NVIDIA DGX Spark · 22 October 2026

LLM open source sur NVIDIA DGX Spark : clusters validés, 64 Go à 4 999 $, benchmarks agentiques et fine-tuning — l’état des lieux complet à l’automne 2026

Un an et demi après son annonce au CES 2025, le DGX Spark de NVIDIA a-t-il tenu ses promesses ? Entre benchmarks solides sur les modèles MoE récents comme DeepSeek V4 Flash 0731 et Qwen3.8-27B, mises à jour logicielles qui décuplent les performances, clustering multi-nœuds enfin documenté et fine-tuning LoRA sur un seul boîtier, le mini-supercalculateur s’impose comme une référence de l’IA locale. Mais l’automne 2026 a apporté son lot de nuances : une version 64 Go vendue plus cher que le modèle original, un prix du 128 Go qui dépasse désormais les 6 000 $, et des limites réseau bien réelles. Plongée dans l’état des lieux vérifié, sources à l’appui, à la mi-octobre 2026.

Le rêve d’un cluster IA local : le DGX Spark a-t-il changé la donne ?

Quand NVIDIA a dévoilé le DGX Spark en 2025 — d’abord sous le nom de Project DIGITS au CES, puis renommé et tarifé au GTC de mars 2025 — l’appareil a fait l’effet d’une petite révolution. Pour la première fois, un ordinateur de bureau compact, silencieux, avec une alimentation de 240 W, promettait de faire tourner des modèles de langage de taille respectable sans dépendre du cloud. La puce GB10 Grace Blackwell, avec ses 20 cœurs ARM (10 Cortex-X925 + 10 Cortex-A725), son GPU Blackwell capable d’1 PFLOP en FP4 et ses 128 Go de mémoire unifiée LPDDR5X, offrait un terrain de jeu inédit aux développeurs, chercheurs et petites structures.

Mais très vite, une limite est apparue : la mémoire. 128 Go, c’est suffisant pour des modèles denses jusqu’à environ 200 milliards de paramètres quantifiés, ou des MoE (Mixture of Experts) de 100 à 130 milliards. Pour aller au-delà — un Llama 3.1 405B, un DeepSeek-V3 671B — il fallait soit du cloud, soit… plusieurs DGX Spark. Or, au lancement, le clustering n’était pas supporté. Chaque Spark restait une île.

La donne a changé au cours de l’été 2026. NVIDIA a publié une mise à jour majeure du logiciel système, présentée au Computex 2026, qui introduit un assistant de configuration multi-nœuds dans l’application NVIDIA Sync. Relier deux, trois ou quatre Sparks via leurs ports QSFP est devenu une procédure guidée, presque aussi simple que de brancher un câble Ethernet. Le rêve d’un cluster IA local, modeste mais réel, prenait forme.

À l’automne 2026, ce rêve est devenu une réalité tangible, documentée par des études de cas concrètes. Des entreprises comme QDNA ont mis en production des clusters de trois DGX Spark reliés en RDMA, servant à la fois DeepSeek V4 Flash 0731 sur deux nœuds et Qwen3.8-27B sur un mono-Spark. Perplexity a lancé « Portable Computer », une plateforme qui transforme le Spark en agent IA local clé en main. Et NVIDIA prépare déjà la suite avec la puce RTX Spark pour Windows, tandis que la gamme DGX s’étend vers le haut avec la DGX Station for Windows (748 Go de mémoire cohérente, 20 PFLOPs FP4, lancement au quatrième trimestre 2026 via six partenaires OEM, selon tech-insider.org du 8 octobre 2026). Le DGX Spark n’est plus une promesse : c’est une plateforme mature, avec ses forces et ses faiblesses documentées.

GB10, 128 Go, ConnectX-7 : anatomie d’une brique de cluster

Avant de parler de cluster, il faut comprendre ce qui se cache sous le capot d’un seul DGX Spark. Les spécifications, désormais bien documentées, en font une machine étonnamment dense.

