NVIDIA DGX Spark · 9 October 2026

LLM open source sur NVIDIA DGX Spark : modèles, fine-tuning, clusters et performances réelles à l’automne 2026

À l’automne 2026, le DGX Spark de NVIDIA n’est plus une promesse de salon : c’est une machine de production qui fait tourner des modèles de 120 à 400 milliards de paramètres, se clusterise en deux, quatre ou huit nœuds, et se prête au fine-tuning en BF16 sans quantification. Mais entre les benchmarks marketing et la réalité des 273 Go/s de bande passante, entre les moteurs d’inférence qui s’accumulent (vLLM, Atlas, Uzu, llama.cpp) et une gamme qui se dédouble avec une version 64 Go à 4 999 $, que vaut vraiment cette station ? Plongée dans l’écosystème LLM open-source du GB10, chiffres vérifiés à l’appui.

Le GB10 en chiffres : 128 Go unifiés, 1 petaFLOP, une gamme qui se dédouble

Le DGX Spark, dévoilé au CES 2025 sous le nom de Project DIGITS, est le premier boîtier compact de NVIDIA dédié à l’IA locale. Son cœur : le SoC GB10 Grace Blackwell, qui marie un CPU ARM 20 cœurs (10 Cortex-X925 + 10 Cortex-A725) à un GPU Blackwell de 6 144 cœurs CUDA, des Tensor Cores de 5e génération, et surtout 128 Go de mémoire LPDDR5x unifiée. Une configuration qui promet de charger des modèles jusqu’à 200 milliards de paramètres en local, grâce à une bande passante mémoire de 273 Go/s et une puissance de calcul IA culminant à 1 000 TOPS (1 petaFLOP en FP4 avec sparsité). Le tout dans un format de 150×150×50,5 mm, pour une consommation maximale de 240 W — même si la plupart des usages réels se situent autour de 170 W, comme le note OutilsIA.

Un détail matériel souvent négligé mais décisif pour la mise en cluster : le DGX Spark embarque un port ConnectX-7 200 GbE, une connectique de classe datacenter qui permet de relier plusieurs nœuds sans passer par Ethernet classique. C’est ce port qui rend crédibles les configurations à deux, quatre ou huit Sparks décrites plus bas, et qui distingue la machine d’un simple mini-PC. Le guide de référence de Pyshine le rappelle : le Spark est « une machine de capacité et un monstre de traitement de prompt, pas un démon de vitesse de décodage ».

Côté prix, le chemin a été mouvementé. Annoncé à 3 999 $ US lors de sa mise en vente en octobre 2025, le DGX Spark a vu son tarif grimper à 4 699 $ US le 27 février 2026, selon AI Multiple, en raison de contraintes d’approvisionnement en mémoire. Ce prix est confirmé par plusieurs sources récentes : BetterClaw indique 4 699 $ en juillet 2026, et ExplainX évoque environ 4 679 $. En Europe, les estimations tournent entre 3 000 et 5 000 € TTC, avec une fourchette plus précise de 3 200 à 3 800 € TTC en France (source : OutilsIA.fr). Un investissement conséquent, mais qui inclut la machine, l’alimentation et le système d’exploitation DGX OS (Ubuntu 24.04 customisé).

La nouveauté de l’automne 2026 : une seconde variante à 64 Go. Selon Hardwareluxx Russia (2 octobre 2026) et kod.ru (3 octobre 2026), NVIDIA a introduit une version du DGX Spark dotée de 64 Go de mémoire unifiée, mise en vente le 23 octobre 2026 à partir de 4 999 $ — soit 1 000 $ de plus que le prix de lancement de la version 128 Go en 2025. Le paradoxe mérite d’être souligné : la variante la moins capacitaire est aujourd’hui la plus chère à l’achat, signe que la flambée du prix de la mémoire LPDDR5x a rebattu toutes les cartes tarifaires. Pour un acheteur, la conclusion est simple : si vous visez des modèles de plus de 70B, la version 128 Go reste le seul choix rationnel, et son prix de 4 699 $ est devenu, rétrospectivement, une bonne affaire.

