NVIDIA DGX Spark · GB10 Grace Blackwell

NVIDIA DGX Spark: nomājiet no 0,79 $/h vai iegādājieties

NVIDIA DGX Spark ir galda MI dators: viena GB10 Grace Blackwell Superchip ar 128 GB vienotās atmiņas ar 273 GB/s, kas darbina NVIDIA DGX OS. Jūs varat nomāt DGX Spark GPUwerk par 0,79 $ stundā ar maksu par katru minūti vai to iegādāties. Šajā lapā izskaidrots, kas tas ir, ko tas uzrāda GPUwerk flotes mērījumos un kur tas zaudē.

Autors: Samuel Seidel · Atjaunināts 2026. gada 24. oktobrī. Padziļināti: DGX Spark specifikācijas, DGX Spark cena, DGX Spark etalontesti un DGX Spark klasteris no divām savienotām iekārtām.

128GBVienotā atmiņa ar 273 GB/s atmiņas joslas platumu
0,79 $Stundā GPUwerk platformā, maksa par katru minūti, vai 1,79 $ stundā par 256 GB divu mezglu klasteri
1PFLOPFP4 MI skaitļošanas jauda (ar retināšanu) no NVIDIA GB10 Grace Blackwell Superchip
200Gb/sConnectX-7 tīkls ar diviem QSFP portiem. NVIDIA paredz divas savienotas iekārtas modeļiem līdz 400B parametriem

GPUwerk iznomā atsevišķas NVIDIA DGX Spark iekārtas ar minūtes maksu Eiropā, Ziemeļamerikā un Austrumāzijā: savas iekārtas Čehijā un partneriem piederošus Spark citās valstīs. Viens Spark maksā 0,79 $ stundā, un divu mezglu 256 GB klasteris — 1,79 $ stundā, no priekšapmaksas kredīta bez abonementa. Jūs strādājat pārlūka terminālī vai caur root SSH. Izbeidziet instanci, kad esat pabeiguši, un maksas aprēķins beidzas. Kā nomāt DGX Spark.

NVIDIA ASV saraksta cena ir 6 950 $ (pārbaudīts 2026. gada 11. oktobrī), salīdzinot ar 3 999 $ palaišanas brīdī: skatiet DGX Spark cenu vēsture un ES piedāvājumi. Pirkt NVIDIA DGX Spark GPUwerk veikalā →

Specifikācijas

Aparatūra vienā tabulā.

Uz mezglu. Katra GPUwerk instance ir viena vesela iekārta, tāpēc visi šie skaitļi ir jūsu. Katra vērtība un tās nozīme LLM ir lapā DGX Spark specifikācijas.

NVIDIA DGX Spark
SuperčipsGB10 Grace Blackwell
MI veiktspēja1 PFLOPS FP4 (ar retināšanu)
Atmiņa128 GB vienotā LPDDR5x atmiņa
Atmiņas joslas platums273 GB/s
CPU20 kodolu Arm (10× X925 + 10× A725)
Krātuve1 TB NVMe GPUwerk pašu Spark iekārtās, koplietots ar sistēmu un modeļu kešatmiņu; dažām partneru Spark iekārtām ir 2 vai 4 TB (NVIDIA pārdod 1 TB vai 4 TB)
TīklsConnectX-7 · 200 Gb/s
Jauda240 W maks.
OSDGX OS 7 · Ubuntu 24.04
CUDAPilns steks iepriekš instalēts

Avoti, lasīti 2026. gada 24. oktobrī: NVIDIA DGX Spark produkta lapa (CPU, atmiņa, 273 GB/s, 1 PFLOP FP4 ar retināšanu, 240 W barošanas bloks, līdz 200B parametriem vienā iekārtā un 400B divās) un NVIDIA aparatūras dokumentācija (1 TB vai 4 TB NVMe, 256 bitu atmiņa ar 4266 MHz). Palaišanas datums un cena: NVIDIA ziņu centrs, 2025. gada 13. oktobris.

273 GB/s atmiņas joslas platums ir tas ierobežojums, kas nosaka vienas plūsmas LLM ģenerēšanas ātrumu. Spark stiprā puse ir ietilpība: modeļi, kas vienkārši neietilpst patērētāju GPU, kā arī FP4 skaitļošana pakešu apkalpošanai un pielāgošanai, kur caurlaidspēja mērogojas daudz labāk, nekā liecina vienas plūsmas skaitļi.

