NVIDIA DGX Spark · GB10 Grace Blackwell

La NVIDIA DGX Spark: noleggiala da 0 $,79/h o acquistala

La NVIDIA DGX Spark è un computer IA da scrivania: un superchip GB10 Grace Blackwell con 128 GB di memoria unificata a 273 GB/s, che esegue DGX OS di NVIDIA. Puoi noleggiare una DGX Spark su GPUwerk a 0 $,79 all'ora, fatturati al minuto, oppure acquistarne una. Questa pagina spiega cos'è, cosa misura sulla flotta di GPUwerk e dove perde.

Di Samuel Seidel · Aggiornato il 24 ottobre 2026. Approfondimenti: specifiche della DGX Spark, prezzo della DGX Spark, benchmark della DGX Spark e il cluster DGX Spark di due macchine collegate.

128GBMemoria unificata, con 273 GB/s di banda di memoria
0 $,79All'ora su GPUwerk, fatturati al minuto, o 1 $,79 all'ora per un cluster a due nodi da 256 GB
1PFLOPCalcolo IA FP4, sparse, dal superchip NVIDIA GB10 Grace Blackwell
200Gb/sRete ConnectX-7 con due porte QSFP. NVIDIA indica due macchine collegate per modelli fino a 400B parametri

GPUwerk noleggia macchine NVIDIA DGX Spark dedicate al minuto in Europa, Nord America e Asia orientale: le proprie macchine in Repubblica Ceca e Spark di proprietà di partner in altri paesi. Una Spark costa 0 $,79 all'ora e un cluster a due nodi da 256 GB 1 $,79 all'ora, dal credito prepagato senza abbonamento. Lavori in un terminale nel browser o via SSH root. Termina quando hai finito e la fatturazione si ferma. Come noleggiare una DGX Spark.

Il prezzo di listino USA di NVIDIA è 6.950 $ (verificato l'11 ottobre 2026), rispetto ai 3.999 $ del lancio: vedi storico dei prezzi della DGX Spark e offerte nell'UE. Acquista una NVIDIA DGX Spark nello store GPUwerk →

Specifiche

L'hardware in un'unica tabella.

Per nodo. Ogni istanza GPUwerk è un'intera macchina, quindi questi numeri sono tutti tuoi. Ogni valore, con il suo significato per gli LLM, è nella pagina specifiche della DGX Spark.

NVIDIA DGX Spark
SuperchipGB10 Grace Blackwell
Prestazioni IA1 PFLOPS FP4 (sparse)
Memoria128 GB LPDDR5x unificata
Banda di memoria273 GB/s
CPUArm a 20 core (10× X925 + 10× A725)
Storage1 TB NVMe sulle Spark di GPUwerk, condiviso con il sistema e la cache dei modelli; alcune Spark dei partner hanno 2 o 4 TB (NVIDIA vende 1 TB o 4 TB)
ReteConnectX-7 · 200 Gb/s
Alimentazione240 W max
Sistema operativoDGX OS 7 · Ubuntu 24.04
CUDAStack completo preinstallato

Fonti, lette il 24 ottobre 2026: la pagina prodotto NVIDIA DGX Spark (CPU, memoria, 273 GB/s, 1 PFLOP FP4 con sparsità, alimentatore da 240 W, fino a 200B parametri su una macchina e 400B su due) e la documentazione hardware NVIDIA (NVMe da 1 TB o 4 TB, memoria a 256 bit a 4266 MHz). Data di lancio e prezzo: newsroom NVIDIA, 13 ottobre 2025.

La banda di memoria di 273 GB/s è il vincolo che conta per la velocità di generazione LLM a flusso singolo. Il punto di forza della Spark è la capacità: modelli che semplicemente non entrano nelle GPU consumer, più il calcolo FP4 per il serving in batch e il fine-tuning, dove il throughput scala molto meglio di quanto suggeriscano i numeri a flusso singolo.

Prezzo, noleggio e acquisto

Noleggiala o acquistala.

Il noleggio al minuto ti dice se il tuo modello ci sta e gira abbastanza veloce prima di spendere migliaia per l'hardware. Una Spark a noleggio ti dà un terminale nel browser o SSH root nel tuo container, il toolkit CUDA 13.0 preinstallato (e Docker, su alcune macchine), e un endpoint compatibile OpenAI da un'immagine con modello: con cosa lavori.

