Що лайн-ап NVIDIA на GTC Berlin означає для запуску AI-моделей на власному залізі?

Засновник і CEO NVIDIA Дженсен Хуанг відкрив GTC Berlin 21 жовтня 2026 року ключовою доповіддю, зосередженою на залізі, яке залишається в кімнаті. Компанія тепер пропонує три окремі лінійки продуктів, об'єднані спільною ідеєю: модель не виходить за межі машини.

RTX Spark ставить особистого агента на ноутбук з Windows

RTX Spark стартував 16 жовтня. Це платформа ноутбука з до 128 ГБ уніфікованої пам'яті та 1 петафлопом AI-обчислень. Рецензенти CGMag і The Verge уже опублікували перші враження. PCMag теж поділився думкою. Платформа запускає особистих агентів. Також прискорює створення контенту і забезпечує 1440p геймінг на 100 кадрів за секунду.

Underdog — десктопний додаток-агент для повністю локального приватного AI — випустив версію для Windows на RTX Spark у той самий тиждень. Underdog використовує свій виводовий двигун Husky, специфічний для моделі, щоб дані користувача ніколи не залишали ПК. Багато ноутбуків RTX Spark йдуть з розблокованим завантажувачем, що дозволяє розробникам і ентузіастам налаштовувати програмний стек. ASUS, Dell Technologies, HP, Lenovo, Microsoft і MSI вже мають пристрої в наявності; Acer приєднається пізніше.

Під час ключової доповіді Хуанг продемонстрував агентів на RTX Spark, які навчали робота Microduck від Hugging Face. У демо використовували NVIDIA Isaac Lab разом із Hermes Agent і Nemotron 3.5 Bolt 74B.

DGX Spark об'єднує до восьми блоків для більших моделей

DGX Spark 64GB стає доступним від партнерів у п'ятницю, 23 жовтня. Вони запускають Nemotron 3.5 Bolt 74B 24GB, Qwen3.8 27B і Gemma 4 26B-A4B на одному пристрої. Коли робоче навантаження вимагає більшої потужності, вбудована мережа NVIDIA ConnectX-7 і NVIDIA Sync Cluster Assistant дозволяють з'єднувати кілька одиниць.

Октяброве оновлення підвищує підтримуваний розмір кластера до восьми систем у ручному режимі. Це дає 1 ТБ уніфікованої пам'яті по всьому кластеру — достатньо для фронтирних моделей на кшталт GLM 5.3. Малі команди можуть спільно використовувати один кластер як бекенд, тоді як кожен розробник одночасно працює з тією ж моделлю.

Model Launcher з'явиться пізніше цього місяця як частина NVIDIA Sync. Він завантажує модель і контейнер, підібрані під залізо, підключає модель до OpenCode і автоматично завантажує DGX Spark Skills. Ці навички охоплюють усунення несправностей та обслуговування пристроїв. Доступ до документації теж передбачено. Той самий реліз додає Wi-Fi Assistant, що дозволяє перемикати мережі, поки система працює в режимі пристрою.

Пристрої продаються безпосередньо Acer, ASUS, Dell Technologies, GIGABYTE, HP, Lenovo, MSI і NVIDIA.

Робочий рівень: 748 ГБ когерентної пам'яті та версія Windows у грудні

Воркстейшн доставляє 748 ГБ когерентної пам'яті і до 20 петафлопів AI-продуктивності. Вона може обслуговувати понад 30 користувачів зі швидкістю, порівнянною з хмарними моделями. NVIDIA Sync тепер підтримує DGX Station, спрощуючи з'єднання двох систем на базі Linux.

Сім нових корпоративних інтеграцій дозволяє IT-командам керувати DGX Station через існуючі процеси. Список включає Absolute Security, Splunk by Cisco, Fleet Device Management. Також є Microsoft Intune та Perforce Puppet. Progress Software Chef і Tanium теж підтримуються. Ці інтеграції прискорюють схвалення і зменшують ризики розгортання, мінімізуючи час до першого токена.

Windows-версія DGX Station очікується від системних виробників у грудні. Вона запускатиме професійні додатки на GPU NVIDIA RTX PRO, тоді як великі мовні моделі працюватимуть на системах NVIDIA GB300 всередині того самого корпусу. Виробничі додатки від nTop, Dassault Systèmes, Keysight Technologies, MathWorks, Rockwell Automation, Siemens, Synopsys, Unity і Altera будуть підтримуватися для AI-керованого проектування, симуляції, валідації і автоматизації інженерії. Агенти з Hermes Agent, Perplexity або Aible зможуть працювати on-premises для агентного контролю в корпоративних середовищах.

Три open-source референсні робочі процеси приносять GPT-6 Astra і NVIDIA Isaac Lab на DGX Station, разом із Isaac Lab-Arena. Cosmos також включено. Розробники можуть доопрацьовувати моделі GR00T 1.7 з підсиленням, тренувати навички дексманипуляції і пост-тренувати світові моделі Cosmos для генерації синтетичних даних.

