NVIDIA DGX Spark 64GB: arriva a 4.999 dollari, mentre il modello da 128 GB sale a 6.950

NVIDIA ha annunciato DGX Spark 64GB, una nuova configurazione del suo mini supercomputer AI da scrivania con 64 GB di memoria unificata e un prezzo di partenza di 4.999 dollari. Il debutto è fissato per venerdì 23 ottobre 2026, ma la notizia che ha fatto più rumore è un’altra: nello stesso momento il modello da 128 GB sale a 6.950 dollari, mentre al lancio costava 3.999 dollari.

Per chi lavora con modelli linguistici in locale è un segnale chiaro. L’hardware per l’AI domestica e professionale sta diventando più caro, non più economico, e la causa non è la domanda di chip ma la scarsità di memoria.

Cosa è DGX Spark 64GB e cosa cambia rispetto al modello da 128 GB

DGX Spark è la piccola macchina di NVIDIA pensata per sviluppatori, ricercatori e professionisti che vogliono eseguire e mettere a punto modelli AI senza dipendere dal cloud. La nuova versione da 64 GB mantiene lo stesso cuore del fratello maggiore: il superchip Grace Blackwell GB10, con una CPU Arm a 20 core progettata insieme a MediaTek, il sistema operativo DGX OS e l’intero stack software AI di NVIDIA.

In pratica cambia soprattutto la quantità di memoria. Secondo quanto riportato dalla stampa di settore, la larghezza di banda resta di 273 GB/s e la configurazione ha anche meno spazio di archiviazione a bordo.

Quali modelli puoi far girare con 64 GB

Con 64 GB di memoria unificata un singolo sistema può gestire modelli fino a circa 100 miliardi di parametri, secondo i dati forniti da NVIDIA. È una soglia più che rispettosa per molti casi d’uso reali: assistenti di programmazione locali, agenti che lavorano su documenti riservati, prototipi di applicazioni con modelli aperti e test di quantizzazione.

Se ti servono modelli più grandi, la strada indicata dall’azienda è il clustering, di cui parliamo tra poco.

Chi lo venderà

Il sistema arriverà attraverso Acer, ASUS, Dell, Gigabyte, HP e MSI. Questo conta, perché significa che non dipenderai da un solo canale di vendita e che i partner potranno proporre varianti e bundle per le aziende. Resta da vedere come si muoveranno i prezzi finali nei negozi, visto il contesto di mercato.

Il prezzo: perché il modello da 128 GB costa quasi il doppio del lancio

Il punto più delicato è l’andamento dei listini. Il modello da 128 GB era stato lanciato a 3.999 dollari. A febbraio un primo ritocco aveva portato la versione Founders Edition a 4.699 dollari, e adesso il prezzo arriva a 6.950 dollari. In totale parliamo di un aumento di quasi tre quarti rispetto al prezzo iniziale.

Le fonti che hanno commentato l’annuncio collegano questi rialzi alla memoria. Micron ha avvertito che l’offerta di DRAM resterà sotto pressione fino al 2028, e questo spiega perché una macchina basata su memoria unificata sia tra le prime a risentirne.

Una versione da 64 GB che non è un affare

A prima vista la nuova configurazione sembra un modo per abbassare la soglia d’ingresso, ma 4.999 dollari non sono pochi per una macchina con metà della memoria originale. Il punto è che la versione da 64 GB rappresenta ciò che il mercato è in grado di sostenere oggi, più che un compromesso temporaneo destinato a durare pochi mesi.

Ti conviene guardare il confronto in modo pratico. Due unità da 64 GB costano circa 10.000 dollari, contro i 6.950 del modello da 128 GB, ma ti danno il doppio del calcolo e della banda di memoria.

Clustering: due Spark da 64 GB insieme valgono 128 GB

La parte più interessante dell’annuncio riguarda il collegamento di più macchine. Due sistemi da 64 GB si uniscono attraverso le porte ConnectX-7 e mettono in comune la memoria, arrivando a 128 GB. In questa configurazione NVIDIA indica la possibilità di eseguire modelli fino a circa 200 miliardi di parametri.

Nei test con Qwen 3.8 27B l’azienda dichiara prestazioni fino a 1,7 volte superiori rispetto a un singolo sistema. Come sempre con i dati dei produttori conviene leggere il risultato per ciò che è: un caso specifico, non una promessa valida per ogni carico di lavoro.

