NVIDIA DGX Spark · GB10 Grace Blackwell

NVIDIA DGX Spark: închiriați unul de la 0,79 $/h sau cumpărați unul

NVIDIA DGX Spark este un computer AI desktop: un superchip GB10 Grace Blackwell cu 128 GB de memorie unificată la 273 GB/s, care rulează DGX OS de la NVIDIA. Puteți închiria un DGX Spark pe GPUwerk pentru 0,79 $ pe oră, facturat pe minut, sau puteți cumpăra unul. Această pagină explică ce este, ce rezultate are pe flota GPUwerk și unde pierde.

De Samuel Seidel · Actualizat pe 24 octombrie 2026. În detaliu: specificații DGX Spark, prețul DGX Spark, benchmark-uri DGX Spark și clusterul DGX Spark din două mașini legate.

128GBMemorie unificată, cu o lățime de bandă a memoriei de 273 GB/s
0,79 $Pe oră pe GPUwerk, facturat pe minut, sau 1,79 $ pe oră pentru un cluster cu două noduri de 256 GB
1PFLOPPutere de calcul AI FP4, sparse, de la superchipul NVIDIA GB10 Grace Blackwell
200Gb/sRețea ConnectX-7 cu două porturi QSFP. NVIDIA declară două mașini legate potrivite pentru modele de până la 400B de parametri

GPUwerk închiriază mașini NVIDIA DGX Spark dedicate pe minut în Europa, America de Nord și Asia de Est: mașini proprii în Republica Cehă și Spark-uri deținute de parteneri în alte țări. Un Spark costă 0,79 $ pe oră, iar un cluster cu două noduri de 256 GB costă 1,79 $ pe oră, din credit preplătit, fără abonament. Lucrați într-un terminal în browser sau prin SSH root. Terminați instanța când nu mai aveți nevoie de ea, iar facturarea se oprește. Cum închiriați un DGX Spark.

Prețul de listă NVIDIA în SUA este 6.950 $ (verificat la 11 octombrie 2026), față de 3.999 $ la lansare: vedeți istoricul prețului DGX Spark și listările din UE. Cumpărați un NVIDIA DGX Spark din magazinul GPUwerk →

Specificații

Hardware-ul într-un singur tabel.

Per nod. Fiecare instanță GPUwerk este o mașină întreagă, deci aceste cifre sunt toate ale dvs. Fiecare valoare, cu semnificația ei pentru LLM-uri, este pe pagina specificațiilor DGX Spark.

NVIDIA DGX Spark
SuperchipGB10 Grace Blackwell
Performanță AI1 PFLOPS FP4 (sparse)
Memorie128 GB LPDDR5x unificată
Lățime de bandă a memoriei273 GB/s
CPUArm cu 20 de nuclee (10× X925 + 10× A725)
Stocare1 TB NVMe pe Spark-urile proprii GPUwerk, partajat cu sistemul și cache-ul de modele; unele Spark-uri ale partenerilor au 2 sau 4 TB (NVIDIA vinde 1 TB sau 4 TB)
RețeaConnectX-7 · 200 Gb/s
Alimentare240 W maxim
Sistem de operareDGX OS 7 · Ubuntu 24.04
CUDAStack complet preinstalat

Surse, citite pe 24 octombrie 2026: pagina de produs NVIDIA DGX Spark (CPU, memorie, 273 GB/s, 1 PFLOP FP4 cu sparsity, sursă de 240 W, până la 200B parametri pe o mașină și 400B pe două) și documentația hardware NVIDIA (NVMe de 1 TB sau 4 TB, memorie pe 256 de biți la 4266 MHz). Data lansării și prețul: NVIDIA newsroom, 13 octombrie 2025.

