NVIDIA DGX Spark · GB10 Grace Blackwell

NVIDIA DGX Spark: išsinuomokite nuo 0,79 USD/val. arba nusipirkite

NVIDIA DGX Spark – stalinis DI kompiuteris: vienas GB10 Grace Blackwell Superchip su 128 GB bendros atminties, 273 GB/s, veikiantis su NVIDIA DGX OS. DGX Spark galite išsinuomoti GPUwerk už 0,79 USD per valandą, apmokestinama už minutę, arba jį nusipirkti. Šiame puslapyje paaiškinta, kas tai yra, ką jis parodo GPUwerk parko matavimuose ir kur jis pralaimi.

Autorius Samuel Seidel · Atnaujinta 2026 m. spalio 24 d. Išsamiau: DGX Spark specifikacijos, DGX Spark kaina, DGX Spark lyginamieji testai ir dviejų sujungtų įrenginių DGX Spark klasteris.

128GBBendra atmintis, 273 GB/s atminties pralaidumas
0,79 USDPer valandą GPUwerk platformoje, apmokestinama už minutę, arba 1,79 USD per valandą už 256 GB dviejų mazgų klasterį
1PFLOPFP4 DI skaičiavimo galia (sparse) iš NVIDIA GB10 Grace Blackwell Superchip
200Gb/sConnectX-7 tinklas su dviem QSFP prievadais. NVIDIA nurodo, kad du sujungti įrenginiai tinka iki 400B parametrų modeliams

GPUwerk nuomoja dedikuotus NVIDIA DGX Spark įrenginius minutėmis Europoje, Šiaurės Amerikoje ir Rytų Azijoje: nuosavus įrenginius Čekijoje ir partneriams priklausančius Spark kitose šalyse. Vienas Spark kainuoja 0,79 USD per valandą, o dviejų mazgų 256 GB klasteris – 1,79 USD per valandą, iš išankstinio kredito, be prenumeratos. Dirbate naršyklės terminale arba per root SSH. Baigę darbą nutraukite egzempliorių, ir mokestis nebeskaičiuojamas. Kaip išsinuomoti DGX Spark.

NVIDIA JAV katalogo kaina – 6 950 USD (tikrinta 2026 m. spalio 11 d.), palyginti su 3 999 USD pristatymo metu: žr. DGX Spark kainų istorija ir ES pasiūlymai. Pirkite NVIDIA DGX Spark GPUwerk parduotuvėje →

Specifikacijos

Įranga vienoje lentelėje.

Vienam mazgui. Kiekvienas GPUwerk egzempliorius yra vienas visas įrenginys, todėl visi šie skaičiai priklauso tik jums. Kiekviena vertė ir ką ji reiškia LLM aprašyta DGX Spark specifikacijų puslapyje.

NVIDIA DGX Spark
SuperlustasGB10 Grace Blackwell
DI našumas1 PFLOPS FP4 (sparse)
Atmintis128 GB bendros LPDDR5x atminties
Atminties pralaidumas273 GB/s
CPU20 branduolių Arm (10× X925 + 10× A725)
Diskas1 TB NVMe GPUwerk nuosavuose Spark, bendras su sistema ir modelių podėliu; kai kurie partnerių Spark turi 2 arba 4 TB (NVIDIA parduoda 1 TB arba 4 TB)
TinklasConnectX-7 · 200 Gb/s
Maitinimas240 W daugiausia
OSDGX OS 7 · Ubuntu 24.04
CUDAVisa programinė įranga įdiegta iš anksto

Šaltiniai, skaityta 2026 m. spalio 24 d.: NVIDIA DGX Spark produkto puslapis (CPU, atmintis, 273 GB/s, 1 PFLOP FP4 su retumu, 240 W maitinimas, iki 200B parametrų viename įrenginyje ir 400B dviejose) ir NVIDIA techninė dokumentacija (1 TB arba 4 TB NVMe, 256 bitų atmintis 4266 MHz). Pristatymo data ir kaina: NVIDIA naujienos, 2025 m. spalio 13 d.

273 GB/s atminties pralaidumas yra esminis apribojimas vieno srauto LLM generavimo greičiui. Spark stiprybė – talpa: modeliai, kurie tiesiog netelpa į vartotojiškas vaizdo plokštes, ir FP4 skaičiavimai paketiniam apdorojimui bei pritaikymui (fine-tuning), kur pralaidumas auga kur kas geriau, nei rodo vieno srauto skaičiai.

