Nvidia wprowadza 64GB wersję DGX Spark, pamięć zmniejszona o połowę, cena zaczyna się od 4999 dolarów, wersja 128GB wzrasta do 6950 dolarów

W miarę jak modele AI stają się coraz bardziej „lekkie”, pamięć VRAM jest coraz droższa. Nvidia odpowiada na ten paradoks za pomocą produktu ze „zredukowaną pamięcią”.

W piątek, 2 października czasu wschodniego USA, Nvidia ogłosiła premierę wersji desktopowego komputera AI DGX Spark z 64GB zunifikowanej pamięci, w cenie od 4999 dolarów. Urządzenie trafi na rynek 23 października, dzięki takim producentom OEM jak Acer, ASUS, Dell, Gigabyte, HP oraz MSI. Nowy model zachowuje GB10 Grace Blackwell Superchip, DGX OS, pełny stos oprogramowania AI Nvidia oraz możliwości sieciowe ConnectX-7, natomiast pamięć zunifikowana została obniżona z dotychczasowych 128GB do 64GB.

Co ciekawe, cena wyjściowa tego „odchudzonego” DGX Spark jest wyższa niż zeszłorocznego modelu z 128GB, który debiutował za 3999 dolarów; równocześnie Nvidia dodatkowo podniosła cenę wersji 128GB Founders Edition do 6950 dolarów. Media wskazują, że Nvidia tłumaczy tę podwyżkę ograniczeniami dostaw pamięci oraz wzrostem kosztów.

Oznacza to, że w warunkach rosnącego popytu na serwery AI, który wypiera dostępność pamięci, „mniej pamięci” staje się sposobem na obniżenie bariery cenowej dla lokalnych urządzeń AI, lecz nie oznacza to, że sprzęt rzeczywiście stał się tańszy.

64GB wystarczy? Nvidia celuje w lokalne AI agentów

Główna logika tej zmiany polega na tym, że coraz więcej modeli open source potrafi działać przy mniejszej pojemności pamięci.

Nvidia twierdzi, że wraz ze wzrostem możliwości modeli open source i zmniejszaniem ich rozmiarów, 64GB zunifikowanej pamięci wystarcza do obsługi wielu lokalnych aplikacji AI. Nowy DGX Spark może lokalnie uruchomić modele z nawet 100 miliardami parametrów, obsługując AI agentów, inference, fine-tuning, data science oraz edge development.

Tom’s Hardware zauważa, że niektóre najnowsze modele o wysokiej wydajności działają już przy ok. 32GB pamięci, ograniczenia pojawiają się jednak przy większych kontekstach. To sprawia, że 128GB pamięci, zarezerwowane pierwotnie dla „lokalnej pracy z dużym modelem”, nie jest potrzebne wszystkim developerom.

To też stanowi praktyczną podstawę dla wydania wersji 64GB: dla tych, którzy głównie prowadzą lokalną inferencję lub budują AI agentów, a nie trenują lub dostrajają duże modele, 64GB pokryje znaczną część obciążeń.

Nvidia podsumowuje ten trend w swoim komunikacie jako „wraz z ewolucją technologii rośnie użyteczność lokalnego AI”; z przechodzeniem AI agentów z laboratoriów do codziennego developmentu rośnie zapotrzebowanie na lokalne uruchamianie modeli.

Jednocześnie wdrożenie lokalne kusi też prywatnością i kosztami. Developerzy mogą samodzielnie przetwarzać dane i uruchamiać AI agentów na DGX Spark, bez każdorazowego sięgania po modele chmurowe.

Ta sama GB10, wydajność wersji 64GB nie została ograniczona

Z perspektywy architektury sprzętowej, wersja 64GB nie jest całkiem nowym produktem chipsetowym.

Nvidia deklaruje, że nowy model wciąż opiera się na GB10 Grace Blackwell Superchip i zachowuje pełny DGX OS oraz stos AI. Media informują, że wersja 64GB również zachowała oryginalny 20-rdzeniowy CPU Arm oraz przepustowość współdzielonej pamięci 273GB/s, dlatego w przypadku modeli mieszczących się w 64GB, obie wersje nie różnią się podstawową mocą obliczeniową.

Innymi słowy, zmiana nie polega na „cięciu wydajności”, a raczej usunięciu części pamięci, której wielu użytkowników nie wykorzystuje.

Wersja 64GB wciąż obsługuje wiodące frameworki inference, jak llama.cpp, Ollama, vLLM, LM Studio, a także preinstalowane narzędzia Nvidia Agent Toolkit, CUDA-X AI Library i Nemotron oraz inne otwarte modele.