Misurato sulla flotta di GPUwerk

Benchmark della flotta.

I due modelli preinstallati su ogni nodo della flotta, misurati con vllm bench serve su uno dei nodi di GPUwerk senza nient'altro sulla GPU. I log grezzi sono qui sotto, e altri modelli sono nella pagina benchmark della DGX Spark. I dati di terze parti per altri modelli sono raccolti e discussi nella guida all'acquisto.

Risultati dei benchmark della flotta su un nodo DGX Spark
ModelloQuantizzazioneFrameworktok/s di prefilltok/s di generazioneContesto massimo
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

Come leggerlo.

Il prefill è il time to first token mediano su un prompt di 8.192 token. Generate è un flusso singolo, 128 in ingresso e 512 in uscita, senza nient'altro in corso. Il contesto massimo è un prompt di quella lunghezza effettivamente servito, non un valore dedotto dalla dimensione della KV cache. Il prefill rallenta al crescere del prompt, perché il costo dell'attenzione è quadratico: il 30B fa 5.705 tok/s a 8k e 586 tok/s riempiendo tutti i suoi 262.144.

La dimensione del batch cambia completamente la risposta.

Un flusso singolo è il caso peggiore su questo hardware, ed è il numero a cui si fermano la maggior parte dei confronti. Con più richieste in corso il 30B raggiunge 3.235 tok/s aggregati con 256 richieste simultanee, e il 70B raggiunge 485 tok/s a 128, poi scende a 300 a 256, con il time to first token mediano che passa da 8 a 40 secondi. Il modello mixture-of-experts si satura oltre il suo punto di flesso; quello denso crolla oltre il suo. Entrambe le curve sono nei log.

Misurato su un nodo inattivo.

Ogni prova è stata eseguita su un nodo altrimenti inattivo, senza altri modelli caricati sulla GPU. Ogni log qui sotto si apre con l'elenco dei processi della GPU e la memoria libera nell'istante in cui è iniziata la prova, così puoi verificarlo invece di fidarti.

Log grezzi, ogni prova, senza modifiche a parte la compressione dei ridisegni delle barre di avanzamento: Qwen3-Coder 30B-A3B · Llama 3.3 70B. Per eseguire le tue: alla prima ricarica paghi 20 $ e ricevi 30 $ di credito, abbastanza per una giornata di valutazione su un nodo dedicato.

Carichi di lavoro

Cosa dovrei eseguirci?

Indicazioni basate sull'esperienza di gestione di una flotta di queste macchine.

Assistente di coding per il team

Qwen3-Coder 30B-A3B (AWQ, il modello su cui GPUwerk esegue i benchmark) lascia spazio per contesti lunghi e diversi utenti simultanei. Servilo con vLLM dietro un endpoint compatibile OpenAI e collegaci i tuoi editor.

Chat privata + RAG

Un modello instruct di classe 70B in Q4 entra in un nodo con margine per un modello di embedding e un vector store sulla stessa macchina: un intero assistente privato su un'unica macchina. Vedi la configurazione del ChatGPT privato →

Fine-tuning

I fine-tuning LoRA di modelli di classe 70B entrano nella memoria unificata senza acrobazie di parallelismo del modello. Più lenti per step di una GPU da data center, ma girano dove le schede consumer semplicemente non ce la fanno.

Noleggio per un singolo lavoro

Per cosa si noleggia una Spark.

Tre lavori, ognuno con comandi, numeri misurati e limiti in un'unica pagina.

Confronti

Il confronto.

Confronti che partono dal verdetto, con le macchine che gli acquirenti mettono davvero sul piatto. Ogni confronto dice dove vince l'altra.

DGX Spark vs Mac Studio

Memoria unificata da entrambe le parti, ecosistema CUDA contro banda pura. Aggiornato per il Mac Studio M5 Ultra di Apple: il Mac vince nella decodifica, la Spark nel prefill e nella portabilità CUDA.

9 min di lettura

DGX Spark vs RTX 5090

32 GB di VRAM veloce contro 128 GB di capacità. Sulla velocità non c'è partita: la vera domanda è se il tuo modello ci sta.

6 min di lettura

DGX Spark vs Strix Halo

Generazione di token quasi identica, un divario di 2-3x nel prefill e circa 4.000 $ in meno di prezzo d'acquisto. Cosa ha rilevato il test pratico di The Register.