Kaina, nuoma ir pirkimas

Išsinuomokite arba nusipirkite.

Nuoma minutėmis parodo, ar jūsų modelis telpa ir veikia pakankamai greitai, prieš išleidžiant tūkstančius įrangai. Išnuomotas Spark suteikia naršyklės terminalą arba root SSH į jūsų pačių konteinerį, iš anksto įdiegtą CUDA 13.0 įrankių rinkinį (o kai kuriuose įrenginiuose – ir Docker) bei su OpenAI suderinamą galinį tašką iš modelio atvaizdo: su kuo dirbate.

Išmatuota GPUwerk parke

Parko lyginamieji testai.

Du modeliai, paruošti kiekviename parko mazge, išmatuoti su vllm bench serve viename iš GPUwerk nuosavų mazgų, kurio GPU nieko kito neveikė. Neapdoroti žurnalai pateikti žemiau, daugiau modelių – DGX Spark lyginamųjų testų puslapyje. Trečiųjų šalių duomenys apie kitus modelius surinkti ir aptarti pirkimo vadove.

Parko lyginamųjų testų rezultatai viename DGX Spark mazge
ModelisKvantavimasKarkasasUžpildymo tok/sGeneravimo tok/sDidžiausias kontekstas
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

Kaip tai skaityti.

Užpildymas (prefill) – laiko iki pirmojo tokeno mediana 8 192 tokenų užklausai. Generavimas – vienas srautas, 128 įvesties ir 512 išvesties, kai niekas kitas nevykdoma. Didžiausias kontekstas – tokio ilgio užklausa, kuri iš tikrųjų buvo aptarnauta, o ne skaičius, išvestas iš KV podėlio dydžio. Užpildymas lėtėja ilgėjant užklausai, nes dėmesio mechanizmo kaina kvadratinė: 30B pasiekia 5 705 tok/s esant 8k ir 586 tok/s užpildant visus 262 144.

Paketo dydis visiškai pakeičia atsakymą.

Vienas srautas šioje įrangoje yra blogiausias atvejis, ir būtent ties šiuo skaičiumi sustoja dauguma palyginimų. Esant vykdomoms užklausoms, 30B pasiekia 3 235 tok/s bendrai esant 256 lygiagrečioms, o 70B pasiekia 485 tok/s esant 128, tada nukrenta iki 300 esant 256, o laiko iki pirmojo tokeno mediana išauga nuo 8 iki 40 sekundžių. Ekspertų mišinio modelis po lūžio taško prisotinamas; tankusis po savo lūžio taško sugriūva. Abi kreivės pateiktos žurnaluose.

Išmatuota nenaudojamame mazge.

Kiekvienas paleidimas vyko kitaip nenaudojamame mazge, GPU nebuvo įkelta jokio kito modelio. Kiekvienas toliau pateiktas žurnalas prasideda GPU procesų sąrašu ir laisva atmintimi paleidimo pradžios akimirką, todėl galite tai patikrinti patys, o ne tikėti žodžiu.

Neapdoroti žurnalai, kiekvienas paleidimas, neredaguoti, išskyrus suglaudintus progreso juostų perpiešimus: Qwen3-Coder 30B-A3B · Llama 3.3 70B. Norėdami paleisti savo: pirmą kartą papildykite 20 USD ir gaukite 30 USD kredito – pakanka įvertinimo dienai dedikuotame mazge.

Darbo krūviai

Ką jame paleisti?

Konkretūs patarimai iš tokių įrenginių parko eksploatavimo patirties.

Komandos programavimo asistentas

Qwen3-Coder 30B-A3B (AWQ, modelis, kurį testuoja GPUwerk) palieka vietos ilgiems kontekstams ir keliems lygiagretiems naudotojams. Aptarnaukite su vLLM už su OpenAI suderinamo galinio taško ir nukreipkite į jį savo redaktorius.

Privatus pokalbis + RAG

70B klasės instrukcijų modelis Q4 formatu telpa viename mazge, liekant vietos įterpinių modeliui ir vektorinei saugyklai tame pačiame įrenginyje – visas privatus asistentas viename įrenginyje. Žr. privataus ChatGPT sąranką →

Pritaikymas (fine-tuning)

70B klasės modelių LoRA pritaikymai telpa į bendrą atmintį be modelių lygiagretinimo akrobatikos. Kiekvienas žingsnis lėtesnis nei duomenų centro GPU, bet veikia ten, kur buitinės plokštės tiesiog negali.