Depuis mai 2026, plusieurs variantes matérielles coexistent, fonctionnellement identiques (même puce GB10) : le NVIDIA DGX Spark officiel, le ASUS Ascent GX10 (clone licencié, généralement 500 à 1 000 $ moins cher, qualité de finition supérieure perçue), et les MSI EdgeXpert / Acer DGX (autres OEM, dispo limitée en Europe). Le paysage s’est encore élargi : selon Shattered.io (8 septembre 2026), huit OEM commercialisent désormais des mini-PC « RTX Spark » en 2026, Lenovo et Acer étant les premiers livrés (Acer depuis le 8 septembre 2026). Les mini-PC Acer et Gigabyte sont attendus pour début 2027. Tous tournent sous DGX OS avec le stack NVIDIA AI Enterprise pré-installé : CUDA 13.x, cuDNN, NCCL, drivers Blackwell et NVIDIA Container Toolkit.

Face à lui, le cloud propose des instances GPU à la demande : une A100 (80 Go) tourne autour de 3 à 5 $ de l’heure, une H100 (80 Go) entre 5 et 8 $, et une L40S (48 Go) environ 2 à 4 $. Pour une PME qui traite 1 million de tokens par jour, la facture mensuelle peut vite atteindre plusieurs centaines de dollars. Mais le cloud offre l’élasticité : on paie ce qu’on consomme, sans engagement.

Spécification	DGX Spark (128 Go)	DGX Spark (64 Go)	Instance cloud typique (A100 80 Go)
Prix d’achat / coût horaire	~4 700 $ (unique)	~4 999 $ (unique)	~3-5 $/h
Mémoire	128 Go LPDDR5x unifiée	64 Go LPDDR5x unifiée	80 Go HBM2e
Bande passante mémoire	273 Go/s	273 Go/s	2 039 Go/s
Puissance FP16 (approx.)	~50 TFLOPS (estimation)	~50 TFLOPS (estimation)	312 TFLOPS (Tensor Core)
Consommation	170-240 W	170-240 W	400 W (sans refroidissement)
Modèles max (FP4)	200B paramètres	~100B paramètres	70B en FP16, 200B+ en quantized

Le premier constat saute aux yeux : le DGX Spark n’est pas un H100 de poche. Sa bande passante mémoire, 273 Go/s, est sept fois inférieure à celle d’une A100 (2 039 Go/s) — et environ quatre fois inférieure aux 1,2 TB/s d’un Mac Studio M5 Ultra. C’est le principal goulot d’étranglement pour l’inférence de modèles volumineux. Mais il compense par une mémoire unifiée généreuse et un coût fixe.

Benchmarks réels : de 14 à 163 tokens/s selon le modèle, le moteur et le nombre de nœuds

Les benchmarks indépendants publiés depuis l’été 2026 permettent de se faire une idée précise des performances. Attention : les chiffres varient considérablement selon le runtime utilisé (vLLM, llama.cpp, TensorRT-LLM, Atlas, Uzu, ds4.c) et la quantification.

Sur un modèle 30B quantifié (type Llama 3 30B Q4), le DGX Spark atteint plus de 2 000 tokens/s en prefill (traitement du prompt) et entre 50 et 85 tokens/s en décodage (génération). Ces chiffres, issus d’un benchmark communautaire rapporté par CloudMagazin, le placent au même niveau qu’un Mac Mini M4 Pro et qu’une machine AMD Strix Halo sur le même modèle.

Pour des modèles plus gros, les performances s’effondrent logiquement. Selon les benchmarks LMSYS rapportés par Ixtria.ch :

Llama 3.1 8B : ~50-60 tokens/s en génération
Llama 3.1 70B : ~8-10 tokens/s
Modèles 120B+ : ~3-5 tokens/s

Mais les choses ont radicalement changé avec les modèles récents et les moteurs optimisés. Un test d’AI Multiple (juin 2026) sur GPT-OSS 120B donne 1 723 tokens/s en prefill et 38,55 tokens/s en génération – bien supérieur aux 124 tokens/s d’une configuration 3×RTX 3090. Le guide Pyshine confirme la fourchette : 55-60 tok/s sur gpt-oss-120b sur un seul boîtier. Le moteur Atlas, écrit en Rust, revendique 82 tokens/s sur Qwen3-Next-80B (été 2026) grâce à sa « Kernel Hypercompilation » – un chiffre impressionnant, mais qui reste à reproduire de manière indépendante.

