NVIDIA DGX Spark · GB10 Grace Blackwell

NVIDIA DGX Spark: prenájom od 0,79 $/hod. alebo kúpa

NVIDIA DGX Spark je desktopový AI počítač: jeden superčip GB10 Grace Blackwell so 128 GB zjednotenej pamäte s 273 GB/s, na ktorom beží DGX OS od NVIDIA. Na GPUwerk si môžete prenajať DGX Spark za 0,79 $ za hodinu, účtované po minútach, alebo si ho kúpiť. Táto stránka vysvetľuje, čo to je, čo nameral na flotile GPUwerk a kde prehráva.

Samuel Seidel · Aktualizované 24. októbra 2026. Podrobne: parametre DGX Sparku, cena DGX Sparku, benchmarky DGX Sparku a klaster DGX Sparkov z dvoch prepojených strojov.

128GBZjednotená pamäť s priepustnosťou 273 GB/s
0,79 $Za hodinu na GPUwerk, účtované po minútach, alebo 1,79 $ za hodinu za dvojuzlový klaster s 256 GB
1PFLOPVýkon AI v FP4 (sparse) zo superčipu NVIDIA GB10 Grace Blackwell
200Gb/sSieť ConnectX-7 s dvoma portami QSFP. NVIDIA uvádza dva prepojené stroje pre modely s až 400B parametrami

GPUwerk prenajíma vyhradené stroje NVIDIA DGX Spark na minúty v Európe, Severnej Amerike a východnej Ázii: vlastné stroje v Českej republike a Sparky vo vlastníctve partnerov v iných krajinách. Jeden Spark stojí 0,79 $ za hodinu a dvojuzlový 256 GB klaster 1,79 $ za hodinu, z predplateného kreditu bez predplatného. Pracujete v termináli v prehliadači alebo cez root SSH. Keď skončíte, inštanciu ukončite a účtovanie sa skončí. Ako si prenajať DGX Spark.

Americká cenníková cena NVIDIA je 6 950 $ (overené 11. októbra 2026), oproti 3 999 $ pri uvedení: pozrite vývoj ceny DGX Sparku a ponuky v EÚ. Kúpiť NVIDIA DGX Spark v obchode GPUwerk →

Špecifikácie

Hardvér v jednej tabuľke.

Na uzol. Každá inštancia GPUwerk je jeden celý stroj, takže tieto čísla sú všetky vaše. Každá hodnota spolu s tým, čo znamená pre LLM, je na stránke parametre DGX Sparku.

NVIDIA DGX Spark
SuperčipGB10 Grace Blackwell
Výkon AI1 PFLOPS FP4 (sparse)
Pamäť128 GB zjednotenej LPDDR5x
Priepustnosť pamäte273 GB/s
CPU20-jadrový Arm (10× X925 + 10× A725)
Úložisko1 TB NVMe na vlastných Sparkoch GPUwerk, zdieľaný so systémom a cache modelov; niektoré partnerské Sparky majú 2 alebo 4 TB (NVIDIA predáva 1 TB alebo 4 TB)
SieťConnectX-7 · 200 Gb/s
Napájaniemax. 240 W
OSDGX OS 7 · Ubuntu 24.04
CUDACelý stack predinštalovaný

Zdroje, prečítané 24. októbra 2026: produktová stránka NVIDIA DGX Spark (CPU, pamäť, 273 GB/s, 1 PFLOP FP4 so sparsity, zdroj 240 W, až 200B parametrov na jednom stroji a 400B na dvoch) a hardvérová dokumentácia NVIDIA (1 TB alebo 4 TB NVMe, 256-bitová pamäť pri 4266 MHz). Dátum uvedenia a cena: tlačové správy NVIDIA, 13. októbra 2025.

Priepustnosť pamäte 273 GB/s je obmedzenie, na ktorom záleží pri rýchlosti generovania LLM v jednom streame. Silnou stránkou Sparku je kapacita: modely, ktoré sa na spotrebiteľské GPU jednoducho nezmestia, plus výkon FP4 pre dávkovú inferenciu a fine-tuning, kde priepustnosť škáluje oveľa lepšie, než naznačujú čísla pre jeden stream.