5 min di lettura

Fornitori cloud di DGX Spark a confronto

Ogni noleggio orario di Spark con un annuncio pubblico, con prezzo, ubicazione, granularità di fatturazione e cosa succede ai tuoi dati all'arresto. Citati dalla pagina di ciascun fornitore, GPUwerk compresa.

7 min di lettura

DGX Spark vs H100 per l'inferenza LLM

Quando 128 GB e la fatturazione al minuto battono una scheda da data center, e quando banda di memoria e throughput in batch significano che ti serve invece la H100.

8 min di lettura

DGX Spark vs H200 per l'inferenza LLM

Il divario di banda più ampio su questo sito, 273 GB/s contro circa 4,8 TB/s. Dove conta e dove no.

7 min di lettura

DGX Spark vs Jetson AGX Thor: due lavori diversi

Perché non competono davvero per lo stesso acquirente, con mercato di riferimento, formato e stack software a confronto.

7 min di lettura

DGX Spark vs RTX PRO 6000 Blackwell

128 GB di memoria unificata a 273 GB/s contro 96 GB di GDDR7 a circa 1,8 TB/s: quali modelli entrano in ciascuna e quale velocità di decodifica consente la banda.

Confronto

ASUS Ascent GX10 vs DGX Spark

Lo stesso chip GB10 e 128 GB. Cambiano storage, prezzo, dimensioni e firmware, ciascuno con la sua fonte.

Confronto

Tutte le macchine GB10 a confronto

DGX Spark, ASUS, Dell, HP, Lenovo, MSI, Gigabyte e Acer a confronto: un unico chip, e le differenze che restano.

Confronto

Tutte e otto a confronto, con memoria, banda e dove vince ciascuna rivale: alternative alla DGX Spark a confronto.

Guide

Guide e analisi.

Per chi valuta, acquista o configura una DGX Spark, scritto dalla sala macchine, non da una cartella stampa.

Configurazione della DGX Spark: dall'unboxing al primo token

Primo avvio di DGX OS, SSH, driver e il tuo primo modello servito: la guida che avrei voluto avere quando ho montato in rack la mia prima unità.

Configurazione · 4 min di lettura

Cosa sapere prima di acquistare una DGX Spark

Consumi, rumore, collegamento in rete di due unità, in cosa è davvero brava, e il costo totale di possesso rispetto a un rig con 5090 o al cloud.

Analisi d'acquisto · 11 min di lettura

Noleggiare o acquistare una DGX Spark

Ore a settimana, prezzo d'acquisto e i calcoli del punto di pareggio, con un calcolatore per i tuoi numeri.

Analisi d'acquisto · 8 min di lettura

Servire Qwen3 con vLLM su una Spark

Percorso copia-incolla verso un endpoint compatibile OpenAI sul tuo hardware, con frontend Open WebUI e systemd inclusi.

Configurazione · 6 min di lettura

I migliori modelli a cui non ti è permesso inviare i tuoi dati

Quali grandi modelli aperti entrano in 128 GB / 256 GB, e quanto sono davvero indietro rispetto alla frontiera.

IA privata · 7 min di lettura

Fai il fine-tuning di un modello sui dati della tua azienda

LoRA su modelli di classe 70B entra in 128 GB di memoria unificata, con il set di training che resta sull'NVMe locale del nodo.

Fine-tuning · 11 min di lettura

Un dipendente IA ha bisogno di un ufficio. Dagliene uno di tua proprietà.

OpenClaw, Hermes, e perché un agente che legge la tua casella di posta deve stare su hardware che controlli tu.

Agenti IA · 9 min di lettura

Automatizza il noioso 80%

Elaborazione di documenti in batch su una macchina a tariffa fissa: il token marginale è gratis, quindi fai passare il modello su tutto.

Automazione · 7 min di lettura

Cluster DGX Spark a due nodi: configurazione e cosa ti dà davvero

Collegare due Spark tramite ConnectX-7 200 GbE, cosa dice la documentazione di NVIDIA, e una valutazione onesta di cosa ti dà e non ti dà l'abbinamento.

Configurazione · 9 min di lettura

Come guadagnare con la tua DGX Spark

Metti a noleggio una Spark di tua proprietà tramite GPUwerk Platform: la quota del 70%, cosa non rende nulla, un esempio con ore indicate e i tuoi costi.