Cena, noma un pirkšana

Nomājiet vai iegādājieties.

Noma ar minūtes maksu parāda, vai jūsu modelis ietilpst un darbojas pietiekami ātri, pirms tērējat tūkstošus par aparatūru. Nomāts Spark dod jums pārlūka termināli vai root SSH savā konteinerā, iepriekš instalētu CUDA 13.0 rīkkopu (un dažās iekārtās Docker) un OpenAI saderīgu galapunktu no modeļa attēla: ar ko jūs strādājat.

Izmērīts GPUwerk flotē

Flotes etalontesti.

Divi modeļi, kas sagatavoti katrā flotes mezglā, izmērīti ar vllm bench serve vienā no GPUwerk pašu mezgliem, kura GPU nekas cits nedarbojās. Neapstrādāti žurnāli ir zemāk, un vairāk modeļu ir lapā DGX Spark etalontesti. Trešo pušu skaitļi citiem modeļiem apkopoti un apspriesti pirkšanas ceļvedī.

Flotes etalontestu rezultāti vienā DGX Spark mezglā
ModelisKvantēšanaIetvarsSākotnējā apstrāde tok/sĢenerēšana tok/sMaks. konteksts
Qwen3-Coder 30B-A3BAWQvLLM 0.27.15705 tok/s80,9 tok/s262 144
Llama 3.3 70BAWQvLLM 0.27.1391 tok/s6,0 tok/s131 072

Kā to lasīt.

Sākotnējā apstrāde ir mediānais laiks līdz pirmajam tokenam ar 8192 tokenu promptu. Ģenerēšana ir viena plūsma, 128 ievadē un 512 izvadē, bez citiem vienlaicīgiem pieprasījumiem. Maks. konteksts ir šāda garuma prompts, kas patiešām tika apkalpots, nevis skaitlis, kas izsecināts no KV kešatmiņas izmēra. Sākotnējā apstrāde kļūst lēnāka, augot promptam, jo uzmanības mehānisma izmaksas pieaug kvadrātiski: 30B veic 5705 tok/s pie 8k un 586 tok/s, aizpildot visus 262 144.

Pakešu izmērs pilnībā maina atbildi.

Viena plūsma ir sliktākais gadījums šajā aparatūrā, un tas ir skaitlis, pie kura apstājas lielākā daļa salīdzinājumu. Ar vienlaicīgiem pieprasījumiem 30B sasniedz 3235 tok/s kopā pie 256 vienlaicīgiem pieprasījumiem, un 70B sasniedz 485 tok/s pie 128, tad nokrītas līdz 300 pie 256, un mediānais laiks līdz pirmajam tokenam pieaug no 8 līdz 40 sekundēm. Ekspertu maisījuma modelis pēc sava lūzuma punkta piesātinās; blīvais pēc sava sabrūk. Abas līknes ir žurnālos.

Izmērīts dīkstāvē esošā mezglā.

Katrs mērījums veikts citādi dīkstāvē esošā mezglā, bez cita modeļa ielādēta GPU. Katrs zemāk esošais žurnāls sākas ar GPU procesu sarakstu un brīvo atmiņu brīdī, kad mērījums sākās, tāpēc varat to pārbaudīt, nevis ticēt uz vārda.

Neapstrādāti žurnāli, katrs mērījums, nerediģēti, izņemot sakļautus progresa joslas pārzīmējumus: Qwen3-Coder 30B-A3B · Llama 3.3 70B. Lai veiktu savus mērījumus: pirmajā reizē papildiniet 20 $ un saņemiet 30 $ kredītā, pietiekami izvērtēšanas dienai atsevišķā mezglā.

Darba slodzes

Ko man tajā darbināt?

Konkrēti ieteikumi no šādu iekārtu flotes darbināšanas pieredzes.

Komandas programmēšanas asistents

Qwen3-Coder 30B-A3B (AWQ, modelis, kuram GPUwerk veic etalontestus) atstāj vietu gariem kontekstiem un vairākiem vienlaicīgiem lietotājiem. Apkalpojiet ar vLLM aiz OpenAI saderīga galapunkta un norādiet uz to saviem redaktoriem.

