NVIDIA DGX Spark
La NVIDIA DGX Spark est une station IA compacte de 1,2 litre destinée à l’inférence locale de grands modèles. Son processeur Grace GB10 à 20 cœurs Arm, une architecture de calcul à faible consommation, s’accompagne d’un GPU Blackwell intégré, l’architecture graphique de NVIDIA orientée…
La NVIDIA DGX Spark est une station IA compacte de 1,2 litre destinée à l’inférence locale de grands modèles. Son processeur Grace GB10 à 20 cœurs Arm, une architecture de calcul à faible consommation, s’accompagne d’un GPU Blackwell intégré, l’architecture graphique de NVIDIA orientée vers l’IA, annoncé à environ 1 PFLOP en FP4, un format numérique sur 4 bits.
Ses 128 Go de mémoire LPDDR5X unifiée, partagée entre CPU et GPU, dont environ 110 Go exploitables par le modèle, constituent son principal atout face à un GPU dédié. Sa bande passante de 273 Go/s bride toutefois la génération, tandis que son TDP de 240 W correspond à sa puissance thermique de référence.
Carte d'identité
| Caractéristique | Valeur |
|---|---|
| Constructeur | NVIDIA |
| Catégorie | Stations IA |
| Statut | Disponible |
| Date de sortie | 15 octobre 2025 |
| Mémoire | 128 Go (LPDDR5X unifiée) |
| Dont exploitable par le modèle | 110 Go (≈) |
| Bande passante mémoire | 273 Go/s |
| Consommation (TDP) | 240 W |
| CPU | Grace GB10, 20 cœurs Arm (10 X925 + 10 A725) |
| GPU | Blackwell intégré, ~1 PFLOP FP4 |
| Format | Mini-station 1,2 L, empilable (ConnectX-7 200 Gb/s) |
| Extensible | Non |
| Prix constaté | 4 699 $ (Notebookcheck (hausse de 700 $), 1 février 2026) |
| Prix officiel | 3 999 $ (NVIDIA, 15 octobre 2025) |
| Fiche constructeur | specs officielles |
Quels modèles peut-elle faire tourner ?
| Modèle étalon | Verdict |
|---|---|
| 8 B (Llama 3.1 8B, Q4) | ✅ À l'aise |
| 14 B (Qwen3 14B, Q4) | ✅ À l'aise |
| 32 B (Qwen3 32B, Q4) | ✅ À l'aise |
| 70 B (Llama 3.3 70B, Q4) | ✅ À l'aise |
| 120 B MoE (gpt-oss-120B, MXFP4) | ✅ À l'aise |
Estimation mémoire : environ 0,6 Go par milliard de paramètres en Q4, plus le contexte. « Juste » : le modèle se charge mais le contexte utilisable est réduit.
Performances mesurées
| Modèle | Quantisat° | Lecture | Génération | Runtime | Source |
|---|---|---|---|---|---|
| Llama 3.1 8B | Q4_K_M | n.d. | 38 tok/s | llama.cpp (CUDA) | LocalScore (10 juillet 2026) |
| gpt-oss-120B | MXFP4 | n.d. | 40 tok/s | llama.cpp (CUDA) | ServeTheHome (plateforme GB10) (10 juillet 2026) |
« Lecture » (prompt processing) : vitesse d'ingestion du contexte. « Génération » : vitesse d'écriture de la réponse, celle que l'on perçoit à l'usage. Deux mesures ne sont comparables qu'à modèle, quantisation et runtime identiques.
Efficience
| Métrique | Valeur |
|---|---|
| Génération par tranche de 1 000 $ investis | 8,1 tok/s |
| Génération par watt (TDP) | 0,16 tok/s/W |
Calculée sur la meilleure mesure de génération Llama 3.1 8B de cette fiche, au prix de référence 4 699 $ (Notebookcheck (hausse de 700 $), 1 février 2026). Indicative : le prix varie et la consommation réelle en inférence est inférieure au TDP.
Notre analyse
L’enveloppe mémoire permet d’exécuter confortablement Llama 3.1 8B, Qwen3 14B, Qwen3 32B et Llama 3.3 70B en Q4, une quantification ramenant les poids à environ 4 bits. Elle accueille aussi gpt-oss-120B en MXFP4, un format de nombres 4 bits adapté aux calculs d’IA. Ce dernier est un MoE, ou mélange d’experts, une architecture qui n’active qu’une partie du modèle à chaque étape. La capacité est donc généreuse, mais les 273 Go/s limitent le débit perçu par rapport à un GPU dédié. Llama 3.1 8B atteint 38 tokens par seconde, les tokens étant les unités de texte traitées par le modèle, contre 40 tokens par seconde pour gpt-oss-120B sur la plateforme GB10.
À 3 999 USD au lancement, puis 4 699 USD au prix constaté, le rapport performance-prix repose surtout sur la possibilité de charger de très grands modèles dans un format compact. L’efficience mesurée sur Llama 3.1 8B atteint 0,16 token par seconde et par watt, sur la base du TDP. La pile CUDA complète, l’environnement logiciel de NVIDIA pour le calcul GPU, facilite les usages compatibles. Deux unités peuvent être chaînées par une interconnexion ConnectX-7 à 200 Gb/s, un réseau à très haut débit. La machine est disponible, mais aucun chiffre vérifié ne permet ici d’évaluer son bruit. Elle a surtout du sens pour l’inférence locale de modèles volumineux, lorsque la capacité mémoire prime sur la vitesse maximale de génération.
Sources : specs NVIDIA, LocalScore, ServeTheHome (plateforme GB10).