Plan Nvidii jest jasny: jeśli developer obecnie potrzebuje tylko 64GB, może kupić maszynę z niższą pojemnością; jeśli w przyszłości rozmiary modeli wzrosną, można rozszerzyć zasoby przez klaster.

Dwóch 64GB można „połączyć” w 128GB, wzrost wydajności do ok. 70%

Kolejnym kluczowym elementem aktualizacji DGX Spark jest wzmocnienie kooperacji między urządzeniami.

Wersja 64GB również ma wbudowany ConnectX-7, a dwa urządzenia mogą być bezpośrednio połączone kablem QSFP i skonfigurowane automatycznie przez NVIDIA Sync Cluster Assistant, tworząc lokalny klaster AI. Nvidia informuje, że dwa DGX Spark z 64GB tworzą pulę pamięci 128GB i obsłużą modele z nawet 200 miliardami parametrów.

W teście Qwen 3.8 27B podanym przez Nvidię, klaster dwóch maszyn z 64GB osiąga wydajność do ok. 1,7 razy wyższą niż pojedyncza jednostka.

Nvidia planuje również wypuścić pod koniec października NVIDIA Sync Model Launcher, upraszczający wdrażanie modeli na pojedynczym komputerze lub w klastrze. Przykładowo, developerzy mogą uruchomić Qwen 3.8 27B i połączyć go z narzędziami jak OpenCode.

Oznacza to, że logika produktu DGX Spark zmienia się z „desktopowego superkomputera AI” na „lokalny węzeł AI z możliwością rozbudowy”.

Oczywiście, dwie maszyny to nie to samo, co fizyczna wersja DGX Spark 128GB – czy konkretny model może działać na wielu węzłach, zależy od oprogramowania i obciążenia. Dlatego dla zadań wymagających dużej lokalnej pamięci, 64GB pozostaje ograniczeniem.

Przy deficycie VRAM, wersja 64GB za 4999 dolarów nie jest naprawdę „tania”

Prawdziwie istotny jest tutaj aspekt ceny.

Nvidia oficjalnie wycenia DGX Spark 64GB na 4999 dolarów, przy czym nie będzie wersji Founders Edition Nvidii, a sprzedaż odbywa się wyłącznie przez partnerów OEM. Partnerzy to Acer, ASUS, Dell, Gigabyte, HP i MSI; konfiguracja i ceny mogą się różnić.

Dla porównania, pierwotnie DGX Spark zadebiutował w 2025 roku za 3999 dolarów w wersji 128GB; media informują, że w lutym 2026 Nvidia podniosła cenę 128GB Founders Edition do 4699 dolarów, obecnie do 6950.

Zatem w zestawieniu z historyczną ceną przy debiucie, dzisiejsza wersja 64GB jest o 1000 dolarów droższa niż 128GB, wzrost o 25%.

Porównując ze współczesną ceną Nvidii za 128GB – wersja 64GB za 4999 dolarów jest tańsza o 1951 dolarów, lecz kosztem redukcji o połowę pojemności pamięci.

PC Watch cytuje, że podwyżka cen wersji 128GB wynika z ograniczeń dostaw i wzrostu kosztów; Tom’s Hardware podaje, że aktualne ceny 128GB systemu GB10 na rynku sięgają już 7000–9000 dolarów.

Dlatego kolejnym znaczeniem tej zmiany jest: AI computation przenosi się na lokalne urządzenia, lecz pamięć staje się główną barierą kosztową tego trendu.

Od „gromadzenia pamięci” do „skalowania według potrzeb”

Z perspektywy strategii produktowej, Nvidia nie obraca po prostu DGX Spark w „wersję low-end”.

Dotąd jednym z głównych atutów DGX Spark była zunifikowana pamięć 128GB, pozwalająca developerom uruchamiać duże modele na desktopie; dziś dzięki rozwojowi technik kompresji i kwantyzacji modele nie wymagają już tak dużej pojemności.

Zatem oferta Nvidii zmienia się w: 64GB wystarcza do mainstreamowego lokalnego AI inference, a jeśli potrzeba więcej pamięci, można ją rozszerzyć przez klaster.

Wersja 64GB trafi oficjalnie na rynek 23 października, w cenie od 4999 dolarów. W tym czasie podwyżka do 6950 dolarów za 128GB czyni nowy produkt szczególnie interesującym – jest jednocześnie próbą Nvidii obniżenia bariery sprzętowej dla lokalnego AI, jak i odzwierciedleniem obecnego konfliktu w branży AI: „rosnące zapotrzebowanie na computation przy coraz bardziej ograniczonych dostawach pamięci”.