NVIDIA dice que RTX Spark puede localizar los flujos de trabajo de codificación de IA en uno PC

NVIDIA dijo el viernes que sus nuevos sistemas RTX Spark están diseñados para permitir a los desarrolladores programar, probar y desplegar IA software en una sola máquina, en lugar de dividir el trabajo entre un portátil, APIs modelo en la nube y una máquina virtual en la nube. La compañía afirmó que la plataforma utiliza el sistema en chip GB10 de NVIDIA y una gran memoria unificada para soportar agentes locales de codificación, frameworks de IA y flujos de trabajo de desarrollo acelerados por GPU.

Evidencia y contexto

Según NVIDIA, los portátiles RTX Spark y los ordenadores compactos de sobremesa están diseñados para mantener todo el ciclo de desarrollo en el dispositivo. La compañía afirmó que los sistemas ofrecen hasta 128GB de memoria unificada y 1 petaflop de FP4 IA computación, permitiendo la ejecución local de modelos de codificación como Qwen 3.8 Flash Next y reduciendo el consumo de tokens en la nube para los agentes de codificación.

NVIDIA presentó el producto como parte de un cambio del desarrollo limitado por CPU a cargas de trabajo dominadas por la inferencia, el ajuste fino y la compilación. Dijo que RTX Spark combina hardware de CPU NVIDIA Grace y GPU Blackwell, y que en comparación con el Panther Lake 12Xe de Intel ofrece 4.6x rendimiento en agentes de codificación, 2.7x rendimiento en ajustes finos y 1.8x rendimiento en compilación de código. La compañía dijo que esas cifras se midieron en su propia comparación de carga de trabajo entre desarrolladores, normalizada a Intel Core Ultra X9 388H, usando AA-AgentPerf-local con Qwen3.8-27B, Unsloth LoRA con Llama-3.1-8B y compilación del kernel Linux mediante Phoronix Test Suite.

La compañía también indicó que los desarrolladores pueden trabajar en Windows, incluyendo una nueva Configuración de Desarrollo de Windows desarrollada con Microsoft, o en Windows Subsystem for Linux, donde pueden utilizar el mismo entorno y dependencias que se esperan para el despliegue en la nube. NVIDIA afirmó que ese enfoque está pensado para reducir las migraciones de código y mantener el desarrollo alineado con el sistema operativo objetivo.

Agentes locales, frameworks y herramientas Windows-on-Arm

NVIDIA ha anunciado que está ampliando la pila de desarrolladores de Windows on Arm junto con Microsoft y la comunidad en general. La compañía citó la primera versión PyTorch-CUDA, la primera versión nativa de Python por defecto con 3.15 Python, más de 2,000 paquetes Conda listos para usar y versiones compatibles con Arm para más de 97% de los principales paquetes 15,000 Python.

La compañía también destacó bibliotecas CUDA-X como FlashInfer para aceleración de LLM y herramientas NVIDIA NeMo para el desarrollo de modelos de IA. Indicó que las NVIDIA Skills están disponibles para ayudar a los agentes a usar bibliotecas CUDA-X sin necesidad de un conocimiento profundo de CUDA.

Para los agentes de programación locales, NVIDIA dijo que ha colaborado con GitHub Copilot, Pi, Hermes y OpenClaw. Las mejoras que ha incluido incluyen recetas de despliegue de modelos locales, sandboxing a nivel de sistema operativo a través de NVIDIA OpenShell y/o Microsoft Execution Containers, y routers híbridos de prompts que pueden escalar prompts de modelos locales a modelos en la nube cuando sea necesario. NVIDIA dijo que GitHub Copilot ahora soporta IA local a través de Windows ML con llama.cpp como backend, mientras que HydraFusion se ha actualizado para soportar modelos locales y MAI 1.1 Coding Flash de Microsoft puede ejecutarse localmente en RTX Spark. También se dice que Junie Local de JetBrains tiene soporte nativo, manteniendo el modelo y el código en la máquina.

Modelos y herramientas de medios

NVIDIA dijo que un nuevo modelo, Nemotron 3.5 Bolt 74B-A9B 24GB, está diseñado para agentes locales en RTX Spark. Describió el modelo como un modelo de 74B parámetro 9B mezcla activa de expertos en parámetros, integrado en 24GB usando cuantización de bits 2 y entrenamiento consciente de la cuantización. La compañía dijo que estará disponible a través de llama.cpp, vLLM, Ollama, Unsloth y LM Studio, y directamente a través de agentes como Hermes y OpenClaw. NVIDIA también afirmó que el modelo es de código abierto, incluyendo datos de entrenamiento, pesos y recetas.

La compañía afirmó que los modelos de decisión ahora están soportados en llama.cpp y Unsloth en las GPUs RTX RTX de RTX y GeForce RTX, describiéndolos como una forma más rápida para que los agentes elijan acciones sin bucles de razonamiento prolongados. NVIDIA también dijo que su IA para los SDKs de medios está disponible para RTX Spark, incluyendo una rueda de Python para superresolución de vídeo, generación de fotogramas y TrueHDR, con SDKs en C++ disponibles en NGC para RTX Spark y Windows on Arm.

Disponibilidad y ruta de despliegue

NVIDIA indicó que RTX Spark ya está disponible en portátiles y llegará en noviembre en ordenadores de escritorio de formato pequeño diseñados para cargas de trabajo de agentes siempre activos. Para las aplicaciones existentes de Windows, la compañía indicó que los desarrolladores deberían evaluar las dependencias de Windows on Arm, elegir una Arm64 nativa o Arm64EC para migración incremental, y luego probar la instalación, funcionalidad, rendimiento y las rutas de código NVIDIA y CUDA. Los materiales de portabilidad de aplicaciones de NVIDIA, según la empresa, describen los pasos de migración y la preparación para los sistemas de desarrollo Windows on Arm.