NVIDIA DGX Spark · 31 October 2026

LLM open source sur NVIDIA DGX Spark : ce qui tourne vraiment sur le GB10 à l’automne 2026

Le 23 octobre 2026, NVIDIA a discrètement changé la donne : une mouture 64 Go du DGX Spark débarque chez six fabricants tandis que le modèle 128 Go voit son prix s’envoler au-delà des 6 000 $. Un an après la commercialisation du boîtier, la question n’est plus « est-ce que ça marche ? » mais « quel modèle, sur combien de nœuds, avec quel logiciel — et à quel prix ? ». Entre les optimisations logicielles de CES 2026 (NVFP4, speculative decoding, llama.cpp), le Cluster Assistant de NVIDIA Sync, les modèles MoE toujours plus efficients et la concurrence frontale d’AMD et d’ASUS, voici l’état des lieux rigoureux, chiffres et sources à l’appui.

La bascule d’octobre : 64 Go, 128 Go et une nouvelle grille tarifaire

Il faut commencer par la nouvelle la plus fraîche, car elle change tout le raisonnement économique. Le 2 octobre 2026, NVIDIA a officialisé une configuration 64 Go du DGX Spark, commercialisée à partir du 23 octobre 2026 par ses partenaires fabricants — Acer, ASUS, Dell, Gigabyte, HP et MSI. Le prix : 4 999 $. Le même jour, comme le rapporte Frandroid, le modèle 128 Go grimpe à plus de 6 000 $ sur le marché, conséquence directe de l’envolée des cours de la LPDDR5X.

C’est une inversion paradoxale : la version la moins dotée en mémoire coûte désormais presque autant que le prix de lancement de la version 128 Go en 2025 (3 999 $), tandis que cette dernière a vu son tarif bondir de 3 999 $ à 4 699 $ en avril 2026, puis au-delà des 6 000 $ à l’automne. PauseHardware résume la situation sans détour : « Le DGX Spark perd la moitié de sa mémoire mais conserve son tarif de 4 999 dollars. » Clubic note toutefois une « drôle d’astuce » : deux unités 64 Go mises en cluster via le Cluster Assistant de NVIDIA Sync dépassent en performances un seul système 128 Go sur le test Qwen 3.8 27B, avec un gain allant jusqu’à 1,7×.

La fiche officielle NVIDIA précise ce que la mouture 64 Go peut réellement faire : elle « prend en charge des modèles jusqu’à 100 milliards de paramètres » et les applications agentiques construites dessus, entièrement en local. Elle conserve le GB10 Grace Blackwell, DGX OS et la pile logicielle NVIDIA AI complète — identiques au modèle 128 Go. Seule la mémoire change.

Face à cette grille tarifaire mouvante, la concurrence s’organise. L’ASUS Ascent GX10 partage exactement le même silicium GB10 mais se positionne comme un « Agent Computer » avec sa propre image système et un refroidissement différent — ASUS a d’ailleurs annoncé le 5 octobre 2026 une version 64 Go de son Ascent GX10, taillée pour les modèles 30-35B et les agents locaux. L’Acer DGX (ou mini-PC RTX Spark), livré depuis le 8 septembre 2026, propose lui aussi 128 Go de mémoire unifiée sur GB10, mais 500 à 1 000 $ sous le prix NVIDIA. Et AMD frappe fort avec son Ryzen AI Halo 192 Go, lancé à 7 299,99 $ chez Micro Center : c’est le premier système compact capable de charger des modèles open weight de 300 milliards de paramètres, même si, selon les benchmarks indépendants cités par TechTimes, « le DGX Spark gagne toujours en vitesse ».