Composant	Détail
SoC	NVIDIA Grace Blackwell GB10 (20 cœurs ARM : 10 Cortex-X925 + 10 Cortex-A725), TDP 140 W
Mémoire unifiée	128 Go LPDDR5X, interface 256 bits, 4266 MHz, bande passante 273 Go/s
Puissance de calcul	1 PFLOP FP4 avec sparsité (1 000 TOPS en inférence)
Stockage	1 To ou 4 To NVMe M.2 avec auto-chiffrement
Réseau	ConnectX-7 SmartNIC : 2 ports QSFP56 (200 Gb/s chacun), 1× RJ-45 10 GbE, Wi-Fi 7, Bluetooth 5.4
Connectivité	4× USB Type-C, 1× HDMI 2.1a, audio multicanal HDMI
Traitement vidéo	1× NVENC, 1× NVDEC
Consommation	Alimentation 240 W (mesures ServeTheHome : 60 à 200 W en charge)
Prix	~3 999 $ au lancement, porté à ~4 699 $ en février 2026 (pénurie mémoire), puis au-delà de 6 000 $ sur le marché à l’automne 2026

Le cœur du système, c’est le ConnectX-7. Cette carte réseau intégrée gère deux baies QSFP56, chacune capable de 200 Gb/s en configuration Ethernet. Mais attention : la bande passante effective est limitée par le bus PCIe Gen5 x4 qui relie le ConnectX-7 au reste du système. En pratique, chaque port plafonne à 200 Gb/s, et l’agrégation des deux ports ne double pas la bande passante vers le CPU/GPU — elle sert surtout à offrir de la redondance ou des topologies spécifiques.

C’est cette limitation qui va conditionner toutes les performances du clustering. Pas de NVLink 5, pas d’InfiniBand NDR400, pas d’Ethernet 800G : le DGX Spark parle exclusivement Ethernet 200 Gb/s entre ses nœuds. Un choix pragmatique pour un appareil grand public, mais qui bride les ambitions. À noter que sur les plateformes équipées de cartes ConnectX, la technologie GPUDirect Storage établit un chemin direct entre le stockage NVMe (ou NVMe over Fabric) et la mémoire GPU, en contournant le buffer CPU — un détail qui compte pour les pipelines de données en fine-tuning.

Ethernet 200 Gb/s, pas de NVLink : la réalité du réseau inter-nœuds

Le guide officiel de clustering NVIDIA décrit plusieurs topologies. La plus simple : un câble QSFP112 DAC (400 Gb/s négocié à 200 Gb/s) entre deux Sparks, en liaison directe. Les câbles approuvés sont l’Amphenol NJAAKK-N911 et le Luxshare LMTQF022-SD-R, tous deux de 400 mm. Avec cette configuration, NVIDIA annonce qu’il est possible d’exécuter des modèles jusqu’à 405 milliards de paramètres — soit le double de la capacité d’un seul nœud.

Pour trois Sparks ou plus, deux options : une topologie en anneau où chaque Spark utilise un port à 100 Gb/s (l’autre port reste libre), ou l’utilisation d’un commutateur Ethernet 200 Gb/s. Le guide mentionne des playbooks « Connect Two Sparks », « Connect Three Sparks » et « Multi Sparks Through a Switch », mais sans détailler les performances attendues.

La communauté a depuis affiné ces topologies. Le guide de terrain publié par notre magazine en juillet 2026 distingue deux approches qui divisent les utilisateurs :

Full-mesh : chaque Spark est relié à tous les autres. Pour 4 nœuds, il faut 6 câbles. La bande passante est maximale, mais le câblage devient vite ingérable au-delà de 4 nœuds.
Étoile (via switch) : un commutateur Ethernet 200 Gb/s centralise les connexions. Plus simple à étendre, mais le switch devient un point de défaillance unique et ajoute de la latence.

Un fil récent du forum développeurs NVIDIA, intitulé « Switchless 2x 4x 6x GB10 Clusters Serving GLM, DeepSeek, and Qwen », confirme que la communauté explore désormais des configurations sans commutateur jusqu’à six nœuds — une extension des topologies officielles qui montre que le clustering « switchless » reste vivant au-delà des quatre unités documentées par NVIDIA.

Le firmware a également fait parler de lui. Les playbooks officiels ont connu plusieurs versions, et certains utilisateurs ont signalé des incohérences entre les versions documentées et celles réellement déployées. La chasse aux « versions fantômes » est devenue un sport communautaire, comme le relate notre dossier de juillet.