Privāta tērzēšana + RAG

70B klases instrukciju modelis ar Q4 ietilpst vienā mezglā, un vēl paliek vieta iegulšanas modelim un vektoru krātuvei tajā pašā iekārtā: viss privātais asistents vienā iekārtā. Skatiet privātā ChatGPT iestatīšanu →

Pielāgošana

70B klases modeļu LoRA pielāgošana ietilpst vienotajā atmiņā bez modeļa paralēlisma akrobātikas. Katrs solis ir lēnāks nekā datu centra GPU, bet tas darbojas tur, kur patērētāju kartes vienkārši nespēj.

Noma vienam uzdevumam

Kam cilvēki nomā Spark.

Trīs uzdevumi, katram komandas, izmērītie skaitļi un ierobežojumi vienā lapā.

Salīdzinājumi

Kā tas salīdzināms.

Salīdzinājumi ar secinājumu sākumā — ar iekārtām, kuras pircēji patiešām izvērtē līdzās. Katrā teikts, kurā ziņā konkurents ir labāks.

DGX Spark vs. Mac Studio

Vienotā atmiņa abos gadījumos, CUDA ekosistēma salīdzinājumā ar neapstrādātu joslas platumu. Atjaunināts Apple M5 Ultra Mac Studio: Mac uzvar dekodēšanā, Spark uzvar sākotnējā apstrādē un CUDA pārnesamībā.

9 min lasīšanai

DGX Spark vs. RTX 5090

32 GB ātras VRAM salīdzinājumā ar 128 GB ietilpības. Ātrumā tā nav līdzvērtīga cīņa: viss jautājums ir par to, vai jūsu modelis ietilpst.

6 min lasīšanai

DGX Spark vs. Strix Halo

Gandrīz identiska tokenu ģenerēšana, 2-3x atšķirība sākotnējā apstrādē un aptuveni par 4 000 $ lētāka iegāde. Ko atklāja The Register praktiskais tests.

5 min lasīšanai

DGX Spark mākoņpakalpojumu sniedzēju salīdzinājums

Visas Spark nomas ar stundas maksu, kurām ir publisks piedāvājums, ar cenu, atrašanās vietu, norēķinu granularitāti un to, kas notiek ar jūsu datiem pēc apturēšanas. Citēts no katra pakalpojumu sniedzēja lapas, ieskaitot GPUwerk.

7 min lasīšanai

DGX Spark vs. H100 LLM inferencei

Kad 128 GB un maksa par minūti pārspēj datu centra karti un kad atmiņas joslas platuma un pakešu caurlaidspējas dēļ jums tā vietā vajag H100.

8 min lasīšanai

DGX Spark vs. H200 LLM inferencei

Lielākā joslas platuma atšķirība šajā vietnē, 273 GB/s salīdzinājumā ar aptuveni 4,8 TB/s. Kur tas ir svarīgi un kur nav.

7 min lasīšanai

DGX Spark vs. Jetson AGX Thor: divi dažādi uzdevumi

Kāpēc tie patiesībā nekonkurē par vienu un to pašu pircēju: mērķa tirgus, formas faktors un programmatūras steks salīdzināti.

7 min lasīšanai

DGX Spark vs. RTX PRO 6000 Blackwell

128 GB vienotā atmiņa ar 273 GB/s vs. 96 GB GDDR7 ar aptuveni 1,8 TB/s: kuri modeļi ietilpst katrā un kādu dekodēšanas ātrumu ļauj joslas platums.

Salīdzinājums

ASUS Ascent GX10 vs. DGX Spark

Tā pati GB10 mikroshēma un 128 GB. Atšķiras krātuve, cena, izmērs un programmaparatūra, katram ar avotu.

Salīdzinājums

Visu GB10 iekārtu salīdzinājums

DGX Spark, ASUS, Dell, HP, Lenovo, MSI, Gigabyte un Acer blakus: viena mikroshēma un atšķirības, kas paliek.

Salīdzinājums

Visi astoņi blakus ar atmiņu, joslas platumu un to, kur katrs konkurents uzvar: DGX Spark alternatīvu salīdzinājums.

Ceļveži

Ceļveži un analīze.

Ikvienam, kurš izvērtē, pērk vai iestata DGX Spark, rakstīts no flotes telpas, nevis no preses relīzes.

DGX Spark iestatīšana: no izpakošanas līdz pirmajam tokenam

DGX OS pirmā palaišana, SSH, draiveri un pirmā modeļa apkalpošana: ceļvedis, kāda man pietrūka, kad montēju statnē savu pirmo iekārtu.