Les modèles MoE (Mixture of Experts) récents sont particulièrement adaptés au GB10. Le Ant Ling-3.0-Flash 124B-A5B, sorti le 23 juillet 2026 par Ant Group, ne mobilise que 5B de paramètres actifs par token et utilise une attention hybride-linéaire (KDA et MLA dans un ratio 5:1). Selon les tests non officiels rapportés sur les forums NVIDIA, il tournerait à 15-20 tokens/s sur un seul DGX Spark – un débit très correct pour un modèle de cette taille.

Le DeepSeek V4 Flash 0731, sorti le 31 juillet 2026, est le nouveau champion local. Ce MoE de 284 milliards de paramètres (13B actifs par token) avec un contexte d’un million de tokens et des poids mixtes FP4+FP8 (167 Go sur Hugging Face, relevé du 2 septembre 2026) tourne sur un seul Spark. Un test de la communauté (forums NVIDIA, 1er août 2026) rapporte 1 000 tokens/s en prefill et 59 tokens/s en serving multi-agents avec le moteur antirez/ds4. En configuration par défaut, il atteint environ 30 tokens/s, mais une modification de configuration (acceptance rate) le fait remonter à plus de 40 tokens/s, comme le documente un utilisateur des forums NVIDIA. La version Q8 (UD-Q8_K_XL, 162 Go) permet un fonctionnement en pleine précision sans perte, seulement 7 Go de plus que la Q4.

Le chiffre le plus sobre, et le plus instructif, vient du moteur ds4.c. Sur un seul DGX Spark avec DeepSeek-V4-Flash en quantification IQ2_XXS, le débit single-stream mesuré en août 2026 tombe à ~14 tok/s, pour un prefill de 410 tok/s. C’est le rappel utile : les 59 tok/s annoncés plus haut supposent un serving multi-agents et une configuration optimisée ; en usage mono-utilisateur et en quantification agressive, le Spark redevient une machine modeste. Sur la suite llama.cpp GGUF, un modèle 35B-A3B atteint jusqu’à 67 tok/s (août 2026).

Les modèles Qwen récents excellent aussi sur le GB10. Le Qwen3.8-27B, sorti en août 2026, atteint 48 tokens/s sur un DGX Spark selon OpenZeka (test du 26 août 2026), avec un score de 52 sur l’Artificial Analysis Intelligence Index – premier de sa classe parmi les poids ouverts. Attention toutefois à la dispersion des mesures : un autre relevé du 20 août 2026 donne 34-38 tokens/s pour ce même modèle. Le Qwen3.6-27B (sorti le 22 avril 2026, version NVFP4 le 26 juin 2026) offre un pic de décodage à 163 tokens/s et une vitesse de génération de 28-33 tokens/s en session unique, 136 tokens/s avec 10 agents simultanés. Le support Multi-Token Prediction (MTP) pour Qwen3.8-Flash-Next, annoncé le 2 septembre 2026, fait passer le débit de 83 à 138 tokens/s en GGUF, sans perte de qualité (vérification exacte).

Le moteur Uzu a également ajouté le speculative decoding début septembre 2026, d’abord pour Qwen3.6 27B, avec un support de Qwen3.8 27B et Muse Glimmer annoncé. Sur les puces Apple M5, il surpasse MTPLX, mais les performances sur GB10 restent à documenter.

Comparons avec le cloud : une instance A100 (80 Go) peut générer 50-100 tokens/s sur un Llama 3 70B Q4 (selon les benchmarks de PromptQuorum), et une H100 monte à 100-200 tokens/s. L’écart est d’un facteur 5 à 20 en faveur du cloud pour les modèles lourds.