Fiche technique : ce que contient vraiment le GB10

Le champ de bataille principal reste la mémoire unifiée. Le DGX Spark plafonne à 128 Go (ou 64 Go sur le nouveau SKU), ce qui suffit pour la plupart des modèles 70B en quantisation 4 bits, mais devient juste pour un Llama 3.1 70B en FP8 ou un GPT-OSS-120B en Q4. La bande passante de 273 Go/s est modeste face aux 800 Go/s d’un Mac Studio M4 Ultra — mais l’architecture FP4 de Blackwell et l’explosion des modèles MoE à activation éparse ont rebattu les cartes. À noter que la famille s’élargit vers le haut : NVIDIA a dévoilé le 8 octobre 2026 une DGX Station for Windows avec 748 Go de mémoire cohérente et 20 PFLOPs FP4, attendue au quatrième trimestre 2026 chez six partenaires OEM — une autre échelle, un autre prix.

Les optimisations logicielles de CES 2026 : NVFP4, speculative decoding, llama.cpp

Le tournant logiciel ne date pas de juin, contrairement à ce que laissaient entendre les premières analyses : il remonte à CES 2026, où NVIDIA a publié une version logicielle majeure du DGX Spark. Le blog développeur NVIDIA détaille les gains, et ils sont substantiels.

Premier pilier : NVFP4 et le décodage spéculatif. Sur une configuration à deux DGX Spark, faire tourner le modèle Qwen-235B en précision NVFP4 avec décodage spéculatif délivre jusqu’à 2,6× de performance en plus par rapport à l’exécution FP8 sur la même configuration double. En FP8, le modèle sature la mémoire combinée des deux systèmes, limitant le multitâche et la réactivité globale. La quantification NVFP4 réduit l’usage mémoire d’environ 40 % tout en maintenant une haute précision — permettant d’atteindre des résultats équivalents au FP8 avec des performances nettement supérieures et assez de mémoire libre pour faire tourner d’autres charges simultanément.

Deuxième pilier : la collaboration open source. Les mises à jour de llama.cpp apportent un gain de performance moyen de 35 % sur les modèles MoE exécutés sur DGX Spark, améliorant à la fois le débit et l’efficacité des workflows open source populaires. C’est un rappel important : sur cette machine, une partie des gains ne vient pas de NVIDIA mais de la communauté.

Troisième pilier : le confort d’usage. Le système DGX Spark propose désormais une expérience de premier démarrage (OOBE) allégée : les mises à jour over-the-air ne sont plus installées par défaut pendant l’installation initiale, ce qui réduit le temps de mise en route et amène l’utilisateur plus vite au bureau Ubuntu. Le blog développeur NVIDIA décrit « un chemin rationalisé du déballage à l’exécution d’agents IA en quelques minutes », avec des améliorations de performance sur Qwen3.6 et une configuration guidée de cluster multi-nœuds.

Enfin, côté créatifs : Blender fait partie des premiers grands fournisseurs d’applications à supporter la plateforme, avec un installateur précompilé téléchargeable « bientôt » selon NVIDIA. En déportant les charges IA sur le DGX Spark, les créateurs libèrent leur laptop ou PC, qui reste réactif.

Les modèles qui tournent vraiment sur GB10 à l’automne 2026

Le benchmark de référence publié par DevToolStack a testé 17 LLM open source sur le GB10. La tendance est claire : les modèles MoE modernes tournent à des vitesses tout à fait utilisables, tandis que les modèles denses 70B peinent à dépasser 5 tok/s.

Qwen3.8-27B est la star de l’été. Sorti en août 2026 par Alibaba, ce modèle de 27 milliards de paramètres obtient un score de 52 sur l’Artificial Analysis Intelligence Index, ce qui le place premier de sa catégorie parmi les modèles à poids ouverts. Sur DGX Spark, il atteint 48 tok/s selon OpenZeka (26 août 2026). Un test indépendant du 20 août 2026 le mesure à 34-38 tok/s, avec une nuance importante : Qwen3.8-27B souffre d’un « excès de réflexion » — un paramètre de raisonnement xhigh qui fait exploser les temps de calcul si on ne le bride pas. Le modèle occupe 17 Go sur disque. C’est aussi le modèle choisi par NVIDIA pour son test officiel du cluster 64 Go, où deux unités atteignent jusqu’à 1,7× les performances d’un seul système.

