Latest News

DGX Spark HPC Developer Kit: cuatro nodos y 512 GB para investigar

It is a long established fact that a reader will be distracted by the readable content of a page when looking at its layout. The point of using Lorem Ipsum

NVIDIA presentó el 16 de noviembre de 2026 el DGX Spark HPC Developer Kit, una propuesta para llevar tareas de investigación y desarrollo de alto rendimiento a un escritorio. Está formado por cuatro sistemas DGX Spark conectados entre sí, que en conjunto reúnen 512 GB de memoria y 20 TB de almacenamiento NVMe. La idea es que investigadores, universidades y equipos técnicos puedan preparar y probar proyectos científicos sin depender de un turno permanente en un centro de supercomputación.

El anuncio se realizó durante SC26, una conferencia dedicada al cómputo de alto rendimiento. Aunque el kit pueda instalarse en un espacio de trabajo pequeño, no es una PC gamer convencional ni un gabinete con cuatro placas GeForce para sumar FPS. Su propósito es ejecutar aplicaciones científicas distribuidas, modelos de inteligencia artificial y tareas que necesitan coordinación entre varios nodos.

Qué es el DGX Spark HPC Developer Kit

Según el comunicado oficial de NVIDIA, cada unidad DGX Spark utiliza un GB10 Grace Blackwell Superchip. El kit combina cuatro de esos sistemas para formar un pequeño clúster local. Un nodo es una computadora que participa en el trabajo colectivo; repartir el problema entre cuatro nodos puede ampliar la memoria disponible para una aplicación diseñada para funcionar de esa forma.

Esto no significa que cualquier programa vaya a ver automáticamente un único bloque de 512 GB como si fuera la RAM de una motherboard. La capacidad indicada por NVIDIA es memoria combinada del clúster, y aprovecharla requiere que el software distribuya tareas y datos correctamente. Lo mismo sucede con los 20 TB NVMe: se trata de capacidad total, cuya utilización depende de la configuración y del flujo de trabajo.

Cuatro nodos en anillo, sin un switch externo

El diseño anunciado conecta cada DGX Spark directamente con sus dos vecinos mediante redes NVIDIA ConnectX-7, formando un anillo de cuatro nodos. NVIDIA destaca que esa topología evita comprar y configurar un switch de red para enlazar estos equipos. Para desarrollar una aplicación distribuida, la conexión entre computadoras importa tanto como la capacidad de cálculo que ofrece cada una.

Un proyecto científico puede dividir una simulación entre varios procesos, intercambiar datos y volver a reunir resultados. Si la comunicación está mal organizada, los equipos pasan tiempo esperando mensajes en lugar de calcular. Un pequeño clúster de escritorio permite detectar esos problemas antes de ejecutar una versión de mayor escala en servidores compartidos.

Memoria y modelos de IA: qué implica el límite de 700B

NVIDIA afirma que, con NVFP4, el clúster puede alojar localmente modelos de hasta 700.000 millones de parámetros en determinados escenarios, y menciona DeepSeek V4.1 como ejemplo. Esa cifra describe una capacidad anunciada para modelos y representaciones concretas; no garantiza entrenar desde cero cualquier modelo de ese tamaño, ni implica que todas las tareas tengan idéntica velocidad.

La memoria disponible y el formato numérico elegido condicionan cuánto espacio requiere un modelo de IA. Cuando el trabajo se reparte entre nodos, también influye la comunicación. Por eso el kit resulta interesante para investigadores que necesitan probar inferencia, agentes y aplicaciones adaptadas antes de pasar a infraestructura más grande.

El software HPC SDK todavía tiene una pieza pendiente

Uno de los puntos que conviene aclarar es el calendario. El kit se mostró en SC26 y NVIDIA dice que está a la venta, pero el playbook de instalación para NVIDIA HPC SDK fue anunciado como «próximamente». No corresponde presentarlo como un recurso ya publicado ni prometer que toda la experiencia de configuración esté automatizada desde el primer día.

Ese material de instalación deberá reunir herramientas de desarrollo utilizadas en cómputo científico, entre ellas compiladores para C, C++ y Fortran, bibliotecas y utilidades para comunicación entre procesos. El objetivo es que los equipos técnicos puedan desarrollar y depurar programas en cuatro nodos, revisar cómo se distribuyen datos y cómputos, y después escalar a clústeres de centros de datos.

Qué aplicaciones científicas mostró NVIDIA

El fabricante menciona demostraciones con LAMMPS y Kokkos para simulación de materiales y NAMD para dinámica molecular. También señala que la comunidad DGX Spark ha validado aplicaciones como GROMACS, OpenFOAM y WRF, relacionadas con moléculas, fluidos y modelado del tiempo atmosférico. Son ejemplos de trabajo científico; la compatibilidad y el rendimiento real deben comprobarse según la versión del programa y la configuración.

Hay proyectos de IA aplicados a química, biología y análisis de imágenes satelitales. NVIDIA cita experimentos de grupos de investigación que buscan ejecutar tareas localmente para reducir la dependencia de grandes instalaciones compartidas. El valor no está solo en la potencia: también puede importar mantener conjuntos de datos sensibles dentro de una organización y probar cambios con mayor frecuencia.

¿Quién debería considerar un clúster así en Argentina?

El público natural son universidades, institutos, empresas de ingeniería y desarrolladores que ya trabajan con simulaciones o modelos grandes. Una institución debería analizar primero sus aplicaciones, la memoria que requieren, el uso de varios nodos y el acceso a soporte técnico. También tendría que cotizar equipos, cables, importación y mantenimiento según la disponibilidad local; NVIDIA no publicó un precio argentino en este anuncio.

Para gaming o una PC de edición general, no hay motivos para equiparar el DGX Spark HPC Developer Kit con una placa de video más rápida. La comparación pertinente es con estaciones profesionales y recursos de cómputo que se alquilan o comparten. La novedad muestra una alternativa de desarrollo local, mientras su utilidad concreta dependerá de cada laboratorio y de las herramientas que estén efectivamente disponibles.

Fuente oficial

Especificaciones, conexiones, aplicaciones y disponibilidad: NVIDIA Blog, “NVIDIA DGX Spark Developer Kit Turns a Desk Into a Supercomputing Lab”, 16 de noviembre de 2026. Más contexto sobre la familia en NVIDIA DGX Spark.

Para seguir leyendo

Si querés profundizar en este tema, consultá también nuestra nota sobre los 20 años de CUDA de NVIDIA.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Categorias

Follow Us on Social Media

@ All Rights Reserved. Designed and Powered by Blaze Themes