Lățimea de bandă a memoriei de 273 GB/s este constrângerea care contează pentru viteza de generare LLM pe un singur flux. Punctul forte al Spark-ului este capacitatea: modele care pur și simplu nu încap pe GPU-urile de consum, plus putere de calcul FP4 pentru servire în loturi și fine-tuning, unde debitul crește mult mai bine decât sugerează cifrele pe un singur flux.

Preț, închiriere și cumpărare

Închiriați unul sau cumpărați unul.

Închirierea pe minut vă arată dacă modelul încape și rulează suficient de repede înainte să cheltuiți mii pe hardware. Un Spark închiriat vă oferă un terminal în browser sau SSH root în propriul container, toolkitul CUDA 13.0 preinstalat (și Docker, pe unele mașini) și un endpoint compatibil OpenAI dintr-o imagine de model: cu ce lucrați.

Măsurat pe flota GPUwerk

Benchmark-uri pe flotă.

Cele două modele pregătite pe fiecare nod din flotă, măsurate cu vllm bench serve pe unul dintre nodurile proprii GPUwerk, fără nimic altceva pe GPU. Logurile brute sunt mai jos, iar mai multe modele sunt pe pagina benchmark-uri DGX Spark. Cifrele terțe pentru alte modele sunt adunate și discutate în ghidul de cumpărare.

Rezultate de benchmark pe flotă, pe un singur nod DGX Spark
ModelCuantizareFrameworkPrefill tok/sGenerare tok/sContext maxim
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

Cum să citiți asta.

Prefill este timpul median până la primul token pentru un prompt de 8.192 de tokeni. Generare înseamnă un singur flux, 128 la intrare și 512 la ieșire, fără nimic altceva în curs. Contextul maxim este un prompt de acea lungime care a fost efectiv servit, nu o valoare dedusă din dimensiunea cache-ului KV. Prefill-ul încetinește pe măsură ce promptul crește, pentru că atenția are cost pătratic: modelul 30B face 5.705 tok/s la 8k și 586 tok/s umplând întregul context de 262.144.

Dimensiunea lotului schimbă complet răspunsul.

Un singur flux este cazul cel mai nefavorabil pe acest hardware și este cifra la care se opresc majoritatea comparațiilor. Cu cereri în curs, modelul 30B ajunge la 3.235 tok/s agregat la 256 de cereri simultane, iar 70B ajunge la 485 tok/s la 128, apoi scade la 300 la 256, cu timpul median până la primul token crescând de la 8 la 40 de secunde. Modelul mixture-of-experts se saturează după punctul de inflexiune; cel dens se prăbușește după al său. Ambele curbe sunt în loguri.

Măsurat pe un nod nefolosit.

Fiecare rulare a fost pe un nod altfel nefolosit, fără alt model încărcat pe GPU. Fiecare log de mai jos începe cu lista proceselor GPU-ului și memoria liberă din momentul începerii rulării, ca să o puteți verifica în loc să o luați de bună.

Loguri brute, fiecare rulare, needitate, cu excepția comprimării redesenărilor barei de progres: Qwen3-Coder 30B-A3B · Llama 3.3 70B. Pentru a rula propriile teste: reîncărcați 20 $ prima dată și primiți 30 $ credit, suficient pentru o zi de evaluare pe un nod dedicat.

Workload-uri

Ce ar trebui să rulez pe el?

Recomandări ferme, din experiența operării unei flote de astfel de mașini.

Asistent de programare pentru echipă

Qwen3-Coder 30B-A3B (AWQ, modelul pe care GPUwerk face benchmark-uri) lasă loc pentru contexte lungi și mai mulți utilizatori simultani. Serviți-l cu vLLM în spatele unui endpoint compatibil OpenAI și conectați-vă editoarele la el.

Chat privat + RAG

Un model instruct din clasa 70B la Q4 încape pe un singur nod, cu spațiu pentru un model de embedding și o bază de date vectorială pe aceeași mașină: un asistent privat complet pe o singură mașină. Vedeți configurația ChatGPT privat →

Fine-tuning

Fine-tuning-ul LoRA pentru modele din clasa 70B încape în memoria unificată fără acrobații de paralelism de model. Mai lent per pas decât un GPU de centru de date, dar rulează acolo unde plăcile de consum pur și simplu nu pot.

