DGX Spark/Testovanie ARM64 a CUDA
Prípad použitia · Testovanie a portovanie

Testujte a portujte svoj softvér na skutočnom GB10: aarch64, CUDA, sm_121

Samuel Seidel · Aktualizované 10. novembra 2026 · 7 min čítania

V nahlásenej chybe sa píše, že vaša knižnica na DGX Sparku zlyháva, a vy žiadny nemáte. Alebo sa vaše balíčky wheel zostavujú na x86 a nikto ich neskúšal na CPU Arm s GPU Blackwell. Prenajmite si celý Spark na tých pár minút, kým to zistíte: root shell na NVIDIA GB10 (aarch64, CUDA compute capability 12.1) s nainštalovaným toolkitom CUDA 13.0. Pri 0,79 $ za hodinu s účtovaním po minútach stojí 20-minútová kontrola asi 0,26 $.

Prvé dobitie: zaplatíte 20 $, dostanete 30 $ kreditu. Účtované po minútach z predplateného kreditu. Keď skončíte, inštanciu ukončite a účtovanie sa skončí. Väčšina ľudí, ktorí si odo mňa prenajmú Spark, spustí čistý obraz DGX OS a prinesie si vlastný stack, o čom je táto stránka.

Čo dostanete

CPU20-jadrový Arm (10 Cortex-X925 a 10 Cortex-A725), uname -m vypíše aarch64
GPUNVIDIA GB10, generácia Blackwell, compute capability 12.1 (sm_121)
Pamäť128 GB zjednotenej LPDDR5x, ktorú zdieľajú CPU a GPU, 273 GB/s
ObrazyDGX OS 7: Ubuntu 24.04 s toolkitom CUDA 13.0 (nvcc), NCCL a NVIDIA DCGM. Ubuntu 24.04: to isté bez DCGM. Oba majú git, tmux, vim, curl a Python 3 s pip a venv.
PrístupRoot terminál v prehliadači bez SSH kľúča, alebo SSH ako root na porte 22 s vlastným kľúčom. Každá inštancia má vlastnú verejnú IPv4 adresu a názov hostiteľa <name>.gpuwerk.com.
Ako to bežíKontajner s GPU odovzdaným priamo: na mnohých Sparkoch systémový kontajner so systemd a Dockerom, na ostatných obyčajný kontajner bez nich. Vnútri máte práva root; ovládač NVIDIA pochádza z hostiteľského systému.
Úložisko1 TB NVMe, zdieľaný s hostiteľským systémom. /workspace prežije reštarty aj opätovné zostavenia a vymaže sa pri ukončení.

Obraz nazvaný v konzole DGX OS 7 je moje zostavenie: Ubuntu 24.04 plus balíky uvedené vyššie, v kontajneri. Nie je to inštalačný obraz DGX OS od NVIDIA a /etc/dgx-release to aj uvádza. Čo v kontajneri beží a čo nie, nájdete v poznámkach k prostrediu nájomcu.

Prvá kontrola za päť minút

Nasaďte DGX Spark 1× s obrazom DGX OS, počkajte na stav running a na stránke inštancie kliknite na Otvoriť terminál v prehliadači. Potom si overte, na čom ste:

uname -m                                    # aarch64
nvidia-smi --query-gpu=name,compute_cap,driver_version --format=csv
nvcc --version | tail -n 2                  # CUDA 13.0

python3 -m venv /workspace/venv && . /workspace/venv/bin/activate
pip install torch --index-url https://download.pytorch.org/whl/cu130
python -c "import torch; print(torch.cuda.get_device_name(0), torch.cuda.get_device_capability(0))"

Posledný riadok vypíše GB10 a (12, 1). Niektoré zostavenia PyTorch vypíšu varovanie, že sm_121 nie je kompatibilné; zvyčajne je nesprávne a návod PyTorch na DGX Sparku vysvetľuje prečo a ktorý balíček wheel zvoliť.

Zostavte a otestujte svoj projekt

cd /workspace
git clone https://github.com/your-org/your-project.git
cd your-project
pip install -e '.[test]'           # or your own build step
pytest -x -q
pip wheel . --no-deps -w dist/     # an aarch64 wheel to take home

Na tomto čipe ľudí zaskočia tri veci:

Ak si chcete zostavené artefakty vziať so sebou, skopírujte ich pomocou vlastného SSH kľúča a potom ukončite:

# on your laptop
scp 'root@<name>.gpuwerk.com:/workspace/your-project/dist/*.whl' .

Skriptované behy z vlastného CI

Hotová integrácia s CI neexistuje. K dispozícii je API, ktoré nasadzuje a ukončuje po minútach, takže úloha na vašom vlastnom runneri si môže požičať Spark, spustiť na ňom testy cez SSH a vrátiť ho. Použite API kľúč s oprávnením na inštancie.

