NVIDIA DGX Spark · GB10 Grace Blackwell

NVIDIA DGX Spark: lei en fra 0 $,79/h eller kjøp en

NVIDIA DGX Spark er en AI-datamaskin for skrivebordet: én GB10 Grace Blackwell Superchip med 128 GB enhetlig minne på 273 GB/s, som kjører NVIDIAs DGX OS. Du kan leie en DGX Spark hos GPUwerk for 0 $,79 per time, fakturert per minutt, eller kjøpe en. Denne siden forklarer hva den er, hva den måler på GPUwerks flåte og hvor den taper.

Av Samuel Seidel · Oppdatert 24. oktober 2026. I dybden: spesifikasjoner for DGX Spark, pris på DGX Spark, benchmarker for DGX Spark og DGX Spark-klyngen med to koblede maskiner.

128GBEnhetlig minne, med 273 GB/s minnebåndbredde
0 $,79Per time hos GPUwerk, fakturert per minutt, eller 1 $,79 per time for en klynge med to noder og 256 GB
1PFLOPFP4 AI-regnekraft, sparse, fra NVIDIA GB10 Grace Blackwell Superchip
200Gb/sConnectX-7-nettverk med to QSFP-porter. NVIDIA oppgir at to koblede maskiner håndterer modeller på opptil 400B parametere

GPUwerk leier ut dedikerte NVIDIA DGX Spark-maskiner per minutt i Europa, Nord-Amerika og Øst-Asia: egne maskiner i Tsjekkia og partnereide Spark-maskiner i andre land. Én Spark koster 0 $,79 per time og en klynge med to noder og 256 GB koster 1 $,79 per time, fra forhåndsbetalt kreditt uten abonnement. Du jobber i en nettleserterminal eller over root-SSH. Avslutt når du er ferdig, så stopper faktureringen. Slik leier du en DGX Spark.

NVIDIAs amerikanske listepris er 6 $ 950 (kontrollert 11. oktober 2026), opp fra 3 $ 999 ved lansering: se prishistorikk for DGX Spark og EU-oppføringer. Kjøp en NVIDIA DGX Spark i GPUwerk-butikken →

Spesifikasjoner

Maskinvaren i én tabell.

Per node. Hver GPUwerk-instans er én hel maskin, så alle disse tallene er dine. Hver verdi, med hva den betyr for LLM-er, står på siden spesifikasjoner for DGX Spark.

NVIDIA DGX Spark
SuperbrikkeGB10 Grace Blackwell
AI-ytelse1 PFLOPS FP4 (sparse)
Minne128 GB enhetlig LPDDR5x
Minnebåndbredde273 GB/s
CPU20-kjerners Arm (10× X925 + 10× A725)
Lagring1 TB NVMe på GPUwerks egne Spark-maskiner, delt med systemet og modellcachen; noen partnermaskiner har 2 eller 4 TB (NVIDIA selger 1 TB eller 4 TB)
NettverkConnectX-7 · 200 Gb/s
Strøm240 W maks
OperativsystemDGX OS 7 · Ubuntu 24.04
CUDAHele stacken ferdig installert

Kilder, lest 24. oktober 2026: NVIDIAs produktside for DGX Spark (CPU, minne, 273 GB/s, 1 PFLOP FP4 med sparsity, strømforsyning på 240 W, opptil 200B parametere på én maskin og 400B på to) og NVIDIAs maskinvaredokumentasjon (1 TB eller 4 TB NVMe, 256-bits minne på 4266 MHz). Lanseringsdato og pris: NVIDIAs nyhetsrom, 13. oktober 2025.

Minnebåndbredden på 273 GB/s er begrensningen som betyr noe for genereringshastigheten til en LLM i én strøm. Spark-maskinens styrke er kapasitet: modeller som rett og slett ikke får plass på forbruker-GPU-er, pluss FP4-regnekraft for batch-inferens og finjustering, der gjennomstrømningen skalerer langt bedre enn tallene for én strøm antyder.

Pris, leie og kjøp

Lei en eller kjøp en.

Leie per minutt forteller deg om modellen din får plass og kjører raskt nok før du bruker tusenvis på maskinvaren. En leid Spark gir deg en nettleserterminal eller root-SSH inn i din egen container, CUDA 13.0-verktøysettet forhåndsinstallert (og Docker, på noen maskiner), og et OpenAI-kompatibelt endepunkt fra et modellimage: det du jobber med.

