NVIDIA DGX Spark · GB10 Grace Blackwell

O NVIDIA DGX Spark: alugue um a partir de $ 0,79/h ou compre um

O NVIDIA DGX Spark é um computador de IA de secretária: um GB10 Grace Blackwell Superchip com 128 GB de memória unificada a 273 GB/s, a executar o DGX OS da NVIDIA. Pode alugar um DGX Spark na GPUwerk por $ 0,79 por hora, faturado ao minuto, ou comprar um. Esta página explica o que é, o que mede na frota da GPUwerk e onde perde.

Por Samuel Seidel · Atualizado a 24 de outubro de 2026. Em detalhe: especificações do DGX Spark, preço do DGX Spark, benchmarks do DGX Spark e o cluster DGX Spark de duas máquinas ligadas.

128GBMemória unificada, com 273 GB/s de largura de banda de memória
$ 0,79Por hora na GPUwerk, faturado ao minuto, ou $ 1,79 por hora por um cluster de dois nós com 256 GB
1PFLOPComputação de IA FP4, esparsa, do NVIDIA GB10 Grace Blackwell Superchip
200Gb/sRede ConnectX-7 com duas portas QSFP. A NVIDIA indica duas máquinas ligadas para modelos até 400B parâmetros

A GPUwerk aluga máquinas NVIDIA DGX Spark dedicadas ao minuto na Europa, América do Norte e Ásia Oriental: as suas próprias máquinas na República Checa e Sparks de parceiros noutros países. Um Spark custa $ 0,79 por hora e um cluster de dois nós com 256 GB custa $ 1,79 por hora, a partir de crédito pré-pago sem subscrição. Trabalha num terminal no navegador ou por SSH root. Termine a instância quando acabar e a faturação para. Como alugar um DGX Spark.

O preço de tabela da NVIDIA nos EUA é de $6950 (verificado a 11 de outubro de 2026), face a $3999 no lançamento: veja o histórico de preços do DGX Spark e ofertas na UE. Comprar um NVIDIA DGX Spark na loja GPUwerk →

Especificações

O hardware numa tabela.

Por nó. Cada instância da GPUwerk é uma máquina inteira, por isso estes números são todos seus. Cada valor, com o que significa para LLMs, está na página de especificações do DGX Spark.

NVIDIA DGX Spark
SuperchipGB10 Grace Blackwell
Desempenho de IA1 PFLOPS FP4 (esparso)
Memória128 GB LPDDR5x unificada
Largura de banda de memória273 GB/s
CPUArm de 20 núcleos (10× X925 + 10× A725)
Armazenamento1 TB NVMe nos Sparks próprios da GPUwerk, partilhado com o sistema e a cache de modelos; alguns Sparks de parceiros têm 2 ou 4 TB (a NVIDIA vende 1 TB ou 4 TB)
RedeConnectX-7 · 200 Gb/s
Energia240 W máx.
Sistema operativoDGX OS 7 · Ubuntu 24.04
CUDAStack completa pré-instalada

Fontes, lidas a 24 de outubro de 2026: a página de produto do NVIDIA DGX Spark (CPU, memória, 273 GB/s, 1 PFLOP FP4 com esparsidade, fonte de 240 W, até 200B parâmetros numa máquina e 400B em duas) e a documentação de hardware da NVIDIA (NVMe de 1 TB ou 4 TB, memória de 256 bits a 4266 MHz). Data de lançamento e preço: sala de imprensa da NVIDIA, 13 de outubro de 2025.

A largura de banda de memória de 273 GB/s é a restrição que conta para a velocidade de geração de LLM num único fluxo. O ponto forte do Spark é a capacidade: modelos que simplesmente não cabem em GPUs de consumo, além de computação FP4 para servir em lote e fazer fine-tuning, onde o débito escala muito melhor do que os números de fluxo único sugerem.

Preço, aluguer e compra

Alugue um ou compre um.

Alugar ao minuto diz-lhe se o seu modelo cabe e corre suficientemente depressa antes de gastar milhares em hardware. Um Spark alugado dá-lhe um terminal no navegador ou SSH root no seu próprio contentor, o toolkit CUDA 13.0 pré-instalado (e Docker, em algumas máquinas), e um endpoint compatível com OpenAI a partir de uma imagem de modelo: com o que trabalha.

