Nvidia amplia DGX Spark para clusters de 8 nós e anuncia DGX Station com Windows
Fabricante lança versão de 64 GB do DGX Spark, libera endpoint compatível com OpenAI para redes locais e traz otimizações em llama.cpp e vLLM.
Por que importa. Para times de tecnologia, a expansão de memória e as APIs locais facilitam rodar modelos abertos de grande porte sem enviar dados para nuvens externas nem alterar integrações prontas.
A Nvidia apresentou na conferência GTC Berlin uma série de atualizações para sua linha de hardware voltada à inteligência artificial local, incluindo suporte a clusters de até oito unidades do DGX Spark, a chegada da versão de 64 GB do aparelho para esta sexta-feira (23 de outubro) e o lançamento do DGX Station com sistema operacional Windows previsto para dezembro. Na prática, a fabricante busca fornecer infraestrutura física para que desenvolvedores e empresas executem modelos de fronteira e agentes de forma privada no próprio escritório, reduzindo a dependência de instâncias em nuvens públicas.
Com a ferramenta NVIDIA Sync Cluster Assistant e redes ConnectX-7 integradas, o agrupamento manual de até oito unidades do DGX Spark passa a fornecer 1 TB de memória unificada. Essa capacidade permite que pequenos times de engenharia compartilhem um mesmo cluster para rodar modelos pesados de raciocínio e código, como GLM 5.3, DeepSeek v4 Flash 0731 e Qwen 3.8 Flash Next, mantendo múltiplas sessões concorrentes. A Nvidia também anunciou para o fim de outubro o utilitário Model Launcher, projetado para baixar contêineres e integrar modelos locais ao ambiente OpenCode automaticamente.
DGX Station com Windows e API local
Para cargas corporativas maiores, o DGX Station oferece 748 GB de memória coerente e até 20 petaflops de desempenho em processamento de IA. Uma das principais novidades para os sistemas Linux é a chegada do NVIDIA Cloud Functions em acesso antecipado, recurso que transforma a máquina física em um servidor de inferência com endpoint compatível com a API da OpenAI. Essa camada padronizada permite que desenvolvedores atualizem modelos na máquina sem precisar reescrever o código de integração das aplicações ou dar acesso SSH direto aos usuários.
Em dezembro, fabricantes parceiros como ASUS, Dell Technologies, GIGABYTE, HP, MSI e Supermicro começarão a entregar o DGX Station com Windows nativo. O objetivo da Nvidia é colocar modelos locais e agentes operando lado a lado com aplicações profissionais de engenharia e simulação de fornecedores como Siemens, Rockwell Automation, Dassault Systèmes e Synopsys. O sistema também suportará agentes de plataformas como Hermes Agent, Perplexity e Aible, além de trazer integrações de governança corporativa com ferramentas como Microsoft Intune, Splunk e Tanium.
Modelo Recursive Flint e ecossistema aberto
No ecossistema de modelos, o laboratório Recursive Superintelligence lançou o Recursive Flint, um modelo aberto de código com arquitetura Mixture of Experts (MoE) de 40 bilhões de parâmetros totais e 2,5 bilhões de parâmetros ativos. Segundo a Nvidia, o modelo atinge mais de 220 tokens por segundo em estações RTX Spark de 64 GB e foi disponibilizado no Hugging Face sob licença Apache 2.0. A fabricante também listou suporte imediato no lançamento a modelos como o Nemotron Bolt E4B (versão de 4 GB que sai no dia 23) e o gerador de imagens FLUX.3 Image Klein, da Black Forest Labs, projetado para operar com a partir de 8 GB de VRAM.
Para acelerar o processamento em máquinas de mesa, a Nvidia integrou novas otimizações aos motores de código aberto llama.cpp e vLLM. O llama.cpp recebeu suporte a decodificação especulativa com MTP para o modelo Qwen 3.8 Flash Next, acelerando tarefas agênticas em até 1,4 vez. No vLLM, novos kernels FlashInfer trouxeram ganhos de até 1,3 vez em tarefas com Qwen 3.8 de 27 bilhões de parâmetros no DGX Spark e até 1,2 vez no throughput do GLM 5.3 Flash no DGX Station. A Nvidia não informou preços oficiais das novas configurações nem datas de distribuição direta para o mercado brasileiro.
Fontes
- NVIDIA: Bringing the Spark to Europe: Local Intelligence Powers Next Wave of Agents
Reportagem produzida pela redação do Flipters com apoio de inteligência artificial, a partir das fontes acima. Como trabalhamos. Editor responsável: João Paulo Resende.