Proprietari · 7 min di lettura

Consumi e costi di esercizio della DGX Spark

I dati di consumo pubblicati, cosa significano alla presa di corrente e come calcolare il tuo costo dell'elettricità all'ora.

Analisi d'acquisto · 6 min di lettura

ComfyUI e Stable Diffusion su una DGX Spark

Il playbook ComfyUI di NVIDIA su ARM64, tempi per immagine riportati per modello, e la condivisione della memoria unificata con un LLM.

Modelli

Come eseguire un modello appena uscito su una DGX Spark

Spazio in memoria, immagini arm64, NVFP4 o GGUF, quale motore, e quando un modello appena uscito richiede due Spark.

Modelli

I migliori modelli open-weight da eseguire su una DGX Spark

Quale modello è adatto a chat, coding, batch e lavoro con agenti, e una verifica realistica sui modelli densi, usando solo tok/s misurati.

Modelli · 8 min di lettura

Costo totale di possesso: noleggio GPU contro un'API IA cloud

Un'API cloud a token, una GPU dedicata a noleggio e l'acquisto dell'hardware, confrontati fianco a fianco con dati già pubblicati su questo sito.

Analisi d'acquisto · 9 min di lettura

Come GPUwerk esegue i benchmark della DGX Spark

Cosa viene misurato, flusso singolo contro concorrenza, quali motori e impostazioni, e perché vengono pubblicati i log grezzi invece della sola tabella riassuntiva.

Benchmark · 4 min di lettura

Rumore e raffreddamento della DGX Spark: cosa aspettarsi

Cosa è documentato su rumore delle ventole e raffreddamento per una scrivania o un ufficio in casa, cosa non è stato misurato in modo indipendente, e dove verificare prima di acquistare.

Analisi d'acquisto · 4 min di lettura

Modelli di visione e multimodali su una DGX Spark

Cosa è plausibile con 128 GB di memoria unificata per modelli vision-language e comprensione delle immagini, e perché non sono ancora stati pubblicati benchmark VLM dedicati.

Modelli · 3 min di lettura

Aggiornamenti di driver e firmware della DGX Spark: cosa gestisce GPUwerk

Cosa viene mantenuto aggiornato a livello di host e di nodo su una Spark a noleggio, e cosa sta nel tuo container root e resta interamente sotto la tua responsabilità.

Configurazione · 4 min di lettura

Storage della DGX Spark: cosa è persistente e di cosa fare il backup

L'NVMe da 1 TB su una Spark a noleggio, esattamente cosa sopravvive a un arresto rispetto a una terminazione, e perché ti serve un tuo backup: GPUwerk non conserva copie del tuo workspace.

Configurazione · 4 min di lettura

Monitoraggio e osservabilità per un LLM self-hosted

Cosa monitorare su una Spark che serve traffico di produzione, dalla memoria GPU alla latenza per richiesta.

Operazioni · 6 min di lettura

Backup e disaster recovery per il tuo carico di lavoro su DGX Spark

Di cosa serve davvero il backup su una Spark a noleggio, e come ripristinarlo dopo un guasto.

Operazioni · 6 min di lettura

Accesso per team e multiutente a una DGX Spark condivisa

Dare a un team accesso condiviso a una Spark senza che tutti condividano un'unica chiave API.

Operazioni · 5 min di lettura

Limiti di frequenza e quote per un deployment LLM interno

Evitare che un team o uno script affami le richieste di tutti gli altri su un endpoint condiviso.

Operazioni · 5 min di lettura

Aggiornare o cambiare modelli senza downtime

Portare in produzione un nuovo modello o una nuova versione su una Spark senza una finestra di interruzione.

Operazioni · 6 min di lettura

Scalare da una DGX Spark a una flotta

Quando conviene noleggiare più Spark singole invece di un cluster a due nodi, come bilanciare il carico tra nodi indipendenti, e i compromessi operativi della gestione di una piccola flotta.

Operazioni · 7 min di lettura

Modelli quantizzati o a precisione piena in produzione

Come scegliere tra un modello quantizzato e uno a precisione piena per un deployment self-hosted in produzione: spazio in memoria, rischio di qualità per compito e quando provarli entrambi.

