Nvidia lanzó la versión DGX Spark de 64GB, con la memoria reducida a la mitad, desde US$ 4.999; la versión de 128GB subió de precio a US$ 6.950.

A medida que los modelos de IA se vuelven cada vez más “ligeros”, la memoria de video se vuelve cada vez más costosa. Nvidia está respondiendo a esta contradicción con un producto que “recorta memoria”.

El viernes 2 de octubre, hora del Este de EE. UU., Nvidia anunció el lanzamiento de la versión de 64GB de memoria unificada de la computadora de escritorio para IA DGX Spark, con un precio inicial de 4.999 dólares. A partir del 23 de octubre estará disponible a través de fabricantes OEM como Acer, ASUS, Dell, Gigabyte, HP y MSI. El nuevo equipo mantiene el superchip GB10 Grace Blackwell, DGX OS, el stack completo de software de IA de Nvidia y la capacidad de red ConnectX-7, pero la memoria unificada se reduce de los actuales 128GB a 64GB.

Lo curioso es que el precio inicial de esta versión “reducida” del DGX Spark es, de hecho, superior al precio de lanzamiento del año pasado de la versión de 128GB de 3.999 dólares; al mismo tiempo, Nvidia ha elevado aún más el precio de la Founders Edition de 128GB a 6.950 dólares. Los medios han señalado que Nvidia atribuye este aumento de precios a la limitación en el suministro de memoria y al incremento de los costos.

Esto significa que, en el contexto de una demanda sostenida de servidores de IA que presiona el suministro de memoria,“reducir la memoria” ya se ha convertido en una forma de bajar la barrera de entrada de precios para dispositivos locales de IA, pero no significa realmente que el dispositivo se haya vuelto más barato.

¿Son suficientes 64GB? Nvidia apunta a agentes de IA locales

La lógica central de este ajuste de Nvidia es que cada vez más modelos open source ya pueden operar con capacidades de memoria más pequeñas.

Nvidia afirma que, con la mejora de las capacidades de los modelos open source y la reducción de su tamaño, 64GB de memoria unificada ya son suficientes para soportar una serie de aplicaciones de IA locales. El nuevo DGX Spark puede ejecutar localmente modelos de hasta 100 mil millones de parámetros y soporta cargas de trabajo como agentes de IA, inferencia, fine-tuning, ciencia de datos y desarrollo en el edge.

Tom's Hardware señala también que algunos de los modelos intensivos de alto rendimiento más recientes ya pueden funcionar en unos 32GB de memoria; solo en escenarios de ventanas de contexto grandes aún existen limitaciones. Esto hace que la memoria de 128GB, pensada originalmente para la ejecución local de “modelos grandes”, no sea necesaria para todos los desarrolladores.

Esta es la base práctica de Nvidia para lanzar la versión de 64GB: para quienes principalmente ejecutan inferencia local y desarrollan agentes de IA —y no entrenamiento o ajuste a gran escala—, 64GB pueden cubrir una buena parte de la carga de trabajo.

En su anuncio, Nvidia incluso resumió esta tendencia diciendo que “a medida que la tecnología evoluciona, la utilidad de la IA local está creciendo”, y a medida que los agentes de IA pasan de lo experimental al desarrollo diario, la demanda de ejecución local de modelos está en aumento.

Al mismo tiempo, el despliegue local también resulta atractivo en cuanto a privacidad y costos. Los desarrolladores pueden procesar sus datos y ejecutar agentes de IA directamente en el DGX Spark sin tener que llamar a un modelo en la nube para cada tarea.

Con el mismo GB10, la versión de 64GB no pierde potencia

En cuanto a arquitectura de hardware, la versión de 64GB no es un producto de chip completamente nuevo.

Nvidia afirma que el nuevo equipo sigue incorporando el GB10 Grace Blackwell Superchip y mantiene el sistema DGX OS y el stack completo de software de IA. Los medios señalan que la versión de 64GB conserva también la CPU Arm de 20 núcleos original y un ancho de banda de memoria compartida de 273GB/s. Por lo tanto, para los modelos que quepan en 64GB de memoria, la capacidad de cómputo básica de ambos productos no cambia a pesar de reducir a la mitad la memoria.

En otras palabras, lo importante de este cambio no es “recortar potencia”, sinorecortar una parte de la capacidad de memoria que algunos usuarios quizás no necesiten.

La versión de 64GB sigue siendo compatible con frameworks de inferencia populares como llama.cpp, Ollama, vLLM, LM Studio y viene preinstalada con Agent Toolkit de Nvidia, la librería CUDA-X AI y modelos open source como Nemotron.