Cena, prenájom a kúpa

Prenajmite si ho alebo si ho kúpte.

Prenájom na minúty vám povie, či sa váš model zmestí a beží dosť rýchlo, skôr než minete tisíce za hardvér. Prenajatý Spark vám dá terminál v prehliadači alebo root SSH do vlastného kontajnera, predinštalovaný toolkit CUDA 13.0 (a na niektorých strojoch Docker) a endpoint kompatibilný s OpenAI z obrazu s modelom: s čím pracujete.

Namerané na flotile GPUwerk

Benchmarky flotily.

Dva modely pripravené na každom uzle flotily, namerané pomocou vllm bench serve na jednom z vlastných uzlov GPUwerk bez ničoho iného na GPU. Surové logy sú nižšie a ďalšie modely nájdete na stránke benchmarky DGX Sparku. Údaje tretích strán pre iné modely sú zhromaždené a rozobraté v sprievodcovi kúpou.

Výsledky benchmarkov flotily na jednom uzle DGX Spark
ModelKvantizáciaFrameworkPrefill tok/sGenerovanie tok/sMax. kontext
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

Ako to čítať.

Prefill je medián času do prvého tokenu pri prompte s 8 192 tokenmi. Generovanie je jeden stream, 128 na vstupe a 512 na výstupe, bez ničoho iného súbežne. Max. kontext je prompt tejto dĺžky, ktorý bol skutočne obslúžený, nie hodnota odvodená z veľkosti KV cache. Prefill sa s rastúcim promptom spomaľuje, pretože náročnosť attention je kvadratická: model 30B dosahuje 5 705 tok/s pri 8k a 586 tok/s pri zaplnení celých 262 144.

Veľkosť dávky odpoveď úplne mení.

Jeden stream je na tomto hardvéri najhorší prípad a pri tomto čísle sa väčšina porovnaní zastaví. So súbežnými požiadavkami dosiahne model 30B súhrnne 3 235 tok/s pri 256 súbežných a model 70B 485 tok/s pri 128, potom klesne na 300 pri 256, pričom medián času do prvého tokenu stúpne z 8 na 40 sekúnd. Model typu mixture-of-experts sa za bodom zlomu nasýti; hustý sa za svojím zrúti. Obe krivky sú v logoch.

Namerané na nečinnom uzle.

Každý beh prebehol na inak nečinnom uzle, bez iného modelu načítaného na GPU. Každý log nižšie začína zoznamom procesov GPU a voľnou pamäťou v okamihu spustenia behu, takže si to môžete overiť a nemusíte nám veriť.

Surové logy, každý beh, bez úprav okrem zlúčenia prekresľovania progress barov: Qwen3-Coder 30B-A3B · Llama 3.3 70B. Ak chcete spustiť vlastné: pri prvom dobití zaplatíte 20 $ a dostanete 30 $ kreditu, čo stačí na deň testovania na vyhradenom uzle.

Záťaže

Čo na ňom mám spúšťať?

Vyhranené odporúčania z prevádzky flotily týchto strojov.

Tímový asistent na programovanie

Qwen3-Coder 30B-A3B (AWQ, model, na ktorom GPUwerk robí benchmarky) nechá miesto pre dlhé kontexty a viacerých súbežných používateľov. Obsluhujte ho cez vLLM za endpointom kompatibilným s OpenAI a nasmerujte naň svoje editory.

Súkromný chat + RAG

Inštrukčný model triedy 70B v Q4 sa zmestí do jedného uzla s rezervou pre embedding model a vektorovú databázu na tom istom stroji, celý súkromný asistent na jednom stroji. Pozrite si nastavenie súkromného ChatGPT →

Fine-tuning

Fine-tuningy LoRA modelov triedy 70B sa zmestia do zjednotenej pamäte bez akrobacie s paralelizmom modelu. Na krok pomalšie ako GPU v dátovom centre, ale beží tam, kde spotrebiteľské karty jednoducho nestačia.