Ce qui frappe, c’est la relative discrétion des sources officielles sur les benchmarks de latence ou de bande passante inter-nœuds. Les tests indépendants, comme celui de StorageReview, confirment la faisabilité technique mais ne fournissent pas de chiffres de latence précis. Le blog byteiota.com évoque « Four Nodes, 700B Models Locally » sans donner de débit. Bref, on sait que ça marche, mais la granularité des mesures reste inégale.

Topologie	Bande passante par lien	Nombre de nœuds max documenté
Liaison directe 200 Gb	200 Gb/s	2
Anneau 2×100 Gb	100 Gb/s par lien	3+ (sans commutateur)
Full-mesh	200 Gb/s par lien	4 (6 câbles)
Via commutateur 200 Gb	200 Gb/s	4+ (limité par le nombre de ports du switch)
Switchless communautaire	200 Gb/s par lien	jusqu’à 6 (retours forum, non officiel)

L’absence de NVLink est un vrai frein. Sur les DGX stations professionnelles, NVLink offre une bande passante de l’ordre de 900 Go/s entre GPU. Ici, on se contente de 25 Go/s (200 Gb/s) — un rapport considérable. Pour des modèles qui nécessitent un échange intensif de gradients ou d’activations, la latence réseau devient le goulot d’étranglement.

L’étude de cas QDNA : un cluster RDMA en production

La preuve que le clustering fonctionne en conditions réelles vient de l’étude de cas publiée par QDNA, une entreprise française spécialisée dans l’infrastructure IA. Leur configuration : trois DGX Spark, dont deux nœuds reliés en RDMA (Remote Direct Memory Access) pour servir un modèle à mélange d’experts dont les poids dépassent 128 Go, et un troisième nœud seul pour un modèle compact.

Depuis août 2026, les deux branches servent :

DeepSeek V4 Flash 0731 (284 milliards de paramètres, 13 actifs, poids mixtes FP4 + FP8, contexte natif d’un million de tokens) sur le cluster de deux nœuds ;
Qwen3.8-27B (27 milliards, dense, contexte natif 262 144 tokens) sur le mono-Spark.

La plateforme accepte des appels concurrents depuis plusieurs agents internes via LiteLLM et route chaque requête vers le modèle le plus adapté via un routeur sémantique. C’est exactement le genre de déploiement que NVIDIA promettait : une infrastructure locale, privée, sans coût cloud par token. QDNA précise par ailleurs que la machine tourne avec llama.cpp ou vLLM en local, et rappelle les ordres de grandeur officiels : jusqu’à 200 milliards de paramètres quantifiés sur un nœud, 405 milliards avec deux unités reliées en direct, 700 milliards avec quatre unités via commutateur (selon la fiche technique NVIDIA relue le 2 septembre 2026).

Performances réelles : les benchmarks qui changent la donne à l’automne 2026

Sur un seul nœud

Les chiffres solides sur un seul nœud se sont considérablement enrichis depuis juin. Plusieurs sources s’accordent désormais sur des ordres de grandeur précis, notamment pour les modèles MoE récents.

Modèle	Débit (tok/s)	Source
Llama 3.1 8B	50–60	Ixtria (benchmark LMSYS, SGLang)
Llama 3.1 70B	8–10	Ixtria
Llama 3.3 70B (dense)	3–4	IAboutique
GPT-OSS-120B (MoE)	25–35 (jusqu’à 80+ selon quantification)	IAboutique / ExplainX
Modèles 120B+ denses	3–5	Ixtria
Modèle 30B (prefill)	>2000 tok/s	Cloudmagazin (benchmark communautaire)
Modèle 30B (decode)	50–85 tok/s	Cloudmagazin
DeepSeek V4 Flash 0731	~30 tok/s (par défaut), jusqu’à ~40 avec config	Forums NVIDIA (juillet 2026)
DeepSeek-V4-Flash IQ2_XXS (ds4.c)	~14 tok/s single-stream, prefill 410 tok/s	antirez / ds4 (août 2026)
Qwen3.8-27B	34–38 tok/s (test indépendant du 20 août 2026) ; 48 tok/s selon Openzeka	Artificial Analysis / Openzeka
Qwen3.8-Flash-Next (MTP)	83–138 tok/s	Banandre (2 septembre 2026)
35B-A3B (llama.cpp GGUF)	jusqu’à 67 tok/s	Suite llama.cpp (août 2026)

La discordance sur le 70B (8-10 vs 3-4 tok/s) s’explique probablement par des différences de quantification, de framework ou de longueur de prompt. Ce qui est certain, c’est que les modèles MoE tirent mieux parti de la mémoire unifiée : avec quelques milliards de paramètres actifs par token, un GPT-OSS-120B atteint 25-35 tok/s, soit l’équivalent d’un petit modèle dense.

