Modelli IA che questa macchina esegue
Eseguiti in locale, interamente nella memoria della scheda video: nessun servizio esterno, nessun dato che esce.
| Modello | Parametri | Quant. | Occupa | Margine | Contesto max |
|---|---|---|---|---|---|
| Mixtral 8X22B | 176 B | Q4_0 | 87,2 GB | 40,8 GB | 64k |
| Qwen2.5 72B | 72 B | Q8_0 | 85,6 GB | 42,4 GB | 32k |
| Qwen2.5 72B | 72 B | Q4_0 | 53,7 GB | 74,3 GB | 32k |
| Llama3.3 70B | 70 B | Q8_0 | 80,3 GB | 47,7 GB | — |
| Llama3.1 70B | 70 B | Q8_0 | 80,3 GB | 47,7 GB | — |
| Codellama 70B | 70 B | Q8_0 | 78,5 GB | 49,5 GB | — |
| Llama3.3 70B | 70 B | Q4_0 | 45,5 GB | 82,5 GB | — |
| Llama3.1 70B | 70 B | Q4_0 | 45,5 GB | 82,5 GB | — |
| Deepseek-r1 70B | 70 B | Q4_0 | 45,5 GB | 82,5 GB | — |
| Codellama 70B | 70 B | Q4_K_M | 44,4 GB | 83,6 GB | — |
| Codellama 70B | 70 B | Q4_0 | 41,6 GB | 86,4 GB | — |
| Mixtral 8X7B | 56 B | Q4_0 | 29,5 GB | 98,5 GB | 32k |
| Codellama 34B | 34 B | FP16 | 72,3 GB | 55,7 GB | — |
| Codellama 34B | 34 B | Q8_0 | 38,4 GB | 89,6 GB | — |
| Codellama 34B | 34 B | Q4_K_M | 21,7 GB | 106,3 GB | — |
| Llava 34B | 34 B | Q4_0 | 20,8 GB | 107,2 GB | — |
| Codellama 34B | 34 B | Q4_0 | 20,4 GB | 107,6 GB | — |
| Qwen2.5 32B | 32 B | FP16 | 72,5 GB | 55,5 GB | 32k |
| Qwen2.5-coder 32B | 32 B | FP16 | 72,5 GB | 55,5 GB | 32k |
| Qwen2.5 32B | 32 B | Q8_0 | 39,6 GB | 88,4 GB | 32k |
| Qwen2.5-coder 32B | 32 B | Q8_0 | 39,6 GB | 88,4 GB | 32k |
| Qwen2.5 32B | 32 B | Q4_0 | 23,6 GB | 104,4 GB | 32k |
| Qwen2.5-coder 32B | 32 B | Q4_0 | 23,6 GB | 104,4 GB | 32k |
| Qwq 32B | 32 B | Q4_0 | 23,6 GB | 104,4 GB | 40k |
| Deepseek-r1 32B | 32 B | Q4_0 | 23,6 GB | 104,4 GB | 128k |
| Gemma2 27B | 27 B | FP16 | 58,3 GB | 69,7 GB | — |
| Gemma2 27B | 27 B | Q8_0 | 31,0 GB | 97,0 GB | — |
| Gemma3 27B | 27 B | Q4_0 | 18,6 GB | 109,4 GB | — |
| Gemma2 27B | 27 B | Q4_K_M | 17,8 GB | 110,2 GB | — |
| Gemma2 27B | 27 B | Q4_0 | 16,7 GB | 111,3 GB | — |
| Mistral-small 24B | 24 B | Q4_0 | 16,8 GB | 111,2 GB | 32k |
| Mistral-small 22B | 22 B | Q4_0 | 13,5 GB | 114,5 GB | — |
| Qwen2.5 14B | 14 B | FP16 | 33,4 GB | 94,6 GB | 32k |
| Qwen2.5-coder 14B | 14 B | FP16 | 31,6 GB | 96,4 GB | — |
| Qwen2.5 14B | 14 B | Q8_0 | 18,5 GB | 109,5 GB | 32k |