Nuoma vienai užduočiai

Kam žmonės nuomojasi Spark.

Trys užduotys, kiekviena su komandomis, išmatuotais skaičiais ir apribojimais viename puslapyje.

Palyginimai

Kaip atrodo palyginus.

Palyginimai su įrenginiais, kurias pirkėjai iš tikrųjų lygina, pradedant išvada. Kiekviename nurodyta, kur konkurentas laimi.

DGX Spark vs. Mac Studio

Bendra atmintis abiem atvejais, CUDA ekosistema vs. grynasis pralaidumas. Atnaujinta pagal Apple M5 Ultra Mac Studio: Mac laimi dekodavimą, Spark laimi užpildymą ir CUDA perkeliamumą.

9 min. skaitymo

DGX Spark vs. RTX 5090

32 GB greitos VRAM vs. 128 GB talpos. Greičiu tai ne lygi kova: visas klausimas – ar jūsų modelis telpa.

6 min. skaitymo

DGX Spark vs. Strix Halo

Beveik vienodas tokenų generavimas, 2–3 kartų užpildymo (prefill) skirtumas ir apie 4 000 USD mažesnė pirkimo kaina. Ką nustatė The Register praktinis testas.

5 min. skaitymo

DGX Spark debesijos tiekėjų palyginimas

Kiekviena viešai skelbiama valandinė Spark nuoma su kaina, vieta, apmokestinimo detalumu ir kas nutinka jūsų duomenims sustabdžius. Cituojama iš kiekvieno tiekėjo puslapio, įskaitant GPUwerk.

7 min. skaitymo

DGX Spark vs. H100 LLM inferencijai

Kada 128 GB ir apmokestinimas už minutę lenkia duomenų centro plokštę ir kada dėl atminties pralaidumo ir paketinio pralaidumo jums vis dėlto reikia H100.

8 min. skaitymo

DGX Spark vs. H200 LLM inferencijai

Didžiausias pralaidumo skirtumas šioje svetainėje: 273 GB/s vs. maždaug 4,8 TB/s. Kur tai svarbu, o kur ne.

7 min. skaitymo

DGX Spark vs. Jetson AGX Thor: du skirtingi darbai

Kodėl jie iš tikrųjų nekonkuruoja dėl to paties pirkėjo: tikslinė rinka, forma ir programinės įrangos paketas palyginti.

7 min. skaitymo

DGX Spark vs. RTX PRO 6000 Blackwell

128 GB bendros atminties, 273 GB/s, palyginti su 96 GB GDDR7, apie 1,8 TB/s: kurie modeliai telpa kiekviename ir kokį dekodavimo greitį leidžia pralaidumas.

Palyginimas

ASUS Ascent GX10 vs. DGX Spark

Tas pats GB10 lustas ir 128 GB. Skiriasi diskas, kaina, dydis ir programinė aparatinė įranga, kiekvienas su šaltiniu.

Palyginimas

Visų GB10 įrenginių palyginimas

DGX Spark, ASUS, Dell, HP, Lenovo, MSI, Gigabyte ir Acer greta: vienas lustas ir likę skirtumai.

Palyginimas

Visi aštuoni greta, su atmintimi, pralaidumu ir kur kiekvienas konkurentas laimi: DGX Spark alternatyvų palyginimas.

Vadovai

Vadovai & analizė.

Visiems, kurie vertina, perka ar konfigūruoja DGX Spark, parašyta iš serverių patalpos, o ne pagal spaudos rinkinį.

DGX Spark sąranka: nuo išpakavimo iki pirmojo tokeno

Pirmasis DGX OS paleidimas, SSH, tvarkyklės ir pirmojo modelio pateikimas: vadovas, kurio norėjau, kai montavau savo pirmąjį įrenginį.

Sąranka · 4 min. skaitymo

Ką žinoti prieš perkant DGX Spark

Energija, triukšmas, dviejų įrenginių sujungimas tinklu, kur jis iš tikrųjų stiprus, ir bendra nuosavybės kaina palyginti su 5090 sistema ar debesija.

Pirkimo analizė · 11 min. skaitymo

Nuomotis ar pirkti DGX Spark

Valandos per savaitę, pirkimo kaina ir atsipirkimo skaičiavimas su skaičiuokle jūsų skaičiams.