Målt på GPUwerks flåte

Benchmarker fra flåten.

De to modellene som ligger klare på hver node i flåten, målt med vllm bench serve på en av GPUwerks egne noder uten noe annet på GPU-en. Råloggene står nedenfor, og flere modeller står på siden benchmarker for DGX Spark. Tredjepartstall for andre modeller er samlet og drøftet i kjøpsguiden.

Benchmarkresultater fra flåten på én DGX Spark-node
ModellKvantiseringRammeverkPrefill tok/sGenerering tok/sMaks 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

Slik leser du dette.

Prefill er median tid til første token på en prompt på 8 192 tokens. Generering er én strøm, 128 inn og 512 ut, uten noe annet i gang. Maks kontekst er en prompt av den lengden som faktisk ble servert, ikke et tall utledet fra KV-cache-størrelsen. Prefill blir tregere jo lengre prompten er, fordi attention-kostnaden er kvadratisk: 30B-modellen gjør 5 705 tok/s ved 8k og 586 tok/s når hele konteksten på 262 144 fylles.

Batchstørrelsen endrer svaret fullstendig.

Én strøm er verste tilfelle på denne maskinvaren, og det er tallet de fleste sammenligninger stopper ved. Med forespørsler i gang når 30B-modellen 3 235 tok/s samlet ved 256 samtidige, og 70B-modellen når 485 tok/s ved 128 og faller så til 300 ved 256, med median tid til første token fra 8 til 40 sekunder. Mixture-of-experts-modellen metter etter knekkpunktet sitt; den tette kollapser etter sitt. Begge kurvene står i loggene.

Målt på en ledig node.

Hver kjøring ble gjort på en node som ellers var ledig, uten noen annen modell lastet på GPU-en. Hver logg nedenfor starter med GPU’ens prosessliste og ledig minne i det øyeblikket kjøringen startet, så du kan sjekke det i stedet for å ta det for gitt.

Rålogger, hver kjøring, uredigert bortsett fra sammenslåtte oppdateringer av fremdriftslinjen: Qwen3-Coder 30B-A3B · Llama 3.3 70B. For å kjøre dine egne: fyll på 20 $ første gang og få 30 $ i kreditt, nok til en evalueringsdag på en dedikert node.

Arbeidslaster

Hva bør jeg kjøre på den?

Tydelige råd fra driften av en flåte av disse.

Kodeassistent for teamet

Qwen3-Coder 30B-A3B (AWQ, modellen GPUwerk benchmarker) gir rom for lange kontekster og flere samtidige brukere. Server med vLLM bak et OpenAI-kompatibelt endepunkt og pek redigeringsverktøyene dine mot det.

Privat chat + RAG

En instruct-modell i 70B-klassen på Q4 får plass på én node med margin til en embedding-modell og et vektorlager på samme boks, en hel privat assistent på én maskin. Se oppsettet for privat ChatGPT →

Finjustering

LoRA-finjusteringer av modeller i 70B-klassen får plass i enhetlig minne uten akrobatikk med modellparallellisme. Tregere per steg enn en datasenter-GPU, men det kjører der forbrukerkort rett og slett ikke strekker til.

Leie for én jobb

Hva folk leier en Spark til.

Tre jobber, hver med kommandoene, de målte tallene og begrensningene på én side.

Sammenligninger

Slik står den seg.

Sammenligninger med konklusjonen først mot maskinene kjøpere faktisk sammenligner. Hver av dem sier hvor konkurrenten vinner.

DGX Spark mot Mac Studio

Enhetlig minne på begge sider, CUDA-økosystemet mot rå båndbredde. Oppdatert for Apples Mac Studio med M5 Ultra: Macen vinner på dekoding, Spark-maskinen vinner på prefill og CUDA-portabilitet.

9 min lesetid

DGX Spark mot RTX 5090

32 GB raskt VRAM mot 128 GB kapasitet. Ingen jevn kamp om hastighet: hele spørsmålet er om modellen din får plass.

6 min lesetid

DGX Spark mot Strix Halo

Nesten identisk tokengenerering, et prefill-gap på 2–3x, og omtrent 4 $ 000 billigere å kjøpe. Hva The Registers praktiske test fant.

5 min lesetid

Skyleverandører av DGX Spark sammenlignet

All timebasert Spark-leie med offentlig oppføring, med pris, lokasjon, faktureringsoppløsning og hva som skjer med dataene dine ved stopp. Sitert fra hver leverandørs egen side, GPUwerks inkludert.