curl -s -X POST https://api.gpuwerk.com/v1/instances \
  -H "Authorization: Bearer $GPUWERK_TOKEN" -H "Content-Type: application/json" \
  -d '{"type":"spark-1x","image":"ubuntu"}'
# wait for status "running" in GET /v1/instances, run the job over SSH, then:
curl -s -X DELETE https://api.gpuwerk.com/v1/instances/<id> \
  -H "Authorization: Bearer $GPUWERK_TOKEN"     # billing ends, workspace deleted

Nasadenie vyžaduje kredit aspoň na jednu hodinu (inak 402) a vráti 409, keď nie je voľný žiadny stroj, takže to vaša úloha musí ošetriť. Nasadenia cez API idú na stroj v EHP, pokiaľ nenastavíte location_country alebo partner_region. Všetky polia nájdete v referencii API.

Koľko stojí kontrola

ReláciaCena pri 0,79 $/hod.
Reprodukcia jedného hlásenia chyby, 20 minútasi 0,26 $
Zostavenie a test vydania, 1 hodina0,79 $
Deň portovania, 8 hodín6,32 $

Účtuje sa po minútach z predplateného kreditu a začína sa, keď inštancia prejde kontrolou pripravenosti. Na nasadenie potrebuje účet kredit na jednu hodinu. Prvé dobitie: zaplatíte 20 $, dostanete 30 $ kreditu, asi 37 hodín na jednom Sparku. Zastavená inštancia si ponechá pracovný priestor a účtuje sa za 75 % hodinovej sadzby; keď skončíte, ukončite ju a účtovanie sa skončí, čím sa pracovný priestor vymaže. Ceny sú bez DPH, ak sa uplatňuje.

Čo vám prenajatý GB10 nepovie

Kde sú Sparky

Funguje to na každom umiestnení, pretože partnerské Sparky ponúkajú rovnaké obrazy DGX OS a Ubuntu. Moje vlastné Sparky sú v dátovom centre v Hradci Králové v Českej republike. Partnerské Sparky vlastnia a vo svojich priestoroch hostujú partneri v USA, Švédsku, Holandsku, na Slovensku a v Hongkongu a partner má k svojmu stroju fyzický prístup. Konzola pred nasadením zobrazí krajinu a či je v EHP.

Kto za tým stojí

GPUwerk je nová platforma a stojím za ňou ja: Samuel Seidel, zakladateľ, pôsobiaci ako PRINT IT! SE so sídlom v Prahe. Od septembra 2026 na nej 94 vývojárov spustilo 374 inštancií (stav k 9. novembru 2026). Dostupnosť a incidenty nájdete na status.gpuwerk.com. Ak si nie ste istí, či váš stack pobeží, napíšte mi cez kontaktnú stránku skôr, než zaplatíte; odpovedám osobne.

FAQ

Aká verzia CUDA je na stroji?

Oba obrazy, DGX OS 7 aj Ubuntu 24.04, obsahujú toolkit CUDA 13.0 s nvcc a NCCL. Ovládač NVIDIA pochádza z hostiteľského systému a z vnútra inštancie sa nedá zmeniť.

Je obraz DGX OS skutočný DGX OS od NVIDIA?

Nie. Je to moje zostavenie v kontajneri: Ubuntu 24.04 s toolkitom CUDA 13.0, NCCL a NVIDIA DCGM. /etc/dgx-release ho identifikuje ako obraz GPUwerk.

Môžem na ňom zostavovať obrazy Docker?

Na niektorých strojoch áno: mnohé prenajaté Sparky spúšťajú vašu inštanciu ako systémový kontajner s vlastným démonom Docker, takže docker build a docker run --gpus all bežia natívne na arm64. Iné spúšťajú obyčajný kontajner bez Dockeru. Vybrať si nemôžete; docker info vám povie, ktorý máte.

Koľko stojí krátky test?

Asi 0,26 $ za 20 minút pri 0,79 $ za hodinu, účtované po minútach z predplateného kreditu. Na nasadenie potrebuje účet kredit na jednu hodinu. Keď skončíte, inštanciu ukončite a účtovanie sa skončí; tým sa pracovný priestor vymaže.

Prvé dobitie: zaplatíte 20 $, dostanete 30 $ kreditu

Reprodukujte to na GB10 ešte dnes.

Vyhradený DGX Spark s root shellom a CUDA 13.0, 0,79 $/hod. účtované po minútach. Keď skončíte, inštanciu ukončite a účtovanie sa skončí.

Nasadiť teraz