Nvidia meluncurkan DGX Spark versi 64GB, memori dipotong setengah, mulai dari $4999, versi 128GB naik harga menjadi $6950

Ketika model AI menjadi semakin “ringan”, namun penggunaan memori video (VRAM) justru semakin mahal. NVIDIA kini merespons kontradiksi ini dengan produk baru yang memangkas kapasitas memori.

Pada hari Jumat, 2 Oktober waktu bagian Timur AS, NVIDIA mengumumkan peluncuran versi 64GB Unified Memory dari komputer AI desktop DGX Spark dengan harga mulai 4.999 dolar AS. Produk ini akan mulai dipasarkan pada 23 Oktober oleh produsen OEM seperti Acer, ASUS, Dell, Gigabyte, HP, dan MSI. Perangkat baru ini tetap menggunakan GB10 Grace Blackwell Superchip, DGX OS, seluruh NVIDIA AI software stack, serta kemampuan jaringan ConnectX-7, namun unified memory-nya dipangkas dari 128GB menjadi 64GB.

Hal yang menarik, harga awal DGX Spark versi “hemat memori” ini justru lebih tinggi dari harga peluncuran DGX Spark 128GB versi tahun lalu yang hanya 3.999 dolar AS; bersamaan dengan itu, NVIDIA juga menaikkan harga 128GB Founders Edition menjadi 6.950 dolar AS. Media menyebutkan, NVIDIA menyalahkan kenaikan harga pada pasokan memori yang terbatas dan meningkatnya biaya produksi.

Ini berarti, ketika permintaan server AI terus mendorong keterbatasan pasokan memori, “mengurangi” jumlah memori telah menjadi salah satu cara menurunkan harga perangkat AI lokal, namun hal ini tidak berarti perangkat itu sendiri benar-benar menjadi lebih murah.

Apakah 64GB Sudah Cukup? NVIDIA Mengincar AI Agent Lokal

Logika utama di balik penyesuaian ini adalah semakin banyak model open-source kini dapat berjalan di kapasitas memori yang lebih kecil.

NVIDIA menjelaskan, seiring meningkatnya kemampuan model open-source dan ukurannya yang semakin kecil, unified memory 64GB sudah cukup untuk mendukung sejumlah aplikasi AI lokal. DGX Spark terbaru mampu menjalankan model hingga 100 miliar parameter secara lokal, dan mendukung agent AI, inferensi, fine-tuning, data science, serta pengembangan edge workload.

Tom's Hardware juga menyoroti bahwa beberapa model densitas tinggi berperforma tinggi terbaru sudah dapat berjalan di memori sekitar 32GB, namun masih terdapat batasan dalam konteks window yang besar. Hal ini menyebabkan memori 128GB yang awalnya disiapkan untuk “menjalankan model besar secara lokal” tidak diperlukan oleh semua pengembang.

Inilah dasar realistis NVIDIA meluncurkan versi 64GB: untuk pengguna yang fokus pada inferensi lokal dan pengembangan AI agent dan bukan melakukan pelatihan atau fine-tuning model skala besar, 64GB sudah mampu mengakomodir sebagian besar kebutuhan workload.

NVIDIA bahkan menyimpulkan tren ini dalam pengumuman mereka sebagai “seiring perkembangan teknologi, kepraktisan AI lokal semakin meningkat”, dan seiring AI agent beralih dari eksperimen menuju pengembangan harian, permintaan untuk menjalankan model secara lokal terus meningkat.

Selain itu, deployment lokal juga menawarkan privasi dan keuntungan dari segi biaya. Pengembang dapat memproses data dan menjalankan AI agent langsung di DGX Spark, tanpa harus terus-menerus mengakses model cloud setiap kali ada tugas baru.

Dengan GB10 yang Sama, Performa Versi 64GB Tidak Berkurang

Dari sisi arsitektur hardware, versi 64GB bukanlah produk chip yang benar-benar baru.

NVIDIA menyebutkan, model baru ini tetap memakai GB10 Grace Blackwell Superchip, serta seluruh DGX OS dan AI software stack. Media melaporkan bahwa versi 64GB ini mempertahankan CPU Arm 20-core dan bandwidth memori bersama sebesar 273GB/s, sehingga untuk model yang muat dalam memori 64GB, kemampuan komputasi dasar kedua produk ini tidak berubah meski kapasitas memori dipangkas setengahnya.

Dengan kata lain, inti perubahan kali ini bukan pada pemangkasan “tenaga komputasi”, melainkan memangkas sebagian kapasitas memori yang mungkin tidak digunakan oleh sebagian pengguna.

Versi 64GB tetap mendukung framework inferensi utama seperti llama.cpp, Ollama, vLLM, LM Studio, dan sudah pre-install NVIDIA Agent Toolkit, CUDA-X AI library serta model terbuka seperti Nemotron.

NVIDIA juga memiliki strategi yang jelas: jika pengembang saat ini hanya butuh 64GB, mereka dapat langsung membeli mesin dengan kapasitas lebih rendah; jika ke depannya ukuran model membesar, bisa menambahkan memori dan tenaga komputasi melalui cluster.