Qwen3.8-27B mérite une attention particulière. Ce modèle dense de 27 milliards de paramètres, publié par Alibaba en août 2026, atteint selon le blog Openzeka (26 août 2026) 48 tok/s sur un DGX Spark, avec un score de 52 sur l’Artificial Analysis Intelligence Index — premier de sa catégorie parmi les modèles open-weight. Un test indépendant du 20 août 2026 donne toutefois 34-38 tok/s, la différence s’expliquant par les réglages de quantification et de contexte. C’est ce chiffre prudent (34-38 tok/s) que retient la base de faits canoniques de notre magazine. Son architecture hybride (attention linéaire sur une majorité de couches, tour de vision intégrée, tête de draft MTP intégrée) et son contexte natif de 262 144 tokens extensible à 1M en font un candidat sérieux pour l’inférence locale. En quantification FP8, il ne pèse que 56 Go, ce qui le rend confortable sur un seul Spark.

Qwen3.8-Flash-Next avec MTP (Multi-Token Prediction) a fait l’objet d’une mise à jour majeure le 2 septembre 2026 : le support MTP pour les fichiers GGUF permet un speedup de 1,67× sans perte de qualité, portant le débit de 83 à 138 tok/s. C’est une avancée logicielle significative qui profite directement aux utilisateurs de DGX Spark.

DeepSeek V4 Flash 0731 reste un modèle de référence. Sorti officiellement le 31 juillet 2026, il ne compte que 13 milliards de paramètres actifs par token — dix fois moins que Claude Opus — tout en offrant des performances agentiques de niveau frontière (benchmark CyberGym : 76,7). Sur un DGX Spark, il atteint environ 30 tok/s en configuration par défaut, et un utilisateur des forums NVIDIA rapporte qu’un petit changement de configuration (pour restaurer l’acceptance rate) permet de dépasser ce chiffre. En quantification Q8 (UD-Q8_K_XL, 162 Go), il tient encore dans un seul Spark, mais il faut alors accepter un débit réduit. Le modèle totalise 284 milliards de paramètres, avec un contexte d’un million de tokens et des poids mixtes FP4 + FP8 (environ 83,4 Go sur Hugging Face). Le module DSpark, un décodeur spéculatif fusionné dans le checkpoint, est inclus. En quantification IQ2_XXS avec le moteur ds4.c d’antirez, on descend à environ 14 tok/s en single-stream, mais avec un prefill de 410 tok/s — un compromis intéressant pour les charges où la lecture de longs contextes domine.

Sur deux nœuds : les premiers chiffres agrégés solides

C’est peut-être le développement le plus important de l’été : les benchmarks multi-nœuds ne sont plus des promesses marketing. Avec deux DGX Spark en tensor parallel (TP=2) sous vLLM et DeepSeek-V4-Flash en FP8, on obtient :

~41 tok/s en single-stream ;
~350 tok/s agrégés à concurrence 32 ;
~1 785 tok/s en prefill ;
un pool de cache KV partagé de 1 105 096 tokens.

Ces chiffres, datés d’août 2026, changent la nature du discours : le cluster de deux Sparks n’est pas seulement capable de charger un modèle plus gros, il sert réellement plusieurs utilisateurs simultanés avec un débit agrégé respectable. C’est exactement le cas d’usage des petites structures qui veulent internaliser leur inférence sans cloud.

Le benchmark agentique d’Artificial Analysis

Le 29 septembre 2026, Artificial Analysis a publié AA-AgentPerf-Local, un outil open source pour mesurer la vitesse des agents IA sur laptops et stations de travail. Au lancement, quatre matériels sont testés — DGX Spark, Ryzen AI Halo, MacBook Pro (M5 Pro) et RTX 5090 — sur quatre modèles open-weight. C’est la première fois qu’un référentiel indépendant et reproductible compare le Spark à ses concurrents sur des charges agentiques (et non de simples générations de tokens), ce qui correspond mieux à l’usage réel de 2026 : des agents qui enchaînent les appels d’outils et les tours de raisonnement. Les résultats détaillés nuancent le tableau : le Spark reste compétitif sur les charges qui tiennent dans ses 128 Go, mais le Ryzen AI Halo 192 Go peut charger des modèles que le Spark ne peut pas accueillir, tandis que le RTX 5090 garde l’avantage sur les modèles qui tiennent dans ses 32 Go de VRAM.