Operazioni · 6 min di lettura

Previsione dei costi e budget per l'infrastruttura IA

Come stimare la spesa mensile per l'infrastruttura IA in self-hosting rispetto a un'API a consumo, con la tariffa di 0 $,79/ora di GPUwerk come esempio pratico e una checklist per il budget.

Analisi d'acquisto · 7 min di lettura

Hardening della sicurezza di un'istanza GPU a noleggio

Hardening pratico all'interno dell'istanza per una GPU a noleggio: gestione delle chiavi SSH, esposizione di rete, servizi senza root, segreti, e stato effimero contro persistente.

Operazioni · 6 min di lettura

Migrare un deployment IA self-hosted esistente su una DGX Spark

Un percorso di migrazione pratico da una workstation o da un'altra GPU cloud a una DGX Spark a noleggio: riquantizzazione per la memoria unificata, spostamento dei dati e un piano di passaggio.

Configurazione · 7 min di lettura

Gestione della memoria GPU per più modelli su una Spark

Ripartire i 128 GB di memoria unificata tra più modelli o container su una singola DGX Spark, e quando i conti dicono di passare invece a un cluster a due nodi.

Operazioni · 6 min di lettura

llama.cpp vs vLLM vs SGLang su una DGX Spark: flag e avvio

Una guida pratica per scegliere un motore di inferenza: flag esatti, comandi di avvio e dove llama.cpp, vLLM e SGLang differiscono davvero sulla memoria unificata del GB10.

Configurazione · 6 min di lettura

Testare il piano di disaster recovery per un LLM self-hosted

Un piano di backup da cui non hai mai fatto un ripristino è un'ipotesi. Prove di ripristino, game day e misurazione di RTO/RPO per un deployment LLM self-hosted.

Operazioni · 6 min di lettura

Best practice per la rotazione delle chiavi API in un deployment LLM privato

Rotazione di chiavi API e credenziali per un endpoint di inferenza self-hosted: ambito, calendari di rotazione, revoca, e cosa automatizzare rispetto a cosa fare a mano.

Operazioni · 6 min di lettura

Valutare la qualità del modello prima di cambiare modello

Set di test separati, approcci A/B e controlli di regressione per confrontare un modello candidato con quello attuale prima di cambiarlo in produzione.

Operazioni · 6 min di lettura

Prompt caching per ridurre il costo dell'inferenza

Come il riutilizzo della prefix cache e della KV cache riduce il calcolo ripetuto in un deployment self-hosted: cosa vale come cache hit, come strutturare i prompt per ottenerlo e dove si vedono davvero i risparmi su una Spark noleggiata a ore.

Operazioni · 6 min di lettura

Output strutturato e function calling su un LLM self-hosted

Configurare output strutturato in modalità JSON e tool/function calling su modelli self-hosted con vLLM e llama.cpp, compreso quali modelli lo supportano e come fare il debug di chiamate malformate.

Configurazione · 5 min di lettura

Embedding e ricerca vettoriale su una DGX Spark

Ospitare in proprio un modello di embedding accanto a un database vettoriale per una pipeline RAG su una singola Spark: budget di memoria, serving del modello di embedding e scelta di un vector store.

Modelli · 5 min di lettura

Elaborazione in batch di grandi job di inferenza su una Spark a noleggio

Elaborazione massiva di documenti ed etichettatura di dataset su larga scala su una DGX Spark noleggiata a ore: impostazioni di throughput, dimensionamento dei job e come il costo dell'inferenza in batch si confronta con il serving interattivo.

Operazioni · 5 min di lettura

Monitoraggio dell'utilizzo GPU e dimensionamento del deployment

Come leggere l'utilizzo reale di GPU e memoria su una DGX Spark a noleggio e usarlo per decidere se restare così, passare a un cluster a due nodi o scalare su una flotta.

Operazioni · 5 min di lettura

Audit logging per un deployment LLM self-hosted soggetto a requisiti di conformità

Configurare log di audit di richieste e risposte nel tuo container su una DGX Spark a noleggio: cosa registrare, dove conservarlo e dove finisce la responsabilità di GPUwerk.

Operazioni · 6 min di lettura

Strategia di versionamento e rollback dei modelli per un deployment self-hosted

Tenere traccia di quali pesi e configurazioni del modello sono davvero in esecuzione, e fare un rollback pulito quando una nuova versione rende meno.

