Nvidia presenta la supercomputadora de IA DGX Spark de 64 GB por $4,999 mientras el modelo de 128 GB supera los $6,000

Nvidia tiene previsto lanzar este mes una nueva configuración de 64 gigabytes de su supercomputadora compacta de inteligencia artificial DGX Spark, fijando su precio de entrada en $4,999 y elevando el precio de la variante existente de 128 gigabytes por encima de los $6,000. El ajuste de hardware aumenta efectivamente el costo por gigabyte de memoria para los desarrolladores corporativos y los laboratorios de investigación que dependen de hardware de aceleración de IA de tamaño de escritorio. El nuevo nivel de producto llega en un momento en que la demanda de hardware de desarrollo de inteligencia artificial local se mantiene firme entre los ingenieros e instituciones de investigación que buscan ejecutar modelos de lenguaje de gran tamaño a mediana escala sin depender exclusivamente de los centros de datos en la nube.

## Datos clave - Nvidia lanzará una variante de memoria de 64 GB de su supercomputadora compacta de IA DGX Spark en octubre de 2026. - El nuevo modelo de 64 GB tiene un precio de $4,999, igualando el punto de precio de lanzamiento que anteriormente tenía la versión de mayor capacidad. - El precio del sistema DGX Spark de 128 GB ha aumentado por encima de los $6,000, lo que marca un incremento de precio para la configuración de mayor nivel. - Los ajustes de hardware alteran el punto de entrada para el hardware de entrenamiento e inferencia de modelos de IA locales dirigido a desarrolladores y laboratorios de investigación. - La información fue publicada originalmente por el analista tecnológico Hassan Mujtaba el 2 de octubre de 2026.

## Qué ocurrió El próximo despliegue en el mercado reestructura la línea de hardware de IA compacto de Nvidia al introducir una SKU de hardware de menor capacidad a un precio que anteriormente ocupaba el equipo de mayor capacidad. Según la información de Hassan Mujtaba, Nvidia lanzará la versión de 64 gigabytes de la supercomputadora de escritorio DGX Spark durante octubre de 2026 a un precio minorista de $4,999.

Al mismo tiempo, el modelo DGX Spark existente de 128 gigabytes está experimentando un cambio de precio, superando el umbral de los $6,000. Anteriormente, el modelo de 128 GB servía como la oferta principal en el nivel de los $4,999 o cerca de él, lo que significa que los compradores que buscan la especificación de memoria máxima enfrentan un aumento de costo superior al 20 por ciento. Mientras tanto, los compradores que opten por el nuevo nivel de entrada de $4,999 reciben la mitad de la capacidad de memoria en comparación con lo que estaba disponible anteriormente en ese punto de presupuesto específico.

El cambio divide la serie DGX Spark en dos niveles de hardware diferenciados. La variante de 64 GB se dirige a cargas de trabajo de desarrollo de inteligencia artificial de nivel de entrada, flujos de ajuste fino (fine-tuning) más pequeños y tareas de inferencia para modelos localizados. La variante de 128 GB sigue orientada a ventanas de contexto más grandes, evaluación de modelos densos en parámetros y ejecución de redes neuronales multimodales que requieren una mayor capacidad de memoria para evitar la descarga de datos a la RAM del sistema a través de interconexiones más lentas.

## Por qué es importante La reestructuración de la línea de productos DGX Spark pone de relieve las presiones continuas de la economía y la cadena de suministro en los sectores de semiconductores y memoria de alto rendimiento. La capacidad de memoria representa uno de los cuellos de botella de hardware más cruciales en las cargas de trabajo de inteligencia artificial modernas. Los modelos de lenguaje de gran tamaño y las arquitecturas de transformadores generativos requieren cantidades masivas de memoria de acceso rápido para mantener los pesos del modelo, los cachés de clave-valor (key-value) y los estados de activación directamente en el bus de memoria del acelerador.

