NVIDIA DGX Spark · GB10 Grace Blackwell
NVIDIA DGX Spark: wynajmij od 0,79 USD/h lub kup
NVIDIA DGX Spark to biurkowy komputer AI: jeden superchip GB10 Grace Blackwell ze 128 GB pamięci zunifikowanej przy 273 GB/s, z systemem DGX OS od NVIDIA. Możesz wynająć DGX Spark w GPUwerk za 0,79 USD za godzinę, rozliczane co minutę, albo go kupić. Ta strona wyjaśnia, czym jest, jakie wyniki osiąga na flocie GPUwerk i gdzie przegrywa.
Samuel Seidel · Zaktualizowano 24 października 2026. Więcej szczegółów: specyfikacja DGX Spark, cena DGX Spark, benchmarki DGX Spark i klaster DGX Spark z dwóch połączonych maszyn.
GPUwerk wynajmuje dedykowane maszyny NVIDIA DGX Spark na minuty w Europie, Ameryce Północnej i Azji Wschodniej: własne maszyny w Czechach i Sparki należące do partnerów w innych krajach. Jeden Spark kosztuje 0,79 USD za godzinę, a dwuwęzłowy klaster 256 GB 1,79 USD za godzinę, ze środków przedpłaconych, bez subskrypcji. Pracujesz w terminalu w przeglądarce lub przez SSH jako root. Zakończ instancję, gdy nie będzie ci już potrzebna, a naliczanie opłat się skończy. Jak wynająć DGX Spark.
Amerykańska cena katalogowa NVIDIA to 6950 USD (sprawdzone 11 października 2026), w porównaniu z 3999 USD w dniu premiery: zobacz historię cen DGX Spark i oferty w UE. Kup NVIDIA DGX Spark w sklepie GPUwerk →
Specyfikacja
Sprzęt w jednej tabeli.
Na węzeł. Każda instancja GPUwerk to jedna cała maszyna, więc wszystkie te liczby są twoje. Każda wartość, wraz z jej znaczeniem dla LLM, jest na stronie specyfikacji DGX Spark.
| Superchip | GB10 Grace Blackwell |
|---|---|
| Wydajność AI | 1 PFLOPS FP4 (sparse) |
| Pamięć | 128 GB zunifikowanej LPDDR5x |
| Przepustowość pamięci | 273 GB/s |
| CPU | 20-rdzeniowy Arm (10× X925 + 10× A725) |
| Dysk | 1 TB NVMe na własnych Sparkach GPUwerk, współdzielone z systemem i pamięcią podręczną modeli; niektóre Sparki partnerów mają 2 lub 4 TB (NVIDIA sprzedaje 1 TB lub 4 TB) |
| Sieć | ConnectX-7 · 200 Gb/s |
| Zasilanie | maks. 240 W |
| System | DGX OS 7 · Ubuntu 24.04 |
| CUDA | Cały stack preinstalowany |
Źródła odczytane 24 października 2026: strona produktu NVIDIA DGX Spark (CPU, pamięć, 273 GB/s, 1 PFLOP FP4 ze sparsity, zasilacz 240 W, do 200B parametrów na jednej maszynie i 400B na dwóch) oraz dokumentacja sprzętowa NVIDIA (NVMe 1 TB lub 4 TB, 256-bitowa pamięć przy 4266 MHz). Data premiery i cena: newsroom NVIDIA, 13 października 2025.
Przepustowość pamięci 273 GB/s to ograniczenie, które decyduje o prędkości generowania LLM w pojedynczym strumieniu. Mocną stroną Sparka jest pojemność: modele, które po prostu nie mieszczą się na konsumenckich GPU, plus moc FP4 do serwowania wsadowego i fine-tuningu, gdzie przepustowość skaluje się znacznie lepiej, niż sugerują wyniki dla pojedynczego strumienia.
Cena, wynajem i zakup
Wynajmij albo kup.