Prenájom na jednu úlohu

Na čo si ľudia Spark prenajímajú.

Tri úlohy, každá s príkazmi, nameranými číslami a obmedzeniami na jednej stránke.

Porovnania

Ako si stojí v porovnaní.

Porovnania so záverom na začiatku, oproti strojom, ktoré kupujúci naozaj porovnávajú. Každé uvádza, kde konkurent vyhráva.

DGX Spark vs Mac Studio

Zjednotená pamäť na oboch stranách, ekosystém CUDA vs hrubá priepustnosť. Aktualizované pre Mac Studio s Apple M5 Ultra: Mac vyhráva v dekódovaní, Spark v prefille a prenositeľnosti CUDA.

9 min čítania

DGX Spark vs RTX 5090

32 GB rýchlej VRAM oproti 128 GB kapacity. V rýchlosti to nie je vyrovnaný súboj: celá otázka je, či sa váš model zmestí.

6 min čítania

DGX Spark vs Strix Halo

Takmer rovnaké generovanie tokenov, 2- až 3-násobný rozdiel v prefille a asi o 4 000 $ nižšia kúpna cena. Čo zistil praktický test The Register.

5 min čítania

Porovnanie cloudových poskytovateľov DGX Spark

Každý hodinový prenájom Sparku s verejnou ponukou, s cenou, umiestnením, granularitou účtovania a tým, čo sa stane s vašimi dátami pri zastavení. Citované z vlastnej stránky každého poskytovateľa, vrátane GPUwerk.

7 min čítania

DGX Spark vs H100 pre inferenciu LLM

Kedy 128 GB a účtovanie po minútach porazia kartu pre dátové centrá a kedy priepustnosť pamäte a dávková priepustnosť znamenajú, že potrebujete radšej H100.

8 min čítania

DGX Spark vs H200 pre inferenciu LLM

Najväčší rozdiel v priepustnosti na tomto webe, 273 GB/s oproti zhruba 4,8 TB/s. Kde na tom záleží a kde nie.

7 min čítania

DGX Spark vs Jetson AGX Thor: dve rôzne úlohy

Prečo v skutočnosti nesúťažia o rovnakého kupujúceho, s porovnaním cieľového trhu, formátu a softvérového stacku.

7 min čítania

DGX Spark vs RTX PRO 6000 Blackwell

128 GB zjednotenej pamäte s 273 GB/s oproti 96 GB GDDR7 s približne 1,8 TB/s: ktoré modely sa zmestia na ktoré zariadenie a akú rýchlosť dekódovania priepustnosť dovolí.

Porovnanie

ASUS Ascent GX10 vs DGX Spark

Rovnaký čip GB10 a 128 GB. Líši sa úložisko, cena, rozmery a firmvér, každé so zdrojom.

Porovnanie

Porovnanie všetkých strojov GB10

DGX Spark, ASUS, Dell, HP, Lenovo, MSI, Gigabyte a Acer vedľa seba: jeden čip a rozdiely, ktoré zostávajú.

Porovnanie

Všetkých osem vedľa seba, s pamäťou, priepustnosťou a tým, kde ktorý konkurent vyhráva: porovnanie alternatív k DGX Sparku.

Návody

Návody a analýzy.

Pre každého, kto DGX Spark hodnotí, kupuje alebo nastavuje, napísané zo serverovne, nie z tlačovej správy.

Nastavenie DGX Sparku: od vybalenia po prvý token

Prvé spustenie DGX OS, SSH, ovládače a sprístupnenie prvého modelu: návod, ktorý by sa mi bol hodil, keď som montoval svoj prvý kus do racku.

Nastavenie · 4 min čítania

Čo vedieť pred kúpou DGX Sparku

Napájanie, hluk, prepojenie dvoch kusov, v čom je naozaj dobrý a celkové náklady na vlastníctvo oproti zostave s 5090 alebo cloudu.