Qwen3.6-27B, sorti le 22 avril 2026, reste un cheval de bataille. Sa version NVFP4 (26 juin 2026) affiche un score MMLU de 0,8446, une fenêtre de contexte de 256K tokens, une vitesse de génération de 28-33 tok/s en session unique, jusqu’à 136 tok/s en génération avec 10 agents, et un pic de décodage à 163 tok/s. C’est précisément ce modèle qui a bénéficié de l’amélioration 2,6× via NVFP4 et Multi-Token Prediction.

DeepSeek V4 Flash 0731 (284 milliards de paramètres, 13 milliards actifs) atteint 1 000 tok/s en prefill et 59 tok/s en serving multi-agents sur un DGX Spark unique, selon un test publié sur les forums NVIDIA le 1er août 2026 — un résultat obtenu avec un fork CUDA maison, avant l’intégration officielle. Sur deux DGX Spark en cluster, le même modèle atteint des performances encore supérieures, avec un KV-cache optimisé et un scheduling fin. Microsoft a d’ailleurs cité DeepSeek V4 Flash parmi les modèles mis en avant lors de sa keynote du 7 octobre 2026 sur l’« Intelligence Hybride » de Windows — signe que l’écosystème local se structure au-delà de NVIDIA.

Ant Ling-3.0-Flash (124B-A5B, 5 milliards de paramètres actifs), annoncé le 23 juillet 2026 par Ant Group, affiche une fenêtre de contexte native de 256K tokens extensible à 1M, des scores MMLU d’environ 87 et HumanEval d’environ 90, pour un débit estimé de 15-20 tok/s sur DGX Spark.

MiMo-V2.6 de Xiaomi, dévoilé le 22 septembre 2026 sous licence MIT, mérite une mention particulière. Selon Forkast, le MiMo-V2.6-Pro « égale Grok 4.7 sur l’Intelligence Index et surpasse Claude Opus 5 sur des benchmarks clés ». Xiaomi a publié la famille complète (Pro, Flash, 9B) le même jour que la puce V900 d’Alibaba — un timing qui n’est pas un accident. Attention toutefois : eWeek souligne que les gains de reinforcement learning revendiqués n’ont pas encore été répliqués indépendamment et reposent sur une infrastructure d’entraînement coûteuse. À prendre avec les précautions d’usage.

Enfin, Qwen3.8-Flash-Next a reçu le support Multi-Token Prediction le 2 septembre 2026, avec un gain de vitesse de 1,67× et une vérification exacte : le débit passe de 83 à 138 tok/s, sans perte de qualité.

Benchmarks réels : le tableau de bord de l’automne 2026

La leçon de l’automne 2026 : la bande passante reste reine pour les modèles denses, mais l’architecture MoE combinée au FP4 natif de Blackwell change la donne. Un modèle à activation éparse comme DeepSeek V4 Flash ne lit que ~13 Go par token, contre ~35 Go pour un dense 70B en Q4 — d’où des débits impossibles à atteindre autrement sur 128 Go.

Un mot sur la méthodologie : Artificial Analysis a publié le 29 septembre 2026 AA-AgentPerf-Local, un outil open source de benchmarking des agents IA locaux sur laptops et stations de travail. Au lancement, quatre modèles open weight ont été testés sur quatre machines : DGX Spark, Ryzen AI Halo, MacBook Pro (M5 Pro) et RTX 5090. C’est désormais la référence pour comparer les débits agentiques de manière reproductible, plutôt que de se fier aux chiffres marketing.

Mémoire unifiée et FP4 : repousser les limites de contexte et de batch sans OOM

La bande passante mémoire est le facteur limitant pour deux usages : les contextes très longs et le traitement par lots. Pour un modèle 70B en Q4, chaque token généré nécessite de lire l’intégralité des poids (environ 35 Go) à chaque itération. À 273 Go/s, le DGX Spark plafonne à ~7,8 tok/s théoriques.