Iestatīšana · 4 min lasīšanai

Kas jāzina pirms DGX Spark iegādes

Jauda, troksnis, divu iekārtu savienošana tīklā, kur tā patiešām ir laba, un Kopējās īpašumtiesību izmaksas salīdzinājumā ar 5090 iekārtu vai mākoni.

Pirkuma analīze · 11 min lasīšanai

Nomāt vai pirkt DGX Spark

Stundas nedēļā, iegādes cena un atmaksāšanās aprēķins ar kalkulatoru jūsu skaitļiem.

Pirkuma analīze · 8 min lasīšanai

Qwen3 apkalpošana ar vLLM uz Spark

Kopējams ceļš uz OpenAI saderīgu galapunktu jūsu pašu aparatūrā, ieskaitot Open WebUI saskarni un systemd.

Iestatīšana · 6 min lasīšanai

Labākie modeļi, kuriem jums nav atļauts sūtīt savus datus

Kuri lielie atvērtie modeļi ietilpst 128 GB / 256 GB un cik tālu tie patiesībā atpaliek no virsotnes.

Privātais MI · 7 min lasīšanai

Pielāgojiet modeli ar sava uzņēmuma datiem

LoRA 70B klases modeļiem ietilpst 128 GB vienotajā atmiņā, un apmācības kopa paliek mezgla lokālajā NVMe.

Pielāgošana · 11 min lasīšanai

MI darbiniekam vajag biroju. Dodiet tam tādu, kas pieder jums.

OpenClaw, Hermes un kāpēc aģentam, kas lasa jūsu iesūtni, vieta ir aparatūrā, ko kontrolējat jūs.

MI aģenti · 9 min lasīšanai

Automatizējiet garlaicīgos 80%

Dokumentu pakešapstrāde iekārtā ar fiksētu likmi: katrs nākamais tokens ir bez maksas, tāpēc palaidiet modeli pāri visam.

Automatizācija · 7 min lasīšanai

DGX Spark divu mezglu klasteris: iestatīšana un ko tas patiesībā dod

Divu Spark savienošana caur ConnectX-7 200 GbE, ko saka NVIDIA dokumentācija, un godīgs skatījums uz to, ko savienošana pārī dod un ko nedod.

Iestatīšana · 9 min lasīšanai

Kā nopelnīt ar savu DGX Spark

Iznomājiet sev piederošu Spark caur GPUwerk Platform: 70% daļa, kas neko nenopelna, piemērs pie norādītām stundām un jūsu izmaksas.

Īpašnieki · 7 min lasīšanai

DGX Spark enerģijas patēriņš un darbības izmaksas

Publicētie jaudas skaitļi, ko tie nozīmē pie kontaktligzdas un kā aprēķināt savas elektroenerģijas izmaksas stundā.

Pirkuma analīze · 6 min lasīšanai

ComfyUI un Stable Diffusion uz DGX Spark

NVIDIA ComfyUI rokasgrāmata ARM64, ziņotie attēlu ģenerēšanas laiki katram modelim un vienotās atmiņas koplietošana ar LLM.

Modeļi

Kā palaist jaunizlaistu modeli uz DGX Spark

Atmiņas ietilpība, arm64 attēli, NVFP4 vai GGUF, kurš dzinējs un kad izlaišanas nedēļas modelim vajag divus Spark.

Modeļi

Labākie atvērto svaru modeļi darbināšanai DGX Spark

Kurš modelis der tērzēšanai, programmēšanai, pakešu un aģentu darbam, un realitātes pārbaude blīvajiem modeļiem, izmantojot tikai izmērītus tok/s skaitļus.

Modeļi · 8 min lasīšanai

Kopējās īpašumtiesību izmaksas: GPU noma vs. mākoņa MI API

Mākoņa API ar maksu par tokenu, nomāts atsevišķs GPU un aparatūras iegāde, salīdzināti blakus ar skaitļiem, kas jau publicēti šajā vietnē.

Pirkuma analīze · 9 min lasīšanai

Kā GPUwerk veic DGX Spark etalontestus

Kas tiek mērīts, viena plūsma salīdzinājumā ar vienlaicīgumu, kuri dzinēji un iestatījumi, un kāpēc tiek publicēti neapstrādāti žurnāli, nevis tikai kopsavilkuma tabula.

Etalontesti · 4 min lasīšanai

DGX Spark troksnis un dzesēšana: ko sagaidīt

Kas dokumentēts par ventilatoru troksni un dzesēšanu uz galda vai mājas birojā, kas nav neatkarīgi izmērīts un kur to pārbaudīt pirms pirkšanas.