Închiriere pentru un singur job

Pentru ce închiriază oamenii un Spark.

Trei sarcini, fiecare cu comenzile, cifrele măsurate și limitele pe o singură pagină.

Comparații

Cum se compară.

Comparații cu verdictul la început, față de mașinile pe care cumpărătorii le compară de fapt. Fiecare spune unde câștigă rivalul.

DGX Spark vs Mac Studio

Memorie unificată la ambele, ecosistemul CUDA vs lățimea de bandă brută. Actualizat pentru Mac Studio cu Apple M5 Ultra: Mac-ul câștigă la decodare, Spark-ul câștigă la prefill și la portabilitatea CUDA.

9 min de citit

DGX Spark vs RTX 5090

32 GB de VRAM rapid față de 128 GB de capacitate. La viteză nu e o luptă strânsă: toată întrebarea este dacă modelul dvs. încape.

6 min de citit

DGX Spark vs Strix Halo

Generare de tokeni aproape identică, un decalaj de 2-3x la prefill și aproximativ 4.000 $ mai puțin la cumpărare. Ce a constatat testul practic al The Register.

5 min de citit

Furnizori cloud DGX Spark comparați

Toate închirierile de Spark la oră cu o listare publică, cu preț, locație, granularitatea facturării și ce se întâmplă cu datele dvs. la oprire. Citate din pagina proprie a fiecărui furnizor, inclusiv a GPUwerk.

7 min de citit

DGX Spark vs H100 pentru inferență LLM

Când 128 GB și facturarea pe minut bat o placă de centru de date și când lățimea de bandă a memoriei și debitul în loturi înseamnă că aveți nevoie mai degrabă de un H100.

8 min de citit

DGX Spark vs H200 pentru inferență LLM

Cea mai mare diferență de lățime de bandă de pe acest site, 273 GB/s față de aproximativ 4,8 TB/s. Unde contează asta și unde nu.

7 min de citit

DGX Spark vs Jetson AGX Thor: două sarcini diferite

De ce nu concurează de fapt pentru același cumpărător, cu piața țintă, factorul de formă și stack-ul software comparate.

7 min de citit

DGX Spark vs RTX PRO 6000 Blackwell

128 GB de memorie unificată la 273 GB/s față de 96 GB GDDR7 la aproximativ 1,8 TB/s: ce modele încap pe fiecare și ce viteză de decodare permite lățimea de bandă.

Comparație

ASUS Ascent GX10 vs DGX Spark

Același cip GB10 și 128 GB. Diferă stocarea, prețul, dimensiunile și firmware-ul, fiecare cu sursa sa.

Comparație

Toate mașinile GB10 comparate

DGX Spark, ASUS, Dell, HP, Lenovo, MSI, Gigabyte și Acer unul lângă altul: un singur cip și diferențele care rămân.

Comparație

Toate cele opt, una lângă alta, cu memorie, lățime de bandă și unde câștigă fiecare rival: alternative la DGX Spark comparate.

Ghiduri

Ghiduri & analize.

Pentru oricine evaluează, cumpără sau configurează un DGX Spark, scris din sala cu flota, nu dintr-un kit de presă.

Configurarea DGX Spark: de la despachetare la primul token

Prima pornire DGX OS, SSH, drivere și servirea primului model: ghidul pe care mi-aș fi dorit să-l am când am montat prima unitate în rack.

Configurare · 4 min de citit

Ce trebuie să știți înainte de a cumpăra un DGX Spark

Consum, zgomot, conectarea a două unități în rețea, la ce este cu adevărat bun și costul total de deținere față de un sistem cu 5090 sau cloudul.