Pour les contextes longs (128K tokens et plus), le problème s’aggrave : le KV-cache occupe une part croissante de la mémoire. Avec 128 Go, le DGX Spark peut gérer un contexte de 128K sur un modèle 70B Q4, mais avec un batch de 1 seulement. Les modèles MoE à activation éparse contournent cette limite : seuls les experts actifs sont chargés, ce qui libère de la mémoire pour le KV-cache et permet des batchs plus larges.

La quantification NVFP4, co-développée par NVIDIA et l’équipe vLLM spécifiquement pour les cœurs tensoriels FP4 natifs de Blackwell, est ici décisive. Elle réduit l’empreinte mémoire d’environ 40 % sans dégrader significativement la qualité — le score MMLU de 0,8446 de Qwen3.6-27B en NVFP4 en atteste. Combinée au Multi-Token Prediction (décodage spéculatif), elle permet de repousser les limites de contexte et de batch sans tomber en OOM. C’est exactement le mécanisme qui permet à Qwen-235B de tenir sur deux nœuds en NVFP4 là où le FP8 saturait la mémoire.

Clusters DGX Spark : 2, 4, 8 nœuds, le réseau qui change tout

C’est probablement l’évolution la plus importante de 2026. Configurer un cluster de DGX Spark était auparavant un cauchemar de compétences réseau : configurer les NIC ConnectX-7, mettre en place netplan, établir la confiance SSH entre nœuds, faire router NCCL correctement sur des liens RoCE 200 Gbps. La mise à jour logicielle résout cela avec le Cluster Assistant, un outil de l’application NVIDIA Sync qui automatise tout le processus — et qui est désormais le chemin officiel pour apparier deux unités 64 Go, comme le confirme le blog NVIDIA.

Le plafond pratique est désormais de quatre unités DGX Spark partageant 512 Go de mémoire unifiée — assez pour faire tourner des modèles jusqu’à 700 milliards de paramètres. Selon ByteIota :

La documentation officielle NVIDIA détaille la connectique : chaque DGX Spark possède deux ports QSFP (ConnectX-7) à l’arrière, chacun fournissant jusqu’à 200 Gb/s. Les câbles approuvés sont l’Amphenol NJAAKK-N911 (QSFP to QSFP112, 32AWG, 400 mm) et le Luxshare LMTQF022-SD-R (QSFP112 400G DAC, 400 mm). Un câble plus rapide n’apporte rien, le port étant plafonné à 200 Gb/s. Les playbooks officiels couvrent les configurations Connect Two Sparks, Connect Three Sparks et Multi Sparks Through a Switch.

Une mise en garde essentielle, que la communauté développeur NVIDIA a été sans ambiguïté à souligner : la bande passante inter-nœuds est de l’Ethernet 200 Gbps, pas du NVLink. On obtient de l’inférence distribuée en tensor parallel (le modèle est découpé entre les nœuds), mais pas la mémoire étroitement couplée d’un serveur NVLink. Pour la plupart des charges de travail, c’est acceptable. Pour les boucles d’agents sensibles à la latence nécessitant une communication fréquente entre couches, c’est une vraie contrainte.

Concrètement : une configuration à deux nœuds ne nécessite qu’un seul câble QSFP112 DAC et aucun switch. Les anneaux à trois nœuds fonctionnent avec trois câbles et le NCCL 2.30u1 inclus dans la mise à jour. Quatre nœuds exigent un switch QSFP managé de classe 200 Gbps. Et les chiffres réels de cluster à deux nœuds valent le détour : sur DeepSeek-V4-Flash FP8 en TP=2 avec vLLM, on mesure ~41 tok/s en single-stream, ~350 tok/s en agrégé à concurrence 32, et ~1 785 tok/s en prefill — avec un pool de cache KV partagé de 1 105 096 tokens. C’est ce qui rend le cluster crédible pour du serving multi-agents réel, pas seulement pour des démonstrations.

