NVIDIA affirme que RTX Spark peut localiser les flux de travail de codage IA sur un PC

NVIDIA a déclaré vendredi que ses nouveaux systèmes RTX Spark sont conçus pour permettre aux développeurs de coder, tester et déployer IA logiciel sur une seule machine, plutôt que de répartir le travail entre un ordinateur portable, des API cloud et une machine virtuelle cloud. La société a indiqué que la plateforme utilise le système NVIDIA GB10 sur puce et une grande mémoire unifiée pour supporter les agents de codage locaux, les frameworks IA et les flux de travail de développement accélérés par GPU.

Preuves et contexte

Selon NVIDIA, les ordinateurs portables RTX Spark et les ordinateurs compacts de bureau sont destinés à maintenir l’intégralité du cycle de développement sur l’appareil. L’entreprise a indiqué que les systèmes offrent jusqu’à 128GB de mémoire unifiée et 1 pétaflop de calcul FP4 IA, permettant l’exécution locale de modèles de codage incluant Qwen 3.8 Flash Next et réduisant la consommation de jetons cloud pour les agents de codage.

NVIDIA a présenté le produit comme faisant partie d’un passage du développement limité par le CPU à des charges de travail dominées par l’inférence, l’ajustement fin et la compilation. Il a indiqué que RTX Spark combine le CPU NVIDIA Grace et le matériel GPU Blackwell, et comparé au Panther Lake 12Xe d’Intel, il offre 4.6x performance sur les agents de codage, 2.7x performance en ajustement fin et 1.8x performance sur la compilation de code. La société a indiqué que ces chiffres ont été mesurés dans sa propre comparaison de charge de travail développeur, normalisée à Intel Core Ultra X9 388H, utilisant AA-AgentPerf-local avec Qwen3.8-27B, Unsloth LoRA avec Llama-3.1-8B et la compilation du noyau Linux via Phoronix Test Suite.

L’entreprise a également indiqué que les développeurs peuvent travailler sous Windows, y compris une nouvelle configuration de développeur Windows développée avec Microsoft, ou dans Windows Subsystem for Linux, où ils peuvent utiliser le même environnement et les mêmes dépendances que prévu pour le déploiement cloud. NVIDIA a indiqué que cette approche vise à réduire les migrations de code et à maintenir le développement aligné avec le système d’exploitation cible.

Agents locaux, frameworks et outils Windows-on-Arm

NVIDIA a déclaré qu’elle étendait la pile de développeurs Windows on Arm avec Microsoft et la communauté au sens large. La société a cité la première version PyTorch-CUDA, la première version Python native par défaut avec 3.15 Python, plus de 2,000 paquets Conda prêts à utiliser et des versions compatibles Arm pour plus de 97% des meilleurs paquets Python 15,000 .

L’entreprise a également mis en avant des bibliothèques CUDA-X telles que FlashInfer pour l’accélération des LLM et les outils NVIDIA NeMo pour le développement de modèles IA. Elle a indiqué que NVIDIA Skills est disponible pour aider les agents à utiliser les bibliothèques CUDA-X sans nécessiter une connaissance approfondie de CUDA.

Pour les agents de codage locaux, NVIDIA a indiqué avoir collaboré avec GitHub Copilot, Pi, Hermes et OpenClaw. Les améliorations qu’il a listées incluent des recettes de déploiement local de modèles, un sandboxing au niveau du système d’exploitation via NVIDIA OpenShell et/ou Microsoft Execution Containers, ainsi que des routeurs à invites hybrides capables d’escalader les invites des modèles locaux vers les modèles cloud lorsque nécessaire. NVIDIA a indiqué que GitHub Copilot prend désormais en charge la IA locale via Windows ML avec llama.cpp en backend, tandis qu’HydraFusion a été mis à jour pour prendre en charge les modèles locaux et que MAI 1.1 Coding Flash de Microsoft peut tourner localement sur RTX Spark. Junie Local de JetBrains serait également supporté par la nativité, avec le modèle et le code conservés sur la machine.

Modèles et outils médias

NVIDIA a indiqué qu’un nouveau modèle, Nemotron 3.5 Bolt 74B-A9B 24GB, est conçu pour les agents locaux sur RTX Spark. Il a décrit le modèle comme un modèle 74B paramètre, 9B modèle mixte d’experts en paramètres actifs intégré dans 24GB utilisant 2 quantification en bits et une formation consciente de la quantification. La société a indiqué qu’il sera disponible via llama.cpp, vLLM, Ollama, Unsloth et LM Studio, ainsi que directement via des agents tels que Hermes et OpenClaw. NVIDIA a également indiqué que le modèle est open source, incluant les données d’entraînement, les poids et les recettes.

La société a indiqué que les modèles de décision sont désormais pris en charge dans llama.cpp et Unsloth sur les GPU RTX RTX RTX et GeForce, les décrivant comme un moyen plus rapide pour les agents de choisir des actions sans boucles de raisonnement longues. NVIDIA a également indiqué que ses IA pour les SDK médias sont disponibles pour RTX Spark, y compris une roue Python pour la super résolution vidéo, la génération d’images et TrueHDR, avec des SDKs C++ disponibles sur NGC pour RTX Spark et Windows on Arm.

Disponibilité et voie de déploiement

NVIDIA a indiqué que RTX Spark est disponible dès maintenant sur ordinateurs portables et arrivera en novembre sur des ordinateurs de bureau à petit format conçus pour des charges de travail d’agent toujours activées. Pour les applications Windows existantes, la société a indiqué que les développeurs devraient évaluer les dépendances de Windows on Arm, choisir une version native Arm64 ou Arm64EC pour une migration incrémentale, puis tester l’installation, la fonctionnalité, les performances ainsi que les chemins de code NVIDIA et CUDA. Les documents de portage des applications de NVIDIA, a-t-elle précisé, décrivent les étapes de migration et la préparation des systèmes de développement Windows on Arm.