Pirkuma analīze · 4 min lasīšanai

Redzes un multimodālo modeļu darbināšana uz DGX Spark

Kas ir reāli ar 128 GB vienotās atmiņas redzes-valodas modeļiem un attēlu izpratnei, un kāpēc atsevišķi VLM etalontesti vēl nav publicēti.

Modeļi · 3 min lasīšanai

DGX Spark draiveru un programmaparatūras atjauninājumi: ko pārvalda GPUwerk

Kas tiek uzturēts aktuāls resursdatora un mezgla līmenī nomātā Spark un kas atrodas jūsu pašu root konteinerā un paliek pilnībā jūsu atbildībā.

Iestatīšana · 4 min lasīšanai

DGX Spark krātuve: kas saglabājas un ko dublēt

1 TB NVMe nomātā Spark, tieši tas, kas saglabājas pēc apturēšanas un kas pēc izbeigšanas, un kāpēc jums vajag savu dublējumu: GPUwerk neglabā jūsu darbvietas kopiju.

Iestatīšana · 4 min lasīšanai

Pašmitināta LLM uzraudzība un novērojamība

Kas jāuzrauga Spark, kas apkalpo produkcijas datplūsmu, no GPU atmiņas līdz latentumam katram pieprasījumam.

Darbība · 6 min lasīšanai

Dublēšana un avārijas atkopšana jūsu DGX Spark darba slodzei

Kam nomātā Spark patiešām vajag dublējumu un kā to atjaunot pēc atteices.

Darbība · 6 min lasīšanai

Komandas un vairāku lietotāju piekļuve koplietotam DGX Spark

Komandai koplietota piekļuve vienam Spark, visiem nekoplietojot vienu API atslēgu.

Darbība · 5 min lasīšanai

Pieprasījumu ierobežošana un kvotas iekšējam LLM izvietojumam

Lai viena komanda vai viens skripts neatņemtu resursus visu pārējo pieprasījumiem koplietotā galapunktā.

Darbība · 5 min lasīšanai

Modeļu atjaunināšana vai maiņa bez dīkstāves

Jauna modeļa vai modeļa versijas ieviešana produkcijā uz Spark bez pārtraukuma loga.

Darbība · 6 min lasīšanai

Mērogošana no viena DGX Spark līdz flotei

Kad vairāku atsevišķu Spark noma pārspēj divu mezglu klasteri, kā līdzsvarot slodzi starp neatkarīgiem mezgliem un kādi ir nelielas flotes darbības kompromisi.

Darbība · 7 min lasīšanai

Kvantēti vs. pilnas precizitātes modeļi produkcijā

Kā izvēlēties starp kvantētu un pilnas precizitātes modeli produkcijas pašmitinātam izvietojumam: atmiņas ietilpība, kvalitātes risks pēc uzdevuma un kad testēt abus.

Darbība · 6 min lasīšanai

MI infrastruktūras izmaksu prognozēšana un budžeta plānošana

Kā novērtēt ikmēneša MI infrastruktūras izdevumus, pašmitinot vai izmantojot API ar uzskaiti, ar GPUwerk 0,79 $/stundā likmi kā aprēķina piemēru un budžeta kontrolsarakstu.

Pirkuma analīze · 7 min lasīšanai

Nomātas GPU instances drošības nostiprināšana

Praktiska nomāta GPU drošības nostiprināšana pašā instancē: SSH atslēgu pārvaldība, tīkla pieejamība no ārpuses, pakalpojumu darbināšana bez root tiesībām, slepenie dati un īslaicīgs stāvoklis pret pastāvīgu.

Darbība · 6 min lasīšanai

Esoša pašmitināta MI izvietojuma migrācija uz DGX Spark

Praktisks migrācijas ceļš no darbstacijas vai cita mākoņa GPU uz nomātu DGX Spark: pārkvantēšana vienotajai atmiņai, datu pārvietošana un pārslēgšanās plāns.

Iestatīšana · 7 min lasīšanai

GPU atmiņas pārvaldība vairākiem modeļiem vienā Spark

128 GB vienotās atmiņas sadale starp vairākiem modeļiem vai konteineriem vienā DGX Spark un kad aprēķini liecina, ka jāsadala uz divu mezglu klasteri.