Analýza kúpy · 11 min čítania

Prenájom alebo kúpa DGX Sparku

Hodiny týždenne, nákupná cena a výpočet bodu zvratu s kalkulačkou pre vaše čísla.

Analýza kúpy · 8 min čítania

Spustenie Qwen3 cez vLLM na Sparku

Postup, ktorý stačí kopírovať a vkladať, k endpointu kompatibilnému s OpenAI na vlastnom hardvéri, vrátane frontendu Open WebUI a systemd.

Nastavenie · 6 min čítania

Najlepšie modely, ktorým nesmiete posielať svoje dáta

Ktoré veľké otvorené modely sa zmestia do 128 GB / 256 GB a ako ďaleko za špičkou naozaj zaostávajú.

Súkromná AI · 7 min čítania

Fine-tuning modelu na dátach vašej firmy

LoRA na modeloch triedy 70B sa zmestí do 128 GB zjednotenej pamäte a trénovacia sada zostáva na lokálnom NVMe uzla.

Fine-tuning · 11 min čítania

AI zamestnanec potrebuje kanceláriu. Dajte mu takú, ktorú vlastníte.

OpenClaw, Hermes a prečo agent, ktorý číta vašu poštu, patrí na hardvér, ktorý máte pod kontrolou.

AI agenti · 9 min čítania

Automatizujte nudných 80 %

Dávkové spracovanie dokumentov na stroji s pevnou sadzbou: každý ďalší token je zadarmo, tak model pustite na všetko.

Automatizácia · 7 min čítania

Dvojuzlový klaster DGX Sparkov: nastavenie a čo vám reálne prinesie

Prepojenie dvoch Sparkov cez ConnectX-7 200 GbE, čo hovorí vlastná dokumentácia NVIDIA a poctivý pohľad na to, čo spárovanie prinesie a čo nie.

Nastavenie · 9 min čítania

Ako zarábať s vaším DGX Sparkom

Prenajímajte Spark, ktorý vlastníte, cez GPUwerk Platform: podiel 70 %, čo nič nezarobí, príklad pri uvedených hodinách a vaše náklady.

Vlastníci · 7 min čítania

Spotreba energie a prevádzkové náklady DGX Spark

Zverejnené údaje o príkone, čo znamenajú v zásuvke a ako si vypočítať vlastné náklady na elektrinu za hodinu.

Analýza kúpy · 6 min čítania

ComfyUI a Stable Diffusion na DGX Sparku

Playbook ComfyUI od NVIDIA na ARM64, uvádzané časy generovania obrázkov podľa modelu a zdieľanie zjednotenej pamäte s LLM.

Modely

Ako spustiť novo vydaný model na DGX Sparku

Zmestenie do pamäte, obrazy pre arm64, NVFP4 alebo GGUF, ktorý engine a kedy model z týždňa vydania potrebuje dva Sparky.

Modely

Najlepšie modely s otvorenými váhami na DGX Sparku

Ktorý model sa hodí na chat, programovanie, dávkové úlohy a prácu agentov, a realita hustých modelov, len s nameranými údajmi tok/s.

Modely · 8 min čítania

Celkové náklady na vlastníctvo: prenájom GPU vs cloudové AI API

Cloudové API účtované po tokenoch, prenajaté vyhradené GPU a kúpa vlastného hardvéru, porovnané vedľa seba s údajmi, ktoré sú už zverejnené na tomto webe.

Analýza kúpy · 9 min čítania

Ako GPUwerk testuje výkon DGX Sparku

Čo sa meria, jeden stream verzus súbežnosť, ktoré enginy a nastavenia a prečo sa zverejňujú surové logy, nielen súhrnná tabuľka.

Benchmarky · 4 min čítania

Hluk a chladenie DGX Spark: čo očakávať

Čo je zdokumentované o hluku ventilátora a chladení na stole či v domácej kancelárii, čo nebolo nezávisle namerané a kde si to overiť pred kúpou.

Analýza kúpy · 4 min čítania

Vizuálne a multimodálne modely na DGX Sparku

Čo je realistické na 128 GB zjednotenej pamäte pre vizuálno-jazykové modely a porozumenie obrázkom a prečo zatiaľ neboli zverejnené samostatné benchmarky VLM.