Wynajem na minuty pokaże ci, czy twój model się mieści i działa wystarczająco szybko, zanim wydasz tysiące na sprzęt. Wynajęty Spark daje terminal w przeglądarce lub SSH z uprawnieniami roota do twojego własnego kontenera, preinstalowany zestaw narzędzi CUDA 13.0 (a na niektórych maszynach także Dockera) oraz endpoint zgodny z OpenAI z obrazu z modelem: z czym pracujesz.
Zmierzone na flocie GPUwerk
Benchmarki floty.
Dwa modele przygotowane na każdym węźle floty, zmierzone za pomocą vllm bench serve na jednym z własnych węzłów GPUwerk, bez niczego innego na GPU. Surowe logi są poniżej, a więcej modeli znajdziesz na stronie benchmarki DGX Spark. Dane zewnętrzne dla innych modeli są zebrane i omówione w poradniku zakupowym.
| Model | Kwantyzacja | Framework | Prefill tok/s | Generowanie tok/s | Maks. kontekst |
|---|---|---|---|---|---|
| Qwen3-Coder 30B-A3B | AWQ | vLLM 0.27.1 | 5705 tok/s | 80,9 tok/s | 262 144 |
| Llama 3.3 70B | AWQ | vLLM 0.27.1 | 391 tok/s | 6,0 tok/s | 131 072 |
Jak to czytać.
Prefill to mediana czasu do pierwszego tokena przy prompcie o długości 8192 tokenów. Generowanie to jeden strumień, 128 na wejściu i 512 na wyjściu, bez niczego innego w toku. Maks. kontekst to prompt tej długości, który faktycznie został obsłużony, a nie wartość wyliczona z rozmiaru pamięci podręcznej KV. Prefill zwalnia wraz ze wzrostem promptu, bo koszt uwagi rośnie kwadratowo: model 30B osiąga 5705 tok/s przy 8k i 586 tok/s, wypełniając pełne 262 144.
Rozmiar wsadu całkowicie zmienia odpowiedź.
Jeden strumień to najgorszy przypadek na tym sprzęcie i na nim kończy się większość porównań. Przy wielu równoczesnych żądaniach model 30B osiąga łącznie 3235 tok/s przy 256 jednoczesnych żądaniach, a 70B osiąga 485 tok/s przy 128, a potem spada do 300 przy 256, przy czym mediana czasu do pierwszego tokena rośnie z 8 do 40 sekund. Model mixture-of-experts nasyca się za punktem przegięcia; gęsty za swoim się załamuje. Obie krzywe są w logach.
Zmierzone na bezczynnym węźle.
Każdy pomiar wykonano na węźle, który poza tym był bezczynny, bez żadnego innego modelu załadowanego na GPU. Każdy poniższy log zaczyna się od listy procesów GPU i wolnej pamięci w chwili rozpoczęcia pomiaru, więc możesz to sprawdzić, zamiast wierzyć na słowo.
Surowe logi z każdego pomiaru, nieedytowane poza zwinięciem odświeżeń pasków postępu: Qwen3-Coder 30B-A3B · Llama 3.3 70B. Aby przeprowadzić własny: doładuj za pierwszym razem 20 USD i otrzymaj 30 USD środków, co wystarczy na dzień ewaluacji na dedykowanym węźle.
Obciążenia
Co powinienem na nim uruchamiać?
Konkretne rady z doświadczenia w prowadzeniu floty tych maszyn.
Zespołowy asystent do kodowania
Qwen3-Coder 30B-A3B (AWQ, model, który testuje GPUwerk) zostawia miejsce na długie konteksty i kilku równoczesnych użytkowników. Serwuj go przez vLLM za endpointem zgodnym z OpenAI i skieruj na niego swoje edytory.
