Correr modelos de inteligencia artificial grandes en tu propio escritorio, sin pagar una nube, suena tentador. Eso es justo lo que promete la NVIDIA DGX Spark, una mini computadora pensada para trabajar con IA en local. Antes de emocionarte, conviene saber qué hace bien, dónde se queda corta y para quién tiene sentido.
Nota sobre los datos: los precios y modelos de este equipo han cambiado desde su lanzamiento. Verifica siempre el valor y la disponibilidad actuales en la tienda de NVIDIA o con tu distribuidor antes de decidir.
Qué es la NVIDIA DGX Spark
La DGX Spark es un equipo compacto de escritorio, de tamaño parecido a un mini PC, construido alrededor del superchip GB10. Combina un procesador Arm de 20 núcleos con una GPU de arquitectura Blackwell y 128 GB de memoria unificada compartida entre CPU y GPU.
Estos son los puntos que la definen:
Memoria unificada de 128 GB, con un ancho de banda de unos 273 GB/s.
Hasta 200 mil millones de parámetros en inferencia en un solo equipo, según NVIDIA.
Ajuste fino de modelos de hasta 70 mil millones de parámetros.
Dos equipos enlazados pueden trabajar con modelos de hasta 405 mil millones de parámetros.
Sistema propio, NVIDIA DGX OS (basado en Linux), no Windows.
Ficha técnica según NVIDIA
Estos datos salen de la página oficial de la DGX Spark:
La página oficial no muestra el precio. Se puede comprar en el NVIDIA Marketplace y a través de socios como Amazon, Micro Center, PNY, Arrow, TD Synnex e Ingram Micro. También hay versiones con el chip GB10 de Acer, ASUS, Dell, Gigabyte, HP, Lenovo y MSI.
Cuándo salió y cuándo llegó a Perú
La DGX Spark estuvo disponible desde el 15 de octubre de 2025, en la tienda de NVIDIA y a través de socios como Acer, ASUS, Dell, Gigabyte, HPE, Lenovo y MSI. Su precio de lanzamiento fue de 3 999 dólares.
En Perú, el distribuidor Vastec anunció en febrero de 2026 que el equipo ya estaba disponible en el país. También hay tiendas locales que la listan con entrega en Lima. Los precios en soles y el stock cambian, así que consulta directamente con el distribuidor antes de comprar.
Qué puedes hacer con la DGX Spark
Según NVIDIA, sus casos de uso principales son:
Prototipar modelos, aplicaciones y agentes de IA, y luego llevarlos a un servidor o a la nube, ya que usa el mismo ecosistema de NVIDIA.
Correr inferencia con modelos de lenguaje grandes en local, de hasta 200 mil millones de parámetros, sin pagar por uso ni enviar tus datos a la nube.
Ajustar (fine-tuning) modelos de hasta 70 mil millones de parámetros con tus propios datos.
Ciencia de datos y análisis de datos a gran escala.
Aplicaciones en el edge, como robótica, ciudades inteligentes y visión por computadora.
Enlazar dos equipos para acercarte a modelos de hasta 405 mil millones de parámetros.
Viene con la pila de software de IA de NVIDIA preinstalada: herramientas, frameworks, bibliotecas y modelos preentrenados como NVIDIA NIM, además de NemoClaw y OpenShell para agentes autónomos. También ofrece una opción de evaluación de NVIDIA AI Enterprise. Y como los datos se quedan en tu equipo, es una buena opción si manejas información sensible.
Cómo afecta a la competencia
La DGX Spark abrió una categoría nueva, la de los mini equipos para IA local, y los demás fabricantes se movieron:
AMD: su plataforma Ryzen AI Max+ 395 (conocida como Strix Halo) también ofrece 128 GB de memoria unificada y trabaja con Windows y Linux. Una comparativa la presenta como una opción más rentable para inferencia pura. AMD anunció además el Ryzen AI Halo y afirma, con sus propias cifras (no verificadas de forma independiente), que cuesta menos y rinde mejor en algunos modelos.
Apple: el Mac Studio con chip M3 Ultra tiene un ancho de banda de memoria mucho mayor y, en las pruebas citadas, generó texto más rápido que la Spark.
La ventaja de NVIDIA: CUDA. Es el estándar para el código que luego corre en centros de datos, y ahí AMD y Apple todavía van detrás en soporte.
NVIDIA también prepara su línea RTX Spark, con equipos de escritorio y portátiles con Windows 11, que según reportes empezaría a llegar en octubre de 2026. Por ahora no hay precios confirmados.
Lo que hace bien
Cabe lo que en otras máquinas no cabe. El gran problema de correr modelos de IA grandes en casa es la memoria, y una tarjeta gráfica de consumo se queda corta rápido. Con 128 GB compartidos, la Spark carga modelos enormes en un solo equipo.
Procesa muy rápido el texto de entrada. En las pruebas con GPT-OSS 120B, la Spark lidera el procesamiento del texto de entrada (el llamado prefill).
Ecosistema de NVIDIA listo para usar. Viene con el software preinstalado y trabaja con CUDA, lo que facilita el trabajo a quien ya está en ese ecosistema.
Dónde se queda corta
La memoria es grande, pero no es rápida
Su memoria LPDDR5x ofrece unos 273 GB/s de ancho de banda. Generar texto depende mucho de ese dato, así que la velocidad al escribir las respuestas es menor de lo que muchos esperan. En la misma comparación, un Apple M3 Ultra y un conjunto de tres tarjetas RTX 3090 generaron más rápido.
No es una PC para todo
No es un equipo para jugar ni para el uso diario. Viene con su propio sistema Linux, no es una «Copilot+ PC» y está pensada para trabajo de desarrollo.
El precio es alto
Salió al mercado alrededor de los 3 999 dólares y su precio ha cambiado desde entonces. Ya existe además una versión de 64 GB, que llega con una cifra mayor que la del modelo original de 128 GB. Compara siempre antes de comprar: según algunos análisis, equipos con chips AMD Strix Halo rinden de forma parecida en varias tareas de inferencia a un menor costo.
¿Para quién sí vale la pena?
Desarrolladores e investigadores que necesitan probar o ajustar modelos muy grandes en local.
Equipos ya metidos en CUDA y el ecosistema de NVIDIA.
Quien necesita privacidad total, porque los datos no salen a la nube.
¿Para quién no?
Quien solo quiere chatear con una IA: para eso bastan servicios en la nube.
Gamers o usuarios generales: no está pensada para eso.
Quien busca la mayor velocidad al generar texto por el menor precio: hay opciones más convenientes.
Conclusión
La NVIDIA DGX Spark es una herramienta muy buena para un público específico: quien necesita memoria de sobra para trabajar con modelos enormes sin depender de la nube. Para el resto, es una inversión difícil de justificar. Antes de comprarla, define qué modelos vas a usar y revisa si una alternativa más económica te alcanza.
¿La usarías?