Medido na frota da GPUwerk

Benchmarks da frota.

Os dois modelos disponíveis em todos os nós da frota, medidos com vllm bench serve num dos nós da própria GPUwerk sem mais nada na GPU. Os registos brutos estão abaixo, e há mais modelos na página de benchmarks do DGX Spark. Os valores de terceiros para outros modelos estão reunidos e discutidos no guia de compra.

Resultados de benchmarks da frota num nó DGX Spark
ModeloQuantizaçãoFrameworkPrefill tok/sGeração tok/sContexto máximo
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

Como ler isto.

O prefill é o tempo mediano até ao primeiro token com um prompt de 8192 tokens. A geração é um fluxo, 128 de entrada e 512 de saída, sem mais nada em curso. O contexto máximo é um prompt desse comprimento que foi efetivamente servido, não um valor deduzido do tamanho da cache KV. O prefill fica mais lento à medida que o prompt cresce, porque o custo da atenção é quadrático: o 30B faz 5705 tok/s a 8k e 586 tok/s ao encher os seus 262 144 completos.

O tamanho do lote muda completamente a resposta.

Um fluxo é o pior caso neste hardware, e é o número em que a maioria das comparações se fica. Com pedidos em curso, o 30B chega a 3235 tok/s agregados com 256 em simultâneo, e o 70B chega a 485 tok/s com 128, descendo depois para 300 com 256, com o tempo mediano até ao primeiro token a passar de 8 para 40 segundos. O modelo mixture-of-experts satura a partir do seu ponto de inflexão; o denso colapsa a partir do seu. Ambas as curvas estão nos registos.

Medido num nó sem outra atividade.

Todas as execuções foram feitas num nó sem outra atividade, sem nenhum outro modelo carregado na GPU. Cada registo abaixo começa com a lista de processos da GPU e a memória livre no instante em que a execução começou, para que possa verificar em vez de acreditar.

Registos brutos, todas as execuções, sem edição para além de compactar o redesenho das barras de progresso: Qwen3-Coder 30B-A3B · Llama 3.3 70B. Para executar os seus: carregue $ 20 da primeira vez e receba $ 30 em crédito, o suficiente para um dia de avaliação num nó dedicado.

Cargas de trabalho

O que devo executar nele?

Recomendações com opinião, de quem opera uma frota destas máquinas.

Assistente de programação para a equipa

O Qwen3-Coder 30B-A3B (AWQ, o modelo que a GPUwerk usa nos benchmarks) deixa espaço para contextos longos e vários utilizadores simultâneos. Sirva-o com o vLLM por trás de um endpoint compatível com OpenAI e aponte os seus editores para ele.

Chat privado + RAG

Um modelo instruct da classe 70B em Q4 cabe num nó com margem para um modelo de embeddings e uma base de dados vetorial na mesma máquina: um assistente privado completo numa só máquina. Veja a configuração de ChatGPT privado →

Fine-tuning

Fine-tunings LoRA de modelos da classe 70B cabem na memória unificada sem malabarismos de paralelismo de modelo. Mais lento por passo do que uma GPU de datacenter, mas corre onde as placas de consumo simplesmente não conseguem.

Alugar para um trabalho

Para que é que as pessoas alugam um Spark.

Três trabalhos, cada um com os comandos, os números medidos e os limites numa só página.

Comparações

Como se compara.

Comparações com o veredicto primeiro, face às máquinas que os compradores realmente consideram. Cada uma diz onde o rival ganha.

DGX Spark vs Mac Studio

Memória unificada dos dois lados, ecossistema CUDA vs largura de banda bruta. Atualizado para o Mac Studio M5 Ultra da Apple: o Mac ganha na descodificação, o Spark ganha no prefill e na portabilidade CUDA.

9 min de leitura

DGX Spark vs RTX 5090

32 GB de VRAM rápida face a 128 GB de capacidade. Em velocidade não há disputa: a questão é toda se o seu modelo cabe.

6 min de leitura

DGX Spark vs Strix Halo

Geração de tokens quase idêntica, uma diferença de 2-3x no prefill e cerca de $4000 menos na compra. O que encontrou o teste prático do The Register.

