NVIDIA DGX Spark · GB10 Grace Blackwell

NVIDIA DGX Spark: unajmite ga od 0,79 USD/h ili ga kupite

NVIDIA DGX Spark stolno je AI računalo: jedan GB10 Grace Blackwell superčip sa 128 GB objedinjene memorije pri 273 GB/s, koji pokreće NVIDIA-in DGX OS. Na GPUwerku možete unajmiti DGX Spark za 0,79 USD na sat, uz naplatu po minuti, ili ga kupiti. Ova stranica objašnjava što je, što izmjeri na GPUwerkovoj floti i gdje gubi.

Autor: Samuel Seidel · Ažurirano 24. listopada 2026. Detaljnije: specifikacije DGX Sparka, cijena DGX Sparka, mjerenja DGX Sparka i klaster DGX Sparka od dva povezana stroja.

128GBObjedinjena memorija, s propusnošću memorije od 273 GB/s
0,79 USDPo satu na GPUwerku, naplata po minuti, ili 1,79 USD po satu za klaster od dva čvora s 256 GB
1PFLOPFP4 AI računalne snage, uz rijetkost (sparsity), iz NVIDIA GB10 Grace Blackwell Superchipa
200Gb/sConnectX-7 umrežavanje s dva QSFP priključka. NVIDIA predviđa dva povezana stroja za modele do 400B parametara

GPUwerk iznajmljuje namjenske NVIDIA DGX Spark strojeve po minuti u Europi, Sjevernoj Americi i Istočnoj Aziji: vlastite strojeve u Češkoj i partnerske Sparkove u drugim zemljama. Jedan Spark je 0,79 USD na sat, a klaster od dva čvora sa 256 GB 1,79 USD na sat, iz unaprijed plaćenog kredita bez pretplate. Radite u terminalu u pregledniku ili preko root SSH-a. Ukinite instancu kad završite i naplata prestaje. Kako unajmiti DGX Spark.

NVIDIA-ina kataloška cijena za SAD iznosi 6.950 USD (provjereno 11. listopada 2026.), u odnosu na 3.999 USD pri lansiranju: pogledajte povijest cijena DGX Sparka i ponude u EU. Kupite NVIDIA DGX Spark u GPUwerkovoj trgovini →

Specifikacije

Hardver u jednoj tablici.

Po čvoru. Svaka je GPUwerkova instanca jedan cijeli stroj, pa su sve ove brojke vaše. Svaka vrijednost, uz objašnjenje što znači za LLM-ove, nalazi se na stranici specifikacije DGX Sparka.

NVIDIA DGX Spark
SuperčipGB10 Grace Blackwell
AI performanse1 PFLOPS FP4 (sparse)
Memorija128 GB objedinjene LPDDR5x memorije
Propusnost memorije273 GB/s
CPU20-jezgreni Arm (10× X925 + 10× A725)
Pohrana1 TB NVMe na GPUwerkovim vlastitim Sparkovima, dijeli se sa sustavom i predmemorijom modela; neki partnerski Sparkovi imaju 2 ili 4 TB (NVIDIA prodaje 1 TB ili 4 TB)
MrežaConnectX-7 · 200 Gb/s
Napajanjenajviše 240 W
Operativni sustavDGX OS 7 · Ubuntu 24.04
CUDACijeli stack unaprijed instaliran

Izvori, očitano 24. listopada 2026.: stranica proizvoda NVIDIA DGX Spark (procesor, memorija, 273 GB/s, 1 PFLOP FP4 uz rijetkost, napajanje od 240 W, do 200B parametara na jednom stroju i 400B na dva) te NVIDIA-ina hardverska dokumentacija (1 TB ili 4 TB NVMe, 256-bitna memorija na 4266 MHz). Datum lansiranja i cijena: NVIDIA-in newsroom, 13. listopada 2025.

Propusnost memorije od 273 GB/s ograničenje je koje je važno za brzinu generiranja LLM-a u jednom toku. Snaga Sparka je kapacitet: modeli koji jednostavno ne stanu na potrošačke GPU-ove, uz FP4 računalnu snagu za skupno posluživanje i fino podešavanje, gdje propusnost raste daleko bolje nego što sugeriraju brojke za jedan tok.