Cloud Functions входить у ранній доступ на DGX Station на базі Linux. Команди реєструють локальні ендпоінти моделей у спільному каталозі і отримують доступ до них через єдину точку входу, сумісну з OpenAI. Модель за ендпоінтом можна оновити без зміни коду додатка. Колеги використовують спільні моделі без прямого доступу до машини, перетворюючи DGX Station на локально керований сервіс інференсу для команди.

На стенді NVIDIA показує DSX OS, що працює на DGX Station, для симуляції операцій AI-фабрики до існування повної інфраструктури. Інша демо запускає локальну токен-фабрику для понад 30 розробників ПЗ.

Партнери з заліза, що поставляють сьогодні: ASUS, Dell Technologies, GIGABYTE, HP, MSI, Supermicro і Exxact. Windows-версії очікуються пізніше цього року від ASUS, Dell Technologies, GIGABYTE, HP, MSI і Supermicro.

Нові моделі та прискорення інференсу доступні з першого дня

Recursive Superintelligence випустила Recursive Flint — модель mixture-of-experts на 40 мільярдів параметрів з 2,5 мільярда активних. Вона оптимізована для швидкого, точного кодування. Показує хороші результати на SWE-Bench Pro v2 і Terminal-Bench 2.1, а також SWE-bench verified. Recursive Flint створена за допомогою Eureka Machine від Recursive, що автоматизує повний цикл досліджень і створила спеціалізовані ядра, які прискорили генерацію на RTX Spark на 55 відсотків без зміни ваг моделі. Відкриті ваги доступні на Hugging Face під Apache 2.0. Модель працює на RTX Spark і DGX Spark. Також на GeForce RTX і RTX PRO GPU. Розробники можуть пост-тренувати з NeMo Automodel для supervised fine-tuning і LoRA, і з NeMo RL для групової відносної оптимізації політики.

Підтримка з нульового дня з'являється для NVIDIA Nemotron Bolt E4B 4B, GLM, DeepSeek, Qwen, MiniMax, Liquid AI's LFM2.5-24B-A2B і дифузійної моделі FLUX.3 Klein. Nemotron Bolt E4B 4GB вкладає природну розмову і багатократні агентні навички в всього 4 ГБ пам'яті. Вона живить швидких локальних голосових асистентів і інтерактивних ігрових персонажів, а також вбудовані інтерфейси на GeForce RTX GPU, Jetson, RTX і DGX Spark. Реліз — у п'ятницю, 23 жовтня.

FLUX 3 Image Klein від Black Forest Labs — це відкрита модель з вагами на 5,6 мільярда параметрів для генерації і редагування. NVIDIA-оптимізовані збірки працюють на GeForce RTX GPU з всього 8 ГБ VRAM і створюють 1-мегапіксельне зображення за близько чотири секунди на GPU RTX 5090.

MiniMax M3.1 Flash націлений на DGX Station і DGX Spark з довгим контекстом AI на робочому столі. LFM2.5-24B-A2B від Liquid AI активує лише 2 мільярди зі своїх 24 мільярдів параметрів на токен, роблячи її достатньо швидкою для приватних агентів виклику інструментів безпосередньо на ПК.

Нова колекція квантованих чекпоінтів оптимізує ефективність RAM на локальному AI-залізі. Кожен чекпоінт залишається близько до точності full-precision, залишаючи достатньо пам'яті для KV-кешу. Серія починається з Qwen3.8-Flash-Next-FP4-Local на одному DGX Spark 128GB або RTX PRO 6000. GLM-5.3-Flash-FP4-Local працює на двох системах. Розробники можуть пост-тренувати з нульового дня за допомогою NeMo AutoModel на обох DGX Spark і RTX Spark, з прикладами рецептів для Nemotron Bolt E4B і Flux 3 Image Klein, серед інших.

Інференс-двигуни також отримали оновлення. У llama.cpp нова підтримка спекулятивного декодування з MTP для Qwen 3.8 Flash Next робить end-to-end агентні завдання до 1,4x швидшими на NVIDIA RTX PRO 6000 Blackwell. vLLM тепер включає швидше спекулятивне декодування і нові FlashInfer prefill-ядра для лінійних шарів уваги Qwen, прискорюючи агентні завдання з Qwen3.8 27B до 1,3x на DGX Spark. На DGX Station GLM 5.3 Flash отримує до 1,2x вищу пропускну здатність.

Лайн-ап простягається від ноутбука, який несеш з собою, до воркстейшн, що обслуговує команду. Для власника це означає здатність обрати рівень, що відповідає розміру моделі та кількості людей, які потребують доступ, а потім тримати дані і обчислення в одній кімнаті.