Analiză de cumpărare · 11 min de citit

Închiriați sau cumpărați un DGX Spark

Ore pe săptămână, prețul de achiziție și calculul pragului de rentabilitate, cu un calculator pentru propriile numere.

Analiză de cumpărare · 8 min de citit

Serviți Qwen3 cu vLLM pe un Spark

Cale copy-paste către un endpoint compatibil OpenAI pe propriul hardware, cu frontend Open WebUI și systemd incluse.

Configurare · 6 min de citit

Cele mai bune modele cărora nu aveți voie să le trimiteți datele

Ce modele deschise mari încap în 128 GB / 256 GB și cât de departe sunt de fapt de frontieră.

AI privat · 7 min de citit

Faceți fine-tuning unui model pe datele companiei

LoRA pe modele din clasa 70B încape în 128 GB de memorie unificată, cu setul de antrenare rămânând pe NVMe-ul local al nodului.

Fine-tuning · 11 min de citit

Un angajat AI are nevoie de un birou. Dați-i unul pe care îl dețineți.

OpenClaw, Hermes și de ce un agent care vă citește inboxul își are locul pe hardware pe care îl controlați.

Agenți AI · 9 min de citit

Automatizați cei 80% plictisitori

Procesarea documentelor în lot pe o mașină cu tarif fix: tokenul marginal este gratuit, așa că rulați modelul peste tot.

Automatizare · 7 min de citit

Cluster DGX Spark cu două noduri: configurare și ce vă aduce de fapt

Legarea a două Spark-uri prin ConnectX-7 200 GbE, ce spune documentația proprie NVIDIA și o evaluare onestă a ceea ce vă aduce și nu vă aduce asocierea.

Configurare · 9 min de citit

Cum să câștigați bani cu DGX Spark-ul dvs.

Închiriați un Spark pe care îl dețineți prin GPUwerk Platform: cota de 70%, ce nu aduce nimic, un exemplu la un număr dat de ore și costurile dvs.

Proprietari · 7 min de citit

Consumul de energie și costul de funcționare al DGX Spark

Cifrele de consum publicate, ce înseamnă ele la priză și cum vă calculați singur costul electricității pe oră.

Analiză de cumpărare · 6 min de citit

ComfyUI și Stable Diffusion pe un DGX Spark

Playbook-ul ComfyUI al NVIDIA pe ARM64, timpi raportați per imagine pentru fiecare model și partajarea memoriei unificate cu un LLM.

Modele

Cum rulați un model nou lansat pe un DGX Spark

Necesarul de memorie, imagini arm64, NVFP4 sau GGUF, ce motor și când un model din săptămâna lansării are nevoie de două Spark-uri.

Modele

Cele mai bune modele open-weight de rulat pe un DGX Spark

Ce model se potrivește pentru chat, programare, procesare în loturi și agenți, plus o verificare a realității pentru modelele dense, folosind doar cifre tok/s măsurate.

Modele · 8 min de citit

Costul total de deținere: închiriere GPU vs un API AI în cloud

Un API în cloud plătit per token, un GPU dedicat închiriat și cumpărarea directă de hardware, comparate unul lângă altul cu cifre deja publicate pe acest site.

Analiză de cumpărare · 9 min de citit

Cum face GPUwerk benchmark-urile pentru DGX Spark

Ce se măsoară, un singur flux față de concurență, ce motoare și setări și de ce se publică logurile brute, nu doar tabelul rezumat.

Benchmark-uri · 4 min de citit

Zgomotul și răcirea DGX Spark: la ce să vă așteptați

Ce este documentat despre zgomotul ventilatoarelor și răcire pentru un birou sau un birou acasă, ce nu a fost măsurat independent și unde să verificați înainte de cumpărare.