Modèle	DGX Spark (tokens/s)	Cloud A100 (tokens/s)	Cloud H100 (tokens/s)
Llama 3.1 8B Q4	50-60	150-250	200-400
Llama 3.1 70B Q4	8-10	50-100	100-200
GPT-OSS 120B Q4	38,55	30-60 (estimation)	60-120 (estimation)
Ant Ling 124B-A5B	15-20	40-80 (estimation)	80-160 (estimation)
DeepSeek V4 Flash 0731	14 (IQ2_XXS) à 59 (multi-agents)	60-100 (estimation)	120-200 (estimation)
Qwen3.8-27B	34-48	100-150 (estimation)	200-300 (estimation)
Qwen3.6-27B (NVFP4)	28-33 (163 pic)	80-120 (estimation)	150-250 (estimation)

Sources : LMSYS, CloudMagazin, AI Multiple, PromptQuorum, forums NVIDIA, OpenZeka, Pyshine. Les chiffres cloud sont des ordres de grandeur issus de benchmarks publics.

Le verdict est clair : pour les modèles de moins de 30B, le DGX Spark offre un débit tout à fait acceptable pour un usage interactif (chat, RAG). Pour les 70B et plus, le cloud reste nettement plus rapide, sauf si l’on se contente de 8-10 tokens/s – ce qui peut suffire pour des tâches batch ou de l’analyse asynchrone. Mais avec les MoE récents (Ant Ling, DeepSeek V4 Flash, Qwen3.8), le Spark devient viable pour des usages agentiques en local, comme le démontre le test de Flowtivity sur deux Spark avec Hermes Agent.

Un nouvel étalon est arrivé le 29 septembre 2026. Artificial Analysis a publié AA-AgentPerf-Local, un outil open-source qui mesure la vitesse réelle d’exécution d’agents IA sur laptops et stations de travail, avec des résultats de lancement pour le DGX Spark, le Ryzen AI Halo, le MacBook Pro (M5 Pro) et la RTX 5090 sur quatre modèles open-weights. C’est la première fois qu’un benchmark standardisé et reproductible couvre spécifiquement la charge agentique — celle qui compte vraiment pour un Spark, puisque la machine est vendue comme un nœud d’agents permanents. À suivre de près : c’est ce type de mesure, plus que les tokens/s en chat, qui décidera de l’adéquation réelle du GB10 à vos usages.

Clusters : deux nœuds pour 405B, quatre pour 700B, huit pour 750B+

C’est l’argument différenciant du Spark face aux Mac et aux mini-PC concurrents : la mise en cluster. Grâce au port ConnectX-7 200 GbE, plusieurs Sparks se comportent comme un seul pool de mémoire. Le guide Pyshine formalise une échelle d’achat en quatre paliers, qui constitue aujourd’hui la référence communautaire :

Un Spark : la classe 35B-120B MoE. C’est le sweet spot du boîtier seul.
Deux Sparks : le point d’équilibre validé pour les modèles 235B-405B en FP4. La documentation NVIDIA confirme qu’une grappe de deux Sparks supporte jusqu’à 405 milliards de paramètres.
Quatre Sparks : la classe 700B, validée par NVIDIA.
Six à huit Sparks : les racks communautaires, pour les modèles 750B et plus. Un rack de six nœuds fait tourner un modèle de 753B à 7,4 tok/s.

Les chiffres mesurés sur deux nœuds sont éloquents. En tensor parallel (TP=2) avec vLLM sur DeepSeek-V4-Flash FP8 (août 2026) :

Débit single-stream : ~41 tok/s (contre ~14 tok/s sur un seul nœud en IQ2_XXS)
Débit agrégé à concurrence 32 : ~350 tok/s
Prefill : ~1 785 tok/s

Le pool de cache KV partagé entre deux nœuds atteint 1 105 096 tokens (août 2026) — de quoi tenir un contexte d’un million de tokens en multi-agents, précisément le terrain de jeu de DeepSeek V4 Flash. Pour le fine-tuning, le gain est mesuré : sur un cluster de deux DGX Spark, le fine-tuning QLoRA d’un Llama 3 70B voit son temps divisé par 1,8 par rapport à un seul nœud.