Darbība · 6 min lasīšanai

llama.cpp vs. vLLM vs. SGLang uz DGX Spark: karodziņi un palaišana

Praktisks papildinājums inferences dzinēja izvēlei: precīzi karodziņi, palaišanas komandas un tas, kur llama.cpp, vLLM un SGLang patiešām atšķiras GB10 vienotajā atmiņā.

Iestatīšana · 6 min lasīšanai

Avārijas atkopšanas plāna testēšana pašmitinātam LLM

Dublējumkopiju plāns, no kura neesat atjaunojuši datus, ir tikai hipotēze. Atjaunošanas mācības, avāriju simulācijas un RTO/RPO mērīšana pašmitinātam LLM izvietojumam.

Darbība · 6 min lasīšanai

API atslēgu rotācijas labākā prakse privātam LLM izvietojumam

API atslēgu un akreditācijas datu rotācija pašmitinātam inferences galapunktam: tvērums, rotācijas grafiki, atsaukšana un ko automatizēt, ko darīt manuāli.

Darbība · 6 min lasīšanai

Modeļa kvalitātes izvērtēšana pirms modeļu maiņas

Atlikti testa komplekti, A/B pieejas un regresijas pārbaudes kandidāta modeļa salīdzināšanai ar pašreizējo pirms pārslēgšanās produkcijā.

Darbība · 6 min lasīšanai

Promptu kešošana inferences izmaksu samazināšanai

Kā prefiksu un KV kešatmiņas atkārtota izmantošana samazina atkārtotu skaitļošanu pašmitinātā izvietojumā: kas kvalificējas kešatmiņas trāpījumam, kā tam strukturēt promptus un kur ietaupījums patiešām parādās uz stundu nomātā Spark.

Darbība · 6 min lasīšanai

Strukturēta izvade un funkciju izsaukšana pašmitinātā LLM

JSON režīma strukturētas izvades un rīku/funkciju izsaukumu iestatīšana pašmitinātiem modeļiem ar vLLM un llama.cpp, ieskaitot to, kuri modeļi to atbalsta un kā atkļūdot nepareizi formētus izsaukumus.

Iestatīšana · 5 min lasīšanai

Iegultņu un vektoru meklēšanas darbināšana uz DGX Spark

Iegulšanas modeļa pašmitināšana līdzās vektoru datubāzei RAG konveijeram vienā Spark: atmiņas budžets, iegulšanas modeļa apkalpošana un vektoru krātuves izvēle.

Modeļi · 5 min lasīšanai

Lielu inferences uzdevumu pakešapstrāde nomātā Spark

Masveida dokumentu apstrāde un liela mēroga datu kopu marķēšana uz stundu nomātā DGX Spark: caurlaidspējas iestatījumi, uzdevumu izmēra plānošana un kā pakešu inferences izmaksas salīdzināmas ar interaktīvu apkalpošanu.

Darbība · 5 min lasīšanai

GPU noslodzes uzraudzība un pareiza izvietojuma izmēra izvēle

Kā nolasīt faktisko GPU un atmiņas noslodzi nomātā DGX Spark un izmantot to, lai izlemtu, vai palikt pie esošā, palielināt līdz divu mezglu klasterim vai paplašināt līdz flotei.

Darbība · 5 min lasīšanai

Audita žurnalēšana atbilstības ziņā jutīgam pašmitinātam LLM izvietojumam

Pieprasījumu un atbilžu audita žurnālu iestatīšana savā konteinerā nomātā DGX Spark: ko fiksēt, kur glabāt un kur beidzas GPUwerk atbildība.

Darbība · 6 min lasīšanai

Modeļu versiju pārvaldības un atgriešanas stratēģija pašmitinātam izvietojumam

Izsekošana, kuri modeļu svari un konfigurācijas patiešām darbojas, un tīra atgriešana, ja jauna versija nedarbojas pietiekami labi.

Darbība · 6 min lasīšanai

Aukstais starts vs. nepārtraukta darbība: instances darbības laika modeļa izvēle

DGX Spark apturēšana starp lietošanas reizēm salīdzinājumā ar darbināšanu visu diennakti: izmaksas, latentums un datu kompromisi.

Pirkuma analīze · 5 min lasīšanai

SSO un piekļuves kontroles iestatīšana komandas LLM izvietojumam

Autentifikācijas slāņa novietošana pirms pašmitināta inferences galapunkta, lai komanda pieteiktos ar esošām identitātēm, nevis koplietotu SSH atslēgas vai API pilnvaras.

