DGX Spark/Tests ARM64 et CUDA
Cas d'usage · Tests et portage

Testez et portez vos logiciels sur un vrai GB10 : aarch64, CUDA, sm_121

Par Samuel Seidel · Mis à jour le 10 novembre 2026 · Lecture : 7 min

Un ticket indique que votre bibliothèque plante sur un DGX Spark, et vous n'en avez pas. Ou vos wheels se compilent sur x86 et personne ne les a essayées sur un CPU Arm avec un GPU Blackwell. Louez un Spark entier le temps de le découvrir : un shell root sur un NVIDIA GB10 (aarch64, compute capability CUDA 12.1) avec le toolkit CUDA 13.0 installé. À 0,79 $ de l'heure, facturé à la minute, une vérification de 20 minutes coûte environ 0,26 $.

Première recharge : payez 20 $ recevez 30 $ de crédit. Facturé à la minute sur crédit prépayé. Supprimez l'instance quand vous avez fini : la facturation s'arrête. La plupart des personnes qui me louent un Spark démarrent l'image DGX OS de base et apportent leur propre pile : c'est le sujet de cette page.

Ce que vous obtenez

CPUArm à 20 cœurs (10 Cortex-X925 et 10 Cortex-A725), uname -m renvoie aarch64
GPUNVIDIA GB10, génération Blackwell, compute capability 12.1 (sm_121)
Mémoire128 Go de LPDDR5x unifiée partagée par le CPU et le GPU, 273 Go/s
ImagesDGX OS 7 : Ubuntu 24.04 avec le toolkit CUDA 13.0 (nvcc), NCCL et NVIDIA DCGM. Ubuntu 24.04 : la même chose sans DCGM. Les deux incluent git, tmux, vim, curl et Python 3 avec pip et venv.
AccèsUn terminal root dans le navigateur sans clé SSH, ou SSH en root sur le port 22 avec votre propre clé. Chaque instance a sa propre adresse IPv4 publique et le nom d'hôte <name>.gpuwerk.com.
Comment il tourneUn conteneur auquel le GPU est directement transmis : sur beaucoup de Sparks, un conteneur système avec systemd et Docker, sur les autres un conteneur simple sans l'un ni l'autre. Vous êtes root à l'intérieur ; le pilote NVIDIA vient de l'hôte.
Stockage1 To NVMe, partagé avec l'hôte. /workspace survit aux redémarrages et aux reconstructions et est effacé lorsque vous supprimez l'instance.

L'image appelée DGX OS 7 dans la console est ma propre image : Ubuntu 24.04 plus les paquets ci-dessus, dans un conteneur. Ce n'est pas l'image d'installation DGX OS de NVIDIA, et /etc/dgx-release l'indique. Ce qui tourne dans un conteneur, et ce qui n'y tourne pas, est détaillé dans les notes sur l'environnement locataire.

Une première vérification en cinq minutes

Déployez DGX Spark 1× avec l'image DGX OS, attendez l'état En cours d'exécution, puis cliquez sur Ouvrir le terminal dans le navigateur sur la page de l'instance. Vérifiez ensuite sur quoi vous êtes :

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 dernière ligne affiche le GB10 et (12, 1). Certaines versions de PyTorch affichent un avertissement indiquant que sm_121 n'est pas compatible ; il est généralement faux, et le guide PyTorch sur un DGX Spark explique pourquoi et quelle wheel choisir.

Compilez et testez votre projet

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

Trois choses piègent les gens sur cette puce :

Pour récupérer les artefacts de compilation, copiez-les avec votre propre clé SSH, puis supprimez l'instance :

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

Exécutions scriptées depuis votre propre CI

Il n'existe pas d'intégration CI clé en main. Ce qui existe : une API qui déploie et supprime des instances à la minute, si bien qu'un job sur votre propre runner peut emprunter un Spark, y lancer ses tests via SSH puis le rendre. Utilisez une clé API avec la portée instances.