Deux réserves, cependant. D’abord, la mise en cluster n’est pas plug-and-play : elle suppose de maîtriser NCCL, la configuration réseau 200 GbE et le partitionnement tensor/pipeline. Ensuite, le rendement n’est pas linéaire — passer de un à deux nœuds double la mémoire mais pas le débit single-stream (41 tok/s contre ~14-59 selon la config), car la latence de communication entre nœuds pèse sur chaque token généré.

Fine-tuning : l’exploit BF16 d’un 35B sur un seul Spark, et la maturité des outils

Le fine-tuning local a longtemps été le parent pauvre du DGX Spark. En septembre 2026, la donne a changé. Une démonstration récente, rapportée par notre magazine, a réussi l’exploit de fine-tuner un modèle de 35 milliards de paramètres en BF16 (pleine précision, sans quantification) sur un seul DGX Spark. Le modèle en question, Qwen3.5-35B-A3B, est un MoE qui n’active que 3B de paramètres par token – une architecture idéale pour la mémoire unifiée de 128 Go. Les poids officiels sont disponibles sur Hugging Face dans la collection Qwen3.5, aux côtés des variantes 122B-A10B, 397B-A17B et de leurs déclinaisons FP8 et GPTQ-Int4.

L’astuce clé : éviter le piège du mmap (memory mapping), qui fait planter le DGX Spark par défaut lors du chargement de gros modèles. En utilisant une astuce de chargement séquentiel, les 35B en BF16 (environ 70 Go) tiennent dans les 128 Go, laissant de la place pour l’optimiseur et le cache KV. La procédure, documentée dans notre article dédié, utilise Docker, Unsloth et des hyperparamètres LoRA précis. Résultat : un fine-tuning LoRA complet en quelques heures sur une machine de bureau.

Ce n’est pas un cas isolé. Le test FLUX 1-dev sur 40 images (rapporté dans notre article sur la mise à jour de juillet 2026) montre que le fine-tuning en conditions réelles fonctionne, avec des OOM (out of memory) désormais maîtrisés grâce aux correctifs de la mise à jour de juillet. Un test plus récent (novembre 2025, blog Mikihands) a comparé des adaptateurs LoRA FLUX 1-dev 12B générés sur DGX Spark avec 250, 500, 750 et 1 000 étapes, avec une consommation de seulement 90 W pendant l’apprentissage – une preuve de l’efficacité énergétique du GB10 pour ce type de charge. L’auteur y documente même la notion de « point idéal d’apprentissage » (honey spot) : au-delà d’un certain nombre d’étapes, l’adaptateur sur-apprend et la cohérence se dégrade.

La documentation communautaire s’est étoffée : le référentiel bidual/awesome-dgx-spark sur DeepWiki couvre désormais les workflows de fine-tuning sur GB10 (sm121) et sa mémoire unifiée de 128 Go. NVIDIA a également publié un guide officiel avec Unsloth pour l’ajustement fin des LLM sur DGX Spark, confirmant la maturité de la pile logicielle.

Les frameworks de fine-tuning ont également mûri. Un comparatif récent de MarkTechPost (juillet 2026) oppose Unsloth, Axolotl, TRL et LLaMA-Factory sur la vitesse, la VRAM et le multi-GPU. Unsloth reste le choix privilégié sur le Spark pour sa légèreté et sa compatibilité avec les MoE récents.

Un point de vigilance venu de Windows. Notre article sur la bascule « hybrid intelligence » du 7 octobre 2026 le souligne : si le fine-tuning sur DGX Spark sous Linux est désormais documenté et reproductible, la promesse d’un fine-tuning équivalent sous Windows reste, à ce jour, largement non testée. Le firmware du Spark a bien ajouté un certificat de boot Windows UEFI (rapporté le 5 septembre 2026 par StorageReview), et NVIDIA a placé des PC RTX Spark sous Windows en vente en octobre, mais l’écart entre la vitrine et la réalité du post-entraînement sous Windows n’a jamais été comblé publiquement. Pour l’instant, le fine-tuning sérieux sur GB10 reste une affaire de DGX OS.

