Na CES 2026, a NVIDIA apresentou uma atualização de software para o DGX Spark que expande seu papel como um sistema de IA compacto e local. As mudanças se concentram em novos tempos de execução, formatos de quantização e manuais de implantação que facilitam a execução local de modelos de código aberto, fluxos de trabalho automatizados e pipelines de criação e modelagem 3D. A atualização destina-se a equipes que já utilizam o DGX Spark em laboratórios, implantações de borda ou ambientes de engenharia e não introduz novo hardware.
Inteligência Artificial de Código Aberto em Ambientes Empresariais
A NVIDIA destacou o rápido crescimento da IA de código aberto. Os downloads mensais de frameworks e modelos de IA de código aberto aumentaram de cerca de sete milhões em junho de 2023 para aproximadamente 390 milhões em dezembro de 2025. O Spark foi ajustado para suportar essa tendência: PyTorch, vLLM, SGLang, llama.cpp, LlamaIndex e muitos modelos da comunidade Qwen, Meta, Stability e Wan agora estão totalmente integrados ao sistema.
Para empresas que padronizam o uso de ferramentas abertas, isso se traduz em menos trabalho de integração personalizada e em uma operação mais confiável para as plataformas que já utilizam.
Até 2.5 vezes mais rápido desde o lançamento.
A NVIDIA afirma que o desempenho em cargas de trabalho importantes melhorou em até 2.5 vezes em comparação com o DGX Spark no lançamento. Esse aumento de desempenho se deve a melhorias no TensorRT-LLM, quantização agressiva e otimizações de decodificação, e não a alterações de hardware.
Um exemplo específico é o Qwen-235B usando TensorRT-LLM. A transição da quantização FP8 para NVFP4 e o emprego de decodificação especulativa com Eagle3 mais que dobram a taxa de transferência. O Qwen3-30B sob CUDA e Stable Diffusion 3.5 Large sob llama.cpp alcança melhorias de cerca de 1.4 vezes. Os processos de ajuste fino, sejam eles completos ou com otimização de parâmetros, mostram ganhos perceptíveis, porém menores, à medida que os pipelines do PyTorch são otimizados para as GPUs do Spark.
Playbooks: Da “Caixa na Mesa” aos Fluxos de Trabalho Utilizáveis
Para reduzir a lacuna entre o poder computacional bruto e soluções utilizáveis, a NVIDIA está lançando novos playbooks DGX Spark que combinam ferramentas, modelos e guias para tarefas empresariais comuns.
O novo conteúdo inclui:
- Inferência: vLLM, SGLang, TensorRT-LLM, decodificação especulativa, inferência multimodal, NIM no Spark, quantização NVFP4 e Nemotron-3 Nano local.
- Otimização: otimização multi-Spark PyTorch, FLUX.1 DreamBooth LoRA, LLAMA Factory, NeMo e treinamento eficiente baseado em Unsloth.
- Ciência de dados: Ciência de dados CUDA-X, JAX otimizado, conversão de texto em grafo de conhecimento e fluxos de trabalho específicos de domínio, como sequenciamento de RNA de célula única e otimização quantitativa de portfólio.
- Ferramentas e conectividade: ComfyUI, VS Code, DGX Dashboard, RAG no AI Workbench, Tailscale e “Connect Two Sparks” baseado em NCCL.
O foco não está em demonstrações chamativas, mas sim na repetibilidade. Esses playbooks servem como estruturas de referência pré-validadas que podem ser implementadas localmente sem a necessidade de retrabalhar toda a infraestrutura.
Pipelines de vídeo com IA 8 vezes mais rápidos com MacBook híbrido e Spark
Na criação de conteúdo, a NVIDIA testou fluxos de trabalho de geração de vídeo com IA, combinando um MacBook Pro M4 Max com DGX Spark via ComfyUI e FLUX.1-dev, WAN 2.2 e upscalers acelerados por GPU.