Cijena, najam i kupnja

Unajmite ga ili kupite.

Najam po minuti pokazuje stane li vaš model i radi li dovoljno brzo prije nego što potrošite tisuće na hardver. Unajmljeni Spark daje vam terminal u pregledniku ili root SSH u vlastiti spremnik, unaprijed instaliran CUDA 13.0 toolkit (a na nekim strojevima i Docker) te krajnju točku kompatibilnu s OpenAI-jem iz slike s modelom: s čime radite.

Izmjereno na GPUwerkovoj floti

Mjerenja performansi flote.

Dva modela pripremljena na svakom čvoru flote, izmjerena s vllm bench serve na jednom od GPUwerkovih vlastitih čvorova, bez ičega drugog na njegovu GPU-u. Neobrađeni zapisi su u nastavku, a više modela nalazi se na stranici mjerenja performansi DGX Sparka. Podaci trećih strana za druge modele prikupljeni su i raspravljeni u vodiču za kupnju.

Rezultati mjerenja performansi flote na jednom DGX Spark čvoru
ModelKvantizacijaFrameworkPriprema tok/sGeneriranje tok/sNajveći kontekst
Qwen3-Coder 30B-A3BAWQvLLM 0.27.15.705 tok/s80,9 tok/s262.144
Llama 3.3 70BAWQvLLM 0.27.1391 tok/s6,0 tok/s131.072

Kako ovo čitati.

Priprema je medijan vremena do prvog tokena na upitu od 8.192 tokena. Generiranje je jedan tok, 128 na ulazu i 512 na izlazu, bez ičega drugog u tijeku. Najveći kontekst upit je te duljine koji je stvarno poslužen, a ne brojka izvedena iz veličine KV predmemorije. Priprema je sporija što je upit dulji, jer trošak pažnje raste s kvadratom duljine: model od 30B postiže 5.705 tok/s pri 8k i 586 tok/s pri punjenju svih svojih 262.144.

Veličina skupa (batch) potpuno mijenja odgovor.

Jedan je tok najgori slučaj na ovom hardveru i to je brojka na kojoj većina usporedbi staje. Sa zahtjevima u tijeku model od 30B doseže ukupno 3.235 tok/s pri 256 istodobnih zahtjeva, a onaj od 70B 485 tok/s pri 128, pa pada na 300 pri 256, dok medijan vremena do prvog tokena raste s 8 na 40 sekundi. Mixture-of-experts model zasićuje se iza svoje prijelomne točke; gusti se iza svoje urušava. Obje su krivulje u zapisima.

Izmjereno na čvoru u mirovanju.

Svako je mjerenje izvedeno na čvoru koji je inače mirovao, bez drugog modela učitanog na GPU. Svaki zapis u nastavku počinje popisom procesa na GPU-u i slobodnom memorijom u trenutku početka mjerenja, pa to možete provjeriti, a ne primiti na vjeru.

Neobrađeni zapisi, svako mjerenje, neuređeno osim sažimanja ponovnog iscrtavanja traka napretka: Qwen3-Coder 30B-A3B · Llama 3.3 70B. Za vlastito mjerenje: prvi put nadoplatite 20 USD i dobijete 30 USD kredita, dovoljno za dan evaluacije na namjenskom čvoru.

Radna opterećenja

Što na njemu pokrenuti?

Jasni stavovi iz svakodnevnog vođenja flote ovih strojeva.

Timski asistent za programiranje

Qwen3-Coder 30B-A3B (AWQ, model na kojem GPUwerk mjeri performanse) ostavlja prostora za duge kontekste i nekoliko istodobnih korisnika. Poslužite ga s vLLM-om iza krajnje točke kompatibilne s OpenAI-jem i usmjerite svoje uređivače na nju.

