Nvidia lanceert DGX Spark met 64 GB voor 4 999 USD om AI‑agents en modellen lokaal uit te voeren

Aankondiging en beschikbaarheid

Op 2 oktober 2026 heeft Nvidia officieel aangekondigd dat het een nieuwe configuratie van zijn DGX Spark‑lijn op de markt brengt, onder de naam DGX Spark 64 GB. Deze nieuwe variant is uitgerust met een geïntegreerd geheugen van 64 GB, wat betekent dat zowel het RAM‑gedeelte als het VRAM‑gedeelte in één enkel adresseringsruimte zijn samengevoegd. De beschikbaarheid van dit systeem start op 23 oktober 2026, en de basisprijs wordt vastgesteld op 4 999 USD. De distributie van het product zal plaatsvinden via een reeks erkende kanaalpartners, waaronder bekende fabrikanten zoals Acer, ASUS, Dell, Gigabyte, HP en MSI. Deze partnerschapsstructuur maakt het mogelijk voor klanten om het systeem te kopen onder hun favoriete merknaam, terwijl de onderliggende hardware‑specificaties gelijk blijven. Nvidia positioneert dit model expliciet als de meest betaalbare optie binnen zijn portfolio voor het lokaal uitvoeren van AI‑agents en voor het uitvoeren van fine‑tuning van modellen, zonder dat men volledig afhankelijk is van cloud‑gebaseerde diensten.

Wat de technische architectuur betreft, behoudt de DGX Spark 64 GB dezelfde superchip, de GB10 Grace Blackwell, die ook in de 128 GB‑variant wordt gebruikt. Deze superchip werkt in combinatie met het speciaal ontwikkelde besturingssysteem DGX OS, de ConnectX‑7 netwerkinterface en de volledige CUDA‑software‑stack die Nvidia levert. Het verenigde geheugenconcept combineert het traditionele RAM en het grafisch VRAM tot één enkel, door het systeem adresseerbaar geheugen, waardoor de gegevensoverdracht tussen de CPU en de GPU aanzienlijk wordt vereenvoudigd. De aanwezigheid van de Grace Blackwell‑superchip zorgt voor een rekenkracht die dicht bij één petaflop ligt, terwijl de ConnectX‑7‑interface hoge‑snelheidsverbindingen mogelijk maakt, met name voor configuraties die meerdere knooppunten omvatten. Deze combinatie van hardware‑ en software‑componenten is ontworpen om een naadloze integratie en een optimale prestatie‑balans te bieden voor veeleisende AI‑werkbelastingen.

Modelcapaciteit en prestaties

Nvidia stelt dat een enkele DGX Spark 64 GB‑eenheid in staat is om modellen met een omvang tot 100 000 miljoen parameters uit te voeren. Wanneer twee van deze eenheden via een 200 GbE‑netwerk met elkaar worden verbonden, verdubbelt het gecombineerde geheugen tot 128 GB, waardoor de maximale modelgrootte wordt opgevoerd tot 200 000 miljoen parameters. In interne benchmarktests met het Qwen 3.8 27B‑model liet een configuratie van twee eenheden een prestatie‑toename zien van ongeveer 1,7‑maal ten opzichte van een enkele eenheid. Deze resultaten suggereren dat de schaalbaarheid van het systeem efficiënt is, zelfs bij zeer intensieve workloads die veel rekenkracht en geheugen vereisen.

De genoemde capaciteits‑ en prestatiecijfers zijn afkomstig van Nvidia zelf; de website van MarkTechPost, die het nieuws heeft verslagen, vermeldt expliciet dat het artikel gesponsord is en dat de gepresenteerde cijfers moeten worden beschouwd als verklaringen van de leverancier, en niet als onafhankelijk geverifieerde resultaten door derden. Deze disclaimer is van belang voor lezers die op zoek zijn naar een objectieve beoordeling van de hardware, omdat het aangeeft dat de cijfers nog niet door externe testlaboratoria zijn bevestigd.

Voorgestelde use‑cases

Volgens Nvidia is de DGX Spark 64 GB specifiek ontworpen om continue AI‑agents uit te voeren, real‑time inferentie te leveren, fine‑tuning van modellen mogelijk te maken en data‑science‑workflows te ondersteunen, allemaal zonder een constante verbinding met de cloud. De vermindering van latentie en de verhoogde privacy van lokaal verwerkte gegevens vormen kernargumenten voor sectoren zoals de gezondheidszorg, de financiële dienstverlening en de productie, waar vertrouwelijkheid en snelle responstijden cruciaal zijn.

Desondanks legt de limiet van 64 GB verenigd geheugen een grens op aan de contextgrootte die modellen kunnen verwerken en aan het aantal gelijktijdige verzoeken dat het systeem aankan. Voor toepassingen die zeer lange contexten of een hoge mate van gelijktijdigheid vereisen, adviseert Nvidia om meerdere eenheden met elkaar te interconnecten, waardoor zowel de kosten als de complexiteit van de infrastructuur toenemen. Deze schaaloptie maakt het mogelijk om de geheugen‑ en rekencapaciteit lineair uit te breiden, maar brengt wel extra investeringen in netwerk‑ en beheercomponenten met zich mee.

Vergelijking met de concurrentie

In de markt voor lokale AI‑hardware bieden andere leveranciers oplossingen die gebaseerd zijn op consumentgerichte GPU’s of op gespecialiseerde versnellers, maar deze komen vaak met hogere prijskaartjes of met minder geïntegreerde software‑stacks. De DGX Spark combineert high‑end hardware met een geoptimaliseerde software‑stack (DGX OS en CUDA), wat de integratietijd voor ontwikkelteams kan verkorten. Met een startprijs van 4 999 USD positioneert het zich onder de meeste referentiesystemen die vaak boven de 8 000 USD liggen, hoewel een directe prestatie‑vergelijking sterk afhankelijk is van de specifieke workload.

Voor organisaties in Nederland en de bredere Benelux‑regio opent de introductie van de DGX Spark 64 GB de mogelijkheid om geavanceerde AI‑projecten uit te voeren zonder volledig te vertrouwen op externe cloud‑diensten. Bedrijven kunnen gevoelige data binnen hun eigen datacenters houden, de kosten voor dataverkeer verminderen en profiteren van een architectuur die geleidelijke schaalvergroting mogelijk maakt door simpelweg extra knooppunten toe te voegen. In de praktijk kan dit leiden tot een grotere technologische autonomie, een lagere CO₂‑voetafdruk als gevolg van minder dataverkeer, en een versnelde adoptie van AI‑agents in kritieke bedrijfsprocessen.