Prywatny czat + RAG
Model instruct klasy 70B w Q4 mieści się na jednym węźle z zapasem na model embeddingów i bazę wektorową na tej samej maszynie, czyli cały prywatny asystent na jednym komputerze. Zobacz konfigurację prywatnego ChatGPT →
Fine-tuning
Fine-tuning LoRA modeli klasy 70B mieści się w pamięci zunifikowanej bez żonglowania równoległością modelu. Wolniej na krok niż na GPU do centrów danych, ale działa tam, gdzie karty konsumenckie po prostu nie dają rady.
Wynajem do jednego zadania
Do czego ludzie wynajmują Sparka.
Trzy zadania, każde z poleceniami, zmierzonymi liczbami i ograniczeniami na jednej stronie.
Porównania
Jak wypada w porównaniu.
Porównania z werdyktem na początku, z maszynami, które kupujący naprawdę zestawiają. Każde mówi, gdzie wygrywa konkurent.
Wszystkie osiem w jednym zestawieniu, z pamięcią, przepustowością i tym, gdzie wygrywa każdy konkurent: porównanie alternatyw dla DGX Spark.
Poradniki
Poradniki i analizy.
Dla każdego, kto ocenia, kupuje lub konfiguruje DGX Spark, napisane z serwerowni, a nie z materiałów prasowych.
Wszystkie poradniki pogrupowane według zakupu, modeli i silników, klastrów oraz eksploatacji: wszystkie poradniki DGX Spark.
Pytania.
Czym jest NVIDIA DGX Spark?
NVIDIA DGX Spark to biurkowy komputer AI zbudowany na superchipie NVIDIA GB10 Grace Blackwell: GPU Blackwell i 20-rdzeniowy procesor Arm współdzielą 128 GB pamięci zunifikowanej przy 273 GB/s, z mocą obliczeniową do 1 PFLOP w FP4 (sparse). Działa na DGX OS od NVIDIA, systemie opartym na Ubuntu z preinstalowanym stackiem CUDA, i pobiera najwyżej 240 W. Zamówienia otwarto 15 października 2025 w cenie 3999 USD; amerykańska cena katalogowa NVIDIA wynosiła 6950 USD przy sprawdzeniu 11 października 2026 (historia cen). ASUS, Dell, HP, Lenovo, MSI, Gigabyte i Acer sprzedają maszyny z tym samym chipem GB10 pod własnymi markami: porównanie wszystkich maszyn GB10.
Czy dostaję cały DGX Spark tylko dla siebie?
Tak. Każda instancja GPUwerk to jeden dedykowany węzeł, a nie fragment współdzielonego GPU. 128 GB pamięci zunifikowanej, pełne 273 GB/s przepustowości i 1 PFLOPS mocy FP4 (sparse) należą do ciebie przez cały czas wynajmu, bez niczego innego działającego na maszynie.
Czym DGX Spark różni się od wynajmu instancji GPU w chmurze?
Typowa instancja GPU w chmurze daje 24–80 GB VRAM na karcie do centrów danych. DGX Spark daje 128 GB pamięci zunifikowanej na jednej maszynie, czyli tyle, ile trzeba dla modeli klasy 70B bez dzielenia ich między GPU, a GPUwerk wynajmuje go z rozliczaniem co minutę na własnych Sparkach w Czechach i na Sparkach partnerów w Europie, Ameryce Północnej i Azji Wschodniej.
Jaki jest haczyk z przepustowością pamięci 273 GB/s?
To pułap prędkości generowania w pojedynczym strumieniu: mniej tokenów na sekundę niż na osobnym GPU z szybszą pamięcią VRAM, dlatego zarówno poradnik zakupowy, jak i porównanie z RTX 5090 zaczynają od tego. Przewagą Sparka jest pojemność i przepustowość wsadowa, a nie surowa szybkość dla jednego użytkownika.
Czy mogę kupić DGX Spark zamiast go wynajmować?