5 min de leitura

Fornecedores de DGX Spark na cloud comparados

Todos os alugueres de Spark à hora com oferta pública, com preço, localização, granularidade de faturação e o que acontece aos seus dados quando para. Citados da página de cada fornecedor, incluindo a da GPUwerk.

7 min de leitura

DGX Spark vs H100 para inferência de LLM

Quando 128 GB e faturação ao minuto ganham a uma placa de datacenter, e quando a largura de banda de memória e o débito em lote significam que precisa da H100.

8 min de leitura

DGX Spark vs H200 para inferência de LLM

A maior diferença de largura de banda neste site, 273 GB/s face a cerca de 4,8 TB/s. Onde isso importa, e onde não.

7 min de leitura

DGX Spark vs Jetson AGX Thor: duas funções diferentes

Porque é que não estão realmente a disputar o mesmo comprador, com mercado-alvo, formato e stack de software comparados.

7 min de leitura

DGX Spark vs RTX PRO 6000 Blackwell

128 GB de memória unificada a 273 GB/s face a 96 GB de GDDR7 a cerca de 1,8 TB/s: que modelos cabem em cada um e que velocidade de descodificação a largura de banda permite.

Comparação

ASUS Ascent GX10 vs DGX Spark

O mesmo chip GB10 e 128 GB. O que difere é o armazenamento, o preço, as dimensões e o firmware, cada um com a sua fonte.

Comparação

Todas as máquinas GB10 comparadas

DGX Spark, ASUS, Dell, HP, Lenovo, MSI, Gigabyte e Acer lado a lado: um chip, e as diferenças que restam.

Comparação

Os oito lado a lado, com memória, largura de banda e onde cada rival ganha: alternativas ao DGX Spark comparadas.

Guias

Guias e análises.

Para quem está a avaliar, comprar ou configurar um DGX Spark, escrito a partir da sala da frota, não de um kit de imprensa.

Configuração do DGX Spark: da caixa ao primeiro token

Primeiro arranque do DGX OS, SSH, drivers e o seu primeiro modelo a servir: o guia que eu gostaria de ter tido quando instalei a minha primeira unidade no rack.

Configuração · 4 min de leitura

O que saber antes de comprar um DGX Spark

Energia, ruído, ligar duas unidades em rede, aquilo em que é realmente bom, e o custo total de propriedade face a um sistema com 5090 ou à cloud.

Análise de compra · 11 min de leitura

Alugar ou comprar um DGX Spark

Horas por semana, preço de compra e as contas do ponto de equilíbrio, com uma calculadora para os seus próprios números.

Análise de compra · 8 min de leitura

Servir o Qwen3 com vLLM num Spark

Um caminho de copiar e colar até um endpoint compatível com OpenAI no seu próprio hardware, com frontend Open WebUI e systemd incluídos.

Configuração · 6 min de leitura

Os melhores modelos para os quais não pode enviar os seus dados

Que grandes modelos abertos cabem em 128 GB / 256 GB, e quão atrás da fronteira estão realmente.

IA privada · 7 min de leitura

Faça fine-tuning de um modelo com os dados da sua empresa

O LoRA em modelos da classe 70B cabe em 128 GB de memória unificada, com o conjunto de treino a ficar no NVMe local do nó.

Fine-tuning · 11 min de leitura

Um funcionário de IA precisa de um escritório. Dê-lhe um que seja seu.

OpenClaw, Hermes, e porque é que um agente que lê a sua caixa de correio pertence a hardware que controla.

Agentes de IA · 9 min de leitura

Automatize os 80% aborrecidos

Processamento de documentos em lote numa máquina de tarifa fixa: o token marginal é gratuito, por isso passe tudo pelo modelo.

Automação · 7 min de leitura

Cluster DGX Spark de dois nós: configuração e o que realmente ganha com ele

Ligar dois Sparks através de ConnectX-7 a 200 GbE, o que diz a documentação da própria NVIDIA, e uma leitura honesta do que o emparelhamento lhe dá e não dá.

Configuração · 9 min de leitura

Como ganhar dinheiro com o seu DGX Spark

Alugue um Spark seu através da GPUwerk Platform: a parte de 70%, o que não rende nada, um exemplo com horas indicadas, e os seus custos.