Pirkimo analizė · 8 min. skaitymo

Qwen3 paleidimas su vLLM Spark

Kopijuok ir įklijuok kelias iki su OpenAI suderinamo galinio taško jūsų pačių įrangoje, įskaitant Open WebUI sąsają ir systemd.

Sąranka · 6 min. skaitymo

Geriausi modeliai, kuriems negalite siųsti savo duomenų

Kurie dideli atvirieji modeliai telpa į 128 GB / 256 GB ir kiek iš tikrųjų jie atsilieka nuo pažangiausių.

Privatus DI · 7 min. skaitymo

Pritaikykite modelį savo įmonės duomenims

LoRA 70B klasės modeliams telpa į 128 GB bendros atminties, o mokymo rinkinys lieka mazgo vietiniame NVMe.

Pritaikymas (fine-tuning) · 11 min. skaitymo

DI darbuotojui reikia biuro. Suteikite jam tokį, kuris priklauso jums.

OpenClaw, Hermes ir kodėl agentas, skaitantis jūsų pašto dėžutę, turi veikti jūsų valdomoje įrangoje.

DI agentai · 9 min. skaitymo

Automatizuokite nuobodžiuosius 80%

Paketinis dokumentų apdorojimas fiksuotos kainos įrenginyje: papildomas tokenas nieko nekainuoja, todėl paleiskite modelį per viską.

Automatizavimas · 7 min. skaitymo

DGX Spark dviejų mazgų klasteris: sąranka ir ką jis iš tikrųjų duoda

Dviejų Spark sujungimas per ConnectX-7 200 GbE, ką sako paties NVIDIA dokumentacija, ir sąžininga analizė, ką pora duoda ir ko neduoda.

Sąranka · 9 min. skaitymo

Kaip uždirbti su savo DGX Spark

Nuomokite jums priklausantį Spark per GPUwerk Platform: 70% dalis, kas neuždirba nieko, pavyzdys su nurodytomis valandomis ir jūsų išlaidos.

Savininkams · 7 min. skaitymo

DGX Spark energijos suvartojimas ir eksploatacijos kaina

Paskelbti galios skaičiai, ką jie reiškia prie elektros lizdo ir kaip apskaičiuoti savo elektros kainą per valandą.

Pirkimo analizė · 6 min. skaitymo

ComfyUI ir Stable Diffusion DGX Spark įrenginyje

NVIDIA ComfyUI vadovas ARM64, pranešami vaizdų generavimo laikai kiekvienam modeliui ir bendros atminties dalijimasis su LLM.

Modeliai

Kaip paleisti naujai išleistą modelį DGX Spark įrenginyje

Atminties tinkamumas, arm64 atvaizdai, NVFP4 ar GGUF, kuris variklis ir kada išleidimo savaitės modeliui reikia dviejų Spark.

Modeliai

Geriausi atvirųjų svorių modeliai DGX Spark įrenginiui

Kuris modelis tinka pokalbiams, programavimui, paketiniam ir agentų darbui, ir tankių modelių realybės patikra, naudojant tik išmatuotus tok/s skaičius.

Modeliai · 8 min. skaitymo

Bendra nuosavybės kaina: GPU nuoma vs. debesijos DI API

Mokama už tokeną debesijos API, nuomojama dedikuota GPU ir įrangos pirkimas, palyginti greta vienas kito su šioje svetainėje jau paskelbtais skaičiais.

Pirkimo analizė · 9 min. skaitymo

Kaip GPUwerk atlieka DGX Spark lyginamuosius testus

Kas matuojama, vienas srautas vs. lygiagretumas, kurie varikliai ir nustatymai ir kodėl skelbiami neapdoroti žurnalai, o ne tik suvestinė lentelė.

Lyginamieji testai · 4 min. skaitymo

DGX Spark triukšmas ir aušinimas: ko tikėtis

Kas dokumentuota apie ventiliatorių triukšmą ir aušinimą darbui prie stalo ar namų biure, kas nepriklausomai neišmatuota ir kur patikrinti prieš perkant.

Pirkimo analizė · 4 min. skaitymo

Vaizdo ir multimodalinių modelių vykdymas DGX Spark įrenginyje

Kas realu su 128 GB bendros atminties regos ir kalbos modeliams bei vaizdų supratimui ir kodėl specialūs VLM lyginamieji testai dar nepaskelbti.