Modely · 3 min čítania

Aktualizácie ovládačov a firmvéru DGX Spark: čo spravuje GPUwerk

Čo sa na prenajatom Sparku aktualizuje na úrovni hostiteľa a uzla a čo je vo vašom vlastnom root kontajneri a zostáva úplne vo vašej zodpovednosti.

Nastavenie · 4 min čítania

Úložisko DGX Sparku: čo pretrvá a čo zálohovať

1 TB NVMe na prenajatom Sparku, presne čo prežije zastavenie a čo ukončenie, a prečo potrebujete vlastnú zálohu: GPUwerk neuchováva kópiu vášho pracovného priestoru.

Nastavenie · 4 min čítania

Monitorovanie a pozorovateľnosť pre vlastný LLM

Čo sledovať na Sparku, ktorý obsluhuje produkčnú prevádzku, od pamäte GPU po latenciu jednotlivých požiadaviek.

Prevádzka · 6 min čítania

Zálohovanie a obnova po havárii pre vašu záťaž na DGX Sparku

Čo na prenajatom Sparku naozaj potrebuje zálohu a ako to po zlyhaní obnoviť.

Prevádzka · 6 min čítania

Prístup pre tím a viacerých používateľov k zdieľanému DGX Sparku

Zdieľaný prístup tímu k jednému Sparku bez toho, aby všetci zdieľali jeden API kľúč.

Prevádzka · 5 min čítania

Obmedzenie počtu požiadaviek a kvóty pre interné nasadenie LLM

Aby jeden tím alebo jeden skript nezahltil požiadavky všetkých ostatných na zdieľanom endpointe.

Prevádzka · 5 min čítania

Aktualizácia alebo výmena modelov bez výpadku

Nasadenie nového modelu alebo verzie modelu do produkcie na Sparku bez okna výpadku.

Prevádzka · 6 min čítania

Škálovanie z jedného DGX Sparku na flotilu

Kedy sa viac samostatných Sparkov oplatí viac ako dvojuzlový klaster, ako rozložiť záťaž medzi nezávislé uzly a prevádzkové kompromisy malej flotily.

Prevádzka · 7 min čítania

Kvantizované modely vs modely v plnej presnosti v produkcii

Ako sa pri vlastnom produkčnom nasadení rozhodnúť medzi kvantizovaným modelom a modelom v plnej presnosti: zmestenie do pamäte, riziko pre kvalitu podľa úlohy a kedy otestovať oba.

Prevádzka · 6 min čítania

Prognóza nákladov a rozpočtovanie AI infraštruktúry

Ako odhadnúť mesačné výdavky na AI infraštruktúru pri vlastnom hostingu vs API s meraním, so sadzbou GPUwerk 0,79 $/hod. ako vypočítaným príkladom a kontrolným zoznamom pre rozpočet.

Analýza kúpy · 7 min čítania

Zabezpečenie prenajatej inštancie s GPU

Praktické zabezpečenie prenajatého GPU zvnútra inštancie: správa SSH kľúčov, vystavenie do siete, prevádzka služieb bez root, tajné údaje a dočasný vs trvalý stav.

Prevádzka · 6 min čítania

Migrácia existujúceho vlastného nasadenia AI na DGX Sparku

Praktický postup migrácie z pracovnej stanice alebo iného cloudového GPU na prenajatý DGX Spark: nová kvantizácia pre zjednotenú pamäť, presun dát a plán prepnutia.

Nastavenie · 7 min čítania

Správa pamäte GPU pre viacero modelov na jednom Sparku

Rozpočet 128 GB zjednotenej pamäte pre viacero modelov alebo kontajnerov na jednom DGX Sparku a kedy výpočet hovorí, že je lepšie rozdeliť záťaž na dvojuzlový klaster.

