in GET /v1/instances, run the job over SSH, then:
curl -s -X DELETE https://api.gpuwerk.com/v1/instances/<id> \
  -H "Authorization: Bearer $GPUWERK_TOKEN"     # billing ends, workspace deleted

Un despliegue necesita crédito para al menos una hora (si no, devuelve 402) y devuelve 409 cuando no hay ninguna máquina libre, así que tu trabajo tiene que gestionarlo. Los despliegues por API van a una máquina del EEE salvo que indiques location_country o partner_region. Todos los campos están en la referencia de la API.

Lo que cuesta una comprobación

SesiónCoste a 0,79 $/h
Reproducir un informe de error, 20 minutosunos 0,26 $
Compilar y probar una versión, 1 hora0,79 $
Un día de portabilidad, 8 horas6,32 $

La facturación es por minuto con crédito prepago y empieza en cuanto la instancia supera su comprobación de disponibilidad. La cuenta necesita crédito para una hora para desplegar. Primera recarga: paga 20 $ y recibe 30 $ de crédito, unas 37 horas en un Spark. Una instancia detenida conserva su espacio de trabajo y se factura al 75% de la tarifa por hora; termínala cuando acabes y se deja de facturar, lo que borra el espacio de trabajo. Los precios no incluyen el IVA cuando corresponda.

Lo que un GB10 alquilado no te puede decir

Dónde están los Sparks

Esto funciona en todas las ubicaciones, porque los Sparks de socios ofrecen las mismas imágenes DGX OS y Ubuntu. Mis propios Sparks están en un centro de datos en Hradec Králové, República Checa. Los Sparks de socios son propiedad de socios que los alojan en sus propias instalaciones en EE. UU., Suecia, los Países Bajos, Eslovaquia y Hong Kong, y un socio tiene acceso físico a su máquina. La consola muestra el país, y si está en el EEE, antes de desplegar.

Quién está detrás

GPUwerk es una plataforma nueva, y yo soy la persona que está detrás: Samuel Seidel, fundador, operando como PRINT IT! SE, registrada en Praga. Desde septiembre de 2026, 94 desarrolladores han iniciado 374 instancias en ella (a 9 de noviembre de 2026). La disponibilidad y las incidencias están en status.gpuwerk.com. Si no tienes claro que tu stack vaya a funcionar, escríbeme a través de la página de contacto antes de pagar; respondo yo mismo.

Preguntas frecuentes

¿Qué versión de CUDA hay en la máquina?

Las dos imágenes, DGX OS 7 y Ubuntu 24.04, incluyen el toolkit CUDA 13.0 con nvcc y NCCL. El driver de NVIDIA lo aporta el host y no se puede cambiar desde dentro de la instancia.

¿La imagen DGX OS es el DGX OS de NVIDIA?

No. Es una compilación mía en un contenedor: Ubuntu 24.04 con el toolkit CUDA 13.0, NCCL y NVIDIA DCGM. /etc/dgx-release la identifica como una imagen de GPUwerk.

¿Puedo compilar imágenes de Docker en él?

En algunas máquinas, sí: muchos Sparks alquilados ejecutan tu instancia como un contenedor de sistema con su propio demonio de Docker, así que docker build y docker run --gpus all funcionan de forma nativa en arm64. Otros ejecutan un contenedor sencillo sin Docker. No puedes elegir cuál; docker info te dice cuál tienes.

¿Cuánto cuesta una prueba corta?

Unos 0,26 $ por 20 minutos a 0,79 $ la hora, facturado por minuto con crédito prepago. Para desplegar, la cuenta necesita crédito para una hora. Termina la instancia cuando acabes y se deja de facturar; eso borra el espacio de trabajo.

Primera recarga: paga 20 $ y recibe 30 $ de crédito

Reprodúcelo hoy en un GB10.

Un DGX Spark dedicado con shell root y CUDA 13.0, 0,79 $/h facturado por minuto. Termina la instancia cuando acabes y se deja de facturar.

Desplegar ya