Les modèles de l’automne 2026 : ce qui tient, ce qui gagne, ce qui casse

L’écosystème des modèles open-weight a continué d’évoluer à un rythme soutenu. Sur un DGX Spark, tous ne se valent pas.

Ce qui tient confortablement sur un seul Spark (128 Go) :

Qwen3.8-27B en FP8 (56 Go) : le meilleur rapport intelligence/débit de sa catégorie ;
GPT-OSS-120B en quantification 4 bits : 25-35 tok/s, un MoE efficace ;
DeepSeek V4 Flash 0731 en Q8 (162 Go) : tient, mais avec un débit réduit ; en IQ2_XXS, il tient largement mais perd en qualité ;
Les modèles denses jusqu’à ~70B en FP8, avec des débits de 3 à 10 tok/s selon la taille.

Ce qui nécessite deux nœuds :

DeepSeek V4 Flash 0731 en FP8 complet, pour retrouver le débit agrégé de ~350 tok/s à concurrence 32 ;
Les modèles jusqu’à 405 milliards de paramètres quantifiés.

Ce qui nécessite quatre nœuds ou plus :

Les modèles de la classe 700B, selon la fiche technique NVIDIA — mais avec les réserves déjà évoquées sur la bande passante réseau.

Parmi les nouveautés de septembre, Xiaomi MiMo V2.6 (Pro et Flash), dévoilé le 24 septembre 2026 selon winbuzzer.com, est présenté comme l’un des modèles open les plus économes à déployer — à condition d’avoir le matériel. Sur un Spark, les variantes Flash sont les plus pertinentes ; les variantes Pro, plus lourdes, relèvent plutôt du cluster. MiniMax H3 FL2VA, testé sur un seul Spark GB10 pour de la génération vidéo texte-vers-vidéo (T2V), a en revanche provoqué un blocage complet de l’hôte lors d’un prompt 864×480 de 124 frames après des exécutions réussies — un signal d’alerte documenté sur GitHub le 26 septembre 2026 : tous les modèles multimodaux lourds ne sont pas encore stabilisés sur GB10.

Fine-tuning : ce qui est réellement possible sur un Spark

Le fine-tuning est souvent le parent pauvre des comparatifs, alors qu’il justifie à lui seul l’achat d’une machine locale pour beaucoup d’équipes. Sur DGX Spark, la situation s’est clarifiée en 2026.

LoRA et QLoRA sur modèles moyens : oui. Un modèle de 7 à 35 milliards de paramètres se fine-tune en LoRA sur un seul Spark, en BF16 pour les petits, en 4 bits pour les plus gros. La mémoire unifiée de 128 Go permet de charger le modèle de base, les adaptateurs et un batch raisonnable sans recourir à l’offloading CPU, ce qui est précisément l’avantage du Spark sur un GPU consumer à 24 ou 32 Go de VRAM.

Fine-tuning complet (full fine-tuning) : limité. Un full fine-tuning d’un modèle de 7B en BF16 demande bien plus que les 128 Go disponibles une fois comptés les états d’optimiseur, les gradients et les activations. Il faut se tourner vers le cluster, ou vers des techniques de réduction de mémoire (DeepSpeed ZeRO, FSDP) qui, sur un réseau à 200 Gb/s, restent pénalisées par la communication inter-nœuds.

La comparaison avec le Ryzen AI Halo 192 Go. Notre comparatif croisé « AMD Ryzen AI Halo 192 Go vs DGX Spark » le souligne : sur le fine-tuning LoRA, le GPU CUDA du Spark garde une longueur d’avance grâce à l’écosystème (Unsloth, PEFT, bitsandbytes, FlashAttention). Le Halo, avec ses 192 Go, charge des modèles plus gros, mais l’outillage CUDA reste plus mature sur le Spark. C’est un arbitrage capacité vs écosystème.