Prevádzka · 6 min čítania

llama.cpp vs vLLM vs SGLang na DGX Sparku: prepínače a spustenie

Praktický doplnok k výberu inferenčného enginu: presné prepínače, štartovacie príkazy a kde sa llama.cpp, vLLM a SGLang na zjednotenej pamäti GB10 skutočne líšia.

Nastavenie · 6 min čítania

Testovanie plánu obnovy po havárii pre vlastný LLM

Plán záloh, z ktorého ste nikdy neobnovovali, je len hypotéza. Cvičenia obnovy, game days a meranie RTO/RPO pre nasadenie LLM na vlastnej infraštruktúre.

Prevádzka · 6 min čítania

Osvedčené postupy rotácie API kľúčov pre súkromné nasadenie LLM

Rotácia API kľúčov a prístupových údajov pre vlastný inferenčný endpoint: rozsah oprávnení, harmonogramy rotácie, odvolanie a čo automatizovať a čo robiť ručne.

Prevádzka · 6 min čítania

Hodnotenie kvality modelu pred zmenou modelu

Odložené testovacie sady, A/B prístupy a regresné kontroly na porovnanie kandidátskeho modelu so súčasným pred zmenou v produkcii.

Prevádzka · 6 min čítania

Cache promptov na zníženie nákladov na inferenciu

Ako opätovné použitie prefixovej a KV cache znižuje opakované výpočty pri vlastnom nasadení: čo sa kvalifikuje na zásah cache, ako na to štruktúrovať prompty a kde sa úspory na Sparku prenajímanom po hodinách naozaj prejavia.

Prevádzka · 6 min čítania

Štruktúrovaný výstup a volanie funkcií na vlastnom LLM

Nastavenie štruktúrovaného výstupu v režime JSON a volania nástrojov/funkcií na vlastných modeloch s vLLM a llama.cpp, vrátane toho, ktoré modely to podporujú a ako ladiť chybné volania.

Nastavenie · 5 min čítania

Embeddingy a vektorové vyhľadávanie na DGX Sparku

Vlastný hosting embedding modelu spolu s vektorovou databázou pre RAG pipeline na jednom Sparku: rozpočet pamäte, prevádzka embedding modelu a výber vektorového úložiska.

Modely · 5 min čítania

Dávkové spracovanie veľkých inferenčných úloh na prenajatom Sparku

Hromadné spracovanie dokumentov a rozsiahle označovanie datasetov na DGX Sparku prenajímanom po hodinách: nastavenia priepustnosti, dimenzovanie úloh a ako sa náklady na dávkovú inferenciu porovnávajú s interaktívnym používaním.

Prevádzka · 5 min čítania

Monitorovanie vyťaženia GPU a správne dimenzovanie nasadenia

Ako na prenajatom DGX Sparku zistiť skutočné vyťaženie GPU a pamäte a podľa toho sa rozhodnúť, či zostať, škálovať na dvojuzlový klaster, alebo do šírky na flotilu.

Prevádzka · 5 min čítania

Auditné logovanie pre nasadenie LLM na vlastnej infraštruktúre citlivé na súlad s predpismi

Nastavenie auditných logov požiadaviek a odpovedí vo vlastnom kontajneri na prenajatom DGX Sparku: čo zaznamenávať, kde to ukladať a kde končí zodpovednosť GPUwerk.

Prevádzka · 6 min čítania

Stratégia verzovania modelov a návratu k predošlej verzii pre vlastné nasadenie

Sledovanie toho, ktoré váhy modelov a konfigurácie skutočne bežia, a čistý návrat, keď nová verzia zaostáva.

Prevádzka · 6 min čítania

Studený štart vs nepretržitý chod: výber režimu dostupnosti inštancie

Zastavovanie DGX Sparku medzi použitiami vs nepretržitý chod: kompromisy v nákladoch, latencii a dátach.

Analýza kúpy · 5 min čítania

Nastavenie SSO a riadenia prístupu pre tímové nasadenie LLM

Vrstva autentifikácie pred vlastným inferenčným endpointom, aby sa tím prihlasoval existujúcimi identitami namiesto zdieľania SSH kľúčov alebo API tokenov.

