NVIDIA reduce a 64GB la memoria del DGX Spark, y el precio de entrada igual queda en US$4.999

NVIDIA anunció el 2 de octubre una versión de 64GB de DGX Spark, su equipo de escritorio para correr y desarrollar modelos de IA en forma local. Sale a la venta el viernes 23 de octubre, desde US$4.999, y solo a través de seis fabricantes: Acer, ASUS, Dell, Gigabyte, HP y MSI. NVIDIA no va a vender esta configuración directamente; su página de producto aclara que el modelo de 64GB está disponible exclusivamente a través de esos socios.

Según NVIDIA, todo lo demás es igual al modelo de 128GB que ya existe: el mismo chip GB10 Grace Blackwell, el mismo DGX OS y stack de software, la misma placa de red ConnectX-7 integrada. Lo que cambia es que tiene la mitad de memoria unificada y, con eso, el tamaño de modelo que entra en la máquina.

Qué trae y qué afirma NVIDIA

• Tamaño de modelo: NVIDIA dice que una unidad de 64GB corre modelos de hasta 100.000 millones de parámetros en el propio equipo. Dos unidades conectadas con un cable QSFP suman su memoria hasta 128GB y, según NVIDIA, soportan modelos de hasta 200.000 millones de parámetros.
• Clúster: el nuevo NVIDIA Sync Cluster Assistant detecta la segunda unidad y configura la red. En una prueba propia de NVIDIA con Qwen 3.8 27B, dos sistemas de 64GB en clúster rindieron hasta 1,7 veces más que uno solo. El número es del fabricante; todavía no hay mediciones independientes.
• Software: NVIDIA lista como compatibles a llama.cpp, Ollama, vLLM, LM Studio y PyTorch. Un NVIDIA Sync Model Launcher, previsto para fin de octubre, promete descargar y levantar Qwen3.8 27B con un par de clics y conectarlo al agente de programación OpenCode.
• Specs que no cambian: la ficha técnica publicada sigue indicando 273 GB/s de ancho de banda de memoria y hasta 1 petaFLOP de cómputo en FP4 para los dos tamaños de memoria.

El precio es la parte incómoda

La unidad de 64GB es una puerta de entrada más barata solo si la comparás con la línea actual. Cuando el DGX Spark original de 128GB llegó a los reviewers en octubre de 2025, The Decoder informó un precio de alrededor de US$4.000. Un año después, la mitad de memoria arranca unos US$1.000 más arriba. Algunos medios informaron el 2 de octubre que el modelo de 128GB también subió de precio; en Promptea no pudimos abrir esas notas ni confirmar un precio de lista actual de NVIDIA, así que no repetimos ninguna cifra. El anuncio de NVIDIA no explica los precios.

NVIDIA aclara además que US$4.999 es un precio inicial: el costo final depende de cómo configure su versión cada fabricante.

Qué te dan 64GB para modelos locales

El techo de 100.000 millones de parámetros es el mejor caso. El posteo de NVIDIA no dice con qué precisión se calcula. Una cuenta aproximada nuestra: en precisión de 4 bits, los pesos de un modelo de 100B ocupan unos 50GB, y esa memoria se comparte con el sistema operativo y con todo lo demás que corra en la máquina. Lo que sobra es lo que le queda al modelo para la caché KV, que es lo que crece a medida que se llena la ventana de contexto. En la práctica, un modelo cerca del techo deja poco margen para prompts largos, documentos grandes o varios agentes en paralelo; la propia lista de casos de uso de NVIDIA recomienda sumar una segunda unidad para "ventanas de contexto más largas o múltiples agentes".

La velocidad es otro límite. Para generar cada token hay que leer los pesos del modelo desde la memoria, así que el ancho de banda, no la capacidad, pone el techo a la velocidad de salida. El modelo de 64GB mantiene los mismos 273 GB/s que el de 128GB. Las reviews del Spark original en 2025 lo describieron como un equipo pensado para capacidad más que para velocidad bruta, y nada de este anuncio cambia eso.

Para quién es

Si sos developer y querés un agente de programación o de investigación corriendo todo el día en tu propio hardware, el objetivo realista en una sola unidad son los modelos abiertos medianos, de 20B a 30B, que son justamente los que muestra NVIDIA. La propuesta es privacidad y nada de facturación por token. La contracara: US$5.000 de entrada, velocidad de salida limitada por el ancho de banda y modelos abiertos que pueden quedar detrás de las APIs de frontera en tareas difíciles.

Lo más interesante es la idea del clúster: arrancar con una caja de 64GB y sumar otra cuando crece la carga. Pero dos unidades de 64GB suman la misma memoria que una de 128GB, por un precio inicial combinado de casi US$10.000, así que si ya sabés que vas a necesitar 128GB, conviene comparar contra el precio actual del modelo de 128GB antes de elegir el camino modular.

Todas las cifras de rendimiento y capacidad de esta nota vienen de NVIDIA. Todavía no hay reviews independientes de la configuración de 64GB.