7 min lesetid

DGX Spark mot H100 for LLM-inferens

Når 128 GB og fakturering per minutt slår et datasenterkort, og når minnebåndbredde og batch-gjennomstrømning betyr at du trenger H100 i stedet.

8 min lesetid

DGX Spark mot H200 for LLM-inferens

Den største båndbreddeforskjellen på dette nettstedet, 273 GB/s mot omtrent 4,8 TB/s. Hvor det betyr noe, og hvor det ikke gjør det.

7 min lesetid

DGX Spark mot Jetson AGX Thor: to ulike oppgaver

Hvorfor disse egentlig ikke konkurrerer om den samme kjøperen, med målmarked, formfaktor og programvarestack sammenlignet.

7 min lesetid

DGX Spark mot RTX PRO 6000 Blackwell

128 GB enhetlig minne på 273 GB/s mot 96 GB GDDR7 på omtrent 1,8 TB/s: hvilke modeller som får plass på hver, og hvilken dekodingshastighet båndbredden gir.

Sammenligning

ASUS Ascent GX10 mot DGX Spark

Den samme GB10-brikken og 128 GB. Det som skiller, er lagring, pris, størrelse og fastvare, hver med sin kilde.

Sammenligning

Alle GB10-maskiner sammenlignet

DGX Spark, ASUS, Dell, HP, Lenovo, MSI, Gigabyte og Acer side om side: én brikke, og forskjellene som gjenstår.

Sammenligning

Alle åtte side om side, med minne, båndbredde og hvor hver konkurrent vinner: alternativer til DGX Spark sammenlignet.

Guider

Guider og analyser.

For alle som vurderer, kjøper eller setter opp en DGX Spark, skrevet fra maskinrommet, ikke fra et pressesett.

Oppsett av DGX Spark: fra utpakking til første token

Første oppstart av DGX OS, SSH, drivere og å få din første modell i drift: guiden jeg skulle ønske fantes da jeg monterte min første enhet i rack.

Oppsett · 4 min lesetid

Hva du bør vite før du kjøper en DGX Spark

Strøm, støy, nettverk mellom to enheter, hva den faktisk er god til, og totale eierkostnader mot en 5090-rigg eller skyen.

Kjøpsanalyse · 11 min lesetid

Leie eller kjøpe en DGX Spark

Timer per uke, kjøpspris og regnestykket for når det går i null, med en kalkulator for dine egne tall.

Kjøpsanalyse · 8 min lesetid

Server Qwen3 med vLLM på en Spark

En vei du kan kopiere og lime inn til et OpenAI-kompatibelt endepunkt på din egen maskinvare, med Open WebUI-grensesnitt og systemd inkludert.

Oppsett · 6 min lesetid

De beste modellene du ikke har lov til å sende dataene dine til

Hvilke store åpne modeller som får plass i 128 GB / 256 GB, og hvor langt bak fronten de egentlig ligger.

Privat AI · 7 min lesetid

Finjuster en modell på selskapets data

LoRA på modeller i 70B-klassen får plass i 128 GB enhetlig minne, mens treningssettet blir liggende på nodens lokale NVMe.

Finjustering · 11 min lesetid

En AI-medarbeider trenger et kontor. Gi den ett du eier.

OpenClaw, Hermes, og hvorfor en agent som leser innboksen din, hører hjemme på maskinvare du kontrollerer.

AI-agenter · 9 min lesetid

Automatiser de kjedelige 80 %

Batchbehandling av dokumenter på en maskin med fastpris: det marginale tokenet er gratis, så kjør modellen over alt.

Automatisering · 7 min lesetid

DGX Spark-klynge med to noder: oppsett og hva du faktisk får

Kobling av to Spark-maskiner over ConnectX-7 200 GbE, hva NVIDIAs egen dokumentasjon sier, og en ærlig vurdering av hva sammenkoblingen gir deg og ikke gir deg.

Oppsett · 9 min lesetid

Slik tjener du penger på DGX Spark-en din

Lei ut en Spark du eier via GPUwerk Platform: andelen på 70 %, hva som ikke gir noe, et eksempel med oppgitte timer, og kostnadene dine.

Eiere · 7 min lesetid

Strømforbruk og driftskostnad for DGX Spark

De publiserte strømtallene, hva de betyr ved stikkontakten, og hvordan du regner ut din egen strømkostnad per time.