Proprietários · 7 min de leitura

Consumo de energia e custo de funcionamento do DGX Spark

Os valores de consumo publicados, o que significam na tomada, e como calcular o seu próprio custo de eletricidade por hora.

Análise de compra · 6 min de leitura

ComfyUI e Stable Diffusion num DGX Spark

O playbook de ComfyUI da NVIDIA em ARM64, tempos de imagem reportados por modelo e partilha da memória unificada com um LLM.

Modelos

Como executar um modelo acabado de lançar num DGX Spark

Encaixe na memória, imagens arm64, NVFP4 ou GGUF, que motor, e quando um modelo da semana de lançamento precisa de dois Sparks.

Modelos

Melhores modelos de pesos abertos para executar num DGX Spark

Que modelo serve para chat, programação, lotes e agentes, e um choque de realidade sobre modelos densos, usando apenas valores de tok/s medidos.

Modelos · 8 min de leitura

Custo total de propriedade: aluguer de GPU vs uma API de IA na cloud

Uma API na cloud paga ao token, uma GPU dedicada alugada e a compra direta de hardware, comparadas lado a lado com valores já publicados neste site.

Análise de compra · 9 min de leitura

Como a GPUwerk faz benchmarks do DGX Spark

O que é medido, fluxo único versus concorrência, que motores e definições, e porque são publicados os registos brutos e não apenas a tabela resumo.

Benchmarks · 4 min de leitura

Ruído e arrefecimento do DGX Spark: o que esperar

O que está documentado sobre o ruído das ventoinhas e o arrefecimento numa secretária ou num escritório em casa, o que não foi medido de forma independente, e onde verificar antes de comprar.

Análise de compra · 4 min de leitura

Executar modelos de visão e multimodais num DGX Spark

O que é plausível em 128 GB de memória unificada para modelos de visão-linguagem e compreensão de imagens, e porque é que ainda não foram publicados benchmarks dedicados de VLM.

Modelos · 3 min de leitura

Atualizações de driver e firmware do DGX Spark: o que a GPUwerk gere

O que é mantido atualizado ao nível do anfitrião e do nó num Spark alugado, e o que está dentro do seu próprio contentor root e continua a ser inteiramente da sua responsabilidade.

Configuração · 4 min de leitura

Armazenamento do DGX Spark: o que é persistente e o que copiar

O NVMe de 1 TB num Spark alugado, exatamente o que sobrevive a parar versus terminar, e porque precisa da sua própria cópia de segurança: a GPUwerk não guarda nenhuma cópia do seu espaço de trabalho.

Configuração · 4 min de leitura

Monitorização e observabilidade para um LLM auto-hospedado

O que monitorizar num Spark a servir tráfego de produção, da memória da GPU à latência por pedido.

Operações · 6 min de leitura

Cópias de segurança e recuperação de desastres para a sua carga de trabalho no DGX Spark

O que precisa realmente de cópia de segurança num Spark alugado, e como restaurar após uma falha.

Operações · 6 min de leitura

Acesso de equipa e multiutilizador a um DGX Spark partilhado

Dar a uma equipa acesso partilhado a um Spark sem que todos partilhem a mesma chave de API.

Operações · 5 min de leitura

Limitação de pedidos e quotas para uma implementação interna de LLM

Impedir que uma equipa ou um script deixe sem resposta os pedidos de todos os outros num endpoint partilhado.

Operações · 5 min de leitura

Atualizar ou trocar modelos sem interrupção

Pôr um novo modelo ou uma nova versão de modelo em produção num Spark sem janela de interrupção.

Operações · 6 min de leitura

Escalar de um DGX Spark para uma frota

Quando alugar mais Sparks individuais ganha a um cluster de dois nós, como distribuir a carga por nós independentes, e os compromissos operacionais de gerir uma pequena frota.

Operações · 7 min de leitura

Modelos quantizados vs de precisão total em produção

Como decidir entre um modelo quantizado e um de precisão total numa implementação auto-hospedada em produção: encaixe na memória, risco de qualidade por tarefa, e quando testar ambos.

Operações · 6 min de leitura

Previsão de custos e orçamentação para infraestrutura de IA

Como estimar o gasto mensal em infraestrutura de IA com alojamento próprio vs uma API medida, com a tarifa de $ 0,79/hora da GPUwerk como exemplo resolvido e uma lista de verificação de orçamentação.