NVIDIA Sync Cluster Assistant

Fino a oggi collegare più macchine richiedeva una configurazione manuale da riga di comando, spesso fastidiosa. Il nuovo NVIDIA Sync Cluster Assistant rileva automaticamente le unità collegate, controlla la configurazione e imposta la rete senza interventi. NVIDIA ha anche annunciato in arrivo il Sync Model Launcher, una interfaccia grafica per distribuire i modelli su un singolo sistema o su un cluster.

Per chi non è un sistemista questo è probabilmente il vero passo avanti: meno tempo perso a far dialogare le macchine, più tempo a lavorare sui modelli.

Il software incluso e l’ecosistema attorno a Spark

Il sistema arriva pronto all’uso con l’NVIDIA Agent Toolkit, le librerie CUDA-X e i modelli aperti Nemotron, oltre ai runtime più diffusi come Ollama, vLLM e PyTorch con supporto CUDA. Se hai già provato a preparare un ambiente locale per un LLM sai quanto tempo possano costare le dipendenze: qui l’idea è consegnarti tutto già montato.

Se vuoi capire come sta evolvendo il fronte dei modelli aperti di NVIDIA, puoi leggere il nostro approfondimento su come AWS e NVIDIA raddoppiano le GPU per l’AI agentica e fisica, che racconta la scala dell’infrastruttura dall’altra parte, quella dei grandi data center.

Blender e i PC con RTX Spark

Nella stessa comunicazione NVIDIA cita anche l’integrazione di Blender, con un installer scaricabile in arrivo, e il lancio questo mese di PC Windows con NVIDIA RTX Spark di diversi produttori. Il messaggio è che Spark non vuole restare un prodotto di nicchia per sviluppatori ma diventare una piattaforma più ampia, dal 3D alla produttività.

AI locale: perché questa notizia conta per te

Eseguire modelli in locale ha ragioni solide: riservatezza dei dati, costi prevedibili, assenza di limiti di utilizzo e possibilità di lavorare offline. Se ti occupi di SEO, marketing, automazioni o sviluppo, un sistema come Spark permette di tenere sotto controllo dati di clienti e flussi di lavoro senza inviare nulla a un servizio esterno.

Ma i numeri dicono anche che la strada dell’AI locale non sarà più economica col tempo, almeno finché la memoria resta un collo di bottiglia. Il tema è lo stesso che emerge nella corsa alle workstation AI, come racconta il nostro articolo su AMD Threadripper Halo Station, la workstation che fa girare modelli enormi in locale.

Conviene comprare adesso o aspettare

Non esiste una risposta valida per tutti, e non è questo il posto per dare consigli finanziari. Possiamo però indicare i fattori da pesare: quanti parametri ti servono davvero, se il lavoro in cloud costa già più di una macchina dedicata, e quanto vale per te la riservatezza dei dati.

Se il tuo carico sta sotto i 100 miliardi di parametri, la configurazione da 64 GB può bastare. Se prevedi di crescere, il clustering offre una strada graduale, anche se più costosa di quanto sembrasse un anno fa.

Il quadro: memoria sempre più cara fino al 2028

La mossa di NVIDIA va letta nel contesto di un mercato in cui la DRAM è il vincolo principale. Se Micron ha ragione e le forniture restano limitate fino al 2028, è plausibile che altri produttori di hardware AI ritocchino i listini o propongano configurazioni ridimensionate, come ha fatto NVIDIA con questa versione.

Per chi costruisce prodotti basati sull’AI, la lezione è pratica: pianifica i budget hardware con un margine, valuta soluzioni ibride tra locale e cloud e non dare per scontato che i prezzi di oggi siano quelli di domani.

Conclusioni: cosa fare adesso

DGX Spark 64GB è una notizia a due facce. Da una parte rende più flessibile l’offerta, con una macchina da 4.999 dollari che gestisce modelli fino a 100 miliardi di parametri e un clustering più semplice grazie al nuovo assistente. Dall’altra conferma che il costo della memoria sta spingendo verso l’alto l’intero mercato, con il modello da 128 GB passato da 3.999 a 6.950 dollari.

Se stai valutando un sistema per l’AI locale, segna la data del 23 ottobre, confronta le offerte dei partner e calcola il costo reale di un eventuale cluster. Puoi leggere tutti i dettagli dell’annuncio sul blog ufficiale di NVIDIA e continuare a seguire intelligenzaartificiale.net per gli aggiornamenti su hardware, modelli aperti e strumenti per lavorare con l’AI.