Les pièges. Notre dossier sur les piles d’inférence rappelle que le choix du moteur (vLLM, llama.cpp, Ollama, SGLang, TensorRT-LLM) peut faire varier le débit d’un facteur deux sans changer de machine. Pour le fine-tuning, c’est la même logique : Unsloth optimise l’entraînement LoRA, mais toutes les combinaisons modèle/quantification ne sont pas également supportées. La fragmentation logicielle reste le principal risque — et c’est précisément ce que la mise à jour de juin 2026 a cherché à atténuer en standardisant les conteneurs NGC.

Le 64 Go change la donne : moins de mémoire, plus cher, et une astuce de cluster

C’est la nouvelle qui a secoué la communauté début octobre 2026. Le 2 octobre, NVIDIA a annoncé une version 64 Go du DGX Spark, commercialisée à partir du 23 octobre 2026 à 4 999 $, chez plusieurs constructeurs. Le même jour, le modèle 128 Go voit son prix grimper au-delà de 6 000 $ sur le marché — une conséquence directe de la flambée des prix de la mémoire (LPDDR5X).

Le paradoxe est savoureux : la version 64 Go, moins capacitaire, coûte plus cher que le prix de lancement du 128 Go en 2025 (3 999 $). Selon kod.ru (3 octobre 2026), elle est « 1 000 $ plus chère que le coût du modèle original de 128 Go au lancement en 2025 ». Frandroid résume la question que tout le monde se pose : « faut-il acheter deux petits plutôt qu’un gros ? »

La réponse de NVIDIA tient dans une astuce de cluster. Selon clubic.com (2 octobre 2026), la version 64 Go « pourra surtout » — et c’est là le point clé — être combinée en cluster pour dépasser la capacité du modèle 128 Go. L’idée : deux Sparks 64 Go reliés en QSFP offrent 128 Go agrégés mais avec deux GPU et deux fois la bande passante de calcul, pour un prix comparable à un seul 128 Go. Le blog officiel NVIDIA du 2 octobre 2026 confirme la philosophie : « DGX Spark 64GB runs local AI agents on-device with the full NVIDIA AI stack — and clusters for greater performance as workloads grow. » NeoTeo (3 octobre 2026) précise que NVIDIA détaille les tailles de modèles visées sur un ou deux systèmes, avec un test Qwen 3.8 27B jusqu’à 1,7 fois plus rapide.

Notre dossier « LLM open source sur DGX Spark : la mue de l’automne 2026 » va plus loin : le 64 Go « change la donne : moins de mémoire, plus cher, et une astuce de cluster ». C’est un repositionnement stratégique — le Spark devient une brique modulaire plutôt qu’un monolithe, ce qui correspond mieux à la réalité des budgets et des charges évolutives.

Version	Mémoire	Prix	Disponibilité
DGX Spark (lancement)	128 Go	3 999 $	2025
DGX Spark (février 2026)	128 Go	4 699 $	Février 2026
DGX Spark (automne 2026)	128 Go	>6 000 $ (marché)	Octobre 2026
DGX Spark 64 Go	64 Go	4 999 $	23 octobre 2026

À noter que les revendeurs européens affichent des prix encore différents : QDNA cite une lecture LDLC.pro du 26 septembre 2026 à 5 083 € HT (édition PNY, livraison 15 jours), soit environ 6 100 € TTC, et retient 7 000 € HT comme hypothèse de travail à partir d’octobre 2026. La volatilité des prix est devenue une donnée à part entière du choix d’achat.

La concurrence s’organise : Halo, DGX Station, et la guerre des formats

Le DGX Spark n’est plus seul. L’automne 2026 a vu la concurrence se structurer sur trois fronts.

AMD Ryzen AI Halo 192 Go. Lancé à 7 299,99 $ chez Micro Center (selon techtimes.com, 14 octobre 2026), c’est le premier système compact capable de charger des modèles open-weight de 300 milliards de paramètres. Les benchmarks indépendants cités par TechTimes montrent que le Halo charge ce que le Spark ne peut pas, mais que « DGX Spark Still Wins on Speed » — le Spark reste plus rapide sur les modèles qui tiennent dans ses 128 Go. C’est le match capacité vs vitesse.

