Игорь Градов
Игорь Градов
4 мин
ai

Nvidia собрала кластер из четырёх DGX Spark с 512 ГБ: модели до 700 млрд параметров без облака

Nvidia на конференции SC26 в Чикаго представила кластер из четырёх компактных компьютеров DGX Spark с 512 ГБ памяти, который уже можно заказать для локального запуска ИИ-моделей до 700 млрд параметров.

Nvidia собрала кластер из четырёх DGX Spark с 512 ГБ: модели до 700 млрд параметров без облака

Комплект называется DGX Spark HPC Developer Kit. HPC означает высокопроизводительные вычисления, то есть тяжёлые научные и инженерные расчёты. Набор адресован исследователям и разработчикам, которым нужно запускать ИИ-модели у себя, отлаживать распределённые приложения и считать ресурсоёмкие задачи без аренды облака.

Показатель Значение Источник
Число узлов в кластере 4 компьютера DGX Spark Nvidia
Суммарная память 512 ГБ Nvidia
Память одного узла 128 ГБ LPDDR5X, общая для CPU и GPU Nvidia
Процессор 20 ядер Arm Nvidia
Суммарное хранилище NVMe 16 ТБ Nvidia
Пиковая производительность узла 1 петафлопс в FP4 Nvidia
Максимальный размер модели до 700 млрд параметров Nvidia
Четыре DGX Spark по отдельности почти 28 тыс. долларов без коммутации расчёт в исходном материале
Цена комплекта не раскрыта, по заявке Nvidia

Как устроен кластер, если объяснять без жаргона?

Каждый из четырёх компьютеров собран на чипе GB10 Grace Blackwell Superchip. Внутри него два мозга: 20-ядерный процессор Arm (CPU, центральный процессор, архитектура как в смартфонах) и графический ускоритель Blackwell (GPU, видеочип, на котором и считаются нейросети).

У каждого узла 128 ГБ памяти LPDDR5X, это быстрая энергоэкономичная оперативная память. Она общая для процессора и ускорителя, поэтому данные не нужно перекладывать между ними, как вещи между двумя шкафами.

Хранилище построено на NVMe, это скоростные твердотельные диски. Суммарно в кластере 16 ТБ, по 4 ТБ на узел.

Отдельно о связи. Узлы соединены в кольцо через сетевую карту Nvidia ConnectX-7: каждый компьютер подключён к двум соседям. Поэтому отдельный коммутатор (сетевой распределитель, через который обычно связывают машины) для подключения не нужен.

Что Nvidia обещает на практике?

Ключевые заявления компании с цифрами:

  • До 700 млрд параметров. Параметры, это внутренние настройки, которые модель выучила при обучении. Чем их больше, тем больше памяти нужно для запуска. По словам Nvidia, вычислительных возможностей кластера хватает, чтобы держать модель такого размера локально.
  • 1 петафлопс на узел в FP4. Петафлопс, это квадриллион операций в секунду. FP4, формат вычислений с пониженной точностью: число хранится всего в 4 битах, как округление цены до сотен рублей. Считать так быстрее, но точность ниже.
  • 512 ГБ памяти на четыре узла. Именно объём памяти, а не скорость, чаще всего упирает потолок по размеру модели.
  • Инструменты для учёных. Nvidia готовит инструкцию по развёртыванию HPC SDK. Это набор инструментов разработчика с компиляторами C, C++ и Fortran (Fortran, старейший язык научных расчётов), которые используют видеоускоритель, плюс библиотеки и средства обмена сообщениями между узлами MPI.

Обратите внимание на формулировку: речь о пиковой производительности и о заявленном размере модели. Замеров скорости ответа на конкретных моделях в анонсе нет.

Как это читать

Все характеристики, это заявления Nvidia, а не независимое тестирование: с какой скоростью модель на 700 млрд параметров будет отвечать, компания не сообщила. Пиковый петафлопс посчитан в формате FP4, на задачах с более высокой точностью цифры будут другими.

Второе спорное место, деньги. Комплект уже можно заказать, но цену на сайте Nvidia не публикует, для подробностей нужно оставить заявку. Ориентир дан только косвенный: четыре DGX Spark со 128 ГБ памяти и SSD на 4 ТБ при покупке по отдельности обойдутся почти в 28 тыс. долларов, и это без коммутации и дополнительного оборудования.

Где подвох

Это инструмент для разработчиков и исследователей, а не готовый сервис. Модель нужно где-то взять, развернуть и настроить самому. Условия поставки в Россию в анонсе не упоминаются.

Что это значит для вас и что делать сейчас?

Суть новости в одной фразе: Nvidia представила кластер из четырёх DGX Spark с 512 ГБ для запуска ИИ-моделей размером до 700 млрд параметров, и теперь у локального запуска крупных моделей появилась понятная нижняя планка бюджета.

Автору Дзена. Для текстов, сценариев и рубрик такая машина избыточна. Облачные YandexGPT и GigaChat закрывают повседневные задачи за подписку, а не за десятки тысяч долларов. Новость полезна как сюжет: «сколько стоит своя нейросеть дома» хорошо заходит читателю, если показать цифры.

Маркетологу. Главный довод за локальный запуск, данные клиентов не уходят в чужое облако. Если в компании идёт разговор о собственной модели, у вас теперь есть ориентир: почти 28 тыс. долларов только за четыре узла.

Предпринимателю в РФ и СНГ. Прежде чем писать заявку, посчитайте: окупятся ли 28 тыс. долларов плюс сеть и обслуживание против аренды мощностей у российских облачных провайдеров. Для разовых задач аренда почти всегда дешевле.

Мнение редакции dzen.guru

На мой взгляд, самое ценное в этой новости не петафлопсы, а честная цифра в 28 тыс. долларов. Мы годами слышим, что крупные модели доступны только корпорациям, а здесь видно, что порог входа для лаборатории или небольшой студии сопоставим с ценой автомобиля. Но я бы не спешил: пока нет независимых замеров скорости, заявление «до 700 млрд параметров» остаётся обещанием на бумаге. Дождитесь первых тестов от реальных пользователей.

Мой совет простой: если собственная модель вам не нужна для закрытых данных, держитесь облака и вкладывайте деньги в контент, а не в железо.

По данным Nvidia, анонс на конференции SC26

Поделиться:TelegramVK
Игорь Градов
Игорь Градов

Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».

Комментарии

Читайте также

ai

Liquid AI выпустила d1.2 и d1.2-ultra: модели слышат звук, ultra возглавила AA Decision Index

Liquid AI выпустила d1.2 и d1.2-ultra, модели принятия решений, которые теперь понимают текст, картинки и звук, а старшая версия набрала 75 баллов и возглавила…

5 мин
Разработчик заменил себя ИИ-аватаром на YouTube: 10 лайков и 100 дизлайков
ai

Разработчик заменил себя ИИ-аватаром на YouTube: 10 лайков и 100 дизлайков

Разработчик языкового приложения собрал почти автоматический конвейер с ИИ-аватаром для YouTube и получил 10 лайков против 100 дизлайков: зрители предпочли…

4 мин
Spotify открыл всем артистам защиту от дипфейков: чужой трек можно снять с профиля
ai

Spotify открыл всем артистам защиту от дипфейков: чужой трек можно снять с профиля

Spotify открыл всем артистам инструмент Artist Profile Protection против чужих и поддельных треков на странице исполнителя, когда поток ИИ-музыки растёт, а…

4 мин