Modeliai · 3 min. skaitymo

DGX Spark tvarkyklių ir programinės aparatinės įrangos atnaujinimai: ką tvarko GPUwerk

Kas nuomojamame Spark atnaujinama pagrindinės sistemos ir mazgo lygiu ir kas yra jūsų pačių root konteineryje bei lieka visiškai jūsų atsakomybė.

Sąranka · 4 min. skaitymo

DGX Spark diskas: kas išlieka ir ką reikia kopijuoti

1 TB NVMe nuomojamame Spark, kas tiksliai išlieka sustabdžius ir nutraukus ir kodėl jums reikia savo atsarginės kopijos: GPUwerk nelaiko jūsų darbo srities kopijos.

Sąranka · 4 min. skaitymo

Savarankiškai talpinamo LLM stebėsena ir stebimumas

Ką stebėti Spark įrenginyje, kuriame veikia gamybinis srautas: nuo GPU atminties iki kiekvienos užklausos delsos.

Eksploatacija · 6 min. skaitymo

Atsarginės kopijos ir atkūrimas po avarijų jūsų DGX Spark darbo krūviui

Kam iš tikrųjų reikia atsarginės kopijos nuomojamame Spark ir kaip atkurti po gedimo.

Eksploatacija · 6 min. skaitymo

Komandos ir kelių naudotojų prieiga prie bendro DGX Spark

Bendros prieigos prie vieno Spark įrenginio suteikimas komandai, kad visi nesidalytų vienu API raktu.

Eksploatacija · 5 min. skaitymo

Užklausų ribojimas ir kvotos vidiniam LLM diegimui

Kad viena komanda ar vienas scenarijus neužgožtų visų kitų užklausų bendrame galiniame taške.

Eksploatacija · 5 min. skaitymo

Modelių atnaujinimas ar keitimas be prastovų

Naujo modelio ar modelio versijos įdiegimas gamybinėje aplinkoje Spark įrenginyje be prastovos lango.

Eksploatacija · 6 min. skaitymo

Mastelio didinimas nuo vieno DGX Spark iki parko

Kada daugiau pavienių Spark nuomojimas lenkia dviejų mazgų klasterį, kaip paskirstyti apkrovą tarp nepriklausomų mazgų ir kokie nedidelio parko eksploatavimo kompromisai.

Eksploatacija · 7 min. skaitymo

Kvantuoti vs. visas tikslumas gamybinėje aplinkoje

Kaip pasirinkti tarp kvantuoto ir viso tikslumo modelio gamybiniame savarankiškai talpinamame diegime: atminties tinkamumas, kokybės rizika pagal užduotį ir kada išbandyti abu.

Eksploatacija · 6 min. skaitymo

DI infrastruktūros išlaidų prognozavimas ir biudžeto sudarymas

Kaip įvertinti mėnesio DI infrastruktūros išlaidas talpinant savarankiškai ir naudojant matuojamą API, su GPUwerk 0,79 USD/val. tarifu kaip išspręstu pavyzdžiu ir biudžeto kontroliniu sąrašu.

Pirkimo analizė · 7 min. skaitymo

Nuomojamo GPU egzemplioriaus apsaugos stiprinimas

Praktinis nuomojamos GPU apsaugos stiprinimas egzemplioriaus viduje: SSH raktų valdymas, tinklo atvėrimas, paslaugų vykdymas be root, slaptieji duomenys ir laikina vs. nuolatinė būsena.

Eksploatacija · 6 min. skaitymo

Esamo savarankiškai talpinamo DI diegimo perkėlimas į DGX Spark

Praktinis perkėlimo iš darbo stoties ar kitos debesijos GPU į nuomojamą DGX Spark kelias: pakartotinis kvantavimas bendrai atminčiai, duomenų perkėlimas ir persijungimo planas.

Sąranka · 7 min. skaitymo

GPU atminties valdymas keliems modeliams viename DGX Spark įrenginyje

128 GB bendros atminties paskirstymas keliems modeliams ar konteineriams viename DGX Spark ir kada skaičiai rodo, kad verčiau skaidyti į dviejų mazgų klasterį.

Eksploatacija · 6 min. skaitymo

llama.cpp vs. vLLM vs. SGLang su DGX Spark: parametrai ir paleidimas

Praktinis inferencijos variklio pasirinkimo vadovas: tikslios parametrai, paleidimo komandos ir kuo llama.cpp, vLLM ir SGLang iš tikrųjų skiriasi naudojant GB10 bendrą atmintį.

