NVIDIA、64GB版DGX Sparkを発表：4,999ドルから、2台クラスタでローカルAIを拡張
NVIDIAはDGX Sparkに64GBユニファイドメモリ構成を追加すると発表しました。10月23日からAcer、ASUS、Dell、Gigabyte、HP、MSIが4,999ドルから販売します。GB10 Grace Blackwellスーパーチップ、DGX OS、AIソフトウェアスタックは128GB版と同じで、最大1,000億パラメータのモデルをローカルで実行できます。2台をNVIDIA Sync Cluster Assistantで接続すると128GBを共有し、最大2,000億パラメータに対応。Qwen 3.8 27Bのテストでは単体比で最大1.7倍の性能です。
2026年10月2日、NVIDIAは公式ブログで、DGX Sparkに64GBユニファイドメモリの新構成を追加すると発表しました。新構成は10月23日（金）に発売され、Acer、ASUS、Dell、Gigabyte、HP、MSIの6社が4,999ドルから販売します。同じ記事では、2台のDGX Sparkをクラスタ化するNVIDIA Sync Cluster Assistantも紹介されています。NVIDIAの見立てはこうです。AIエージェントが実験から日常の開発へ移るにつれ、高性能なオープンモデルがより多くのデバイスに収まるサイズへ小さくなり、ローカルで動かせるものが増えている、というものです。 発表の中身 DGX Sparkは、NVIDIA Grace Blackwellの演算、ユニファイドメモリ、NVIDIA ConnectX-7ネットワーク、CUDAで高速化されたAIソフトウェアスタックを1台にまとめた製品です。NVIDIAはこれを、エージェント、推論、ファインチューニング、データサイエンス、エッジ開発のための完結したローカルAIプラットフォームと位置づけています。新しい64GB構成はメーカーパートナー経由のみの販売で、GB10 Grace Blackwellスーパーチップ、DGX OS、NVIDIA AIソフトウェアスタック一式は128GB版と同じです。NVIDIAによれば、最大1,000億パラメータのモデルと、それを基盤にしたエージェントアプリケーションを、クラウドに頼らずデバイス上だけで動かせます。
すぐ使えるソフトウェアも売りの一つです。NVIDIA Agent Toolkit、CUDA-X AIライブラリ、Nemotronオープンモデル、そしてOllama、vLLM、CUDA対応PyTorchといった定番のランタイムが、最初からサポートされています。NVIDIAは、電源を入れてからモデルを動かすまで数分だと述べています。Blenderも最初期に対応する主要クリエイティブアプリの一つで、ビルド済みのダウンロード用インストーラーが近く公開される予定です。 2台クラスタの仕組み すべてのDGX Sparkには、NVIDIA ConnectX-7 NICが内蔵されています。2台をQSFPケーブルで直接つなぐと、メモリは128GBにまとまり、対応モデルは最大2,000億パラメータに広がります。記事の数字では、メモリ帯域は2倍、性能は最大1.7倍です。記事は別の箇所で、この接続を200 GbEのファブリックとも説明しています。 導入の壁を下げているのが、NVIDIA SyncアプリのCluster Assistantです。接続されたユニットを検出し、デバイス設定を検証し、ConnectX-7ネットワークを構成するため、開発者はネットワークやノードの設定を手作業で行う必要がありません。全ノードが同じNVIDIAソフトウェアスタックで動くので、1台から2台に増やしても、ソフトウェア環境の再設定は不要です。注意点として、1.7倍という数字はNVIDIA自身のQwen 3.8 27Bテストによるもので、上限値として示されています。理論上の2倍を下回るのは、ノード間通信にコストがあることを示唆しますが、これは当方の解釈であり、記事自体の結論ではありません。
ワークフローの変化：Model Launcherと3つの利用例 記事は、今月末に登場予定のNVIDIA Sync Model Launcherにも触れています。数回のクリックで、単体のDGX Sparkまたはクラスタ上にQwen3.8 27Bをダウンロードして起動できます。NVIDIA Syncが接続デバイス全体で動くようモデルを構成し、ユーザーのノートPCからアクセスできるようにします。ランチャーはこのモデルを使うようOpenCodeも設定するので、ブラウザ上ですぐにコーディングを始められます。 NVIDIAは3つの使い方を挙げています。1つ目は、AIエージェントを24時間動かすこと。コーディングや調査のエージェントをDGX Sparkに常駐させ、コードレビュー、文書の分析、複数ステップのタスクをいつでもこなせるようにします。クラスタなら、より大きなモデル、より長いコンテキスト、複数エージェントの同時稼働に余力が生まれます。2つ目は、普段使いのPCでAIアプリを動かすこと。言語モデルや画像生成モデルをDGX Sparkで推論し、ノートPCやデスクトップではエージェントやクリエイティブアプリを使い続けられます。3つ目は、仕事が増えたときに拡張すること。1台では足りなくなったら、64GB機2台を200 GbEのファブリックでつなぎ、メモリを128GBにまとめます。同じワークフローが、ソフトウェア環境を変えずに動きます。
開発者と業界への意味 ここからは当方の分析であり、NVIDIAの表現ではありません。第一に価格です。4,999ドルからという入口は、個人開発者、研究者、小規模チームにとって手の届きやすい選択肢で、まず1台を買い、必要になったら2台目を足せます。ただし記事には128GB版の価格がなく、両者の差額は原文からは判断できません。第二にプライバシーとコストです。ローカル実行なら、モデルも自分のデータもデバイスの外に出さず、タスクごとにクラウドインスタンスを借りる必要もありません。機密性の高いコードや文書を扱うチームには魅力です。第三にエコシステムです。NVIDIAのエージェントツールキット、CUDA-Xライブラリ、Nemotronモデルを同梱しつつ、OllamaやvLLMといったオープンなランタイムにも対応することで、導入の手間を減らしながらCUDAエコシステムを強めています。
留意点もあります。メモリ容量が、1台で扱えるモデルの大きさとコンテキストの長さを左右します。記事は最大1,000億パラメータとしていますが、その前提となる量子化の精度やコンテキスト長は示していません。1.7倍という結果は27Bモデル1つに対するもので、他のモデルや負荷では異なる可能性があります。Model LauncherもBlenderのインストーラーも「近日公開」であり、発売後の実際の使い勝手は確認が必要です。 始め方と今後 NVIDIAが示す手順は短いものです。まず、対応する推論フレームワーク（llama.cpp、Ollama、vLLM、LM Studio）をダウンロードします。次に、用途に合う推奨ローカルモデルをダウンロードします。2台に拡張するときは、ConnectX-7ポートで接続してNVIDIA Sync Cluster Assistantを起動すれば、ネットワークの構成と負荷の振り分けが自動で行われます。エージェント向けのプレイブックは、build.nvidia.comのNemoClaw、OpenClaw、Hermes Agent、OpenShellのページにあります。
今回の発表のメッセージは明確です。ローカルAIは愛好家のおもちゃから、拡張の道筋が見える開発プラットフォームへと姿を変えつつあります。1台の容量と2台クラスタの組み合わせで、小さく始めて大きく育てられます。今後の注目点は、10月23日の発売後の実際の価格と供給、第三者による独立ベンチマーク、そして月末にModel Launcherが予定どおり提供されるかどうかです。これらが揃えば、64GB版DGX Sparkはローカルエージェント開発の定番の出発点になる可能性があります。