L’écosystème logiciel : CUDA 13.x, TensorRT-LLM, Atlas, vLLM et la question du « out of the box »

Le stack logiciel du Spark a beaucoup bougé en 2026. DGX OS embarque CUDA 13.x, cuDNN, NCCL, les drivers Blackwell et le NVIDIA Container Toolkit. NVIDIA a par ailleurs annoncé (3 septembre 2026, via WCCFtech) une simplification du support de l’IA locale sur les GPU embarquant 24+ Go de VRAM, avec des optimisations pour vLLM et llama.cpp — un signal clair que la firme veut rendre le Spark utilisable sans expertise CUDA pointue.

Reste que vLLM refuse toujours de tourner « out of the box » sur le GB10. La raison est structurelle : le GPU Blackwell SM12.1 du Spark n’est pas un SM100 de datacenter, et les kernels précompilés de vLLM ne couvrent pas cette cible. Il faut passer par des builds spécifiques, ce qui explique pourquoi tant d’utilisateurs se rabattent sur llama.cpp ou Ollama pour démarrer. Le duo LiteLLM + llama-swap s’est imposé comme la parade : il transforme les 128 Go en multiplexeur de modèles, chargeant et déchargeant à la demande selon l’agent appelé.

Quatre philosophies cohabitent donc sur la machine :

llama.cpp : le plus universel, le plus lent, mais fonctionne toujours. C’est le filet de sécurité.
vLLM : le plus performant en serving concurrent, mais exigeant en configuration sur GB10.
Atlas (Rust) : le plus rapide en single-stream revendiqué (82 tok/s sur Qwen3-Next-80B), avec sa Kernel Hypercompilation.
Uzu : le plus récent, avec speculative decoding depuis septembre 2026.

À cela s’ajoute ds4.c, le moteur d’antirez, qui a produit les mesures les plus sobres et les plus crédibles sur DeepSeek V4 Flash (14 tok/s single-stream, 410 tok/s prefill). Sa philosophie — un moteur minimal, taillé pour un seul modèle — contraste avec l’approche généraliste de llama.cpp.

NVIDIA a aussi discrètement lancé un routeur d’IA locale. Selon ComputeLeap (6 septembre 2026), la firme a publié PAIR (Personal AI Router), un outil gratuit et open-source qui découvre les appareils compatibles sur votre réseau domestique et y route l’inférence. Le DGX Spark et les PC RTX Spark fournissent le matériel ; PAIR fournit l’orchestration. C’est, comme le note la source, une manière pour NVIDIA de couvrir ses arrières face à un éventuel ralentissement du cloud GPU — et une brique à surveiller pour quiconque veut transformer un parc de Sparks en mini-datacenter personnel.

Les modèles open-weight stars du Spark à l’automne 2026

Le paysage des modèles a lui aussi changé. Outre les Qwen3.5/3.6/3.8 et DeepSeek V4 Flash déjà cités, deux familles méritent l’attention.

Xiaomi MiMo-V2.6 (22-24 septembre 2026) : Xiaomi a publié sous licence MIT une famille de modèles open-weights — Pro, Flash et 9B — dont le MiMo-V2.6-Pro « égale Grok 4.7 sur l’Intelligence Index et surpasse Claude Opus 5 sur plusieurs benchmarks clés », selon Forkast. Le contexte de sortie n’est pas anodin : le modèle est sorti le même jour que la puce V900 d’Alibaba. Xiaomi a même diffusé en direct son tableau de bord d’entraînement RL, avec un coût annoncé de 432 000 $/jour. Deux réserves, cependant, que tout acheteur de Spark doit intégrer : les gains de RL « manquent encore de réplication indépendante » (eWeek), et le modèle « repose sur une infrastructure d’entraînement coûteuse ». Autrement dit, MiMo-V2.6 est un excellent candidat pour le Spark — s’il tient dans 128 Go, ce qui reste à vérifier pour la variante Pro.

Nex-N2.5 Mini (9 septembre 2026) : post-entraîné à partir de la lignée Qwen3.5, il se présente comme un concurrent direct de Qwen3-8B, « cheval de bataille de 16 mois » selon OrcaRouter. Pour un Spark, c’est le type de modèle 8B qui tourne confortablement et sert de base à des agents légers.

