据MarkTechPost报道，英伟达于10月2日宣布推出64GB配置的DGX Spark。这款基于GB10 Grace Blackwell的桌面AI系统由宏碁、华硕、戴尔、技嘉、惠普和微星提供，面向开发者在本地运行开放模型、常驻AI代理、微调和推理。新配置将于2026年10月23日通过英伟达Marketplace、OEM伙伴和零售渠道上市。
64GB版保留原版DGX Spark的GB10 Grace Blackwell超级芯片、英伟达CUDA加速AI软件栈和ConnectX-7网络，但将统一内存从128GB调整为64GB LPDDR5x。英伟达将其定位为足以运行当前最强的30B至35B级开放模型。128GB版DGX Spark继续面向更大的单机工作负载，而两台64GB设备可集群获得128GB内存和更多算力。公司称，开发者可以先从一台系统开始运行本地模型和代理，随着工作增长再集群扩展。
硬件方面，GB10将Blackwell GPU与第五代Tensor Core和20核Grace Arm CPU结合。GPU可提供最高1 petaFLOP FP4 AI算力，带稀疏性。64GB版内存带宽273 GB/s，存储为1TB、2TB或4TB自加密NVMe M.2，网络为ConnectX-7网卡、200GbE以及Wi-Fi 7和BT 5.3，显示输出为1个HDMI 2.1a，操作系统为基于Ubuntu的NVIDIA DGX OS，尺寸150×150×50.5毫米，重1.2千克，最大本地模型规模最高100B参数。CPU和GPU通过NVLink-C2C共享统一内存池，带宽为PCIe Gen 5的5倍，无需在系统内存和显存之间复制权重；对代理而言，多个模型、KV缓存和工具进程可位于同一地址空间。
软件在首次启动时即就绪。DGX OS附带英伟达AI栈，包括PyTorch、Jupyter和Ollama。NVIDIA NemoClaw可通过一条命令安装，为OpenClaw代理增加隐私和安全控制；NVIDIA Agent Toolkit中的NVIDIA OpenShellTM增加基于策略的护栏；NVIDIA NemotronTM模型针对该设备优化。设备使用标准墙壁插座供电，不需要服务器机房或特殊冷却，英伟达称这对需要全天候运行的代理很重要。ConnectX-7支持两台DGX Spark 64GB集群，NVIDIA Sync Cluster Assistant简化设置。
英伟达同时给出适合64GB的开放模型清单。Meta的Muse Glimmer为29.6B稠密模型，支持文本和图像，Apache 2.0许可，量化后约17GB，作为主代理模型；英伟达Nemotron 3.5 Lightning为30B MoE（30B-A3B），提供NVFP4检查点，用作长运行代理的快速执行器；阿里巴巴Qwen的Qwen3.8-27B为27B稠密模型，4位权重约13.5GB，用于通用代理和编码。报道称上述占用仅为权重估算，KV缓存和运行时开销另计。Muse Glimmer由Meta从Muse Spark蒸馏，后者是Meta AI助手背后的模型系列，面向本地代理，强调可靠工具调用、长多步任务和故障恢复；Meta报告其在SWE-Bench Pro上为51.2，在MCP Atlas上为75.5，上下文长度达131K tokens，也作为NVIDIA NIM提供。完整BF16 Glimmer需要55GB以上，64GB设备上量化版更实用。DeepSeek V4 Flash等更大模型需要不止一台设备，英伟达基准测试在4台64GB集群Spark上运行。
英伟达列出单机可构建的用途。其一是常驻个人代理，安装Hermes并接入Muse Glimmer或Nemotron 3.5 Lightning，赋予GitHub仓库、测试运行器、arXiv分类RSS等工具，可整夜运行，次晨完成新问题分类、复现失败测试并起草拉取请求供审查，同时摘要未读论文，私人笔记、代码和邮件不离开机器。其二是在自有代码库上微调编码模型，70B模型的QLoRA可放入64GB，使用代码库、内部文档和过往PR评审训练，再本地作为了解团队约定的编码助手；英伟达测得单节点nanochat分布式微调约18,400 tokens/s。其三是首日模型评估台，新开放权重模型发布当天即可通过Ollama或vLLM拉取，运行自有问题集，评分准确率，并测量首token时间（TTFT）和每秒token数，再与基准比较。