GTC Berlin: 8 gépes DGX Spark klaszter és Windowsos Station

Mi jelent meg?

Az NVIDIA a GTC Berlinen egyben mutatta be a helyi AI-hardvercsaládját (NVIDIA). A múlt héten indult RTX Spark a Windowsos gépeken futó személyes agenteknek szól. A DGX Spark a Linuxon fejlesztőknek, a DGX Station a nagy modelleket futtató céges csapatoknak készült. Az RTX Spark laptopokról korábban külön írtunk, ez a cikk a fejlesztőknek fontos újdonságokat szedi össze.

DGX Spark: kisebb gép, nagyobb klaszter

Október 23-án, pénteken indul a DGX Spark 64 GB-os változata a partnereknél. Az NVIDIA szerint ezen fut a Nemotron 3.5 Bolt 74B, a Qwen3.8 27B és a Gemma 4 26B-A4B is. A klaszter mostantól legfeljebb nyolc gépből állhat kézi konfigurációval. Ez 1 TB egyesített memóriát ad, ami a GLM 5.3-hoz hasonló frontier modellekhez is elég. A cég kis csapatoknak ajánlja, ahol többen futtatnak párhuzamos sessiont ugyanazon a modellen.

Még ebben a hónapban jön az NVIDIA Sync Model Launcher. Néhány kattintással letölti a konfigurációhoz illő modellt és konténert, majd az OpenCode-hoz köti. Az októberi szoftverfrissítés Wi-Fi Assistantot hoz, a DGX Spark Skills pedig hibakeresési és karbantartási útmutatót ad az OpenCode-on keresztül.

DGX Station: Windows és belső inference szolgáltatás

A DGX Station 748 GB koherens memóriát és legfeljebb 20 petaflop AI-teljesítményt ad. Az NVIDIA szerint a GLM 5.3-mal 30-nál több felhasználót szolgál ki felhős modellekhez mérhető sebességgel. Hét új integráció érkezett IT-üzemeltetéshez, köztük a Microsoft Intune, a Splunk és a Tanium.

A Windowsos DGX Station decemberben jön a gyártópartnerektől. Támogatja a Siemens, a Dassault Systèmes, a MathWorks, a Synopsys és más gyártók mérnöki szoftvereit, agentként pedig a Hermes Agentet, a Perplexityt és az Aible-t. A Linuxos DGX Stationre korai hozzáférésben érkezik az NVIDIA Cloud Functions. A csapat egy közös katalógusba regisztrálja a helyi modellendpointokat, majd egyetlen OpenAI-kompatibilis belépési ponton éri el őket. A modell az endpoint mögött az alkalmazás kódjának módosítása nélkül cserélhető. Robotikához három nyílt forráskódú referencia-workflow is megjelent.

Recursive Flint és új modellek

A Recursive Superintelligence kiadta a Recursive Flint helyi kódolómodellt. 40 milliárd paraméteres mixture-of-experts modell, ebből 2,5 milliárd aktív. Az NVIDIA szerint 64 GB-os RTX Sparkon másodpercenként több mint 220 tokent generál. A cég a SWE-Bench Pro v2, a Terminal-Bench 2.1 és a SWE-bench Verified teszteken a kategóriája legjobb eredményét közli, konkrét számok nélkül. A súlyok Apache 2.0 licenccel elérhetők a Hugging Face-en.

Day-0 támogatást kap a Nemotron Bolt E4B, amely 4 GB memóriában fut, illetve október 23-án jelenik meg. Szintén támogatott a Liquid AI LFM2.5-24B-A2B, a MiniMax M3.1 Flash és a FLUX.3 Klein képmodell, amely 8 GB VRAM-on is fut. Az NVIDIA kiadott egy FP4-re kvantált checkpointgyűjteményt is helyi gépekre, a Qwen3.8-Flash-Next-FP4-Locallal kezdve.

Gyorsabb llama.cpp és vLLM

A llama.cpp MTP-alapú speculative decodingot kapott a Qwen 3.8 Flash Nexthez, ez RTX PRO 6000 Blackwellen akár 1,4-szer gyorsabb agentfeladatokat ad. A vLLM-ben a Qwen3.8 27B DGX Sparkon akár 1,3-szor gyorsabb, a GLM 5.3 Flash áteresztőképessége DGX Stationön akár 1,2-szeres. Ezek az NVIDIA saját mérései.

A lényeg fejlesztőként: a helyi futtatás egyre inkább csapatszintű szolgáltatás. Egy Spark-klaszter vagy egy DGX Station OpenAI-kompatibilis endpointtal kiválthatja a felhős API egy részét, ahol az adatnak házon belül kell maradnia.