Privatni razgovor + RAG

Instruct model klase 70B u Q4 stane na jedan čvor, uz dovoljno mjesta za embedding model i vektorsku bazu na istom uređaju: cijeli privatni asistent na jednom stroju. Pogledajte kako se postavlja privatni ChatGPT →

Fino podešavanje

LoRA fina podešavanja modela klase 70B stanu u objedinjenu memoriju bez akrobacija s paralelizmom modela. Sporije po koraku nego na GPU-u za podatkovne centre, ali radi ondje gdje potrošačke kartice jednostavno ne mogu.

Najam za jedan posao

Za što ljudi unajmljuju Spark.

Tri posla, svaki s naredbama, izmjerenim brojkama i ograničenjima, na jednoj stranici.

Usporedbe

Kako se uspoređuje.

Usporedbe sa zaključkom na početku, s onim strojevima koje kupci doista razmatraju. Svaka navodi u čemu je konkurent bolji.

DGX Spark naspram Mac Studija

Objedinjena memorija na obje strane, CUDA ekosustav naspram sirove propusnosti. Ažurirano za Appleov Mac Studio s M5 Ultra: Mac je bolji u dekodiranju, Spark u pripremi i prenosivosti CUDA-e.

9 min čitanja

DGX Spark naspram RTX 5090

32 GB brzog VRAM-a naspram 128 GB kapaciteta. U brzini nema prave borbe: cijelo je pitanje stane li vaš model.

6 min čitanja

DGX Spark naspram Strix Haloa

Gotovo jednako generiranje tokena, razlika od 2-3x u pripremi i oko 4.000 USD niža cijena kupnje. Što je pokazao praktičan test The Registera.

5 min čitanja

Usporedba pružatelja DGX Spark oblaka

Svaki najam Sparka na sat s javnim cjenikom, s cijenom, lokacijom, jedinicom naplate i time što se dogodi s vašim podacima pri zaustavljanju. Citirano sa stranica samih pružatelja, uključujući GPUwerkovu.

7 min čitanja

DGX Spark naspram H100 za LLM inferenciju

Kada 128 GB i naplata po minuti nadmašuju karticu za podatkovne centre, a kada zbog propusnosti memorije i skupne propusnosti trebate H100.

8 min čitanja

DGX Spark naspram H200 za LLM inferenciju

Najveća razlika u propusnosti na ovoj stranici, 273 GB/s naspram otprilike 4,8 TB/s. Gdje je to važno, a gdje nije.

7 min čitanja

DGX Spark naspram Jetson AGX Thora: dva različita posla

Zašto se zapravo ne natječu za istog kupca, uz usporedbu ciljanog tržišta, oblika i softverskog stacka.

7 min čitanja

DGX Spark naspram RTX PRO 6000 Blackwell

128 GB objedinjene memorije pri 273 GB/s naspram 96 GB GDDR7 pri oko 1,8 TB/s: koji modeli stanu na koji stroj i kakvu brzinu dekodiranja propusnost omogućuje.

Usporedba

ASUS Ascent GX10 naspram DGX Sparka

Isti GB10 čip i 128 GB. Razlikuju se pohrana, cijena, dimenzije i firmver, svaki sa svojim izvorom.

Usporedba

Usporedba svih GB10 strojeva

DGX Spark, ASUS, Dell, HP, Lenovo, MSI, Gigabyte i Acer jedan uz drugi: jedan čip i razlike koje ostaju.

Usporedba

Svih osam jedan uz drugi, s memorijom, propusnošću i područjima u kojima je svaki konkurent bolji: usporedba alternativa za DGX Spark.

Vodiči

Vodiči i analize.

Za sve koji procjenjuju, kupuju ili postavljaju DGX Spark, napisano iz prostorije s flotom, a ne iz marketinškog materijala.

Postavljanje DGX Sparka: od raspakiravanja do prvog tokena

Prvo pokretanje DGX OS-a, SSH, upravljački programi i posluživanje prvog modela: vodič kakav bih volio da je postojao kad sam ugradio svoju prvu jedinicu.

Postavljanje · 4 min čitanja

Što znati prije kupnje DGX Sparka

Potrošnja, buka, povezivanje dviju jedinica, u čemu je stvarno dobar i ukupan trošak vlasništva u odnosu na sklop s 5090 ili oblak.