| Qwen2.5-coder 14B | 14 B | Q8_0 | 16,8 GB | 111,2 GB | — |
| Phi4 14B | 14 B | Q4_0 | 9,7 GB | 118,3 GB | — |
| Qwen2.5 14B | 14 B | Q4_0 | 11,4 GB | 116,6 GB | 32k |
| Qwen2.5-coder 14B | 14 B | Q4_0 | 9,6 GB | 118,4 GB | — |
| Deepseek-r1 14B | 14 B | Q4_0 | 11,4 GB | 116,6 GB | 128k |
| Codellama 13B | 13 B | FP16 | 27,9 GB | 100,1 GB | — |
| Codellama 13B | 13 B | Q8_0 | 14,8 GB | 113,2 GB | — |
| Codellama 13B | 13 B | Q4_K_M | 8,4 GB | 119,6 GB | — |
| Codellama 13B | 13 B | Q4_0 | 7,9 GB | 120,1 GB | — |
| Llava 13B | 13 B | Q4_0 | 7,9 GB | 120,1 GB | — |
| Gemma3 12B | 12 B | Q4_0 | 8,7 GB | 119,3 GB | — |
| Gemma2 9B | 9 B | FP16 | 19,8 GB | 108,2 GB | — |
| Gemma2 9B | 9 B | Q8_0 | 10,5 GB | 117,5 GB | — |
| Gemma2 9B | 9 B | Q4_K_M | 6,2 GB | 121,8 GB | — |
| Gemma2 9B | 9 B | Q4_0 | 5,8 GB | 122,2 GB | — |
| Llama3.1 8B | 8 B | FP16 | 17,2 GB | 110,8 GB | — |
| Llama3.1 8B | 8 B | Q8_0 | 9,1 GB | 118,9 GB | — |
| Deepseek-r1 8B | 8 B | Q4_0 | 5,6 GB | 122,4 GB | — |
| Llama3.1 8B | 8 B | Q4_0 | 5,3 GB | 122,7 GB | — |
| Qwen2.5 7B | 7 B | FP16 | 16,8 GB | 111,2 GB | 32k |
| Qwen2.5-coder 7B | 7 B | FP16 | 16,8 GB | 111,2 GB | 32k |
| Mistral 7B | 7 B | FP16 | 16,7 GB | 111,3 GB | 32k |
| Codellama 7B | 7 B | FP16 | 14,4 GB | 113,6 GB | — |
| Qwen2.5 7B | 7 B | Q8_0 | 9,2 GB | 118,8 GB | 32k |
| Qwen2.5-coder 7B | 7 B | Q8_0 | 9,2 GB | 118,8 GB | 32k |
| Mistral 7B | 7 B | Q8_0 | 9,4 GB | 118,6 GB | 32k |
| Codellama 7B | 7 B | Q8_0 | 7,7 GB | 120,3 GB | — |
| Qwen2.5 7B | 7 B | Q4_0 | 5,5 GB | 122,5 GB | 32k |
| Qwen2.5-coder 7B | 7 B | Q4_0 | 5,5 GB | 122,5 GB | 32k |
| Deepseek-r1 7B | 7 B | Q4_0 | 5,5 GB | 122,5 GB | 128k |
| Mistral 7B | 7 B | Q4_0 | 5,8 GB | 122,2 GB | 32k |
| Mistral 7B | 7 B | Q4_K_M | 5,8 GB | 122,2 GB | 32k |
| Llava 7B | 7 B | Q4_0 | 4,4 GB | 123,6 GB | — |
| Codellama 7B | 7 B | Q4_K_M | 4,4 GB | 123,6 GB | — |
| Starcoder2 7B | 7 B | Q4_0 | 4,3 GB | 123,7 GB | — |
| Codellama 7B | 7 B | Q4_0 | 4,1 GB | 123,9 GB | — |
| Gemma3 4B | 4 B | Q4_0 | 3,6 GB | 124,4 GB | — |
| Llama3.2 3B | 3 B | FP16 | 6,9 GB | 121,1 GB | — |
| Qwen2.5 3B | 3 B | FP16 | 6,9 GB | 121,1 GB | 32k |
| Qwen2.5-coder 3B | 3 B | FP16 | 6,6 GB | 121,4 GB | — |
| Llama3.2 3B | 3 B | Q8_0 | 3,7 GB | 124,3 GB | — |
