En CES 2026, NVIDIA presentó una actualización de software para DGX Spark que amplía su función como sistema de IA compacto para instalación local. Los cambios se centran en nuevos entornos de ejecución, formatos de cuantización y manuales de implementación que facilitan la ejecución local de modelos de código abierto, flujos de trabajo automatizados y pipelines de creación y 3D. Esta actualización está dirigida a equipos que ya utilizan DGX Spark en laboratorios, implementaciones en el borde o entornos de ingeniería, y no requiere hardware nuevo.
IA de código abierto en entornos empresariales
NVIDIA destacó el rápido auge de la IA de código abierto. Las descargas mensuales de frameworks y modelos de IA de código abierto aumentaron de aproximadamente siete millones en junio de 2023 a aproximadamente 390 millones en diciembre de 2025. Spark se ha adaptado para adaptarse a esta tendencia: PyTorch, vLLM, SGLang, llama.cpp, LlamaIndex y muchos modelos comunitarios de Qwen, Meta, Stability y Wan ahora están completamente integrados en el sistema.
Para las empresas que estandarizan herramientas abiertas, esto se traduce en menos trabajo de integración personalizado y un funcionamiento más confiable de las pilas que ya utilizan.
Hasta 2.5 veces más rápido desde el lanzamiento
NVIDIA afirma que el rendimiento en cargas de trabajo clave ha mejorado hasta 2.5 veces en comparación con DGX Spark en el lanzamiento. Esta mejora se debe a mejoras en TensorRT-LLM, cuantificación agresiva y optimizaciones de decodificación, más que a cambios de hardware.
Un ejemplo específico es Qwen-235B con TensorRT-LLM. La transición de la cuantificación FP8 a la NVFP4 y el uso de decodificación especulativa con Eagle3 duplican con creces el rendimiento. Qwen3-30B con CUDA y Stable Diffusion 3.5 Large con llama.cpp logra mejoras de aproximadamente 1.4 veces. Los procesos de ajuste fino, ya sean completos o eficientes en parámetros, muestran mejoras notables, aunque menores, a medida que las canalizaciones de PyTorch se optimizan para las GPU de Spark.
Manuales de estrategias: de la caja en el escritorio a flujos de trabajo utilizables
Para cerrar la brecha entre la potencia informática bruta y las soluciones utilizables, NVIDIA presenta nuevos manuales DGX Spark que combinan herramientas, modelos y guías para tareas empresariales comunes.
El nuevo contenido incluye:
- Inferencia: vLLM, SGLang, TensorRT-LLM, decodificación especulativa, inferencia multimodal, NIM en Spark, cuantificación NVFP4 y Nemotron-3 Nano local.
- Ajuste fino: ajuste fino de PyTorch con múltiples Spark, FLUX.1 DreamBooth LoRA, LLAMA Factory, NeMo y entrenamiento eficiente basado en Unsloth.
- Ciencia de datos: ciencia de datos CUDA-X, JAX optimizado, gráfico de texto a conocimiento y flujos de trabajo específicos de dominio como secuenciación de ARN de una sola célula y optimización de cartera cuantitativa.
- Herramientas y conectividad: ComfyUI, VS Code, DGX Dashboard, RAG en AI Workbench, Tailscale y “Connect Two Sparks” basado en NCCL.
El enfoque se centra menos en demostraciones llamativas y más en la repetibilidad. Estos playbooks sirven como marcos de referencia prevalidados que pueden implementarse localmente sin tener que reestructurar toda la pila.
Canalizaciones de video con IA 8 veces más rápidas con MacBook y Spark híbridos
En la creación de contenido, NVIDIA probó flujos de trabajo de generación de videos con IA combinando una MacBook Pro M4 Max con DGX Spark a través de ComfyUI y FLUX.1-dev, WAN 2.2 y escaladores acelerados por GPU.