Analiza kupnje · 11 min čitanja

Unajmiti ili kupiti DGX Spark

Sati tjedno, cijena kupnje i izračun praga isplativosti, s kalkulatorom za vaše brojke.

Analiza kupnje · 8 min čitanja

Poslužite Qwen3 s vLLM-om na Sparku

Put od kopiranja i lijepljenja do krajnje točke kompatibilne s OpenAI-jem na vlastitom hardveru, uključujući sučelje Open WebUI i systemd.

Postavljanje · 6 min čitanja

Najbolji modeli kojima ne smijete poslati svoje podatke

Koji veliki otvoreni modeli stanu u 128 GB / 256 GB i koliko stvarno zaostaju za vrhom.

Privatni AI · 7 min čitanja

Fino podesite model na podacima svoje tvrtke

LoRA na modelima klase 70B stane u 128 GB objedinjene memorije, dok skup za treniranje ostaje na lokalnom NVMe-u čvora.

Fino podešavanje · 11 min čitanja

AI zaposlenik treba ured. Dajte mu ured koji je vaš.

OpenClaw, Hermes i zašto agent koji čita vašu poštu pripada na hardver koji kontrolirate.

AI agenti · 9 min čitanja

Automatizirajte dosadnih 80 %

Skupna obrada dokumenata na stroju s paušalnom cijenom: dodatni token je besplatan, pa pustite model preko svega.

Automatizacija · 7 min čitanja

Klaster od dva DGX Sparka: postavljanje i što vam zapravo donosi

Povezivanje dvaju Sparkova preko ConnectX-7 200 GbE, što kaže NVIDIA-ina dokumentacija i iskren pogled na to što vam uparivanje donosi, a što ne.

Postavljanje · 9 min čitanja

Kako zaraditi svojim DGX Sparkom

Iznajmite Spark u svom vlasništvu preko GPUwerk Platforme: udio od 70 %, što ne donosi zaradu, primjer pri navedenim satima i vaši troškovi.

Vlasnici · 7 min čitanja

Potrošnja struje i trošak rada DGX Sparka

Objavljeni podaci o potrošnji, što znače na utičnici i kako izračunati vlastiti trošak struje po satu.

Analiza kupnje · 6 min čitanja

ComfyUI i Stable Diffusion na DGX Sparku

NVIDIA-ine upute za ComfyUI na ARM64, prijavljena vremena po slici za svaki model i dijeljenje objedinjene memorije s LLM-om.

Modeli

Kako pokrenuti tek objavljeni model na DGX Sparku

Stane li u memoriju, arm64 slike, NVFP4 ili GGUF, koji pogon i kada tek objavljenom modelu trebaju dva Sparka.

Modeli

Najbolji modeli s otvorenim težinama za pokretanje na DGX Sparku

Koji model odgovara razgovoru, programiranju, skupnoj obradi i agentskom radu te provjera stvarnosti za guste modele, uz isključivo izmjerene tok/s podatke.

Modeli · 8 min čitanja

Ukupan trošak vlasništva: najam GPU-a naspram AI API-ja u oblaku

API u oblaku s naplatom po tokenu, unajmljeni namjenski GPU i kupnja vlastitog hardvera, usporedba jedno uz drugo s podacima već objavljenima na ovoj stranici.

Analiza kupnje · 9 min čitanja

Kako GPUwerk mjeri performanse DGX Sparka

Što se mjeri, jedan tok naspram istodobnosti, koji pogoni i postavke te zašto se objavljuju neobrađeni zapisi, a ne samo zbirna tablica.

Mjerenja performansi · 4 min čitanja

Buka i hlađenje DGX Sparka: što očekivati

Što je dokumentirano o buci ventilatora i hlađenju za stol ili kućni ured, što nije neovisno izmjereno i što provjeriti prije kupnje.

Analiza kupnje · 4 min čitanja

Pokretanje modela vida i multimodalnih modela na DGX Sparku

Što je realno na 128 GB objedinjene memorije za jezično-vizualne modele i razumijevanje slika i zašto zasebna mjerenja za VLM-ove još nisu objavljena.

