- Capacidad de ejecutar modelos de hasta 200B de parámetros gracias al superchip GB10 Grace Blackwell y su memoria unificada.
- Configuración simplificada mediante asistente de primer arranque, disponible tanto en modo escritorio como en modo dispositivo de red.
- Despliegue de modelos mediante Ollama y contenedores NVIDIA NIM, facilitando el uso de IA local sin escribir código.
- Posibilidad de escalar el rendimiento conectando dos unidades para alcanzar modelos de hasta 405B de parámetros.
¿Cómo ejecutar tu primer modelo de IA en el DGX Spark sin saber programar? Si te ha picado la curiosidad por montar tu propio laboratorio de inteligencia artificial en casa sin tener que complicarte la vida con líneas de código infinitas, el NVIDIA DGX Spark es probablemente la máquina que estabas esperando. No es solo un ordenador potente, sino una auténtica supercomputadora de bolsillo diseñada para que cualquier entusiasta o profesional pueda ejecutar modelos de lenguaje masivos sin depender de la nube y manteniendo sus datos bajo llave.
Lo más bestia de este equipo es que mete la potencia de un centro de datos en un chasis diminuto que cabe en la palma de tu mano, impulsado por el superchip GB10 Grace Blackwell. Ya sea que quieras un asistente de programación que no se corte o un sistema de agentes autónomos que trabaje mientras duermes, el Spark te permite desplegar IA localmente con una facilidad pasmosa, eliminando esa barrera técnica que suele asustar a los que no saben programar.
¿Qué hay bajo el capó del DGX Spark?
Para entender por qué este aparato es tan especial, hay que mirar sus tripas. El corazón es el mencionado superchip Grace Blackwell, que ofrece un rendimiento de hasta 1 PFLOP en FP4. Pero lo que realmente marca la diferencia es su memoria unificada de 128 GB (aunque existe una versión más asequible de 64 GB), que permite que la CPU y la GPU compartan datos sin perder tiempo en copias internas. Esto es clave para mover modelos de hasta 200 mil millones de parámetros en una sola unidad.
En cuanto a la conectividad, no se han dejado nada: incluye Wi-Fi 7, Ethernet de 10 GbE y el potente NVIDIA ConnectX para interconectarse con otras máquinas. Si necesitas más espacio, viene con hasta 4 TB de almacenamiento NVMe, ampliable mediante puertos Tipo C. Eso sí, ojo con la corriente: solo debes usar el puerto USB-C del extremo izquierdo para alimentarlo, ya que los demás no están diseñados para recibir energía.
Puesta en marcha: De la caja al primer arranque
Cuando abres la caja, te encuentras con la unidad Spark, los cables de corriente y una tarjeta de inicio rápido. Esta tarjeta es oro puro si decides configurar el equipo sin pantalla, ya que contiene el SSID y la contraseña del punto de acceso Wi-Fi temporal. Para los que prefieren lo clásico, la ruta de escritorio es la más sencilla: conectas monitor HDMI, teclado, ratón y corriente, y le das al botón de encendido.
El sistema te guiará a través de un asistente de configuración muy intuitivo donde eliges el idioma, la zona horaria y creas tu cuenta de usuario. Un punto crítico es la descarga del software: el equipo bajará la imagen oficial de NVIDIA automáticamente. Por nada del mundo apagues la máquina durante este proceso, ya que el sistema se reiniciará varias veces y cortar la instalación podría dejar el equipo inservible.
Configuración avanzada y acceso remoto
Si eres de los que prefiere dejar la máquina en un rincón y controlarla desde el portátil, el modo sin interfaz gráfica es tu opción. Al encenderlo sin monitor, el Spark crea su propio Wi-Fi. Te conectas a él, entras en la URL que indica la tarjeta de inicio y completas el asistente desde el navegador. Una vez listo, el equipo se une a tu red doméstica y el punto de acceso desaparece, lo cual es señal de que todo ha ido bien.
Para gestionar el sistema, el Spark viene con OpenSSH habilitado por defecto sobre Ubuntu 24.04. Puedes entrar mediante terminal usando la dirección IP o el nombre de host mDNS (como spark-hostname.local). Además, cuentas con el Panel de Control DGX en el puerto 11000 para monitorizar el hardware y acceder a JupyterLab, y el sistema de Sincronización de NVIDIA que facilita la conexión con VS Code sin complicaciones.