Al ofrecer una configuración de 64 GB a $4,999 y al mismo tiempo empujar la versión de 128 GB por encima de los $6,000, Nvidia redefine de forma efectiva la estructura de costos base para el desarrollo de inteligencia artificial localizada. Para ingenieros de software, laboratorios académicos y pequeños departamentos corporativos que operan con presupuestos anuales fijos para equipos, el cambio de precio fuerza una compensación directa entre la capacidad de memoria y el gasto total. Un sistema limitado a 64 GB de memoria restringe significativamente el tamaño máximo de parámetros de los modelos que pueden ejecutarse localmente sin cuantizar los pesos a una precisión de bits más baja, como formatos de 4 u 8 bits, lo que puede comprometer la precisión del modelo.

Además, esta recalibración de precios subraya la posición de mercado y el poder de fijación de precios de Nvidia dentro de la industria de hardware especializado en IA. Mientras que las plataformas comerciales en la nube ofrecen alquiler bajo demanda de GPU empresariales como la H100 o la B200, el hardware de estaciones de trabajo locales proporciona iteración sin latencia, mayor privacidad de datos y costos operativos predecibles a lo largo de ciclos de despliegue multianuales prolongados. Elevar el costo efectivo por gigabyte del cómputo de IA local refleja una alta demanda continua de acceso directo al hardware entre organizaciones de investigación y proveedores de software que desarrollan aplicaciones de IA propietarias.

## Antecedentes El programa DGX de Nvidia comenzó originalmente como una iniciativa de servidores corporativos de alta densidad diseñada para ofrecer clústeres de entrenamiento de IA llave en mano a centros de datos y grandes clientes empresariales. A lo largo de consecutivas generaciones de hardware —que abarcan arquitecturas desde Volta y Ampere hasta Hopper y Blackwell—, Nvidia amplió la presencia de DGX desde instalaciones en rack de múltiples nodos hasta factores de forma más pequeños de clase estación de trabajo, diseñados para entornos de oficina y laboratorio.

Las estaciones de trabajo compactas de IA que llenan el espacio entre las tarjetas gráficas para videojuegos de consumo y los servidores de centros de datos a gran escala se han convertido en un segmento vital del mercado de hardware. Los procesadores gráficos de consumo, aunque asequibles, con frecuencia se ven limitados por estrictos límites térmicos, capacidades totales de VRAM más bajas (normalmente limitadas a entre 16 GB y 24 GB) y restricciones en el software de los controladores respecto al soporte de funciones empresariales. Por el contrario, los servidores en lámina (blades) de centros de datos a gran escala requieren una infraestructura de energía trifásica dedicada, circuitos de refrigeración líquida y entornos de salas de servidores ruidosos, lo que los hace poco prácticos para equipos de ingeniería individuales u oficinas pequeñas.

El factor de forma de DGX Spark fue diseñado para resolver esta brecha al proporcionar un nodo de escritorio silencioso y autónomo, equipado con arquitecturas de memoria unificada especializadas, interconexiones de alto ancho de banda y pilas de software de IA preinstaladas, incluidas las bibliotecas CUDA de Nvidia, motores de optimización TensorRT y entornos de ejecución de frameworks en contenedores. La alta capacidad de memoria es crítica en estos sistemas porque los modelos de lenguaje de gran tamaño de pesos abiertos modernos, como las variantes de Llama o Mistral que van desde 30.000 millones hasta 70.000 millones de parámetros, exigen una huella de memoria sustancial solo para cargar los parámetros brutos en la memoria antes de tener en cuenta la sobrecarga de procesamiento.

A medida que la memoria de alto ancho de banda y los módulos especializados LPDDR o DDR5 enfrentaron severas restricciones en la cadena de suministro y elevados costos de adquisición en toda la industria de los semiconductores, los fabricantes de hardware han ajustado cada vez más las configuraciones de los productos y los precios de lista para preservar los márgenes mientras intentan satisfacer la sostenida demanda global de aceleradores de IA especializados.

