Tijdens CES 2026 presenteerde NVIDIA een software-update voor DGX Spark die de rol van het compacte, on-premises AI-systeem uitbreidt. De wijzigingen richten zich op nieuwe runtimes, kwantiseringsformaten en implementatiehandleidingen die het eenvoudiger maken om open-source modellen, geautomatiseerde workflows en creator- en 3D-pipelines lokaal uit te voeren. De update is bedoeld voor teams die DGX Spark al gebruiken in labs, edge-implementaties of engineeringomgevingen en introduceert geen nieuwe hardware.
Open-source AI in bedrijfsomgevingen
NVIDIA benadrukte de snelle opkomst van open-source AI. Het aantal maandelijkse downloads van open-source AI-frameworks en -modellen steeg van ongeveer zeven miljoen in juni 2023 naar circa 390 miljoen in december 2025. Spark is aangepast om deze trend te ondersteunen: PyTorch, vLLM, SGLang, llama.cpp, LlamaIndex en vele communitymodellen van Qwen, Meta, Stability en Wan zijn nu volledig in het systeem geïntegreerd.
Voor bedrijven die standaardiseren op open tools, betekent dit minder maatwerkintegratie en een betrouwbaardere werking van de systemen die ze al gebruiken.
Tot wel 2.5 keer sneller sinds de lancering.
NVIDIA beweert dat de prestaties bij belangrijke workloads tot wel 2.5 keer beter zijn dan bij de lancering van de DGX Spark. Deze verbetering is te danken aan verbeteringen in TensorRT-LLM, agressieve kwantisering en optimalisaties voor decodering, en niet aan hardwarewijzigingen.
Een specifiek voorbeeld is Qwen-235B met TensorRT-LLM. De overgang van FP8- naar NVFP4-kwantisatie en het gebruik van speculatieve decodering met Eagle3 verdubbelt de doorvoer ruimschoots. Qwen3-30B onder CUDA en Stable Diffusion 3.5 Large onder llama.cpp behaalt een verbetering van ongeveer 1.4x. Finetuningprocessen, zowel volledig als parameter-efficiënt, laten merkbare maar kleinere winsten zien naarmate PyTorch-pipelines worden geoptimaliseerd voor de GPU's van Spark.
Playbooks: Van "doos op bureau" naar bruikbare workflows
Om de kloof tussen pure rekenkracht en bruikbare oplossingen te overbruggen, introduceert NVIDIA nieuwe DGX Spark-playbooks die tools, modellen en handleidingen combineren voor veelvoorkomende bedrijfstaken.
De nieuwe inhoud omvat:
- Inferentie: vLLM, SGLang, TensorRT-LLM, speculatieve decodering, multimodale inferentie, NIM op Spark, NVFP4-kwantisatie en lokale Nemotron-3 Nano.
- Fijnafstemming: multi-Spark PyTorch fijnafstemming, FLUX.1 DreamBooth LoRA, LLAMA Factory, NeMo en efficiënte training gebaseerd op Unsloth.
- Datawetenschap: CUDA-X Data Science, geoptimaliseerde JAX, tekst-naar-kennisgrafiek en domeinspecifieke workflows zoals single-cell RNA-sequencing en kwantitatieve portfolio-optimalisatie.
- Hulpmiddelen en connectiviteit: ComfyUI, VS Code, DGX Dashboard, RAG in AI Workbench, Tailscale en NCCL-gebaseerde "Connect Two Sparks".
De nadruk ligt minder op flitsende demo's en meer op herhaalbaarheid. Deze playbooks dienen als vooraf gevalideerde referentiekaders die on-premises kunnen worden geïmplementeerd zonder de gehele stack te hoeven herzien.
8x snellere AI-videopipelines met hybride MacBook en Spark
Bij het maken van content testte NVIDIA workflows voor het genereren van AI-video's in combinatie met een MacBook Pro M4 Max en DGX Spark via ComfyUI en FLUX.1-dev, WAN 2.2 en GPU-versnelde upscalers.