L’écosystème logiciel : vLLM, llama.cpp, Ollama, SGLang sur ARM64

L’écosystème logiciel est le nerf de la guerre, et sur ce terrain le DGX Spark est imbattable. CUDA reste le standard de fait : PyTorch, vLLM, TensorRT-LLM, Hugging Face Transformers, SGLang, llama.cpp, Ollama — tout fonctionne nativement sur ARM64, avec des images Docker officielles et un support NVIDIA AI Enterprise.

NVIDIA insiste d’ailleurs sur ce point dans sa communication officielle : le DGX Spark est livré prêt pour le développement d’agents dès le premier jour, avec le NVIDIA Agent Toolkit, les bibliothèques CUDA-X AI, les modèles ouverts Nemotron, et les runtimes populaires comme Ollama, vLLM et PyTorch avec CUDA supportés out of the box. « Les développeurs peuvent passer de la mise sous tension à l’exécution de modèles en quelques minutes », affirme le blog NVIDIA.

Cette pile est aussi ce qui distingue le DGX Spark de ses rivaux à silicium identique. L’ASUS Ascent GX10 embarque le même GB10 mais une image système ASUS ; l’Acer DGX joue la carte du prix. Le vrai champ de bataille n’est pas le matériel — c’est DGX OS et la pile logicielle NVIDIA, qui bénéficie des optimisations continues (NVFP4, MTP, llama.cpp) que les autres constructeurs doivent suivre. C’est aussi ce qui explique pourquoi, malgré un prix supérieur, le DGX Spark reste la référence pour qui veut les dernières optimisations sans attendre.

Le point faible persistant reste la fragmentation des formats. Entre BF16, FP8, INT4, NVFP4, GGUF et AWQ, chaque runtime a ses formats de prédilection, et tous ne se valent pas sur GB10. NVFP4 est le format roi pour vLLM et TensorRT-LLM sur Blackwell ; GGUF reste le plus souple pour llama.cpp et Ollama, avec des débits MoE excellents (jusqu’à 67 tok/s sur un 35B-A3B) mais une qualité variable selon le niveau de quantification. La règle pratique : pour un modèle MoE récent, NVFP4 sur vLLM ; pour un modèle dense ou un essai rapide, GGUF sur llama.cpp.

Fine-tuning local : ce qui est réaliste, ce qui ne l’est pas

La question revient sans cesse : peut-on vraiment fine-tuner sur un DGX Spark ? La réponse est nuancée, et dépend entièrement de la méthode.

Ce qui marche : le fine-tuning LoRA et QLoRA sur des modèles de taille moyenne (7B à 32B) est parfaitement réaliste sur 128 Go de mémoire unifiée. La mémoire unifiée est ici un argument massue : contrairement à un GPU discret, elle permet de charger le modèle de base, les adaptateurs et les activations sans se heurter au mur des 24 ou 48 Go de VRAM. Pour un 27B en QLoRA 4 bits, on tient confortablement dans l’enveloppe mémoire, et le TDP de 100 W rend l’opération silencieuse et peu coûteuse en énergie.

Ce qui ne l’est pas : le pré-entraînement complet, le fine-tuning full-parameter de modèles 70B+, et l’entraînement de modèles de type « trillion de paramètres » restent hors de portée d’un seul nœud. Même en cluster à quatre nœuds, l’entraînement distribué se heurte à la bande passante inter-nœuds de 200 Gbps Ethernet — acceptable pour de l’inférence en tensor parallel, mais pénalisant pour les gradients synchrones fréquents d’un entraînement. La DGX Station for Windows, avec ses 748 Go de mémoire cohérente et 20 PFLOPs FP4 attendus au Q4 2026, est précisément positionnée pour combler ce fossé.