Le fil conducteur de cette rentrée : les modèles open-weights de classe frontière se multiplient, et leur taille — souvent 100 à 400 milliards de paramètres en MoE à activation sparse — correspond presque exactement à ce que le Spark peut absorber. La machine a été conçue pour une époque de modèles denses de 70B ; elle se révèle bien plus pertinente à l’ère des MoE.

Le GB10 face à la concurrence : Mac Studio M5 Ultra, Ryzen AI Halo, RTX 5090

Le Spark n’est plus seul. Le comparatif de Context Studios (24 septembre 2026) met face à face DGX Spark, Mac Studio M5 Ultra, RTX 5090 et Strix Halo sur des tokens/s réels pour Qwen3.8 et GLM-5.3, avec prix et coût par token face au cloud.

Les chiffres clés de l’alternative AMD : le Ryzen AI Halo embarque 128 Go LPDDR5X, un CPU 16 cœurs Zen 5 / 32 threads, un GPU Radeon 8060S (40 CUs RDNA 3.5), un NPU XDNA 2 de 50 TOPS, 2 To de NVMe, pour 3 999 $ — soit 700 $ de moins que le Spark 128 Go. Sa bande passante est de 256 Go/s (contre 273 pour le Spark), sa consommation de 55 W nominal / 120 W boost, et il atteint 34-39 tok/s sur un modèle 120B (septembre 2026). C’est un concurrent sérieux, et un signal : en mai 2026, 70 à 80 % des acheteurs de DGX Spark préféraient en réalité un Strix Halo pour un usage généraliste.

Le Mac Studio M5 Ultra, lui, écrase le Spark sur la bande passante (1,2 TB/s contre 273 Go/s) mais reste dans l’écosystème Apple, sans CUDA ni NCCL — donc sans clusterisation native ni compatibilité avec le stack NVIDIA AI Enterprise.

Le vrai avantage du Spark reste donc double : CUDA (compatibilité totale avec l’écosystème d’entraînement et d’inférence) et ConnectX-7 (clusterisation crédible). Pour un développeur qui veut fine-tuner puis servir en local, c’est ce qui justifie encore les 4 699 $.

Verdict : une machine de capacité, pas de vitesse — et c’est très bien ainsi

Le DGX Spark de l’automne 2026 n’est ni un H100 de poche, ni un Mac Studio. C’est une machine de capacité : 128 Go unifiés, un port 200 GbE pour se multiplier, un stack CUDA complet, et un prix fixe qui devient rentable dès qu’on dépasse quelques centaines d’heures de cloud par mois. Sa bande passante de 273 Go/s plafonne le décodage des modèles denses, mais les MoE récents — DeepSeek V4 Flash, Ant Ling, Qwen3.8, MiMo-V2.6 — transforment cette faiblesse en non-sujet : quand seuls 3 à 13 milliards de paramètres s’activent par token, la bande passante cesse d’être le facteur limitant.

Trois enseignements pour l’acheteur de 2026 :

Prenez la version 128 Go, pas la 64 Go. La nouvelle variante à 4 999 $ est plus chère et deux fois moins capacitaire. À moins d’un usage strictement limité aux modèles <30B, c’est un mauvais calcul.
Un Spark suffit pour démarrer, deux pour la classe 235B-405B. La clusterisation est le vrai différenciateur, mais elle a un coût d’apprentissage (NCCL, réseau, partitionnement) et un rendement non linéaire.
Le fine-tuning BF16 est désormais une réalité documentée — à condition d’éviter le piège du mmap et de rester sous DGX OS. La promesse Windows, elle, reste à démontrer.

Reste une inconnue : le lancement de PAIR et la bascule « hybrid intelligence » de Windows du 7 octobre 2026 rebattent peut-être les cartes de l’orchestration locale. Si NVIDIA et Microsoft parviennent à faire du Spark un nœud transparent d’un tissu de calcul domestique, la valeur de la machine changera de nature. En attendant, le DGX Spark est ce qu’il prétend être : un superordinateur de bureau personnel, imparfait mais sans équivalent direct sous CUDA.

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.

DGX Spark vs Cloud : l’inférence locale tient-elle vraiment la route en 2026 ?