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 déploiement nécessite du crédit pour au moins une heure (sinon 402), et renvoie 409 quand aucune machine n'est libre : votre job doit gérer ce cas. Les déploiements par API vont sur une machine dans l'EEE, sauf si vous définissez location_country ou partner_region. Tous les champs sont dans la référence de l'API.

Ce que coûte une vérification

SessionCoût à 0,79 $/h
Reproduire un rapport de bug, 20 minutesenviron 0,26 $
Compiler et tester une version, 1 heure0,79 $
Une journée de portage, 8 heures6,32 $

La facturation se fait à la minute sur crédit prépayé et commence dès que l'instance passe son contrôle de disponibilité. Le compte doit avoir du crédit pour une heure pour déployer. Première recharge : payez 20 $ recevez 30 $ de crédit, soit environ 37 heures sur un Spark. Une instance arrêtée conserve son espace de travail et est facturée à 75 % du tarif horaire ; supprimez-la quand vous avez fini : la facturation s'arrête et l'espace de travail est effacé. Prix hors TVA le cas échéant.

Ce qu'un GB10 loué ne peut pas vous dire

Où se trouvent les Sparks

Cela fonctionne sur tous les emplacements, car les Sparks partenaires proposent les mêmes images DGX OS et Ubuntu. Mes propres Sparks sont dans un datacenter à Hradec Králové, en République tchèque. Les Sparks partenaires sont détenus et hébergés par des partenaires dans leurs propres locaux, aux États-Unis, en Suède, aux Pays-Bas, en Slovaquie et à Hong Kong, et un partenaire a un accès physique à sa machine. La console indique le pays, et s'il se trouve dans l'EEE, avant que vous ne déployiez.

Qui est derrière

GPUwerk est une nouvelle plateforme, et c'est moi qui suis derrière : Samuel Seidel, fondateur, sous la raison sociale PRINT IT! SE, immatriculée à Prague. Depuis septembre 2026, 94 développeurs y ont lancé 374 instances (au 9 novembre 2026). La disponibilité et les incidents sont sur status.gpuwerk.com. Si vous n'êtes pas sûr que votre pile tournera, écrivez-moi via la page de contact avant de payer ; je réponds moi-même.

FAQ

Quelle version de CUDA est installée sur la machine ?

Les deux images, DGX OS 7 et Ubuntu 24.04, incluent le toolkit CUDA 13.0 avec nvcc et NCCL. Le pilote NVIDIA vient de l'hôte et ne peut pas être modifié depuis l'instance.

L'image DGX OS est-elle le DGX OS de NVIDIA ?

Non. C'est ma propre image dans un conteneur : Ubuntu 24.04 avec le toolkit CUDA 13.0, NCCL et NVIDIA DCGM. /etc/dgx-release l'identifie comme une image GPUwerk.

Puis-je y construire des images Docker ?

Sur certaines machines, oui : beaucoup de Sparks loués font tourner votre instance comme un conteneur système avec son propre démon Docker, si bien que docker build et docker run --gpus all fonctionnent nativement en arm64. D'autres font tourner un conteneur simple sans Docker. Vous ne pouvez pas choisir ; docker info vous indique ce que vous avez.

Combien coûte un test court ?

Environ 0,26 $ pour 20 minutes à 0,79 $ de l'heure, facturé à la minute sur crédit prépayé. Pour déployer, le compte doit avoir du crédit pour une heure. Supprimez l'instance quand vous avez fini : la facturation s'arrête et l'espace de travail est effacé.

Première recharge : payez 20 $ recevez 30 $ de crédit

Reproduisez-le sur un GB10 dès aujourd'hui.

Un DGX Spark dédié avec un shell root et CUDA 13.0, 0,79 $/h facturé à la minute. Supprimez l'instance quand vous avez fini : la facturation s'arrête.

Déployer maintenant