| Qwen2.5 3B | 3 B | Q8_0 | 3,8 GB | 124,2 GB | 32k |
| Qwen2.5-coder 3B | 3 B | Q8_0 | 3,5 GB | 124,5 GB | — |
| Llama3.2 3B | 3 B | Q4_0 | 2,2 GB | 125,8 GB | — |
| Qwen2.5 3B | 3 B | Q4_0 | 2,4 GB | 125,6 GB | 32k |
| Qwen2.5-coder 3B | 3 B | Q4_0 | 2,1 GB | 125,9 GB | — |
| Starcoder2 3B | 3 B | Q4_0 | 1,8 GB | 126,2 GB | — |
| Gemma2 2B | 2 B | FP16 | 5,6 GB | 122,4 GB | — |
| Gemma2 2B | 2 B | Q8_0 | 3,0 GB | 125,0 GB | — |
| Gemma2 2B | 2 B | Q4_K_M | 1,8 GB | 126,2 GB | — |
| Gemma2 2B | 2 B | Q4_0 | 1,7 GB | 126,3 GB | — |
| Qwen2.5 1.5B | 1,5 B | FP16 | 3,3 GB | 124,7 GB | — |
| Qwen2.5-coder 1.5B | 1,5 B | FP16 | 3,3 GB | 124,7 GB | — |
| Qwen2.5 1.5B | 1,5 B | Q8_0 | 1,8 GB | 126,2 GB | — |
| Qwen2.5-coder 1.5B | 1,5 B | Q8_0 | 1,8 GB | 126,2 GB | — |
| Deepseek-r1 1.5B | 1,5 B | Q4_0 | 1,2 GB | 126,8 GB | — |
| Qwen2.5 1.5B | 1,5 B | Q4_0 | 1,1 GB | 126,9 GB | — |
| Qwen2.5-coder 1.5B | 1,5 B | Q4_0 | 1,1 GB | 126,9 GB | — |
| Llama3.2 1B | 1 B | FP16 | 2,7 GB | 125,3 GB | — |
| Llama3.2 1B | 1 B | Q4_0 | 1,4 GB | 126,6 GB | — |
| Gemma3 1B | 1 B | Q4_0 | 0,9 GB | 127,1 GB | — |
| Llama3.2 1B | 1 B | Q4_K_M | 0,9 GB | 127,1 GB | — |
Occupazione calcolata con un margine del 15% per attivazioni e frammentazione, su una finestra di contesto di 8.192 token. Contesti più lunghi richiedono memoria aggiuntiva; modelli più grandi possono girare appoggiandosi alla RAM di sistema, ma molto più lentamente.
Il NVIDIA DGX Spark Founders Edition porta la potenza di calcolo di un supercomputer AI in un telaio da 150 x 150 x 50,5 mm e 1,2 kg. È pensato per sviluppatori, ricercatori e data scientist che vogliono prototipare, mettere a punto ed eseguire inferenza su modelli di grandi dimensioni in locale, senza dipendere dal cloud e senza condividere dati sensibili.
Il cuore del sistema è il superchip NVIDIA GB10 Grace Blackwell, che unisce una GPU Blackwell con Tensor Core di quinta generazione e supporto FP4 a una CPU Arm a 20 core (10 Cortex-X925 e 10 Cortex-A725), collegate tramite NVLink-C2C: un'interconnessione con banda nettamente superiore al PCIe tradizionale, che permette a CPU e GPU di condividere la stessa memoria senza copie di dati. Il risultato sono fino a 1 PetaFLOP di prestazioni AI in FP4 su una scrivania.