Sąranka · 6 min. skaitymo

Savarankiškai talpinamo LLM atkūrimo po avarijų plano testavimas

Atsarginių kopijų planas, iš kurio dar neatkūrėte duomenų, yra tik hipotezė. Atkūrimo pratybos, „game days“ ir RTO/RPO matavimas savarankiškai talpinamam LLM diegimui.

Eksploatacija · 6 min. skaitymo

Geriausia API raktų rotacijos praktika privačiam LLM diegimui

API raktų ir prisijungimo duomenų rotacija savarankiškai talpinamam inferencijos galiniam taškui: apimtis, rotacijos grafikai, atšaukimas ir ką automatizuoti, o ką daryti rankiniu būdu.

Eksploatacija · 6 min. skaitymo

Modelio kokybės vertinimas prieš keičiant modelius

Atidėti testų rinkiniai, A/B metodai ir regresijos patikros kandidato modelio palyginimui su dabartiniu prieš keičiant gamybinėje aplinkoje.

Eksploatacija · 6 min. skaitymo

Užklausų podėliavimas inferencijos išlaidoms mažinti

Kaip prefiksų ir KV podėlio pakartotinis naudojimas sumažina pasikartojančius skaičiavimus savarankiškai talpinamame diegime: kas laikoma podėlio pataikymu, kaip tam struktūrizuoti užklausas ir kur sutaupymai iš tikrųjų matyti valandomis nuomojamame Spark.

Eksploatacija · 6 min. skaitymo

Struktūrizuota išvestis ir funkcijų iškvietimai savarankiškai talpinamame LLM

JSON režimo struktūrizuotos išvesties ir įrankių/funkcijų iškvietimų sąranka savarankiškai talpinamiems modeliams su vLLM ir llama.cpp, įskaitant tai, kurie modeliai tai palaiko ir kaip derinti netinkamai suformuotus iškvietimus.

Sąranka · 5 min. skaitymo

Įterpiniai ir vektorinė paieška DGX Spark įrenginyje

Įterpinių modelio savarankiškas talpinimas kartu su vektorine duomenų baze RAG konvejeriui viename DGX Spark įrenginyje: atminties biudžetas, įterpinių modelio paleidimas ir vektorinės saugyklos pasirinkimas.

Modeliai · 5 min. skaitymo

Didelių inferencijos užduočių paketinis apdorojimas nuomojamame Spark

Masinis dokumentų apdorojimas ir didelio masto duomenų rinkinių žymėjimas valandomis nuomojamame DGX Spark: pralaidumo nustatymai, užduočių dydžio parinkimas ir kaip paketinės inferencijos kaina palyginama su interaktyviu naudojimu.

Eksploatacija · 5 min. skaitymo

GPU apkrovos stebėsena ir tinkamo diegimo dydžio parinkimas

Kaip nuomojamame DGX Spark nuskaityti tikrąją GPU ir atminties apkrovą ir pagal ją nuspręsti, ar likti kaip yra, plėstis į dviejų mazgų klasterį, ar į parką.

Eksploatacija · 5 min. skaitymo

Audito žurnalai reikalavimų atitikčiai jautriam savarankiškai talpinamam LLM diegimui

Užklausų ir atsakymų audito žurnalų sąranka jūsų pačių konteineryje nuomojamame DGX Spark: ką fiksuoti, kur saugoti ir kur baigiasi GPUwerk atsakomybė.

Eksploatacija · 6 min. skaitymo

Modelių versijavimo ir atšaukimo strategija savarankiškai talpinamam diegimui

Sekimas, kurie modelių svoriai ir konfigūracijos iš tikrųjų veikia, ir švarus atšaukimas, kai nauja versija veikia prasčiau.

Eksploatacija · 6 min. skaitymo

Šaltas paleidimas vs. nuolatinis veikimas: egzemplioriaus veikimo modelio pasirinkimas

DGX Spark sustabdymas tarp naudojimų vs. nuolatinis veikimas: kaina, delsa ir duomenų kompromisai.

Pirkimo analizė · 5 min. skaitymo

SSO ir prieigos kontrolės sąranka komandos LLM diegimui

Autentifikavimo sluoksnio įrengimas prieš savarankiškai talpinamą inferencijos galinį tašką, kad komanda prisijungtų esamomis tapatybėmis, o ne dalytųsi SSH raktais ar API žetonais.

