DGX Spark klaszter és Recursive Flint a GTC Berlinen

Mi változott?

Az NVIDIA október 21-én, a GTC Berlinen mutatta be helyi AI-hardvereinek újdonságait (NVIDIA blog). Az RTX Spark laptopok boltba kerüléséről már írtunk, most a fejlesztői gépek és a szoftverstack kapott frissítést.

DGX Spark

• DGX Spark 64GB: október 23-tól szállítják a partnerek. Az NVIDIA szerint elfut rajta többek között a Nemotron 3.5 Bolt 74B, a Qwen3.8 27B és a Gemma 4 26B-A4B.
• Klaszter: kézi konfigurációval már legfeljebb nyolc DGX Spark köthető össze a beépített ConnectX-7 hálózaton. Ez együtt 1 TB egységes memória, ami az NVIDIA szerint a GLM 5.3-hoz hasonló frontier modellekre is elég.
• NVIDIA Sync Model Launcher: a hónap végén érkezik. Pár kattintással letölti a konfigurációhoz illő modellt és konténert, majd rákapcsolja az OpenCode-ra.
• Októberi szoftverfrissítés: Wi-Fi Assistant az appliance módhoz, illetve frissített DGX Spark Skills hibakereséshez és karbantartáshoz.

DGX Station

• 748 GB koherens memória és legfeljebb 20 petaflops AI-teljesítmény. Az NVIDIA szerint egy gép 30-nál több felhasználót is kiszolgál.
• NVIDIA Cloud Functions korai hozzáférésben a linuxos DGX Stationön: a helyi modell-endpointok közös katalógusba kerülnek, egyetlen OpenAI-kompatibilis belépési ponttal. A modell az alkalmazáskód módosítása nélkül cserélhető.
• Hét új menedzsment-integráció, köztük a Microsoft Intune, a Splunk és a Tanium.
• Windowsos DGX Station decemberben a gyártópartnerektől, ipari szoftverek (Siemens, Dassault Systèmes, MathWorks és mások) támogatásával.
• Három nyílt robotikai referencia-workflow Isaac Labbel, Cosmosszal és GR00T 1.7 modellekkel.

Recursive Flint: helyi kódolómodell

A Recursive Superintelligence kiadta a Recursive Flintet. Ez egy 40 milliárd paraméteres MoE modell, tokenenként 2,5 milliárd aktív paraméterrel. Az NVIDIA szerint 64 GB-os RTX Sparkon másodpercenként 220 tokennél többet generál.

A gyártó a SWE-Bench Pro v2, a Terminal-Bench 2.1 és a SWE-bench Verified méréseken kategóriája legjobb eredményét állítja, konkrét számokat viszont a bejelentés nem közöl. A súlyok Apache 2.0 licenccel elérhetők a Hugging Face-en. NeMo Automodellel finomhangolható (SFT, LoRA), NeMo RL-lel pedig GRPO-val tanítható tovább.

Day-0 modelltámogatás

Azonnali támogatást kapott a Nemotron Bolt E4B (4 GB memóriában fut, október 23-án jelenik meg), a FLUX.3 Klein képmodell (5,6 milliárd paraméter, 8 GB VRAM-tól), a MiniMax M3.1 Flash, illetve a Liquid AI LFM2.5-24B-A2B modellje. Az NVIDIA emellett RAM-takarékos, kvantált checkpointgyűjteményt is kiadott, például Qwen3.8-Flash-Next-FP4-Local néven egyetlen 128 GB-os DGX Sparkra. A llama.cpp és a vLLM új gyorsításokat kapott.

Mit jelent ez?

A helyi futtatás egyre inkább csapatszintű opció: nyolc Spark vagy egy Station megosztott, OpenAI-kompatibilis inference backendként szolgálhat ki kódolóagenteket, így érzékeny kódnál sem kell felhőbe küldeni az adatot. A Flint teljesítményadatai egyelőre gyártói állítások, érdemes megvárni a független méréseket.