Iestatīšana · 5 min lasīšanai

Vairāku konteineru un pakalpojumu darbināšana uz DGX Spark

Docker konteineru modeļi vienam DGX Spark: kad pietiek ar vienkāršu docker-compose failu un kad darba slodze tam ir izaugusi pāri.

Iestatīšana · 5 min lasīšanai

Visi ceļveži, sagrupēti pēc iegādes, modeļiem un dzinējiem, klasteriem un darbības: visi DGX Spark ceļveži.

Jautājumi.

Kas ir NVIDIA DGX Spark?

NVIDIA DGX Spark ir galda MI dators, kas balstīts uz NVIDIA GB10 Grace Blackwell Superchip: Blackwell GPU un 20 kodolu Arm CPU koplieto 128 GB vienotās atmiņas ar 273 GB/s, ar līdz 1 PFLOP FP4 skaitļošanas jaudu ar retināšanu. Tas darbina NVIDIA DGX OS, uz Ubuntu balstītu sistēmu ar iepriekš instalētu CUDA steku, un patērē ne vairāk kā 240 W. Pasūtījumi tika atvērti 2025. gada 15. oktobrī par 3 999 $; NVIDIA ASV saraksta cena 2026. gada 11. oktobrī bija 6 950 $ (cenu vēsture). ASUS, Dell, HP, Lenovo, MSI, Gigabyte un Acer pārdod iekārtas ar to pašu GB10 mikroshēmu ar saviem nosaukumiem: visu GB10 iekārtu salīdzinājums.

Vai es saņemu veselu DGX Spark tikai sev?

Jā. Katra GPUwerk instance ir viens atsevišķs mezgls, nevis koplietota GPU daļa. 128 GB vienotās atmiņas, pilns 273 GB/s joslas platums un 1 PFLOPS FP4 skaitļošanas jauda ar retināšanu ir jūsu visā nomas laikā, un iekārtā nedarbojas nekas cits.

Ar ko DGX Spark atšķiras no mākoņa GPU instances nomas?

Tipiska mākoņa GPU instance sniedz 24 līdz 80 GB VRAM datu centra kartē. DGX Spark sniedz 128 GB vienotās atmiņas vienā iekārtā, pietiekami 70B klases modeļiem bez to sadalīšanas starp GPU, un GPUwerk to iznomā ar minūtes maksu no saviem Spark Čehijā un partneru Spark Eiropā, Ziemeļamerikā un Austrumāzijā.

Kur ir āķis ar 273 GB/s atmiņas joslas platumu?

Tas ir vienas plūsmas ģenerēšanas ātruma maksimums: mazāk tokenu sekundē nekā diskrētajam GPU ar ātrāku VRAM, tāpēc gan pirkšanas ceļvedis, gan salīdzinājums ar RTX 5090 sākas ar šo. Spark priekšrocība ir ietilpība un pakešu caurlaidspēja, nevis neapstrādāts ātrums vienam lietotājam.

Vai varu DGX Spark nopirkt, nevis nomāt?

Jā. GPUwerk veikalā ir pats NVIDIA DGX Spark, kura cena tiek noteikta pēc Čehijas piegādātāju krājumiem, kad kāds to var piegādāt, un tā pati GB10 iekārta no septiņiem citiem ražotājiem, starp tiem Lenovo ThinkStation PGX no 5 330 € bez PVN. GPUwerk to nosūta jums vai, ja izvēlaties, izvieto savā datu centrā un iznomā jūsu vietā. Varat arī pirkt no NVIDIA vai tā partneriem vai jautāt GPUwerk par iekārtu jūsu pašu telpām. Ja vispirms nomājat ar minūtes maksu, uzzināsiet, vai aparatūra der jūsu darba slodzei, pirms pirkuma par aptuveni 4 000 € vai vairāk, un katra GPUwerk mākoņa instance darbojas uz identiskas GB10 aparatūras.

Viss par DGX Spark šajā vietnē.

Visas GPUwerk lapas par DGX Spark, sagrupētas pēc tā, ko vēlaties paveikt.

Pārtrauciet lasīt etalontestus.
Veiciet savus.

Nomājiet atsevišķu Spark par 0,79 $/h ar maksu par katru minūti. Pirmā papildināšana: samaksājiet 20 $, saņemiet 30 $ kredītā, aptuveni 37 stundas skaitļošanas.

Izveidot kontu