## Reacciones Se espera que el anuncio de la variante de 64 GB por $4,999 junto con el aumento de precio para el modelo de 128 GB sea objeto de un minucioso análisis por parte de desarrolladores independientes, investigadores académicos y responsables de compras de hardware empresarial. Los analistas de hardware y los ingenieros de software evalúan con frecuencia las estaciones de trabajo de IA en función del ancho de banda de memoria y el costo por gigabyte de RAM de alta velocidad accesible, ya que la capacidad de memoria dicta los parámetros de ejecución del modelo.

Los observadores de la industria esperan que los gerentes de compras corporativas reevalúen sus planes de desarrollo tecnológico (roadmaps) de hardware. Las organizaciones que habían presupuestado $5,000 por puesto para estaciones de trabajo de 128 GB ahora tendrán que decidir si absorben el salto de precio por encima de los $6,000 o aceptan el margen de memoria reducido de 64 GB. Las instituciones académicas que dependen de fondos fijos de subvenciones son particularmente sensibles a los cambios de precios, ya que los aumentos repentinos pueden alterar las compras de equipos planificadas a mitad del ciclo.

Nvidia no ha divulgado públicamente un desglose detallado de precios por región ni esquemas de descuentos corporativos para compradores de volumen de las configuraciones actualizadas de DGX Spark. Se espera que los distribuidores de hardware y los socios de integración de sistemas actualicen sus catálogos comerciales y sistemas de cotización a medida que la distribución formal comience a finales de este mes.

## Lo que aún no se sabe Varios detalles técnicos y parámetros comerciales en torno a la línea actualizada DGX Spark siguen sin confirmarse en la información inicial. Si bien la capacidad total de memoria y los niveles básicos de precios están establecidos, no se han detallado por completo aspectos específicos de la arquitectura interna, como el ancho de banda total de memoria medido en gigabytes por segundo, el recuento exacto de núcleos de procesador y los umbrales de potencia de diseño térmico para la variante de 64 GB. Tampoco está claro si el sistema de 64 GB utiliza exactamente el mismo troquel de silicio (silicon die) que la edición de 128 GB con canales de memoria desactivados, o si presenta un diseño de placa modificado que afecte el rendimiento general de la memoria.

Además, no se han revelado públicamente los plazos de entrega estándar, los tiempos de espera comerciales y la disponibilidad regional inicial tanto para el modelo de 64 GB como para el actualizado de 128 GB. La disponibilidad del suministro podría determinar si los compradores enfrentan pedidos pendientes prolongados para el modelo de mayor capacidad o si ambos niveles estarán ampliamente disponibles a través de los socios de distribución habituales tras el lanzamiento.

## A qué estar atentos Los desarrollos clave a seguir en las próximas semanas incluyen las hojas oficiales de especificaciones técnicas de Nvidia que detallen el ancho de banda de la memoria, las velocidades de interconexión y los requerimientos de energía para el modelo DGX Spark de 64 GB. Las pruebas de rendimiento (benchmarks) que comparen el rendimiento de ejecución de modelos locales, especialmente la velocidad de generación de tokens y los tamaños máximos de lote en las configuraciones de 64 GB y 128 GB, proporcionarán datos prácticos sobre las diferencias de rendimiento.

Asimismo, los observadores de la industria seguirán las respuestas competitivas de otros proveedores de silicio y fabricantes de estaciones de trabajo que ofrecen hardware de desarrollo de IA localizado, así como los posibles ajustes en los precios de las plataformas en la nube para el alquiler de GPU a corto plazo. Los anuncios de compras por parte de laboratorios universitarios y grupos corporativos de investigación de IA durante el cuarto trimestre también indicarán si los compradores se inclinan por el nodo de entrada de menor capacidad de $4,999 o absorben el mayor costo del sistema de gama alta de más de $6,000.

Este informe se basa en la información publicada por el analista tecnológico Hassan Mujtaba el 2 de octubre de 2026.