Dua Unit 64GB Bisa Digabung Jadi 128GB, Performa Naik Sekitar 70%

Salah satu fokus update DGX Spark ini adalah penguatan kolaborasi multi-mesin oleh NVIDIA.

Versi 64GB juga dilengkapi interface jaringan ConnectX-7, sehingga dua perangkat bisa langsung dihubungkan dengan kabel QSFP, dan konfigurasi jaringan otomatis dilakukan dengan NVIDIA Sync Cluster Assistant. Dua mesin ini kemudian membentuk cluster AI lokal. NVIDIA menyatakan, dua DGX Spark 64GB bisa membentuk memory pool 128GB, mendukung model hingga 200 miliar parameter.

Dalam pengujian Qwen 3.8 27B yang dilakukan NVIDIA, dua unit 64GB dalam cluster bisa mencapai performa sekitar 1,7 kali dibanding satu perangkat saja.

NVIDIA juga akan meluncurkan NVIDIA Sync Model Launcher pada akhir Oktober untuk menyederhanakan proses deployment model baik di satu mesin maupun di cluster. Misalnya, pengembang dapat menjalankan Qwen 3.8 27B melalui tool ini dan menghubungkannya ke alat pemrograman seperti OpenCode.

Hal ini berarti, logika produk DGX Spark mulai bergeser dari “sebuah superkomputer AI desktop” menjadi “node AI lokal yang bisa di-upgrade secara bertahap”.

Tentu saja, dua mesin bukan berarti sama dengan satu unit DGX Spark 128GB secara fisik—kemampuan model berjalan antar-node tetap tergantung pada perangkat lunak dan workload. Jadi untuk pekerjaan yang membutuhkan mesin tunggal dengan memori besar, versi 64GB masih memiliki keterbatasan nyata.

Di Tengah Kelangkaan Memori, DGX Spark 64GB Harga 4.999 Dolar AS Tidak Bisa Dibilang "Murah"

Yang benar-benar perlu diperhatikan adalah soal harga.

Harga resmi NVIDIA untuk DGX Spark 64GB adalah 4.999 dolar AS, dan versi ini tidak akan memiliki Founders Edition buatan NVIDIA sendiri, melainkan dijual sepenuhnya lewat mitra OEM. Mitra tersebut antara lain Acer, ASUS, Dell, Gigabyte, HP, dan MSI, dengan kemungkinan spesifikasi dan harga berbeda-beda.

Sebagai perbandingan, ketika DGX Spark pertama kali diluncurkan tahun 2025, harga resmi versi 128GB hanya 3.999 dolar AS; media melaporkan, pada Februari 2026 harga 128GB Founders Edition naik menjadi 4.699 dolar AS, dan sekarang setelah penyesuaian tambah menjadi 6.950 dolar AS.

Jadi, bila membandingkan dengan harga peluncuran, versi 64GB hari ini tidak hanya tidak lebih murah dari versi 128GB, bahkan lebih mahal 1.000 dolar AS, kenaikan hingga 25%.

Jika dibandingkan dengan harga resmi NVIDIA untuk versi 128GB yang sekarang, versi 64GB seharga 4.999 dolar AS masih lebih murah 1.951 dolar AS daripada 6.950 dolar AS, tapi dengan potongan langsung separuh kapasitas memori.

PC Watch mengutip informasi bahwa kenaikan harga versi 128GB ini berkaitan dengan keterbatasan pasokan dan kenaikan biaya memori; Tom's Hardware melaporkan bahwa harga DGX Spark 128GB GB10 yang saat ini beredar di pasar bahkan sudah mencapai 7.000 hingga 9.000 dolar AS.

Jadi, makna lain dari penyesuaian produk kali ini adalah: kekuatan komputasi AI memang mulai merambah perangkat lokal, namun memori kini menjadi hambatan utama dari tren ini.

Dari “Menumpuk Memori” ke “Ekspansi Sesuai Kebutuhan”

Dari segi strategi produk, NVIDIA tidak sekadar membuat DGX Spark menjadi versi “murah” atau “low-end”.

Sebelumnya, salah satu nilai jual utama DGX Spark adalah 128GB unified memory, sehingga pengembang bisa menjalankan model berparameter besar di perangkat desktop; kini, dengan kemajuan teknologi kompresi dan kuantisasi model, beberapa model memang tidak lagi membutuhkan memori sebesar itu.

Karena itu, solusi yang ditawarkan NVIDIA adalah: 64GB sudah cukup untuk inferensi AI lokal utama, jika butuh lebih, ekspansi lewat cluster multi-mesin.

Versi 64GB akan tersedia secara resmi mulai 23 Oktober, dengan harga mulai 4.999 dolar AS. Sementara itu, harga versi 128GB naik menjadi 6.950 dolar AS, membuat produk baru ini sangat spesial—ia adalah upaya NVIDIA menurunkan hambatan perangkat keras AI lokal, sekaligus cerminan kontradiksi industri AI saat ini antara “permintaan komputasi melonjak, tetapi pasokan memori makin ketat”.