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.
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.
| Superchip | GB10 Grace Blackwell |
|---|---|
| Performanță AI | 1 PFLOPS FP4 (sparse) |
| Memorie | 128 GB LPDDR5x unificată |
| Lățime de bandă a memoriei | 273 GB/s |
| CPU | Arm cu 20 de nuclee (10× X925 + 10× A725) |
| Stocare | 1 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) |
| Rețea | ConnectX-7 · 200 Gb/s |
| Alimentare | 240 W maxim |
| Sistem de operare | DGX OS 7 · Ubuntu 24.04 |
| CUDA | Stack 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.
| Model | Cuantizare | Framework | Prefill tok/s | Generare tok/s | Context maxim |
|---|---|---|---|---|---|
| Qwen3-Coder 30B-A3B | AWQ | vLLM 0.27.1 | 5.705 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 |
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.
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.
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.
Cumpărare și închiriere
- Prețul DGX Spark: cumpărare sau închiriere
- Specificații, cu rezerve măsurate
- Disponibilitate și termene de livrare în Europa
- De unde să cumpărați în Europa
- Cum închiriați unul pe minut
- Închiriere sau cumpărare: calculatorul pragului de rentabilitate
- Furnizori cloud DGX Spark comparați
- Închirierea de la Enverge vs GPUwerk
- Calculator de memorie: încape un model?
- Prețuri
- Cumpărați un NVIDIA DGX Spark
- Cumpărați o mașină GB10 găzduită de GPUwerk
- On-premise
Dețineți deja un Spark?
Comparații
Benchmark-uri și modele
- Benchmark-uri DGX Spark: la ce să vă așteptați
- Cum face GPUwerk benchmark-urile pentru Spark
- Ce încape în 128 GB
- Rulați DeepSeek-V4-Flash
- Rulați gpt-oss-120b
- Rulați gpt-oss-20b
- Rulați Llama 3.3 70B
- Rulați Nemotron-3-Super-120B
- Rulați Nemotron Super 49B
- Rulați Qwen3-Coder 30B-A3B
- Rulați Qwen3-235B-A22B
- Rulați GLM-5.3-Flash
- Rulați Gemma 4 26B-A4B
- Rulați Qwen3.6-35B-A3B
- Rulați Qwen3.8-Flash-Next
Ghiduri: primii pași
Ghiduri: servire și modele
- Serviți Qwen3 cu vLLM
- llama.cpp vs vLLM vs SGLang
- Ieșire structurată și apeluri de funcții
- Embeddings și căutare vectorială
- Modele de viziune computerizată și multimodale
- Generare de imagini cu ComfyUI
- Cele mai bune modele open-weight
- Fine-tuning pe propriile date
- Cuantizat vs precizie completă
- Caching de prompturi pentru economii
- Evaluarea calității modelului înainte de schimbare
- Versionarea și rollback-ul modelelor
- Actualizări de model fără întrerupere
- Cum face GPUwerk benchmark-urile
Ghiduri: operațiuni
- Monitorizare și observabilitate
- Utilizarea GPU și dimensionarea corectă
- Backup și recuperare în caz de dezastru
- Testarea planului de recuperare în caz de dezastru
- Acces pentru echipă și mai mulți utilizatori
- Limitarea ratei și cote
- Rotația cheilor API
- Întărirea securității unui GPU închiriat
- Jurnalizare de audit pentru conformitate
- Gestionarea memoriei GPU, multi-tenant
- Scalarea la o flotă
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