De referentiepipeline, met een 4K-video van een rode sportwagen in een futuristische stad, demonstreerde de verbeteringen. Het uitvoeren van de volledige workflow op de MacBook alleen duurde ongeveer acht minuten. Door de zware verwerking naar DGX Spark te verplaatsen, werd de tijd teruggebracht tot ongeveer 1 minuut, wat resulteerde in een achtvoudige snelheidsverbetering.
Deze vooruitgang is het resultaat van het gebruik van FLUX.1-dev en WAN 2.2 in gekwantiseerde NVFP4/NVFP8 op Spark, gevolgd door RTX Video Super Resolution. Voor media-, ontwerp- en marketingteams transformeert dit generatieve video van batch-rendering naar een proces dat veel dichter bij interactieve iteratie ligt, terwijl de controle binnen het datacenter of edge rack behouden blijft.
3D en RTX Remix: Spark als AI-coprocessor op de achtergrond
DGX Spark wordt ook op de markt gebracht als coprocessor voor 3D-workflows gebaseerd op RTX Remix. Een systeem met een RTX 5090 draait bijvoorbeeld de interactieve "Mod"-omgeving. Tegelijkertijd genereert Spark AI-texturen in batches (bijvoorbeeld 100 materialen) en stuurt de resultaten terug naar de scène zonder de artiesten te onderbreken.
Een voor-en-na-vergelijking met behulp van SWAT 4 liet zien hoe door AI verbeterde materialen verouderde assets nieuw leven kunnen inblazen. Het belangrijkste zakelijke voordeel zit echter in het workflowontwerp: Spark fungeert als een continue achtergrondengine voor generatieve taken, terwijl de primaire werkstations actief blijven.
Nsight Copilot: Lokale CUDA AI-assistent
Een noemenswaardige toevoeging is Nsight Copilot, dat lokaal op DGX Spark draait.
Ontwikkelaars kunnen taken aanvragen, zoals "schrijf matmul in fp4 in CUDA", en Nsight Copilot biedt een compleet cuBLAS-Lt-voorbeeld dat FP32-inputs lokaal naar FP4 kwantiseert, per-tensor-schaling instelt, GEMM in FP32 uitvoert en FP32-output retourneert. Belangrijk is dat dit proces plaatsvindt zonder code of data naar een cloudservice te verzenden:
- Geen kosten voor cloud-inferentie.
- De broncode, data en intellectueel eigendom blijven lokaal.
- Lokale GPU's beheren de latentie en doorvoer.
Voor organisaties met strikte regels voor gegevensbeheer biedt dit de mogelijkheid tot AI-ondersteunde ontwikkeling, terwijl de beveiliging van hun netwerk gewaarborgd blijft.
Agenten, robotica en edge computing: van lab naar productie
NVIDIA breidt Spark uit naar toepassingen voor agentsystemen en robotica via een samenwerking met Hugging Face en de open-source robot Reachy Mini. DGX Spark bestuurt de agents, LLM's, VLM's en planners, terwijl Reachy Mini een fysieke vorm biedt die geschikt is voor onderzoek, onderwijs en prototyping op het gebied van mens-robotinteractie.
DGX Spark wordt eind januari opgenomen in NVIDIA AI Enterprise. Dit biedt bedrijven een ondersteunde softwarestack, lifecyclemanagement en beveiligingsupdates voor het gebruik van Spark in edge- en on-premise-scenario's, zoals slimme productie en inspectie, intelligente detailhandel en diefstalpreventie, en point-of-care-toepassingen in de gezondheidszorg.
Ecosysteem- en OEM-ondersteuning
NVIDIA sloot de update af met een uiteenzetting van het uitgebreide ecosysteem: modelaanbieders (OpenAI, Mistral, Stability, Qwen, Meta, ElevenLabs, Black Forest Labs en anderen), tools (vLLM, Comfy, LlamaIndex, Docker, Jupyter, Weights & Biases, Anyscale, samen met wetenschappelijke codes zoals VASP en GROMACS) en een breed scala aan OEM's, waaronder Dell, Lenovo, HP, ASUS, MSI, Supermicro en meer.
De boodschap voor zakelijke kopers is dat de DGX Spark niet langer alleen een tool is gericht op ontwikkelaars. Het is een compacte node die naadloos integreert in bestaande tools, leveranciersrelaties en AI-productiestrategieën.
Amazon