El flujo de trabajo de referencia, que incluía un vídeo 4K de un deportivo rojo en una ciudad futurista, mostró las mejoras. Ejecutar todo el flujo de trabajo solo en la MacBook tardó unos ocho minutos. Al desviar el procesamiento pesado a DGX Spark, el tiempo se redujo a aproximadamente un minuto, lo que multiplicó por ocho la velocidad.
Este progreso se debe a la implementación de FLUX.1-dev y WAN 2.2 en NVFP4/NVFP8 cuantificado en Spark, seguido de RTX Video Super Resolution. Para los equipos de medios, diseño y marketing, esto transforma el video generativo de la renderización por lotes a un proceso mucho más cercano a la iteración interactiva, manteniendo el control dentro del centro de datos o el rack perimetral.
3D y RTX Remix: Spark como coprocesador de IA en segundo plano
DGX Spark también se comercializa como coprocesador para flujos de trabajo 3D basados en RTX Remix. Por ejemplo, un sistema RTX 5090 ejecuta el entorno interactivo "Mod". Simultáneamente, Spark genera texturas de IA por lotes (p. ej., 100 materiales) y envía los resultados a la escena sin interrumpir a los artistas.
Una comparación del antes y el después con SWAT 4 ilustró cómo los materiales mejorados con IA pueden revitalizar los activos heredados. Sin embargo, la principal ventaja empresarial reside en el diseño del flujo de trabajo: Spark actúa como un motor continuo en segundo plano para tareas generativas mientras las estaciones de trabajo principales permanecen activas.
Nsight Copilot: Asistente local de IA CUDA
Una incorporación notable es Nsight Copilot, que opera localmente en DGX Spark.
Los desarrolladores pueden solicitar tareas, como "escribir matmul en FP4 en CUDA", y Nsight Copilot proporciona un ejemplo completo de cuBLAS-Lt que cuantifica las entradas de FP32 a FP4 en el dispositivo, establece el escalado por tensor, ejecuta GEMM en FP32 y devuelve la salida de FP32. Cabe destacar que este proceso se realiza sin enviar código ni datos a un servicio en la nube:
- Sin costos de inferencia en la nube.
- La fuente, los datos y la IP permanecen locales.
- Las GPU locales gestionan la latencia y el rendimiento.
Para las organizaciones con reglas estrictas de gobernanza de datos, esto permite el desarrollo asistido por IA manteniendo todo seguro dentro de su red.
Agentes, robótica y edge: del laboratorio a la producción
NVIDIA está expandiendo Spark hacia aplicaciones de agentes y robótica mediante una colaboración con Hugging Face y el robot de código abierto Reachy Mini. DGX Spark opera los agentes, LLM, VLM y planificadores, mientras que Reachy Mini proporciona un formato físico adecuado para la investigación, la educación y el prototipado de la interacción humano-robot.
DGX Spark se incluirá en NVIDIA AI Enterprise a finales de enero. Esto ofrece a las empresas una pila de software compatible, gestión del ciclo de vida y actualizaciones de seguridad para ejecutar Spark en entornos locales y de borde, como fabricación e inspección inteligentes, comercio minorista inteligente y prevención de pérdidas, y aplicaciones de atención médica en el punto de atención.
Ecosistema y soporte OEM
NVIDIA concluyó la actualización destacando el extenso ecosistema: proveedores de modelos (OpenAI, Mistral, Stability, Qwen, Meta, ElevenLabs, Black Forest Labs y otros), herramientas (vLLM, Comfy, LlamaIndex, Docker, Jupyter, Weights & Biases, Anyscale, junto con códigos científicos como VASP y GROMACS) y una amplia gama de OEM, incluidos Dell, Lenovo, HP, ASUS, MSI, Supermicro y más.
El mensaje para los compradores empresariales es que DGX Spark ya no es solo una herramienta enfocada en desarrolladores. Es un nodo compacto que se integra a la perfección con las herramientas existentes, las relaciones con los proveedores y las estrategias de IA de producción.
Amazon