Nastavenie · 5 min čítania

Viacero kontajnerov a služieb na DGX Sparku

Vzory kontajnerov Docker pre jeden DGX Spark: kedy stačí obyčajný súbor docker-compose a kedy už záťaž z neho vyrástla.

Nastavenie · 5 min čítania

Všetky návody, zoskupené podľa kúpy, modelov a enginov, klastrov a prevádzky: všetky návody k DGX Sparku.

Otázky.

Čo je NVIDIA DGX Spark?

NVIDIA DGX Spark je desktopový AI počítač postavený na superčipe NVIDIA GB10 Grace Blackwell: GPU Blackwell a 20-jadrový CPU Arm zdieľajúce 128 GB zjednotenej pamäte s 273 GB/s, s až 1 PFLOP sparse FP4. Beží na ňom DGX OS od NVIDIA, systém na báze Ubuntu s predinštalovaným stackom CUDA, a má príkon najviac 240 W. Objednávky sa otvorili 15. októbra 2025 za 3 999 $; americká cenníková cena NVIDIA bola pri kontrole 11. októbra 2026 6 950 $ (vývoj ceny). ASUS, Dell, HP, Lenovo, MSI, Gigabyte a Acer predávajú stroje s rovnakým čipom GB10 pod vlastnými názvami: porovnanie všetkých strojov GB10.

Dostanem celý DGX Spark len pre seba?

Áno. Každá inštancia GPUwerk je jeden vyhradený uzol, nie výsek zdieľaného GPU. 128 GB zjednotenej pamäte, celá priepustnosť 273 GB/s a 1 PFLOPS sparse FP4 sú vaše počas celého prenájmu, bez ničoho iného bežiaceho na stroji.

Čím sa DGX Spark líši od prenájmu cloudovej inštancie s GPU?

Typická cloudová inštancia s GPU vám dá 24 až 80 GB VRAM na karte pre dátové centrá. DGX Spark vám dá 128 GB zjednotenej pamäte na jednom stroji, dosť na modely triedy 70B bez rozdeľovania na viac GPU, a GPUwerk ho prenajíma s účtovaním po minútach z vlastných Sparkov v Česku a partnerských Sparkov v Európe, Severnej Amerike a východnej Ázii.

Aký je háčik s priepustnosťou pamäte 273 GB/s?

Je to strop rýchlosti generovania v jednom streame: menej tokenov za sekundu ako samostatné GPU s rýchlejšou VRAM, preto s tým začínajú aj sprievodca kúpou, aj porovnanie s RTX 5090. Výhodou Sparku je kapacita a dávková priepustnosť, nie hrubá rýchlosť pre jedného používateľa.

Môžem si DGX Spark namiesto prenájmu kúpiť?

Áno. Obchod GPUwerk ponúka samotný NVIDIA DGX Spark, nacenený zo zásob českých dodávateľov, keď ho niektorý dokáže dodať, a rovnaký stroj GB10 od siedmich ďalších výrobcov, medzi nimi Lenovo ThinkStation PGX od 5 330 € bez DPH. GPUwerk vám ho pošle, alebo ho, ak chcete, umiestni vo svojom dátovom centre a prenajíma za vás. Môžete ho kúpiť aj od NVIDIA alebo jej partnerov, alebo sa GPUwerk opýtať na stroj pre vlastné priestory. Prenájom na minúty vám najprv ukáže, či hardvér vyhovuje vašej záťaži, skôr než minete okolo 4 000 € alebo viac, a každá cloudová inštancia GPUwerk beží na identickom hardvéri GB10.

Všetko o DGX Sparku na tomto webe.

Každá stránka GPUwerk o DGX Sparku, zoskupená podľa toho, čo chcete urobiť.

Prestaňte čítať benchmarky.
Spustite si vlastné.

Prenajmite si vyhradený Spark za 0,79 $/hod., účtovaný po minútach. Prvé dobitie: zaplatíte 20 $, dostanete 30 $ kreditu, asi 37 hodín výpočtov.

Vytvoriť účet