Analiză de cumpărare · 4 min de citit

Rularea modelelor de viziune computerizată și multimodale pe un DGX Spark

Ce este plauzibil pe 128 GB de memorie unificată pentru modele vision-language și înțelegerea imaginilor și de ce nu au fost încă publicate benchmark-uri VLM dedicate.

Modele · 3 min de citit

Actualizări de driver și firmware DGX Spark: ce gestionează GPUwerk

Ce se actualizează la nivel de gazdă și nod pe un Spark închiriat și ce se află în propriul container root și rămâne în întregime responsabilitatea dvs.

Configurare · 4 min de citit

Stocare DGX Spark: ce este persistent și ce trebuie salvat

NVMe-ul de 1 TB de pe un Spark închiriat, exact ce rezistă la o oprire față de o terminare și de ce aveți nevoie de propriul backup: GPUwerk nu păstrează nicio copie a spațiului dvs. de lucru.

Configurare · 4 min de citit

Monitorizare și observabilitate pentru un LLM găzduit de dvs.

Ce să urmăriți pe un Spark care servește trafic de producție, de la memoria GPU la latența per cerere.

Operațiuni · 6 min de citit

Backup și recuperare în caz de dezastru pentru workload-ul de pe DGX Spark

Ce are de fapt nevoie de backup pe un Spark închiriat și cum îl restaurați după o defecțiune.

Operațiuni · 6 min de citit

Acces pentru echipă și mai mulți utilizatori la un DGX Spark partajat

Acces partajat al unei echipe la un Spark, fără ca toată lumea să folosească aceeași cheie API.

Operațiuni · 5 min de citit

Limitarea ratei și cote pentru un LLM intern

Împiedicarea unei echipe sau a unui script să blocheze cererile tuturor celorlalți pe un endpoint partajat.

Operațiuni · 5 min de citit

Actualizarea sau schimbarea modelelor fără întrerupere

Lansarea unui model nou sau a unei versiuni noi de model în producție pe un Spark, fără fereastră de întrerupere.

Operațiuni · 6 min de citit

Scalarea de la un DGX Spark la o flotă

Când mai multe Spark-uri individuale bat un cluster cu două noduri, cum distribuiți sarcina între noduri independente și compromisurile operaționale ale unei flote mici.

Operațiuni · 7 min de citit

Modele cuantizate vs cu precizie completă în producție

Cuantizat sau precizie completă într-un sistem de producție găzduit de dvs.: necesarul de memorie, riscul de calitate pe tip de sarcină și când le testați pe amândouă.

Operațiuni · 6 min de citit

Prognoza costurilor și bugetarea infrastructurii AI

Cum să estimați cheltuielile lunare cu infrastructura AI când vă găzduiți singur modelele vs plata contorizată a unui API, cu tariful GPUwerk de 0,79 $/oră ca exemplu calculat și o listă de verificare pentru buget.

Analiză de cumpărare · 7 min de citit

Întărirea securității unei instanțe GPU închiriate

Întărirea practică a securității în interiorul unei instanțe GPU închiriate: chei SSH, expunerea în rețea, servicii fără root, secrete și stare efemeră vs persistentă.

Operațiuni · 6 min de citit

Migrarea unui sistem AI existent, găzduit de dvs., pe un DGX Spark

O cale practică de migrare de la o stație de lucru sau alt GPU în cloud la un DGX Spark închiriat: recuantizare pentru memoria unificată, mutarea datelor și un plan de comutare.

Configurare · 7 min de citit

Gestionarea memoriei GPU pentru mai multe modele pe un Spark

Împărțirea a 128 GB de memorie unificată între mai multe modele sau containere pe un singur DGX Spark și când calculele spun să treceți la un cluster cu două noduri.

Operațiuni · 6 min de citit

llama.cpp vs vLLM vs SGLang pe un DGX Spark: flaguri și pornire

Un însoțitor practic pentru alegerea unui motor de inferență: flaguri exacte, comenzi de pornire și unde diferă cu adevărat llama.cpp, vLLM și SGLang pe memoria unificată GB10.