Modeli · 3 min čitanja

Ažuriranja upravljačkih programa i firmvera DGX Sparka: čime upravlja GPUwerk

Što se na unajmljenom Sparku održava ažurnim na razini hosta i čvora, a što je unutar vašeg root spremnika i ostaje u potpunosti vaša odgovornost.

Postavljanje · 4 min čitanja

Pohrana DGX Sparka: što je trajno, a što treba sigurnosno kopirati

NVMe od 1 TB na unajmljenom Sparku, što točno preživljava zaustavljanje naspram ukidanja i zašto trebate vlastitu sigurnosnu kopiju: GPUwerk ne čuva kopiju vašeg radnog prostora.

Postavljanje · 4 min čitanja

Nadzor i uvid u rad samostalno hostiranog LLM-a

Što pratiti na Sparku koji poslužuje produkcijski promet, od GPU memorije do latencije po zahtjevu.

Rad i održavanje · 6 min čitanja

Sigurnosne kopije i oporavak od katastrofe za vaše radno opterećenje na DGX Sparku

Što na unajmljenom Sparku doista treba sigurnosnu kopiju i kako to vratiti nakon kvara.

Rad i održavanje · 6 min čitanja

Timski pristup i pristup više korisnika zajedničkom DGX Sparku

Zajednički pristup tima jednom Sparku, a da svi ne dijele isti API ključ.

Rad i održavanje · 5 min čitanja

Ograničavanje brzine i kvote za internu LLM postavku

Sprječavanje da jedan tim ili jedna skripta izgladni zahtjeve svih ostalih na zajedničkoj krajnjoj točki.

Rad i održavanje · 5 min čitanja

Ažuriranje ili zamjena modela bez prekida rada

Uvođenje novog modela ili verzije modela u produkciju na Sparku bez prekida rada.

Rad i održavanje · 6 min čitanja

Prelazak s jednog DGX Sparka na flotu

Kada se isplati unajmiti više pojedinačnih Sparkova umjesto klastera od dva čvora, kako rasporediti opterećenje na neovisne čvorove i koji kompromisi u radu dolaze uz malu flotu.

Rad i održavanje · 7 min čitanja

Kvantizirani modeli naspram modela pune preciznosti u produkciji

Kako odlučiti između kvantiziranog modela i modela pune preciznosti za produkcijsku samostalno hostiranu postavku: stane li u memoriju, rizik za kvalitetu po vrsti zadatka i kada testirati oboje.

Rad i održavanje · 6 min čitanja

Predviđanje troškova i budžetiranje AI infrastrukture

Kako procijeniti mjesečni trošak AI infrastrukture pri samostalnom hostingu naspram naplate po upotrebi API-ja, s GPUwerkovom cijenom od 0,79 USD na sat kao izračunanim primjerom i popisom za provjeru proračuna.

Analiza kupnje · 7 min čitanja

Pooštravanje sigurnosti unajmljene GPU instance

Praktično pooštravanje sigurnosti unutar instance na unajmljenom GPU-u: upravljanje SSH ključevima, izloženost mreži, pokretanje usluga bez roota, tajne te privremeno naspram trajnog stanja.

Rad i održavanje · 6 min čitanja

Prelazak postojeće samostalno hostirane AI postavke na DGX Spark

Praktičan put migracije s radne stanice ili drugog GPU-a u oblaku na unajmljeni DGX Spark: ponovna kvantizacija za objedinjenu memoriju, premještanje podataka i plan prelaska.

Postavljanje · 7 min čitanja

Upravljanje GPU memorijom za više modela na jednom Sparku

Raspoređivanje 128 GB objedinjene memorije na nekoliko modela ili spremnika na jednom DGX Sparku i kada izračun kaže da je bolje podijeliti opterećenje na klaster od dva čvora.

Rad i održavanje · 6 min čitanja

llama.cpp, vLLM i SGLang na DGX Sparku: zastavice i pokretanje

Praktični dodatak za odabir pogona za inferenciju: točne zastavice, naredbe za pokretanje i gdje se llama.cpp, vLLM i SGLang stvarno razlikuju na objedinjenoj memoriji GB10.