Análise de compra · 7 min de leitura

Reforço da segurança de uma instância de GPU alugada

Reforço prático da segurança dentro da instância para uma GPU alugada: gestão de chaves SSH, exposição de rede, executar serviços sem root, segredos, e estado efémero vs persistente.

Operações · 6 min de leitura

Migrar uma implementação de IA auto-hospedada existente para um DGX Spark

Um caminho de migração prático de uma workstation ou de outra GPU na cloud para um DGX Spark alugado: requantização para memória unificada, transferência de dados e um plano de transição.

Configuração · 7 min de leitura

Gestão de memória da GPU para vários modelos num Spark

Distribuir 128 GB de memória unificada por vários modelos ou contentores num único DGX Spark, e quando as contas indicam dividir para um cluster de dois nós.

Operações · 6 min de leitura

llama.cpp vs vLLM vs SGLang num DGX Spark: flags e arranque

Um guia prático para escolher um motor de inferência: flags exatas, comandos de arranque e onde o llama.cpp, o vLLM e o SGLang realmente diferem na memória unificada do GB10.

Configuração · 6 min de leitura

Testar o seu plano de recuperação de desastres para um LLM auto-hospedado

Um plano de cópias de segurança que nunca foi restaurado é uma hipótese. Exercícios de restauro, game days e medição de RTO/RPO para uma implementação de LLM auto-hospedada.

Operações · 6 min de leitura

Boas práticas de rotação de chaves de API para uma implementação privada de LLM

Rotação de chaves de API e credenciais para um endpoint de inferência auto-hospedado: âmbitos, calendários de rotação, revogação, e o que automatizar versus fazer à mão.

Operações · 6 min de leitura

Avaliar a qualidade do modelo antes de mudar de modelo

Conjuntos de teste reservados, abordagens A/B e verificações de regressão para comparar um modelo candidato com o atual antes de mudar em produção.

Operações · 6 min de leitura

Cache de prompts para reduzir o custo de inferência

Como reutilizar prefixos e cache KV corta computação repetida num serviço auto-hospedado: o que conta como acerto na cache, como estruturar os prompts e onde a poupança aparece num Spark alugado à hora.

Operações · 6 min de leitura

Saída estruturada e chamadas de funções num LLM auto-hospedado

Configurar saída estruturada em modo JSON e chamadas de ferramentas/funções em modelos auto-hospedados com vLLM e llama.cpp, incluindo que modelos o suportam e como depurar chamadas mal formadas.

Configuração · 5 min de leitura

Embeddings e pesquisa vetorial num DGX Spark

Auto-hospedar um modelo de embeddings ao lado de uma base de dados vetorial para um pipeline RAG num único Spark: orçamento de memória, servir o modelo de embeddings e escolher uma base de dados vetorial.

Modelos · 5 min de leitura

Processamento em lote de grandes trabalhos de inferência num Spark alugado

Processamento de documentos em massa e rotulagem de grandes conjuntos de dados num DGX Spark alugado à hora: definições de débito, dimensionamento de trabalhos, e como o custo da inferência em lote se compara com o serviço interativo.

Operações · 5 min de leitura

Monitorização da utilização da GPU e dimensionamento correto da sua implementação

Como ler a utilização real de GPU e memória num DGX Spark alugado e usá-la para decidir entre manter, escalar para um cluster de dois nós ou expandir para uma frota.

Operações · 5 min de leitura

Registo de auditoria para uma implementação de LLM auto-hospedada sujeita a requisitos de conformidade

Configurar registos de auditoria de pedidos e respostas dentro do seu próprio contentor num DGX Spark alugado: o que registar, onde guardar, e onde termina a responsabilidade da GPUwerk.

Operações · 6 min de leitura

Estratégia de versionamento e reversão de modelos para uma implementação auto-hospedada

Controlar que pesos e configurações de modelos estão realmente em execução, e reverter de forma limpa quando uma nova versão tem pior desempenho.

Operações · 6 min de leitura

Arranque a frio vs sempre ligado: escolher um padrão de disponibilidade da instância

Parar um DGX Spark entre utilizações vs mantê-lo a funcionar 24 horas por dia: custo, latência e compromissos quanto aos dados.