Configurare · 6 min de citit

Testarea planului de recuperare în caz de dezastru pentru un LLM găzduit de dvs.

Un plan de backup din care nu ați restaurat niciodată este o ipoteză. Exerciții de restaurare, game days și măsurarea RTO/RPO pentru un LLM găzduit de dvs.

Operațiuni · 6 min de citit

Bune practici pentru rotația cheilor API într-un LLM privat găzduit de dvs.

Rotația cheilor API și a credențialelor pentru un endpoint de inferență propriu: permisiuni, program de rotație, revocare și ce automatizați față de ce faceți manual.

Operațiuni · 6 min de citit

Evaluarea calității modelului înainte de a schimba modelul

Seturi de test rezervate, abordări A/B și verificări de regresie pentru a compara un model candidat cu cel actual înainte de a-l schimba în producție.

Operațiuni · 6 min de citit

Caching de prompturi pentru a reduce costul inferenței

Cum reduce reutilizarea cache-ului de prefix și KV calculul repetat pe un sistem găzduit de dvs.: ce se califică drept cache hit, cum să structurați prompturile pentru asta și unde apar de fapt economiile pe un Spark închiriat la oră.

Operațiuni · 6 min de citit

Ieșire structurată și apeluri de funcții pe un LLM găzduit de dvs.

Configurarea ieșirii structurate în mod JSON și a apelurilor de instrumente/funcții pe modele găzduite de dvs. cu vLLM și llama.cpp, inclusiv ce modele le suportă și cum depanați apelurile malformate.

Configurare · 5 min de citit

Rularea embeddings și a căutării vectoriale pe un DGX Spark

Găzduirea proprie a unui model de embedding alături de o bază de date vectorială pentru un pipeline RAG pe un singur Spark: bugetarea memoriei, servirea modelului de embedding și alegerea unei baze vectoriale.

Modele · 5 min de citit

Procesarea în lot a joburilor mari de inferență pe un Spark închiriat

Procesarea documentelor în masă și etichetarea seturilor de date la scară mare pe un DGX Spark închiriat la oră: setări de debit, dimensionarea joburilor și cum se compară costul inferenței în loturi cu servirea interactivă.

Operațiuni · 5 min de citit

Monitorizarea utilizării GPU și dimensionarea corectă a sistemului dvs.

Cum să citiți utilizarea reală a GPU-ului și a memoriei pe un DGX Spark închiriat și să o folosiți pentru a decide dacă rămâneți așa, treceți la un cluster cu două noduri sau extindeți la o flotă.

Operațiuni · 5 min de citit

Jurnalizarea de audit pentru un LLM găzduit de dvs., sensibil la cerințe de conformitate

Configurarea logurilor de audit pentru cereri și răspunsuri în propriul container pe un DGX Spark închiriat: ce să capturați, unde să stocați și unde se termină responsabilitatea GPUwerk.

Operațiuni · 6 min de citit

Strategia de versionare și rollback a modelelor pentru un sistem găzduit de dvs.

Urmărirea ponderilor și configurațiilor de model care rulează efectiv și revenirea curată la versiunea anterioară când una nouă are performanțe slabe.

Operațiuni · 6 min de citit

Pornire la rece vs pornit permanent: alegerea unui tipar de funcționare a instanței

Oprirea unui DGX Spark între utilizări vs menținerea lui pornit non-stop: compromisuri de cost, latență și date.

Analiză de cumpărare · 5 min de citit

Configurarea SSO și a controlului accesului pentru un LLM de echipă

Un strat de autentificare în fața unui endpoint de inferență propriu, ca echipa să se conecteze cu identitățile existente, nu cu chei SSH sau tokenuri API partajate.

Configurare · 5 min de citit

Rularea mai multor containere și servicii pe un DGX Spark

Tipare de containere Docker pentru un singur DGX Spark: când un simplu fișier docker-compose este suficient și când workload-ul l-a depășit.