Postavljanje · 6 min čitanja

Testiranje plana oporavka od katastrofe za samostalno hostirani LLM

Plan sigurnosnih kopija iz kojeg niste vratili podatke samo je hipoteza. Vježbe vraćanja, simulacije ispada i mjerenje RTO/RPO za samostalno hostiran LLM.

Rad i održavanje · 6 min čitanja

Najbolje prakse za rotaciju API ključeva u privatnoj implementaciji LLM-a

Rotacija API ključeva i vjerodajnica za samostalno hostiranu krajnju točku za inferenciju: određivanje opsega, rasporedi rotacije, opoziv te što automatizirati, a što raditi ručno.

Rad i održavanje · 6 min čitanja

Procjena kvalitete modela prije prelaska na drugi model

Izdvojeni testni skupovi, A/B pristupi i provjere regresije za usporedbu kandidata s vašim trenutačnim modelom prije prelaska u produkciju.

Rad i održavanje · 6 min čitanja

Predmemoriranje upita radi smanjenja troška inferencije

Kako ponovna upotreba prefiksa i KV predmemorije smanjuje ponovljeno računanje na samostalno hostiranoj postavci: što se računa kao pogodak u predmemoriju, kako zato oblikovati upite i gdje se ušteda zapravo vidi na Sparku unajmljenom na sat.

Rad i održavanje · 6 min čitanja

Strukturirani izlaz i pozivanje funkcija na samostalno hostiranom LLM-u

Postavljanje strukturiranog izlaza u JSON načinu i pozivanja alata odnosno funkcija na samostalno hostiranim modelima s vLLM-om i llama.cpp, uključujući koji ih modeli podržavaju i kako otkloniti neispravne pozive.

Postavljanje · 5 min čitanja

Ugrađivanja i vektorsko pretraživanje na DGX Sparku

Samostalni hosting modela za ugrađivanja uz vektorsku bazu za RAG proces na jednom Sparku: raspodjela memorije, posluživanje modela za ugrađivanja i odabir vektorske pohrane.

Modeli · 5 min čitanja

Skupna obrada velikih poslova inferencije na unajmljenom Sparku

Skupna obrada dokumenata i označavanje velikih skupova podataka na DGX Sparku unajmljenom na sat: postavke propusnosti, dimenzioniranje poslova i kako se trošak skupne inferencije uspoređuje s interaktivnim posluživanjem.

Rad i održavanje · 5 min čitanja

Praćenje iskorištenosti GPU-a i ispravno dimenzioniranje postavke

Kako očitati stvarnu iskorištenost GPU-a i memorije na unajmljenom DGX Sparku i prema tome odlučiti hoćete li ostati na istome, prijeći na klaster s dva čvora ili se proširiti na flotu.

Rad i održavanje · 5 min čitanja

Revizijsko bilježenje za samostalno hostiranu implementaciju LLM-a osjetljivu na usklađenost

Postavljanje zapisa za reviziju zahtjeva i odgovora unutar vlastitog spremnika na unajmljenom DGX Sparku: što bilježiti, gdje to pohraniti i gdje prestaje GPUwerkova odgovornost.

Rad i održavanje · 6 min čitanja

Strategija verzioniranja modela i vraćanja na prethodnu verziju za samostalno hostiranu postavku

Praćenje toga koje su težine i konfiguracije modela zapravo u radu i uredno vraćanje na prethodnu verziju kad nova zaostaje.

Rad i održavanje · 6 min čitanja

Hladno pokretanje naspram stalnog rada: odabir obrasca rada instance

Zaustavljanje DGX Sparka između upotreba naspram neprekidnog rada: trošak, latencija i kompromisi oko podataka.

Analiza kupnje · 5 min čitanja

Postavljanje jedinstvene prijave i kontrole pristupa za timsku LLM postavku

Postavljanje sloja za autentifikaciju ispred samostalno hostirane krajnje točke za inferenciju kako bi se tim prijavljivao postojećim identitetima umjesto da dijeli SSH ključeve ili API tokene.

