A NVIDIA diz que o RTX Spark pode localizar fluxos de trabalho de codificação de IA em um PC

A NVIDIA disse na sexta-feira que seus novos sistemas RTX Spark são projetados para permitir que desenvolvedores programem, testem e implantem IA software em uma única máquina, em vez de dividir o trabalho entre um laptop, APIs de modelos em nuvem e uma VM em nuvem. A empresa afirmou que a plataforma utiliza o sistema NVIDIA GB10 em um chip e grande memória unificada para suportar agentes de codificação locais, frameworks IA e fluxos de trabalho acelerados por GPU.

Evidências e contexto

Na análise da NVIDIA, laptops RTX Spark e desktops compactos são destinados a manter todo o ciclo de desenvolvimento no dispositivo. A empresa afirmou que os sistemas oferecem até 128GB de memória unificada e 1 petaflop de computação FP4 IA, permitindo a execução local de modelos de codificação incluindo Qwen 3.8 Flash Next e reduzindo o consumo de tokens na nuvem para agentes de codificação.

A NVIDIA enquadrou o produto como parte de uma mudança do desenvolvimento limitado pela CPU para cargas de trabalho dominadas por inferência, ajuste fino e compilação. Disse que o RTX Spark combina o CPU NVIDIA Grace e o hardware da GPU Blackwell, e comparado com o Panther Lake da Intel, 12Xe ele entrega 4.6x desempenho em agentes de codificação, 2.7x desempenho em ajustes finos e 1.8x desempenho na compilação de código. A empresa disse que esses números foram medidos em sua própria comparação de carga de trabalho entre desenvolvedores, normalizada para Intel Core Ultra X9 388H, usando AA-AgentPerf-local com Qwen3.8-27B, Unsloth LoRA com Llama-3.1-8B e compilação do kernel Linux via Phoronix Test Suite.

A empresa também afirmou que desenvolvedores podem trabalhar no Windows, incluindo uma nova Configuração de Desenvolvedor do Windows desenvolvida com a Microsoft, ou no Windows Subsystem for Linux, onde podem usar o mesmo ambiente e dependências esperados para a implantação na nuvem. A NVIDIA afirmou que essa abordagem visa reduzir migrações de código e manter o desenvolvimento alinhado com o sistema operacional alvo.

Agentes locais, frameworks e ferramentas Windows-on-Arm

A NVIDIA afirmou que está expandindo a pilha de desenvolvedores Windows on Arm junto com a Microsoft e a comunidade em geral. A empresa citou a primeira versão PyTorch-CUDA, a primeira versão nativa em Python por padrão com 3.15 Python, mais de 2,000 pacotes Conda prontos para uso e versões compatíveis com Arm para mais de 97% dos principais pacotes 15,000 Python.

A empresa também destacou bibliotecas CUDA-X, como FlashInfer para aceleração de LLMs e ferramentas NVIDIA NeMo para desenvolvimento de modelos de IA. Afirmou que as NVIDIA Skills estão disponíveis para ajudar agentes a usar bibliotecas CUDA-X sem exigir conhecimento profundo do CUDA.

Para agentes locais de codificação, a NVIDIA disse que trabalhou com GitHub Copilot, Pi, Hermes e OpenClaw. As melhorias listadas incluem receitas de implantação de modelos locais, sandboxing em nível de sistema operacional através do NVIDIA OpenShell e/ou Microsoft Execution Containers, e roteadores híbridos de prompts que podem escalar prompts de modelos locais para modelos em nuvem quando necessário. A NVIDIA disse que o GitHub Copilot agora suporta IA local via Windows ML com llama.cpp como backend, enquanto o HydraFusion foi atualizado para suportar modelos locais e o MAI 1.1 Coding Flash da Microsoft pode rodar localmente no RTX Spark. Diz-se que o Junie Local da JetBrains também tem suporte nativo, com o modelo e o código mantidos na máquina.

Modelos e ferramentas de mídia

A NVIDIA informou que um novo modelo, Nemotron 3.5 Bolt 74B-A9B 24GB, é desenvolvido para agentes locais no RTX Spark. A empresa descreveu o modelo como um modelo de 74B parâmetro 9B mistura de especialistas em parâmetros ativos, empacotado em 24GB usando quantização de bits 2 e treinamento consciente da quantização. A empresa afirmou que estará disponível por meio de llama.cpp, vLLM, Ollama, Unsloth e LM Studio, e diretamente por agentes como Hermes e OpenClaw. A NVIDIA também afirmou que o modelo é open source, incluindo dados de treinamento, pesos e receitas.

A empresa disse que modelos de decisão agora são suportados em llama.cpp e Unsloth nas GPUs RTX Spark e GeForce RTX, descrevendo-os como uma forma mais rápida para agentes escolherem ações sem longos loops de raciocínio. A NVIDIA também disse que seus IA para SDKs de Mídia estão disponíveis para RTX Spark, incluindo uma roda Python para super resolução de vídeo, geração de quadros e TrueHDR, com SDKs em C++ disponíveis no NGC para RTX Spark e Windows on Arm.

Disponibilidade e caminho de implantação

A NVIDIA afirmou que o RTX Spark já está disponível em laptops e chegará em novembro em desktops de formato pequeno, projetados para cargas de trabalho de agentes sempre ativas. Para aplicações Windows existentes, a empresa disse que os desenvolvedores devem avaliar as dependências do Windows on Arm, escolher uma build nativa Arm64 ou Arm64EC para migração incremental e, em seguida, testar instalação, funcionalidade, desempenho e caminhos de código NVIDIA e CUDA. Os materiais de portabilidade de aplicativos da NVIDIA, segundo a empresa, descrevem as etapas de migração e a preparação para sistemas de desenvolvimento Windows on Arm.