Operazioni · 6 min di lettura

Avvio a freddo o sempre accesa: scegliere un modello di uptime per l'istanza

Arrestare una DGX Spark tra un utilizzo e l'altro o tenerla accesa 24 ore su 24: compromessi di costo, latenza e dati.

Analisi d'acquisto · 5 min di lettura

Configurare SSO e controllo degli accessi per un deployment LLM di team

Mettere un livello di autenticazione davanti a un endpoint di inferenza self-hosted, così un team accede con le identità esistenti invece di condividere chiavi SSH o token API.

Configurazione · 5 min di lettura

Più container e servizi su una DGX Spark

Schemi di container Docker per una singola DGX Spark: quando basta un semplice file docker-compose e quando il carico di lavoro lo ha superato.

Configurazione · 5 min di lettura

Tutte le guide, raggruppate per acquisto, modelli e motori, cluster e operazioni: tutte le guide sulla DGX Spark.

Domande.

Cos'è la NVIDIA DGX Spark?

La NVIDIA DGX Spark è un computer IA da scrivania costruito sul superchip NVIDIA GB10 Grace Blackwell: una GPU Blackwell e una CPU Arm a 20 core che condividono 128 GB di memoria unificata a 273 GB/s, con fino a 1 PFLOP di calcolo FP4 sparse. Esegue DGX OS di NVIDIA, un sistema basato su Ubuntu con lo stack CUDA preinstallato, e consuma al massimo 240 W. Gli ordini sono stati aperti il 15 ottobre 2025 a 3.999 $; il prezzo di listino USA di NVIDIA era di 6.950 $ alla verifica dell'11 ottobre 2026 (storico dei prezzi). ASUS, Dell, HP, Lenovo, MSI, Gigabyte e Acer vendono macchine con lo stesso chip GB10 con il proprio marchio: tutte le macchine GB10 a confronto.

Ho un'intera DGX Spark tutta per me?

Sì. Ogni istanza GPUwerk è un nodo dedicato, non una porzione di una GPU condivisa. I 128 GB di memoria unificata, l'intera banda di 273 GB/s e 1 PFLOPS di calcolo FP4 sparse sono tuoi per tutta la durata del noleggio, senza nient'altro in esecuzione sulla macchina.

In cosa una DGX Spark è diversa dal noleggio di un'istanza GPU cloud?

Una tipica istanza GPU cloud ti dà da 24 a 80 GB di VRAM su una scheda da data center. Una DGX Spark ti dà 128 GB di memoria unificata su una macchina, abbastanza per modelli di classe 70B senza suddividerli tra più GPU, e GPUwerk la noleggia con fatturazione al minuto dalle proprie Spark in Repubblica Ceca e dalle Spark dei partner in Europa, Nord America e Asia orientale.

Qual è il limite dei 273 GB/s di banda di memoria?

È il limite alla velocità di generazione a flusso singolo: meno token al secondo di una GPU discreta con VRAM più veloce, ed è per questo che sia la guida all'acquisto sia il confronto con la RTX 5090 partono da qui. Il vantaggio della Spark è la capacità e il throughput in batch, non la velocità pura per un singolo utente.

Posso acquistare una DGX Spark invece di noleggiarla?

Sì. Lo store di GPUwerk elenca la NVIDIA DGX Spark stessa, quotata in base alle scorte dei fornitori cechi quando uno può consegnarla, e la stessa macchina GB10 di altri sette produttori, tra cui il Lenovo ThinkStation PGX da 5.330 € IVA esclusa. GPUwerk te la spedisce oppure, se lo scegli, la ospita nel suo data center e la mette a noleggio per te. Puoi anche acquistare da NVIDIA o dai suoi partner, o chiedere a GPUwerk una macchina per la tua sede. Noleggiare prima al minuto ti dice se l'hardware si adatta al tuo carico di lavoro prima di un acquisto da circa 4.000 € o più, e ogni istanza cloud di GPUwerk usa lo stesso identico hardware GB10.

Tutto sulla DGX Spark su questo sito.

Ogni pagina di GPUwerk che parla della DGX Spark, raggruppata per ciò che vuoi fare.

Smetti di leggere benchmark.
Esegui i tuoi.

Noleggia una Spark dedicata a 0 $,79/h, fatturata al minuto. Prima ricarica: paghi 20 $, ricevi 30 $ di credito, circa 37 ore di calcolo.

Crea un account