I 128 GB di memoria unificata coerente LPDDR5x con 273 GB/s di banda consentono di lavorare con LLM fino a 200 miliardi di parametri, mentre l'SSD NVMe da 4 TB con autocrittografia offre spazio per dataset, checkpoint e container. Grazie alla rete NVIDIA ConnectX-7 da 200 Gb/s è possibile collegare due unità DGX Spark e affrontare modelli fino a 405 miliardi di parametri.
Il sistema arriva pronto all'uso con NVIDIA DGX OS basato su Ubuntu e uno stack software AI completo: NVIDIA NIM, Blueprints, CUDA-X, PyTorch, Jupyter e Ollama sono già integrati, così si può iniziare a sviluppare e testare senza configurare manualmente l'ambiente. Il design termico con raffreddamento ad aria e l'alimentatore esterno da 240 W completano una piattaforma silenziosa e trasportabile.
Dati Tecnici:
- Tipologia: Mini PC / supercomputer AI da desktop
- Architettura: NVIDIA Grace Blackwell
- Superchip: NVIDIA GB10 Grace Blackwell
- GPU: NVIDIA Blackwell con Tensor Core di 5ª generazione e RT Core di 4ª generazione
- CPU: 20 core Arm (10 x Cortex-X925 + 10 x Cortex-A725)
- Interconnessione CPU-GPU: NVLink-C2C
- Prestazioni AI: fino a 1 PFLOP (1000 TOPS) in FP4 con sparsity
- Memoria di sistema: 128 GB LPDDR5x unificata e coerente
- Bus memoria: 256 bit
- Banda di memoria: 273 GB/s
- Storage: 4 TB SSD NVMe M.2 con autocrittografia
- Dimensione modelli supportati: fino a 200 miliardi di parametri (fino a 405 miliardi con due unità collegate)
- Rete ad alta velocità: NVIDIA ConnectX-7 Smart NIC, 2 x QSFP fino a 200 Gb/s (RDMA)
- Rete cablata: 1 x RJ-45 10GbE
- Wireless: Wi-Fi 7 + Bluetooth 5.4
- Porte USB: 4 x USB Type-C (una utilizzata per l'alimentazione)
- Uscita video: 1 x HDMI 2.1a
- Sistema operativo: NVIDIA DGX OS (base Ubuntu Linux)
- Stack software: NVIDIA AI Software Stack con NIM, Blueprints, CUDA-X
Compatibile con PyTorch, Jupyter, Ollama - Raffreddamento: ad aria
- Alimentazione: alimentatore esterno da 240 W con cavo incluso
- Dimensioni (LxPxH): 150 x 150 x 50,5 mm
- Peso: 1,2 kg
- Colore: Gold
- Illuminazione RGB: No
Le specifiche tecniche, le descrizioni e le immagini dei prodotti sono fornite dai rispettivi produttori e riportate a titolo informativo. Tali dati possono contenere errori involontari o essere soggetti a variazioni e aggiornamenti da parte del produttore senza preavviso. Le immagini sono da considerarsi indicative e potrebbero non corrispondere esattamente al prodotto consegnato.
In caso di discrepanza, fanno fede le specifiche ufficiali pubblicate dal produttore. I diritti del consumatore previsti dal D.Lgs. 206/2005 restano impregiudicati. Per chiarimenti, contattaci.
Recensioni
Non ci sono recensioni dei clienti in questo momento.
NVIDIA DGX Spark Founders Edition - Mini PC AI con NVIDIA GB10 Grace Blackwell, 128GB, 4TB NVMe
Supercomputer AI da scrivania con superchip GB10 Grace Blackwell, 1 PFLOP FP4, 128GB di memoria unificata coerente, 4TB NVMe e rete ConnectX-7 per modelli fino a 200 miliardi di parametri
Finanziamento @RateinRete
Sella Personal Credit · Importo di riferimento: € 6.900
Ti ricontatteremo entro 1 giorno lavorativo.
Finanziamento soggetto ad approvazione di Sella Personal Credit S.p.A. Importi indicativi dalla tabella finanziaria. La rata effettiva verrà calcolata in base all'importo esatto dell'ordine.