Aviso publicitario: Podemos recibir una comisión si compras a través de los enlaces de esta página. No cambia el precio que pagas ni el orden de la lista.
NVIDIA DGX Spark: un superordenador de IA para el escritorio
La NVIDIA DGX Spark es un ordenador compacto pensado para desarrollar y ejecutar modelos de IA en local, con el chip GB10 y mucha memoria unificada compartida entre CPU y GPU. Carga modelos que no caben en ninguna tarjeta gráfica de consumo, pero responde más despacio que una tarjeta tope de gama. El precio y las especificaciones verificadas están en la ficha de arriba.
Especificaciones
- Memoria para modelos
- 128 GB
- Ancho de banda de memoria
- 273 GB/s
- Consumo
- 240 W
- Precio
- 4699 US$ · 4130 €
Dónde comprarlo
Podemos recibir una comisión si compras a través de los enlaces de esta página. No cambia el precio que pagas ni el orden de la lista.
Precio de lista en dólares estadounidenses en la fecha indicada; en las tiendas de tu país el precio será distinto. · Fuentes
Qué modelos caben
Funciona
- gpt-oss 120B · MXFP4~60 tokens/s
- GLM-4.5-Air 106B-A12B (MoE) · Q6~17 tokens/s
- Qwen2.5 72B · Q8~2 tokens/s
- DeepSeek-R1-Distill-Llama 70B · Q8~2 tokens/s
- Llama 3.3 70B · Q8~2 tokens/s
- DeepSeek-R1-Distill-Qwen 32B · Q8~5 tokens/s
- Qwen3 32B · Q8~5 tokens/s
- Qwen3 30B-A3B (MoE) · Q8~47 tokens/s
Demasiado grande
- Qwen3 235B-A22B (MoE)Alquilar una GPU →
- GLM-4.6 (MoE)Alquilar una GPU →
- GLM-4.5 355B-A32B (MoE)Alquilar una GPU →
La mejor calidad que cabe, 8192 tokens de contexto, un usuario. La velocidad es una estimación a partir del ancho de banda de la memoria (al generar, cada token lee una vez todos los pesos activos); las cifras reales dependen del programa y de la configuración.
Frente a las alternativas
Podemos recibir una comisión si compras a través de los enlaces de esta página. No cambia el precio que pagas ni el orden de la lista.
| Equipo | Memoria para modelos | Ancho de banda | Modelo más grande | Consumo | Precio | |
|---|---|---|---|---|---|---|
| NVIDIA DGX Spark · compartida | 128 GB | 273 GB/s | gpt-oss 120B | 240 W | 4699 US$ · 4130 € | Página del fabricante → |
| GMKtec EVO-X2 (Ryzen AI Max+ 395, 128 GB) · compartida | 128 GB · hasta 96 GB para modelos | 256 GB/s | gpt-oss 120B | 230 W | 3500 US$ · 3076 € | Página del fabricante → |
| Mac Studio (M5 Ultra, 512 GB) · compartida | 512 GB | 1200 GB/s | DeepSeek-R1 671B (MoE) | 480 W | sin precio de lista | Página del fabricante → |
| NVIDIA GeForce RTX 5090 · tarjeta | 32 GB | 1792 GB/s | DeepSeek-R1-Distill-Qwen 32B | 575 W | 1999 US$ · 1757 € | Página del fabricante → |
Especificaciones y precios consultados el 1 de octubre de 2026 en las páginas de los fabricantes; cada fila enlaza a su fuente. NVIDIA DGX Spark · GMKtec EVO-X2 (Ryzen AI Max+ 395, 128 GB) · Mac Studio (M5 Ultra, 512 GB) · NVIDIA GeForce RTX 5090
¿Comprar o alquilar?
Una máquina comprada cuesta su precio repartido en los meses que la uses, más la electricidad. Compárala con una GPU alquilada y con una API para tu volumen.
Compara los costes →Qué es la NVIDIA DGX Spark
Es una caja pequeña para la mesa construida alrededor del superchip GB10, que une una CPU Arm y una GPU de arquitectura Blackwell con una sola memoria compartida. Viene con el sistema DGX OS, basado en Linux, y con el software de IA de NVIDIA ya preparado, así que las herramientas habituales (Ollama, llama.cpp, PyTorch, vLLM) funcionan con CUDA como en un servidor.
Su público son desarrolladores, investigadores y empresas que quieren probar y ajustar modelos grandes en local antes de llevarlos a un centro de datos, o que no pueden sacar sus datos de la oficina.
Qué modelos caben y a qué velocidad
La memoria unificada es su gran baza: modelos medianos con cuantización alta y modelos MoE grandes como gpt-oss-120b caben enteros, algo imposible en una sola tarjeta gráfica de consumo. El widget de arriba muestra el modelo más grande que cabe y una estimación de velocidad.
El límite es el ancho de banda de la memoria, bastante menor que el de una tarjeta como la RTX 5090. En la práctica, los modelos grandes y densos escriben a un ritmo pausado; los MoE, que solo activan una parte de la red en cada token, se llevan mucho mejor con este equipo. Los modelos abiertos más grandes, como el DeepSeek-R1 completo o Kimi K2, siguen necesitando GPU de centro de datos.
DGX Spark frente a las alternativas
La tabla comparativa de abajo pone las cifras una al lado de la otra. En resumen:
- Mini-PC con Ryzen AI Max+ 395: también memoria compartida, más barato y con Windows, pero con menos soporte de software que CUDA
- Mac Studio: mucha memoria unificada y buen ancho de banda, macOS en lugar de Linux con CUDA
- RTX 5090: mucho más rápida con lo que cabe en su VRAM, pero carga modelos bastante más pequeños
- GPU alquilada por horas: lo más barato si solo necesitas modelos grandes de vez en cuando
Empieza en 5 pasos
- Comprueba en el widget de arriba que los modelos que quieres usar caben en la memoria de la DGX Spark.
- Conéctala a un monitor o accede por la red desde tu portátil y completa la configuración inicial de DGX OS.
- Actualiza el sistema e instala Ollama o tu herramienta habitual; CUDA y los controladores ya vienen incluidos.
- Descarga un modelo MoE para empezar: aprovecha bien la memoria grande y responde con fluidez.
- Instala Open WebUI si quieres compartir el modelo con tu equipo desde el navegador.
Preguntas frecuentes
¿Cuál es el precio de la NVIDIA DGX Spark?
El precio de lista verificado, con su fecha y fuente, aparece en la ficha de esta página. Las tiendas y los fabricantes asociados venden versiones con distinto almacenamiento, así que el precio final puede variar.
¿La DGX Spark es más rápida que una RTX 5090?
No con los modelos que caben en la RTX 5090: la tarjeta tiene mucho más ancho de banda y responde más rápido. La ventaja de la DGX Spark es que carga modelos mucho más grandes.
¿Puedo usar Windows en la DGX Spark?
No está pensada para eso. Funciona con DGX OS, una distribución basada en Linux con la CPU Arm del chip GB10, y el software de IA está preparado para ese sistema.
¿Para quién tiene sentido la NVIDIA DGX Spark?
Para quien trabaja a diario con modelos grandes y necesita CUDA en local, o no puede usar la nube por privacidad. Para un uso ocasional, alquilar una GPU por horas suele salir más barato.
Más sobre IA local
4699 US$Página del fabricante →