NVIDIA DGX Station for Windows. Annoncée le 8 octobre 2026, avec 748 Go de mémoire cohérente et 20 PFLOPs FP4, elle vise le lancement au quatrième trimestre 2026 via six partenaires OEM. C’est la réponse de NVIDIA à la demande de capacité supérieure, mais à un prix et un encombrement sans commune mesure avec le Spark.

La guerre des formats. Acer livre ses mini-PC GB10 depuis le 8 septembre 2026, avec 128 Go de mémoire unifiée et un positionnement prix 500 à 1 000 $ sous le DGX Spark officiel. ASUS, Dell, Gigabyte, HP, Lenovo et MSI proposent également des variantes. Le Spark devient une plateforme déclinée par les OEM, ce qui tire les prix vers le bas — sauf quand la pénurie de mémoire fait l’inverse.

Le contexte Windows. Microsoft a présenté le 7 octobre 2026 sa vision d’une « Intelligence Hybride » pour Windows, avec des agents IA locaux et un support de DeepSeek V4 Flash sur PC. Le DGX Spark, machine Linux par défaut, n’est pas directement concerné, mais l’écosystème d’agents locaux qui se construit autour de Windows pourrait, à terme, élargir le marché de l’inférence locale — et donc celui du Spark comme serveur de bureau.

VLLM, llama.cpp, Unsloth : le logiciel fera-t-il la différence ?

Le matériel du Spark est figé. Ce qui varie, c’est le logiciel. Notre comparatif des piles d’inférence 2026 le martèle : « le bon choix vous fait gagner 2× sans changer de machine ».

vLLM : le meilleur choix pour le serving multi-utilisateurs et le tensor parallel sur cluster. C’est lui qui permet les ~350 tok/s agrégés à concurrence 32 sur deux nœuds.
llama.cpp : le plus flexible pour les quantifications exotiques (IQ2_XXS, Q4_K_M) et les modèles récents. C’est le moteur de la suite GGUF qui atteint 67 tok/s sur un 35B-A3B.
Ollama : le plus simple à prendre en main, au prix d’un débit inférieur.
SGLang : performant sur les charges structurées et le raisonnement.
TensorRT-LLM : le plus rapide en théorie, mais le plus exigeant en conversion de modèles.

La mise à jour de juin 2026 a standardisé les conteneurs NGC, réduisant la fragmentation. Mais notre dossier de juillet sur les releases rappelle que le correctif de juillet a causé des régressions et des cassures d’API — la prudence reste de mise avant d’adopter une nouvelle version en production. La règle d’or : tester chaque mise à jour sur une charge représentative avant de la déployer sur un cluster en service.

Verdict : une plateforme mature, à condition de connaître ses limites

À l’automne 2026, le DGX Spark n’est plus une promesse. C’est une plateforme documentée, avec des clusters en production, des benchmarks reproductibles (AA-AgentPerf-Local), un fine-tuning LoRA réaliste et un écosystème logiciel qui s’est standardisé. Ses forces sont claires : 128 Go de mémoire unifiée, un GPU Blackwell avec CUDA, un clustering désormais guidé, et un débit agrégé de ~350 tok/s sur deux nœuds pour DeepSeek V4 Flash.

Ses limites le sont tout autant : pas de NVLink, un réseau à 200 Gb/s qui bride les modèles au-delà de 405 milliards de paramètres, des débits de génération modestes sur les modèles denses, un prix qui a grimpé (au-delà de 6 000 $ pour le 128 Go), et une version 64 Go vendue plus cher que le prix de lancement du 128 Go. La concurrence — Ryzen AI Halo 192 Go, DGX Station for Windows — redessine le paysage.

La bonne question n’est plus « le Spark peut-il faire tourner un LLM open source ? » (oui, évidemment), mais « quel Spark, en combien d’exemplaires, avec quel moteur, pour quelle charge ? ». Et à ce jeu-là, la réponse de NVIDIA — un 64 Go modulaire à 4 999 $, clusterisable — est un pari intéressant, à condition d’accepter que la mémoire se paie désormais au prix fort.

Sources

Article recherché et rédigé automatiquement · Magazine Electrosens

📬 Restez à la pointe

Recevez chaque semaine les nouveautés de ce magazine par email.

💬 Une remarque, une correction ?

Aidez-nous à améliorer cet article. Nous prenons en compte vos retours.

Clustering DGX Spark en 2026 : du rêve à la réalité, guide complet pour monter son cluster local