Kjøpsanalyse · 6 min lesetid

ComfyUI og Stable Diffusion på en DGX Spark

NVIDIAs ComfyUI-oppskrift på ARM64, rapporterte bildetider per modell, og deling av enhetlig minne med en LLM.

Modeller

Slik kjører du en nylig lansert modell på en DGX Spark

Om minnet strekker til, arm64-images, NVFP4 eller GGUF, hvilken motor, og når en modell fra lanseringsuken trenger to Spark-maskiner.

Modeller

De beste modellene med åpne vekter å kjøre på en DGX Spark

Hvilken modell som passer til chat, koding, batch- og agentarbeid, og en realitetssjekk for tette modeller, bare med målte tall for tok/s.

Modeller · 8 min lesetid

Totale eierkostnader: GPU-leie mot et AI-API i skyen

Et sky-API med betaling per token, en leid dedikert GPU og kjøp av egen maskinvare, sammenlignet side om side med tall som allerede er publisert på dette nettstedet.

Kjøpsanalyse · 9 min lesetid

Slik benchmarker GPUwerk DGX Spark

Hva som måles, én strøm mot samtidighet, hvilke motorer og innstillinger, og hvorfor råloggene publiseres i stedet for bare sammendragstabellen.

Benchmarker · 4 min lesetid

Støy og kjøling på DGX Spark: hva du kan forvente

Hva som er dokumentert om viftestøy og kjøling for et skrivebord eller hjemmekontor, hva som ikke er uavhengig målt, og hvor du bør sjekke før du kjøper.

Kjøpsanalyse · 4 min lesetid

Kjøre bilde- og multimodale modeller på en DGX Spark

Hva som er realistisk på 128 GB enhetlig minne for bilde-språk-modeller og bildeforståelse, og hvorfor egne VLM-benchmarker ikke er publisert ennå.

Modeller · 3 min lesetid

Driver- og fastvareoppdateringer for DGX Spark: hva GPUwerk håndterer

Hva som holdes oppdatert på verts- og nodenivå på en leid Spark, og hva som ligger i din egen root-container og helt og holdent er ditt ansvar.

Oppsett · 4 min lesetid

Lagring på DGX Spark: hva som er varig og hva du bør sikkerhetskopiere

1 TB NVMe på en leid Spark, nøyaktig hva som overlever en stopp sammenlignet med en avslutning, og hvorfor du trenger din egen sikkerhetskopi: GPUwerk har ingen kopi av arbeidsområdet ditt.

Oppsett · 4 min lesetid

Overvåking og observerbarhet for en selvdriftet LLM

Hva du bør overvåke på en Spark som betjener produksjonstrafikk, fra GPU-minne til svartid per forespørsel.

Drift · 6 min lesetid

Sikkerhetskopiering og katastrofegjenoppretting for arbeidslasten på DGX Spark-en din

Hva som faktisk trenger sikkerhetskopi på en leid Spark, og hvordan du gjenoppretter det etter en svikt.

Drift · 6 min lesetid

Tilgang for team og flere brukere til en delt DGX Spark

Gi et team delt tilgang til én Spark uten at alle deler én API-nøkkel.

Drift · 5 min lesetid

Ratebegrensning og kvoter for en intern LLM-installasjon

Hindre at ett team eller ett skript sulter ut alle andres forespørsler på et delt endepunkt.

Drift · 5 min lesetid

Oppdatere eller bytte modeller uten nedetid

Rulle ut en ny modell eller modellversjon i produksjon på en Spark uten et vindu med nedetid.

Drift · 6 min lesetid

Skalering fra én DGX Spark til en flåte

Når det lønner seg å leie flere enkeltstående Spark-maskiner fremfor en klynge med to noder, hvordan du fordeler last mellom uavhengige noder, og de driftsmessige avveiningene ved å drive en liten flåte.

Drift · 7 min lesetid

Kvantiserte modeller mot modeller med full presisjon i produksjon

Slik velger du mellom en kvantisert modell og en modell med full presisjon i en selvdriftet produksjonsinstallasjon: om minnet strekker til, kvalitetsrisiko etter oppgave, og når du bør teste begge.

Drift · 6 min lesetid

Kostnadsprognoser og budsjettering for AI-infrastruktur

Slik anslår du månedlige utgifter til AI-infrastruktur ved egen drift mot et målt API, med GPUwerks pris på 0 $,79/time som gjennomregnet eksempel og en sjekkliste for budsjettering.