Cómo ejecutar tu primer modelo sin saber programar
Llegamos a la parte divertida. Para que la IA funcione, el Spark utiliza Docker ya preconfigurado con el kit de herramientas de NVIDIA. Para evitar escribir sudo en cada comando, lo primero es añadir tu usuario al grupo de docker ejecutando un par de instrucciones sencillas en la terminal. Una vez hecho, puedes lanzar un contenedor de PyTorch para verificar que la GPU y CUDA están respondiendo correctamente.
Si no quieres tocar código, la ruta más rápida es instalar Ollama, que te permite bajar y ejecutar modelos como Llama o Qwen con comandos básicos. Otra opción profesional son los contenedores NVIDIA NIM del catálogo NGC, que ofrecen modelos optimizados listos para usar. Si buscas algo aún más visual, herramientas como Unsloth Desktop integran la inferencia y el ajuste fino en una sola aplicación de escritorio, haciendo que la IA sea tan accesible como cualquier otro programa.
Modelos recomendados y capacidades agenciales
Dependiendo de tu objetivo, hay modelos que brillan más que otros. Para programar, el modelo Muse Glimmer de Meta es una joya, ya que está optimizado para agentes siempre activos y tareas de codificación local. Si buscas velocidad pura para agentes especializados, el Nemotron 3.5 Lightning ofrece una generación de tokens rapidísima y es totalmente personalizable mediante pesos abiertos.
Para los más exigentes, existen modelos como Laguna S 2.1 de Poolside AI, diseñado para tareas de programación que pueden durar horas, o el DeepSeek-V4-Flash para quienes necesitan ventanas de contexto masivas. Lo increíble es que el Spark permite ejecutar estos modelos en formato NVFP4, optimizando la memoria sin perder precisión, lo que permite que la IA sea fluida incluso en tareas complejas.
Escalando la potencia: El clúster multi-Spark
¿Y si 200 mil millones de parámetros no son suficientes? Aquí es donde entra la escalabilidad horizontal. Puedes conectar dos unidades DGX Spark mediante un cable QSFP en sus puertos ConnectX-7. Esto no solo suma la memoria, sino que puede elevar la capacidad hasta los 405 mil millones de parámetros, ideal para modelos gigantescos.
Para que esto no sea una pesadilla técnica, NVIDIA ha creado el Sync Cluster Assistant. Esta herramienta detecta las unidades conectadas, valida la configuración y distribuye la carga de trabajo automáticamente. Es básicamente como convertir dos mini PCs en una supercomputadora coordinada sin tener que reconfigurar el software desde cero, permitiendo que el rendimiento suba hasta un 70% en ciertos modelos.
Solución de problemas comunes
Es normal que surjan dudas al principio. Si notas que la página de configuración deja de cargar justo al final, no te asustes: es la señal de que el Spark ya se ha conectado a tu red y ha cerrado el portal de bienvenida. Si el equipo parece entrar en un bucle de reinicios tras el primer encendido, lo más probable es que la descarga de la imagen se haya interrumpido y necesites reinstalar el sistema operativo.
En cuanto al almacenamiento, puede que veas que tu disco de 4 TB marca unos 3.7 TB reales; esto no es un fallo, sino que el sistema operativo reporta la capacidad en unidades binarias. Y recuerda siempre: si Docker sigue pidiéndote permisos después de cambiar el grupo, simplemente cierra sesión y vuelve a entrar para que los cambios surtan efecto en tu terminal.
Contar con una infraestructura como la NVIDIA DGX Spark permite pasar de la teoría a la práctica ejecutando modelos de vanguardia como Llama o Nemotron de forma privada y segura. Desde la sencilla configuración inicial mediante asistente hasta la posibilidad de crear clústeres de alta velocidad con NVIDIA Sync, este hardware democratiza el acceso a la IA de nivel empresarial. Al integrar memoria unificada y la arquitectura Blackwell, el usuario puede gestionar desde asistentes de código hasta agentes autónomos complejos, todo ello optimizado mediante contenedores Docker y herramientas de código abierto que eliminan la necesidad de ser un experto en programación para obtener resultados profesionales.
Apasionado de la tecnología desde pequeñito. Me encanta estar a la última en el sector y sobre todo, comunicarlo. Por eso me dedico a la comunicación en webs de tecnología y videojuegos desde hace ya muchos años. Podrás encontrarme escribiendo sobre Android, Windows, MacOS, iOS, Nintendo o cualquier otro tema relacionado que se te pase por la cabeza.