Tak. Sklep GPUwerk oferuje sam NVIDIA DGX Spark, wyceniany na podstawie stanów czeskich dostawców, gdy któryś może go dostarczyć, oraz tę samą maszynę GB10 od siedmiu innych producentów, w tym Lenovo ThinkStation PGX od 5330 EUR bez VAT. GPUwerk wysyła ją do ciebie albo, jeśli wolisz, przechowuje w swoim centrum danych i wynajmuje w twoim imieniu. Możesz też kupić od NVIDIA lub jej partnerów albo zapytać GPUwerk o maszynę do własnej lokalizacji. Wynajem na minuty pozwala najpierw sprawdzić, czy sprzęt pasuje do twojego obciążenia, zanim wydasz około 4000 EUR lub więcej, a każda instancja w chmurze GPUwerk działa na identycznym sprzęcie GB10.
Wszystko o DGX Spark na tej stronie.
Wszystkie strony GPUwerk o DGX Spark, pogrupowane według tego, co chcesz zrobić.
Zakup i wynajem
- Cena DGX Spark: kupić czy wynająć
- Specyfikacja ze zmierzonymi zastrzeżeniami
- Dostępność i czas oczekiwania w Europie
- Gdzie kupić w Europie
- Jak wynająć go na minuty
- Wynająć czy kupić: kalkulator progu opłacalności
- Porównanie dostawców DGX Spark w chmurze
- Wynajem w Enverge vs GPUwerk
- Kalkulator pamięci: czy model się zmieści?
- Cennik
- Kup NVIDIA DGX Spark
- Kup maszynę GB10 hostowaną przez GPUwerk
- Lokalnie
Masz już Sparka?
Porównania
Benchmarki i modele
- Benchmarki DGX Spark: czego się spodziewać
- Jak GPUwerk testuje Sparka
- Co mieści się w 128 GB
- Uruchom DeepSeek-V4-Flash
- Uruchom gpt-oss-120b
- Uruchom gpt-oss-20b
- Uruchom Llama 3.3 70B
- Uruchom Nemotron-3-Super-120B
- Uruchom Nemotron Super 49B
- Uruchom Qwen3-Coder 30B-A3B
- Uruchom Qwen3-235B-A22B
- Uruchom GLM-5.3-Flash
- Uruchom Gemma 4 26B-A4B
- Uruchom Qwen3.6-35B-A3B
- Uruchom Qwen3.8-Flash-Next
Poradniki: pierwsze kroki
Poradniki: serwowanie i modele
- Serwuj Qwen3 przez vLLM
- llama.cpp vs vLLM vs SGLang
- Ustrukturyzowane wyjście i wywoływanie funkcji
- Embeddingi i wyszukiwanie wektorowe
- Modele wizyjne i multimodalne
- Generowanie obrazów w ComfyUI
- Najlepsze modele z otwartymi wagami
- Fine-tuning na własnych danych
- Kwantyzacja vs pełna precyzja
- Cache promptów dla oszczędności
- Ocena jakości modelu przed zmianą
- Wersjonowanie modeli i wycofywanie zmian
- Aktualizacje modeli bez przerw w działaniu
- Jak GPUwerk przeprowadza benchmarki
Poradniki: eksploatacja
- Monitoring i obserwowalność
- Wykorzystanie GPU i dobór rozmiaru
- Kopie zapasowe i odtwarzanie po awarii
- Testowanie planu odtwarzania po awarii
- Dostęp zespołowy i wieloużytkownikowy
- Limity żądań i kwoty
- Rotacja kluczy API
- Zabezpieczanie wynajętego GPU
- Logi audytowe na potrzeby zgodności
- Zarządzanie pamięcią GPU przy wielu dzierżawcach
- Skalowanie do floty
Przestań czytać benchmarki.
Uruchom własne.
Wynajmij dedykowanego Sparka za 0,79 USD/h, rozliczanego co minutę. Pierwsze doładowanie: zapłać 20 USD, otrzymasz 30 USD środków, czyli około 37 godzin mocy obliczeniowej.
Załóż konto