Sąranka · 5 min. skaitymo

Kelių konteinerių ir paslaugų vykdymas DGX Spark įrenginyje

Docker konteinerių šablonai vienam DGX Spark įrenginiui: kada pakanka paprasto docker-compose failo ir kada darbo krūvis jį jau peraugo.

Sąranka · 5 min. skaitymo

Visi vadovai, sugrupuoti pagal pirkimą, modelius ir variklius, klasterius ir eksploataciją: visi DGX Spark vadovai.

Klausimai.

Kas yra NVIDIA DGX Spark?

NVIDIA DGX Spark – stalinis DI kompiuteris, sukurtas su NVIDIA GB10 Grace Blackwell Superchip: Blackwell GPU ir 20 branduolių Arm CPU dalijasi 128 GB bendros atminties, 273 GB/s, iki 1 PFLOP sparse FP4 skaičiavimo galios. Jame veikia NVIDIA DGX OS – Ubuntu pagrindu sukurta sistema su iš anksto įdiegta CUDA programine įranga, o jis suvartoja daugiausia 240 W. Užsakymai pradėti priimti 2025 m. spalio 15 d. už 3 999 USD; patikrinus 2026 m. spalio 11 d., NVIDIA JAV katalogo kaina buvo 6 950 USD (kainų istorija). ASUS, Dell, HP, Lenovo, MSI, Gigabyte ir Acer savo vardu parduoda įrenginius su tuo pačiu GB10 lustu: visų GB10 įrenginių palyginimas.

Ar gaunu visą DGX Spark tik sau?

Taip. Kiekvienas GPUwerk egzempliorius yra vienas dedikuotas mazgas, o ne bendrai naudojamos GPU dalis. 128 GB bendros atminties, visas 273 GB/s pralaidumas ir 1 PFLOPS sparse FP4 skaičiavimo galia priklauso jums visą nuomos laiką, įrenginyje neveikiant niekam kitam.

Kuo DGX Spark skiriasi nuo debesijos GPU egzemplioriaus nuomos?

Įprastas debesijos GPU egzempliorius suteikia 24–80 GB VRAM duomenų centro plokštėje. DGX Spark suteikia 128 GB bendros atminties viename įrenginyje – pakanka 70B klasės modeliams neskaidant jų per kelias GPU, o GPUwerk jį nuomoja su apmokestinimu už minutę iš savo Spark Čekijoje ir partnerių Spark Europoje, Šiaurės Amerikoje ir Rytų Azijoje.

Kokia 273 GB/s atminties pralaidumo kaina?

Tai vieno srauto generavimo greičio riba: mažiau tokenų per sekundę nei atskira GPU su greitesne VRAM, todėl ir pirkimo vadovas, ir palyginimas su RTX 5090 pradeda nuo to. Spark pranašumas – talpa ir paketinis pralaidumas, o ne grynasis greitis vienam naudotojui.

Ar galiu nusipirkti DGX Spark, užuot jį nuomojęsis?

Taip. GPUwerk parduotuvėje siūlomas pats NVIDIA DGX Spark, kurio kaina nustatoma pagal Čekijos tiekėjų atsargas, kai kuris nors gali jį pristatyti, ir tas pats GB10 įrenginys iš septynių kitų gamintojų, tarp jų Lenovo ThinkStation PGX nuo 5 330 € be PVM. GPUwerk ją išsiunčia jums arba, jei pasirenkate, laiko savo duomenų centre ir nuomoja už jus. Taip pat galite pirkti iš NVIDIA ar jos partnerių arba paklausti GPUwerk apie įrenginį savo patalpoms. Pirma išsinuomoję minutėmis sužinosite, ar įranga tinka jūsų darbo krūviui, prieš pirkdami už maždaug 4 000 € ar daugiau, o kiekvienas GPUwerk debesijos egzempliorius veikia identiškoje GB10 įrangoje.

Viskas apie DGX Spark šioje svetainėje.

Visi GPUwerk puslapiai apie DGX Spark, sugrupuoti pagal tai, ką norite padaryti.

Nustokite skaityti lyginamuosius testus.
Atlikite savo.

Išsinuomokite dedikuotą Spark už 0,79 USD/val., apmokestinama už minutę. Pirmasis papildymas: sumokėkite 20 USD, gaukite 30 USD kredito, tai apie 37 skaičiavimo valandos.

Susikurti paskyrą