Postavljanje · 5 min čitanja

Pokretanje više spremnika i usluga na DGX Sparku

Obrasci Docker spremnika za jedan DGX Spark: kada je obična docker-compose datoteka dovoljna, a kada ga je radno opterećenje preraslo.

Postavljanje · 5 min čitanja

Svi vodiči, grupirani po kupnji, modelima i pogonima, klasterima i radu: svi vodiči za DGX Spark.

Pitanja.

Što je NVIDIA DGX Spark?

NVIDIA DGX Spark stolno je AI računalo izgrađeno oko NVIDIA GB10 Grace Blackwell superčipa: Blackwell GPU i Arm procesor s 20 jezgri dijele 128 GB objedinjene memorije pri 273 GB/s, uz do 1 PFLOP rijetkog FP4 računanja. Pokreće NVIDIA-in DGX OS, sustav temeljen na Ubuntuu s unaprijed instaliranim CUDA stackom, i troši najviše 240 W. Narudžbe su otvorene 15. listopada 2025. po 3.999 USD; NVIDIA-ina kataloška cijena za SAD iznosila je 6.950 USD pri provjeri 11. listopada 2026. (povijest cijena). ASUS, Dell, HP, Lenovo, MSI, Gigabyte i Acer prodaju strojeve s istim GB10 čipom pod vlastitim imenima: usporedba svih GB10 strojeva.

Dobivam li cijeli DGX Spark samo za sebe?

Da. Svaka je GPUwerkova instanca jedan namjenski čvor, a ne dio dijeljenog GPU-a. 128 GB objedinjene memorije, punih 273 GB/s propusnosti i 1 PFLOPS rijetkog FP4 računanja vaši su za vrijeme trajanja najma, bez ičega drugog na tom stroju.

Po čemu se DGX Spark razlikuje od najma GPU instance u oblaku?

Tipična GPU instanca u oblaku daje vam 24 do 80 GB VRAM-a na kartici za podatkovne centre. DGX Spark daje vam 128 GB objedinjene memorije na jednom stroju, dovoljno za modele klase 70B bez dijeljenja na više GPU-ova, a GPUwerk ga iznajmljuje uz naplatu po minuti s vlastitih Sparkova u Češkoj i partnerskih Sparkova u Europi, Sjevernoj Americi i Istočnoj Aziji.

U čemu je kvaka s propusnošću memorije od 273 GB/s?

To je gornja granica brzine generiranja u jednom toku: manje tokena u sekundi nego na zasebnom GPU-u s bržim VRAM-om, zbog čega s time počinju i vodič za kupnju i usporedba s RTX 5090. Prednost Sparka su kapacitet i skupna propusnost, a ne sirova brzina za jednog korisnika.

Mogu li kupiti DGX Spark umjesto da ga unajmim?

Da. GPUwerkova trgovina nudi i sam NVIDIA DGX Spark, s cijenom prema zalihama čeških dobavljača kad ga netko može isporučiti, te isti GB10 stroj od sedam drugih proizvođača, među njima i Lenovo ThinkStation PGX od 5.330 € bez PDV-a. GPUwerk vam ga otprema ili ga, ako tako odaberete, smješta u svoj podatkovni centar i iznajmljuje za vas. Možete kupiti i od NVIDIA-e ili njezinih partnera ili pitati GPUwerk za stroj na vlastitoj lokaciji. Ako ga prvo unajmite po minuti, saznat ćete odgovara li hardver vašem poslu prije kupnje od oko 4.000 € ili više, a svaka GPUwerkova instanca u oblaku radi na identičnom GB10 hardveru.

Sve o DGX Sparku na ovoj stranici.

Sve stranice na GPUwerku o DGX Sparku, grupirane po tome što želite postići.

Prestanite čitati tuđa mjerenja.
Napravite vlastita.

Unajmite namjenski Spark za 0,79 USD/h, uz naplatu po minuti. Prva nadoplata: platite 20 USD, dobijete 30 USD kredita, otprilike 37 sati rada.

Izradite korisnički račun