O pipeline de referência, apresentando um vídeo 4K de um carro esportivo vermelho em uma cidade futurista, demonstrou as melhorias. Executar todo o fluxo de trabalho apenas no MacBook levou cerca de oito minutos. Direcionar o processamento pesado para o DGX Spark reduziu o tempo para cerca de 1 minuto, resultando em um aumento de velocidade de 8 vezes.
Esse progresso resulta da operação do FLUX.1-dev e do WAN 2.2 em NVFP4/NVFP8 quantizados no Spark, seguida pelo RTX Video Super Resolution. Para equipes de mídia, design e marketing, isso transforma a geração de vídeo de um processo de renderização em lote para um processo muito mais próximo da iteração interativa, mantendo o controle dentro do data center ou rack de borda.
3D e RTX Remix: Spark como um coprocessador de IA em segundo plano
O DGX Spark também é comercializado como um coprocessador para fluxos de trabalho 3D baseados no RTX Remix. Por exemplo, um sistema RTX 5090 executa o ambiente interativo "Mod". Ao mesmo tempo, o Spark gera texturas de IA em lotes (por exemplo, 100 materiais) e envia os resultados de volta para a cena sem interromper os artistas.
Uma comparação de antes e depois usando o SWAT 4 ilustrou como materiais aprimorados por IA podem revitalizar ativos legados. No entanto, o principal benefício para os negócios reside no design do fluxo de trabalho: o Spark atua como um mecanismo contínuo em segundo plano para tarefas generativas, enquanto as estações de trabalho principais permanecem ativas.
Nsight Copilot: Assistente de IA CUDA local
Uma adição notável é o Nsight Copilot, que opera localmente no DGX Spark.
Os desenvolvedores podem solicitar tarefas, como "escrever matmul em fp4 em CUDA", e o Nsight Copilot fornece um exemplo completo de cuBLAS-Lt que quantiza entradas FP32 para FP4 no dispositivo, define o escalonamento por tensor, executa GEMM em FP32 e retorna a saída em FP32. É importante ressaltar que esse processo ocorre sem o envio de código ou dados para um serviço em nuvem.
- Sem custos de inferência na nuvem.
- A origem, os dados e a propriedade intelectual permanecem no local.
- As GPUs locais gerenciam a latência e a taxa de transferência.
Para organizações com regras rígidas de governança de dados, isso permite o desenvolvimento assistido por IA, mantendo tudo seguro dentro de sua rede.
Agentes, Robótica e Computação de Borda: Do Laboratório à Produção
A NVIDIA está expandindo o Spark para aplicações de agentes e robótica por meio de uma parceria com a Hugging Face e o robô de código aberto Reachy Mini. O DGX Spark opera os agentes, LLMs, VLMs e planejadores, enquanto o Reachy Mini fornece uma forma física adequada para pesquisa, educação e prototipagem de interação humano-robô.
O DGX Spark será incluído no NVIDIA AI Enterprise até o final de janeiro. Isso oferece às empresas um conjunto de softwares com suporte, gerenciamento de ciclo de vida e atualizações de segurança para executar o Spark em cenários de edge computing e on-premise, como manufatura e inspeção inteligentes, varejo inteligente e prevenção de perdas, além de aplicações de saúde no ponto de atendimento.
Suporte ao ecossistema e aos fabricantes de equipamentos originais (OEMs)
A NVIDIA concluiu a atualização destacando o extenso ecossistema: provedores de modelos (OpenAI, Mistral, Stability, Qwen, Meta, ElevenLabs, Black Forest Labs e outros), ferramentas (vLLM, Comfy, LlamaIndex, Docker, Jupyter, Weights & Biases, Anyscale, além de códigos científicos como VASP e GROMACS) e uma ampla gama de OEMs, incluindo Dell, Lenovo, HP, ASUS, MSI, Supermicro e muito mais.
A mensagem para compradores corporativos é que o DGX Spark não é mais apenas uma ferramenta voltada para desenvolvedores. Trata-se de um nó de formato compacto que se integra perfeitamente às ferramentas existentes, aos relacionamentos com fornecedores e às estratégias de IA em produção.
Amazon