Configurare · 5 min de citit

Toate ghidurile, grupate pe cumpărare, modele și motoare, clustere și operațiuni: toate ghidurile DGX Spark.

Întrebări.

Ce este NVIDIA DGX Spark?

NVIDIA DGX Spark este un computer AI desktop construit pe superchipul NVIDIA GB10 Grace Blackwell: un GPU Blackwell și un CPU Arm cu 20 de nuclee care împart 128 GB de memorie unificată la 273 GB/s, cu până la 1 PFLOP de calcul FP4 sparse. Rulează DGX OS de la NVIDIA, un sistem bazat pe Ubuntu cu stack-ul CUDA preinstalat, și consumă cel mult 240 W. Comenzile s-au deschis pe 15 octombrie 2025 la 3.999 $; prețul de listă NVIDIA din SUA era 6.950 $ la verificarea din 11 octombrie 2026 (istoricul prețului). ASUS, Dell, HP, Lenovo, MSI, Gigabyte și Acer vând mașini cu același cip GB10 sub propriile nume: toate mașinile GB10 comparate.

Primesc un DGX Spark întreg doar pentru mine?

Da. Fiecare instanță GPUwerk este un nod dedicat, nu o parte dintr-un GPU partajat. Cei 128 GB de memorie unificată, întreaga lățime de bandă de 273 GB/s și cei 1 PFLOPS de calcul FP4 sparse sunt ai dvs. pe durata închirierii, fără nimic altceva care să ruleze pe mașină.

Prin ce diferă un DGX Spark de închirierea unei instanțe GPU în cloud?

O instanță GPU tipică în cloud vă oferă 24 până la 80 GB de VRAM pe o placă de centru de date. Un DGX Spark vă oferă 128 GB de memorie unificată pe o singură mașină, suficient pentru modele din clasa 70B fără a le împărți pe mai multe GPU-uri, iar GPUwerk îl închiriază cu facturare pe minut, din propriile Spark-uri din Cehia și din Spark-urile partenerilor din Europa, America de Nord și Asia de Est.

Care este dezavantajul celor 273 GB/s de lățime de bandă a memoriei?

Este plafonul vitezei de generare pe un singur flux: mai puțini tokeni pe secundă decât un GPU dedicat cu VRAM mai rapid, motiv pentru care atât ghidul de cumpărare, cât și comparația cu RTX 5090 încep cu el. Avantajul Spark-ului este capacitatea și debitul în loturi, nu viteza brută pentru un singur utilizator.

Pot cumpăra un DGX Spark în loc să-l închiriez?

Da. Magazinul GPUwerk listează chiar NVIDIA DGX Spark, cu preț din stocul furnizorilor cehi când unul îl poate livra, și aceeași mașină GB10 de la alți șapte producători, printre care Lenovo ThinkStation PGX de la 5.330 € fără TVA. GPUwerk v-o expediază sau, dacă alegeți, o găzduiește în centrul său de date și o închiriază în numele dvs. Puteți cumpăra și de la NVIDIA sau partenerii săi ori puteți întreba GPUwerk despre o mașină pentru propriul sediu. Închirierea pe minut vă arată mai întâi dacă hardware-ul se potrivește workload-ului dvs. înainte de o achiziție de aproximativ 4.000 € sau mai mult, iar fiecare instanță cloud GPUwerk rulează pe același hardware GB10.

Tot ce există despre DGX Spark pe acest site.

Toate paginile GPUwerk despre DGX Spark, grupate după ce încercați să faceți.

Nu mai citiți benchmark-uri.
Rulați-le pe ale dvs.

Închiriați un Spark dedicat pentru 0,79 $/h, facturat pe minut. Prima reîncărcare: plătiți 20 $, primiți 30 $ credit, aproximativ 37 de ore de calcul.

Creați un cont