DGX Spark arrive dans une nouvelle version dotée de 64 Go de mémoire unifiée, avec un prix d'entrée fixé à 4999 dollars pour faire tourner de grands modèles en local, sur le bureau. Le 2 octobre 2026, NVIDIA a annoncé cette nouvelle configuration sur son blog officiel et indiqué une mise en vente le 23 octobre. Pour celles et ceux qui veulent garder leurs agents sur leur propre machine, c'est une option moins chère qui s'ajoute.
Le même matériel, avec moitié moins de mémoire
La nouvelle version reprend la même superpuce GB10 Grace Blackwell que le modèle 128 Go, le même système DGX OS et l'ensemble de la pile logicielle NVIDIA AI. La seule différence tient à la mémoire unifiée : la version 64 Go sera vendue uniquement par l'intermédiaire de partenaires — Acer, ASUS, Dell, Gigabyte, HP et MSI —, à partir de 4999 dollars, avec un début des ventes le 23 octobre.
Avec ses 64 Go de mémoire, une seule machine peut faire tourner en local des modèles comptant jusqu'à 100 milliards de paramètres, avec des agents qui fonctionnent entièrement sur l'appareil, en privé et sans dépendre du cloud. Pour qui a déjà l'habitude de l'inférence locale sur ordinateur de bureau, la démarche est familière : comme l'a montré LM Studio en intégrant de grands modèles dans une application de bureau, avec ses arbitrages sur la mémoire, la quantification et le choix des modèles, ce qui limite l'expérience, ce n'est souvent pas l'interface, mais la place disponible pour loger le modèle. C'est exactement là que se place la DGX Spark 64 Go : faire d'abord fonctionner une machine seule, puis parler d'extension.
Côté logiciels, tout est prêt à l'emploi. La machine est livrée avec le NVIDIA Agent Toolkit, les bibliothèques CUDA-X et les modèles ouverts Nemotron préinstallés, et Ollama, vLLM et PyTorch fonctionnent directement. Un paquet d'installation préconfiguré pour Blender arrive aussi bientôt. Pour qui ne veut pas passer des jours à régler pilotes et frameworks, cette préinstallation fait gagner plus que des étapes d'installation : elle réduit aussi les problèmes classiques de versions incompatibles et de dépendances en conflit, afin de pouvoir essayer des modèles et construire des agents peu après le déballage.
Deux machines en cluster, pour pouvoir partir d'une seule et grandir ensuite
Si une machine ne suffit pas, on peut en relier deux en cluster. Les deux DGX Spark se connectent directement par câbles QSFP grâce à leurs adaptateurs réseau ConnectX-7 intégrés, et NVIDIA Sync Cluster Assistant se charge automatiquement de la configuration, sans avoir à régler le réseau à la main. Une fois réunies, leurs mémoires s'additionnent pour atteindre 128 Go, de quoi faire tourner des modèles allant jusqu'à 200 milliards de paramètres, avec une bande passante mémoire doublée et des performances pouvant atteindre 1,7 fois celles d'une seule machine. Précision nécessaire : ce facteur 1,7 provient des mesures officielles de NVIDIA lui-même, réalisées avec Qwen 3.8 27B ; les résultats réels dépendront de la charge de travail.
Les outils d'accompagnement se complètent aussi. D'ici la fin du mois, NVIDIA lancera NVIDIA Sync Model Launcher, qui permettra de télécharger et de démarrer Qwen3.8 27B en quelques clics. Il pourra également configurer OpenCode automatiquement, en évitant l'installation manuelle des environnements et l'ajustement des paramètres. Pour les développeurs indépendants, cette trajectoire — acheter une machine d'abord, en ajouter une autre plus tard — est plus réaliste que de viser d'emblée la configuration la plus chère.
Un prix de 4999 dollars qui ne se comprend que sur fond de hausse de la mémoire
Pour comprendre ce tarif, un élément de contexte s'impose. Plusieurs médias, citant The Register, rapportent que la version 128 Go de la DGX Spark se vend désormais autour de 6950 dollars, contre un prix de lancement initial de 3999 dollars, la hausse des prix de la mémoire étant présentée comme la cause principale. Il faut le souligner : ces chiffres de prix viennent de la presse, pas d'une communication officielle de NVIDIA.
Dans ce contexte, l'intérêt de la version 64 Go devient clair. La demande d'agents locaux se précise : beaucoup de gens veulent un agent capable de rester allumé longtemps, prêt à tout moment, sans confier leurs données privées au cloud. Ce type d'usage ne repose pas sur la puissance de calcul de pointe, mais sur la capacité à garder un modèle en mémoire en permanence et à le faire tourner de façon stable. En résumé, le verrou de cette génération de machines d'IA de bureau, c'est la mémoire, pas le calcul. En période de hausse des prix de la mémoire, baisser le prix de la version 128 Go n'a rien d'évident, et passer à 64 Go est le compromis choisi par NVIDIA pour préserver un prix d'entrée.
Elle ne conviendra pas à tout le monde. Si une seule machine doit faire tourner un modèle de plus de 100 milliards de paramètres, la version 64 Go ne pourra pas le contenir : il faudra se tourner vers le modèle 128 Go, un cluster de deux machines ou le cloud ; si la charge est ponctuelle — machine au repos la plupart du temps, avec seulement une grosse tâche de temps en temps —, le cloud facturé à l'usage reste plus avantageux. À l'inverse, pour un travail quotidien, avec des données sensibles et des coûts que l'on veut fixes, une DGX Spark 64 Go posée sur le bureau est précisément le type d'utilisateur que cette nouvelle configuration cherche à convaincre.