Análise de compra · 5 min de leitura

Configurar SSO e controlo de acessos para uma implementação de LLM em equipa

Pôr uma camada de autenticação à frente de um endpoint de inferência auto-hospedado, para a equipa entrar com as identidades que já tem em vez de partilhar chaves SSH ou tokens de API.

Configuração · 5 min de leitura

Executar vários contentores e serviços num DGX Spark

Padrões de contentores Docker para um único DGX Spark: quando um ficheiro docker-compose simples chega, e quando a carga de trabalho já o ultrapassou.

Configuração · 5 min de leitura

Todos os guias, agrupados por compra, modelos e motores, clusters e operações: todos os guias do DGX Spark.

Perguntas.

O que é o NVIDIA DGX Spark?

O NVIDIA DGX Spark é um computador de IA de secretária construído sobre o NVIDIA GB10 Grace Blackwell Superchip: uma GPU Blackwell e uma CPU Arm de 20 núcleos a partilhar 128 GB de memória unificada a 273 GB/s, com até 1 PFLOP de computação FP4 esparsa. Executa o DGX OS da NVIDIA, um sistema baseado em Ubuntu com a stack CUDA pré-instalada, e consome no máximo 240 W. As encomendas abriram a 15 de outubro de 2025 a $3999; o preço de tabela da NVIDIA nos EUA era de $6950 quando verificado a 11 de outubro de 2026 (histórico de preços). A ASUS, a Dell, a HP, a Lenovo, a MSI, a Gigabyte e a Acer vendem máquinas com o mesmo chip GB10 com o seu próprio nome: todas as máquinas GB10 comparadas.

Fico com um DGX Spark inteiro só para mim?

Sim. Cada instância da GPUwerk é um nó dedicado, não uma fatia de uma GPU partilhada. Os 128 GB de memória unificada, os 273 GB/s completos de largura de banda e o 1 PFLOPS de computação FP4 esparsa são seus durante todo o aluguer, sem mais nada a correr na máquina.

Em que difere um DGX Spark de alugar uma instância de GPU na cloud?

Uma instância típica de GPU na cloud dá-lhe 24 a 80 GB de VRAM numa placa de datacenter. Um DGX Spark dá-lhe 128 GB de memória unificada numa só máquina, o suficiente para modelos da classe 70B sem os dividir por várias GPUs, e a GPUwerk aluga-o com faturação ao minuto a partir dos seus próprios Sparks na Chéquia e de Sparks de parceiros na Europa, América do Norte e Ásia Oriental.

Qual é o problema dos 273 GB/s de largura de banda de memória?

É o limite da velocidade de geração num único fluxo: menos tokens por segundo do que uma GPU dedicada com VRAM mais rápida, e é por isso que o guia de compra e a comparação com a RTX 5090 começam por aí. A vantagem do Spark é a capacidade e o débito em lote, não a velocidade bruta para um utilizador.

Posso comprar um DGX Spark em vez de o alugar?

Sim. A loja da GPUwerk lista o próprio NVIDIA DGX Spark, com preço baseado no stock de fornecedores checos quando um o pode entregar, e a mesma máquina GB10 de outros sete fabricantes, entre eles o Lenovo ThinkStation PGX a partir de 5330 € sem IVA. A GPUwerk envia-lha ou, se preferir, aloja-a no seu datacenter e aluga-a por si. Também pode comprar à NVIDIA ou aos seus parceiros, ou perguntar à GPUwerk por uma máquina para as suas próprias instalações. Alugar ao minuto primeiro diz-lhe se o hardware serve para a sua carga de trabalho antes de uma compra de cerca de 4000 € ou mais, e todas as instâncias cloud da GPUwerk usam o mesmo hardware GB10.

Tudo sobre o DGX Spark neste site.

Todas as páginas da GPUwerk sobre o DGX Spark, agrupadas pelo que pretende fazer.

Deixe de ler benchmarks.
Faça os seus.

Alugue um Spark dedicado por $ 0,79/h, faturado ao minuto. Primeiro carregamento: pague $ 20 e receba $ 30 em crédito, cerca de 37 horas de computação.

Criar conta