Kjøpsanalyse · 7 min lesetid

Sikkerhetsherding av en leid GPU-instans

Praktisk herding inne i instansen for en leid GPU: håndtering av SSH-nøkler, nettverkseksponering, kjøring av tjenester uten root, hemmeligheter, og flyktig mot varig tilstand.

Drift · 6 min lesetid

Migrering av en eksisterende selvdriftet AI-installasjon til en DGX Spark

En praktisk migreringsvei fra en arbeidsstasjon eller en annen sky-GPU til en leid DGX Spark: ny kvantisering for enhetlig minne, flytting av data og en plan for overgangen.

Oppsett · 7 min lesetid

Håndtering av GPU-minne for flere modeller på én Spark

Budsjettering av 128 GB enhetlig minne mellom flere modeller eller containere på én DGX Spark, og når regnestykket sier at du heller bør dele opp på en klynge med to noder.

Drift · 6 min lesetid

llama.cpp mot vLLM mot SGLang på en DGX Spark: flagg og oppstart

En praktisk guide til valg av inferensmotor: nøyaktige flagg, oppstartskommandoer og hvor llama.cpp, vLLM og SGLang faktisk skiller seg på det enhetlige minnet i GB10.

Oppsett · 6 min lesetid

Testing av planen for katastrofegjenoppretting for en selvdriftet LLM

En sikkerhetskopi du ikke har gjenopprettet fra, er en hypotese. Gjenopprettingsøvelser, beredskapsøvelser og måling av RTO/RPO for en selvdriftet LLM-installasjon.

Drift · 6 min lesetid

Beste praksis for rotasjon av API-nøkler i en privat LLM-installasjon

Rotasjon av API-nøkler og legitimasjon for et selvdriftet inferensendepunkt: kartlegging, rotasjonsplaner, tilbakekalling, og hva som bør automatiseres og hva som bør gjøres manuelt.

Drift · 6 min lesetid

Vurdering av modellkvalitet før du bytter modell

Holdout-testsett, A/B-tilnærminger og regresjonssjekker for å benchmarke en kandidatmodell mot den nåværende før du bytter i produksjon.

Drift · 6 min lesetid

Prompt-caching for å redusere inferenskostnadene

Slik reduserer gjenbruk av prefiks- og KV-cache gjentatt beregning i en selvdriftet installasjon: hva som gir cachetreff, hvordan du strukturerer prompter for det, og hvor besparelsene faktisk viser seg på en Spark leid per time.

Drift · 6 min lesetid

Strukturert utdata og funksjonskall på en selvdriftet LLM

Oppsett av strukturert utdata i JSON-modus og verktøy-/funksjonskall på selvdriftede modeller med vLLM og llama.cpp, inkludert hvilke modeller som støtter det og hvordan du feilsøker ugyldige kall.

Oppsett · 5 min lesetid

Embeddinger og vektorsøk på en DGX Spark

Egen drift av en embedding-modell sammen med en vektordatabase for en RAG-pipeline på én Spark: budsjettering av minne, kjøring av embedding-modellen og valg av vektorlager.

Modeller · 5 min lesetid

Batchbehandling av store inferensjobber på en leid Spark

Massebehandling av dokumenter og merking av datasett i stor skala på en DGX Spark leid per time: innstillinger for gjennomstrømning, dimensjonering av jobber, og hvordan kostnaden for batchinferens står seg mot interaktiv bruk.

Drift · 5 min lesetid

Overvåking av GPU-utnyttelse og riktig dimensjonering av installasjonen

Slik leser du faktisk GPU- og minneutnyttelse på en leid DGX Spark og bruker det til å avgjøre om du skal bli der du er, skalere opp til en klynge med to noder, eller skalere ut til en flåte.

Drift · 5 min lesetid

Revisjonslogging for en selvdriftet LLM-installasjon med strenge krav til regeletterlevelse

Oppsett av revisjonslogger for forespørsler og svar inne i din egen container på en leid DGX Spark: hva du bør fange opp, hvor du bør lagre det, og hvor GPUwerks ansvar slutter.

Drift · 6 min lesetid

Strategi for modellversjonering og tilbakerulling i en selvdriftet installasjon

Holde oversikt over hvilke modellvekter og konfigurasjoner som faktisk kjører, og rulle rent tilbake når en ny versjon yter dårligere.

