KI-Entwicklungsrechner,
128 GB gemeinsamer Arbeitsspeicher
für CPU und GPU
Das komplette NVIDIA DGX Spark ist exklusiv einem Kunden zugewiesen und wird nicht geteilt.
SSH-Zugriff · CUDA unter DGX OS vorinstalliert
Ein DGX Spark ist exklusiv einem Kunden zugewiesen; der 128-GB-Speicherpool wird nicht geteilt.
Als System ist ausschließlich NVIDIA DGX OS (basierend auf Ubuntu 24.04) verfügbar. Der folgende NVIDIA-KI-Software-Stack ist vorinstalliert; mit Root-Rechten lassen sich weitere Tools installieren. Modelle sind nicht vorinstalliert.
Ein komplettes System. Drei klar nachvollziehbare Fakten.
Modell, Kapazität und Abrechnungsformel stehen transparent im Angebot. Warteschlangen und die Verdrängung durch andere Nutzer gibt es bei einem exklusiven System nicht.
128 GB LPDDR5x gemeinsamer Arbeitsspeicher
CPU und GPU nutzen denselben Speicherpool. Modellgewichte, KV-Cache und CUDA-Programme werden darin verwaltet – ohne ständiges Kopieren zwischen Host- und Gerätespeicher.
GB10 Grace Blackwell exklusiv nutzen
Ein NVIDIA DGX Spark wird exklusiv einem Kunden zugewiesen und nicht geteilt. Aufgaben laufen ohne Warteschlange und werden nicht durch andere Nutzer verdrängt.
Keine Installationsgebühr, keine Vertragsbindung, keine Rabatte
Betrag = Tage × Tagespreis. Der Angebotspreis ist der Endpreis: ohne einmalige Gebühren und ohne Mindestlaufzeit.
Gewichte, KV-Cache und CUDA-Programme in einem Speicherpool
Der NVIDIA GB10 Grace Blackwell stellt 128 GB LPDDR5x gemeinsamen Arbeitsspeicher bereit, auf den Grace CPU und Blackwell GPU zugreifen. Laut NVIDIA eignet sich dieser Speicherpool für quantisierte Inferenz mit etwa 200B Parametern oder für LoRA-/QLoRA-Fine-Tuning mit etwa 70B Parametern.
Modellgrößen bei TcpNode vergleichenEin GB10,exklusiv für einen Kunden
Treiber und Toolchain sind unter DGX OS einsatzbereit. Root-Rechte bleiben beim Mieter; benötigte Versionen lassen sich selbst installieren.
20 Arm-Kerne und Blackwell GPU exklusiv nutzen
Die CPU besteht aus 10×Cortex-X925 plus 10×Cortex-A725 und nutzt die ARM64-Architektur. Der Zugriff erfolgt per SSH mit Root-Rechten. Das System wird nicht geteilt; Kompilieren, Debugging und lange Inferenzläufe starten ohne Warteschlange.
TcpNode DGX Spark: technische DatenAbrechnung pro Tag, mit einer klaren Formel
DGX Spark wird pro Tag gemietet, für einen Zeitraum von 1–365 Tagen. Ohne Rabatte, Installationsgebühr oder Vertragsbindung. Nach Ablauf werden die Daten auf dem System gelöscht. Gewichte, Code und Protokolle, die erhalten bleiben sollen, müssen vorher selbst übertragen werden.
TcpNode DGX Spark entdeckenZwei Einsatzbereiche, ein System
Das System läuft mit NVIDIA DGX OS (basierend auf Ubuntu 24.04); CUDA und NGC-Container sind sofort einsatzbereit.
CUDA-Kernel auf ARM64 kompilieren und debuggen
Die CUDA-Entwicklungsumgebung ist mit dem System einsatzbereit; eine schrittweise Treiberinstallation entfällt. Container lassen sich mit NGC bereitstellen. ARM64-Images können direkt heruntergeladen und ausgeführt werden.
Lokale Inferenz und Fine-Tuning-Experimente
Geeignet für lokale Inferenz, LoRA-Fine-Tuning und KI-Prototypen. Modelle sind nicht vorinstalliert und müssen selbst heruntergeladen werden. Bei der theoretischen Geschwindigkeit von 1 Gbit/s dauert ein Download von 40 GB etwa 5,5 Minuten.
Welche Aufgaben sich für DGX Spark eignen
Feste Spezifikationen, festes System: Diese beiden Listen helfen bei der Entscheidung.
Geeignet
- CUDA-Programme entwickeln und debuggen
- ARM64-Container bereitstellen und NGC-Images testen
- Lokale Inferenz und Durchsatztests mit großen Sprachmodellen
- LoRA-Fine-Tuning-Experimente
- DGX OS kennenlernen und KI-Prototypen validieren
Nicht geeignet
- x86-Programme und Windows; ARM64 kann sie nicht ausführen
- Multi-Node-Cluster und nodeübergreifendes Training
- Anpassungen an Bandbreite, IP-Adressen oder Laufwerken erforderlich
- Mehr Arbeitsspeicher oder ein anderes Betriebssystem erforderlich
Häufige Fragen vor der Buchung
Was passiert nach Ablauf mit den Daten auf dem System?
Nach Ablauf werden alle Daten auf dem System gelöscht. Modellgewichte, Code und Protokolle, die erhalten bleiben sollen, müssen vorher selbst auf einen anderen Speicher übertragen werden.
Laufen x86-Programme oder Windows darauf?
Nein. DGX Spark nutzt die ARM64-Architektur und ausschließlich NVIDIA DGX OS. Für x86 vorgesehene Images müssen durch ARM64-Versionen ersetzt werden.
Sind Modelle vorinstalliert?
Modelle sind nicht vorinstalliert. Der NVIDIA-KI-Software-Stack mit CUDA, cuDNN und TensorRT ist einsatzbereit; Modellgewichte müssen selbst heruntergeladen werden.
Wo sind Zugangsdaten zu finden und wie werden Probleme gemeldet?
Nach der Bereitstellung sind IP-Adresse und Zugangsdaten in der Systemübersicht im Control Panel verfügbar; der Zugriff erfolgt per SSH. Störungen, harte Neustarts und Neuinstallationen des Systems lassen sich über ein Ticket im Control Panel melden.
Komplettes DGX Spark System, $16.7 pro Tag
NVIDIA GB10 Grace Blackwell · 128 GB LPDDR5x gemeinsamer Arbeitsspeicher · Rechenzentrum in Tokio, Japan
CUDA-Stream-Abhängigkeiten auf DGX Spark prüfen
Ein vollständiges Zwei-Stream-Beispiel verbindet Produzent und Verbraucher per Event und prüft Ergebnisse sowie die sichere Wiederverwendung der Puffer.
KI-AutomatisierungCUDA-Artefakte auf DGX Spark prüfen: Zielarchitektur, SASS und PTX
Die tatsächliche GPU-Zielarchitektur ermitteln, SASS und PTX einbetten und native Ausführung sowie erzwungene JIT-Kompilierung getrennt prüfen.
KI-AutomatisierungCUDA-Speicherzugriffe auf DGX Spark gezielt prüfen
Ein kontrollierter Schreibzugriff außerhalb der Grenzen zeigt, wie Quellzeilen, asynchrone Fehler und Exitcodes gemeinsam geprüft werden.
Neue Artikel sind in Vorbereitung. Bis dahin: Blog ansehen.