La estrategia de Nvidia es clara: si el desarrollador actualmente solo necesita 64GB, puede comprar una máquina de menor capacidad; si los modelos crecen en el futuro, se podrá ampliar memoria y potencia mediante clustering.

Dos equipos de 64GB pueden “unirse” para ofrecer 128GB, con hasta un 70% más de rendimiento

Otra novedad de esta actualización del DGX Spark es que Nvidia reforzó aún más la cooperación multiequipo.

La versión de 64GB también cuenta con la interfaz de red ConnectX-7; dos dispositivos se pueden conectar directamente con un cable QSFP y, mediante NVIDIA Sync Cluster Assistant, se configura automáticamente la red, formando un clúster local de IA. Nvidia dice que dos DGX Spark de 64GB pueden formar un pool de memoria de 128GB y admitir modelos de hasta 200 mil millones de parámetros.

En los tests de Qwen 3.8 27B que presentó Nvidia, el clúster de dos máquinas de 64GB alcanzó hasta aproximadamente 1,7 veces el rendimiento de una sola máquina.

Nvidia también lanzará a fines de octubre NVIDIA Sync Model Launcher, para simplificar aún más el despliegue de modelos tanto en un solo equipo como en un clúster. Por ejemplo, los desarrolladores podrán ejecutar Qwen 3.8 27B y conectarlo a herramientas de programación como OpenCode.

Esto implica que la lógica del producto DGX Spark está pasando de ser “una supercomputadora de escritorio para IA” a “un nodo local de IA que se puede expandir paso a paso”.

Por supuesto, dos equipos no equivalen a un DGX Spark de 128GB en sentido físico; si los modelos pueden correr a través de nodos depende del software y la carga de trabajo. Por lo tanto, para tareas que requieren gran memoria en un solo equipo, la versión de 64GB sigue teniendo limitaciones notables.

Ante la escasez de memoria de video, la versión de 64GB a 4.999 dólares no es realmente “barata”

Lo que realmente merece atención, en realidad, es el precio.

Nvidia fijó el precio inicial de la DGX Spark de 64GB en 4.999 dólares, y esta versiónno tendrá Founders Edition propia, sino que se venderá totalmente a través de socios OEM. Los socios incluyen Acer, ASUS, Dell, Gigabyte, HP y MSI, por lo tanto, podría haber diferencias en configuraciones y precios.

Como comparación, cuando el DGX Spark se lanzó en 2025, la versión de 128GB tenía un precio oficial de 3.999 dólares; los medios señalan que Nvidia lo subió a 4.699 dólares en febrero de 2026 para la Founders Edition de 128GB, y ahora lo volvió a elevar a 6.950 dólares.

Por lo tanto, si solo se compara el precio histórico de lanzamiento, la versión de 64GB de hoy no solo no es más barata que la de 128GB, sino que incluso es 1.000 dólares más cara, lo que implica un aumento del 25%.

Y si se compara con el precio oficial actual de Nvidia para los 128GB, la versión de 64GB a 4.999 dólares es aún 1.951 dólares más barata que la de 6.950 dólares, pero a costa de reducir la memoria a la mitad.

Según información citada por PC Watch, el aumento de precio de la versión de 128GB se debe a restricciones en el suministro y costos de memoria; Tom's Hardware señala que en el mercado actual, los sistemas GB10 de 128GB pueden estar ya en el rango de 7.000 a 9.000 dólares.

Por lo tanto, otra implicancia de este ajuste de producto es que:la potencia computacional de IA está pasando a dispositivos locales, pero la memoria se ha convertido en el principal cuello de botella de costos en esta tendencia.

De “acumular memoria” a “escalar según demanda”

Desde la estrategia de producto, Nvidia no solo está haciendo una versión “de bajo rendimiento” del DGX Spark.

En el pasado, uno de los atractivos centrales del DGX Spark era su memoria unificada de 128GB, que permitía a los desarrolladores correr modelos de gran tamaño en un equipo de escritorio; ahora, gracias al avance de la compresión y cuantización de modelos, algunos ya no requieren tanta capacidad de memoria.

Por eso, la propuesta de Nvidia ahora es:64GB por equipo satisfacen la mayoría de las inferencias locales de IA, y si la demanda de memoria crece, se escala usando un clúster de varios equipos.

La versión de 64GB estará disponible desde el 23 de octubre, con un precio inicial de 4.999 dólares. Al mismo tiempo, el aumento a 6.950 dólares para la versión de 128GB resalta aún más lo especial de este nuevo producto: es tanto un intento de Nvidia de reducir la barrera de entrada para hardware de IA local, como un espejo de la contradicción actual de la industria de IA, donde “la demanda de potencia computacional es alta y el suministro de memoria está ajustado”.