Drift · 6 min lesetid

Kaldstart mot alltid på: velg et oppetidsmønster for instansen

Stoppe en DGX Spark mellom øktene mot å la den kjøre døgnet rundt: avveininger mellom kostnad, svartid og data.

Kjøpsanalyse · 5 min lesetid

Oppsett av SSO og tilgangskontroll for en LLM-installasjon for et team

Sette et autentiseringslag foran et selvdriftet inferensendepunkt slik at et team logger inn med eksisterende identiteter i stedet for å dele SSH-nøkler eller API-tokens.

Oppsett · 5 min lesetid

Kjøre flere containere og tjenester på en DGX Spark

Mønstre for Docker-containere på én DGX Spark: når en enkel docker-compose-fil er nok, og når arbeidslasten har vokst fra den.

Oppsett · 5 min lesetid

Alle guider, gruppert etter kjøp, modeller og motorer, klynger og drift: alle guider for DGX Spark.

Spørsmål.

Hva er NVIDIA DGX Spark?

NVIDIA DGX Spark er en AI-datamaskin for skrivebordet bygd på NVIDIA GB10 Grace Blackwell Superchip: en Blackwell-GPU og en 20-kjerners Arm-CPU som deler 128 GB enhetlig minne på 273 GB/s, med opptil 1 PFLOP sparse FP4-regnekraft. Den kjører NVIDIAs DGX OS, et Ubuntu-basert system med CUDA-stacken forhåndsinstallert, og trekker høyst 240 W. Bestillingene åpnet 15. oktober 2025 til 3 $ 999; NVIDIAs amerikanske listepris var 6 $ 950 da den ble kontrollert 11. oktober 2026 (prishistorikk). ASUS, Dell, HP, Lenovo, MSI, Gigabyte og Acer selger maskiner med den samme GB10-brikken under eget navn: alle GB10-maskiner sammenlignet.

Får jeg en hel DGX Spark for meg selv?

Ja. Hver GPUwerk-instans er én dedikert node, ikke en bit av en delt GPU. De 128 GB enhetlig minne, hele båndbredden på 273 GB/s og 1 PFLOPS sparse FP4-regnekraft er dine så lenge leien varer, og ingenting annet kjører på boksen.

Hvordan skiller en DGX Spark seg fra å leie en GPU-instans i skyen?

En typisk GPU-instans i skyen gir deg 24 til 80 GB VRAM på et datasenterkort. En DGX Spark gir deg 128 GB enhetlig minne på én maskin, nok til modeller i 70B-klassen uten å dele dem over flere GPU-er, og GPUwerk leier den ut med fakturering per minutt fra egne Spark-maskiner i Tsjekkia og partnermaskiner i Europa, Nord-Amerika og Øst-Asia.

Hva er haken med minnebåndbredden på 273 GB/s?

Det er taket for genereringshastighet i én strøm: færre tokens per sekund enn en separat GPU med raskere VRAM, og derfor starter både kjøpsguiden og sammenligningen med RTX 5090 med dette. Spark-maskinens fortrinn er kapasitet og batch-gjennomstrømning, ikke rå hastighet for én bruker.

Kan jeg kjøpe en DGX Spark i stedet for å leie en?

Ja. GPUwerks butikk har selve NVIDIA DGX Spark, priset ut fra tsjekkiske leverandørers lager når en kan levere den, og den samme GB10-maskinen fra sju andre produsenter, blant dem Lenovo ThinkStation PGX fra 5 € 330 eksklusive mva. GPUwerk sender den til deg eller, hvis du ønsker det, plasserer den i sitt datasenter og leier den ut for deg. Du kan også kjøpe fra NVIDIA eller partnerne deres, eller spørre GPUwerk om en maskin til dine egne lokaler. Å leie per minutt først forteller deg om maskinvaren passer arbeidslasten din før et kjøp på rundt 4 € 000 eller mer, og alle GPUwerks skyinstanser kjører den samme GB10-maskinvaren.

Alt om DGX Spark på dette nettstedet.

Alle sider på GPUwerk som handler om DGX Spark, gruppert etter hva du prøver å få til.

Slutt å lese benchmarker.
Kjør dine egne.

Lei en dedikert Spark for 0 $,79/h, fakturert per minutt. Første påfylling: betal 20 $, få 30 $ i kreditt, omtrent 37 timer med regnekraft.

Opprett konto