La règle pratique pour l’automne 2026 : inférence et agents sur DGX Spark, fine-tuning LoRA sur DGX Spark, entraînement sérieux ailleurs. C’est cohérent avec le positionnement de la machine — un « supercalculateur personnel » pour expérimenter sur ses propres données sans passer par le cloud, pas un substitut à un cluster d’entraînement.

Ce qu’il faut retenir

Trois conclusions se dégagent de cet état des lieux.

Premièrement, le logiciel a tenu la promesse que le matériel seul ne pouvait pas tenir. Les optimisations de CES 2026 — NVFP4, décodage spéculatif, llama.cpp +35 % sur les MoE — ont transformé une machine correcte en plateforme réellement productive. Le Cluster Assistant a fait de même pour les clusters, en supprimant la barrière réseau qui rebutait les développeurs.

Deuxièmement, la grille tarifaire est devenue le vrai point de friction. Entre un 64 Go à 4 999 $, un 128 Go au-delà des 6 000 $, un Acer 500 à 1 000 $ moins cher, un ASUS au même silicium et un AMD Ryzen AI Halo à 7 299 $ capable de charger 300B de paramètres, le choix n’a jamais été aussi complexe. La question « combien de DGX Spark pour quel modèle ? » n’a plus de réponse unique : elle dépend du budget autant que du benchmark.

Troisièmement, l’écosystème des modèles open source est devenu le moteur. Qwen3.8-27B, Qwen3.6-27B NVFP4, DeepSeek V4 Flash, Ant Ling-3.0-Flash, MiMo-V2.6, Qwen3.8-Flash-Next : la cadence de sortie des modèles efficients dépasse largement celle des mises à jour matérielles, et chaque nouveau MoE à activation éparse repousse un peu plus la falaise des 70B denses. Sur GB10, l’avenir appartient aux modèles qui lisent peu de mémoire par token — et ils sont de plus en plus nombreux.

Le DGX Spark n’est plus un gadget de développeur. C’est une plateforme — chère, perfectible, mais désormais mature.

Sources

• NVIDIA Developer Blog — New Software and Model Optimizations Supercharge NVIDIA DGX Spark (CES 2026)
• NVIDIA Developer Blog — Run Local AI Agents with Faster Models and Multi-Node Clustering on DGX Spark
• NVIDIA Blog — DGX Spark 64GB Gives Developers More Ways to Build and Scale Local AI (2 octobre 2026)
• NVIDIA — DGX Spark, page produit officielle
• NVIDIA — Systèmes DGX
• ByteIota — DGX Spark June 2026: Four Nodes, 700B Models Locally
• Frandroid — Nvidia lance le DGX Spark en 64 Go : faut-il acheter deux petits plutôt qu’un gros ? (2 octobre 2026)
• Clubic — NVIDIA lance un DGX Spark 64 Go : moins de mémoire, mais une drôle d’astuce pour dépasser le modèle 128 Go (2 octobre 2026)
• PauseHardware — Le DGX Spark perd la moitié de sa mémoire mais conserve son tarif de 4 999 dollars (2 octobre 2026)
• ASUS Pressroom — ASUS Ascent GX10 64GB: Compact Agentic AI Supercomputer (5 octobre 2026)
• TechTimes — AMD Ryzen AI Halo 192GB Loads Models No Rival Can: DGX Spark Still Wins on Speed (14 octobre 2026)
• Tech-Insider — NVIDIA DGX Station for Windows: 748GB, 20 PFLOPs (8 octobre 2026)
• Artificial Analysis — AA-AgentPerf-Local: Benchmarking local AI agents on laptops and workstations (29 septembre 2026)
• OpenZeka — Benchmarks Qwen3.8-27B sur DGX Spark (26 août 2026)
• Forkast — MiMo-V2.6 de Xiaomi (22 septembre 2026)
• eWeek — Analyse des revendications RL de MiMo-V2.6
• NVIDIA Build — Playbooks Connect Two Sparks / Connect Three Sparks / Multi Sparks Through a Switch

Article recherché et rédigé automatiquement · Magazine Electrosens