NVIDIA அக். 2, 2026-ல் 64GB DGX Spark-ஐ அறிவித்தது – அதே GB10 Grace Blackwell Superchip, பாதி unified memory, அக். 23 முதல் $4,999 விலையில் Acer, ASUS, Dell, Gigabyte, HP, MSI மூலம். ஒரு பெட்டி 100 billion parameters வரை மாடல்களை இயக்கும், ConnectX-7-ல் இணைத்த இரண்டு பெட்டிகள் 128GB ஆகி 200B மாடல்களை தாங்கும் என NVIDIA கூறுகிறது.
மற்ற தளங்கள் press release-ஐ திரும்பச் சொல்லும். அவை விடும் விஷயம் இங்கே: 64GB பெட்டி per-GB விலையில் அதிகம், 64GB-ல் நிஜத்தில் என்ன பொருந்தும், இரண்டு சிறு பெட்டிகள் எப்போது ஒரு பெரிய பெட்டியை வெல்லும். இந்த guide அதைத்தான் சொல்கிறது.
Source குறிப்பு: specs, விலை, 1.7x cluster எண் – NVIDIA அறிவிப்பு, blog, spec page (அக். 2, 2026). Vendor-reported; VelsTech சுய benchmark அல்ல. Street விலை தினமும் மாறும் – திசையாக எடுங்கள், quote ஆக அல்ல.
பின்னணி: Spark குடும்பத்துக்கு புதியவரா? முதலில் எங்கள் DGX Spark vs RTX Spark vs Ryzen AI Halo ஒப்பீடு படியுங்கள் – இந்தப் பக்கம் 64GB மாற்றங்கள் மட்டும்.
சுருக்கம்: 60 வினாடியில் DGX Spark 64GB
- என்ன: அதே GB10 சிப் (20-core Arm + Blackwell GPU, 1 PFLOP FP4), அதே 273 GB/s bandwidth, அதே DGX OS + NVIDIA AI stack – ஆனால் 64GB unified LPDDR5X, 128GB-க்கு பதில்.
- விலை / தேதி: $4,999 முதல், அக். 23, OEM partner மட்டும் (NVIDIA Founders Edition இல்லை). 128GB Founders $4,699 list, street-ல் $7,000–9,000.
- இயக்கும்: ஒரு பெட்டியில் ~100B parameters வரை (FP4, vendor கூற்று); இரண்டு cluster பெட்டியில் ~200B வரை (128GB pool).
- Cluster தந்திரம்: இரண்டு 64GB unit-ஐ ஒரு QSFP cable-ல் ConnectX-7 (200 GbE, switch இல்லை) இணையுங்கள். Sync Cluster Assistant network அமைக்கும்; NVIDIA சோதனையில் Qwen3.8 27B-ல் இரண்டு node ஒன்றை விட 1.7x வேகம்.
- புது software: Sync Cluster Assistant (இப்போது) + Sync Model Launcher (அக். இறுதி) – சில click-ல் Qwen3.8 27B, laptop-லிருந்து அணுகலாம், OpenCode உடன் வரும்.
- சிக்கல்: $78/GB vs 128GB list-ல் $37/GB. மொத்தம் குறைவு, per-GB அதிகம். Fine-tuning இடமும் பாதி.
64GB பதிப்பு உண்மையில் என்ன
அதே கணினி, சிறிய RAM-உடன் என நினையுங்கள். Processor, networking, ports, அளவு (150 × 150 × 50.5 mm, 1.2 kg), 240W adapter, Wi-Fi 7, 10 GbE, HDMI 2.1a, DGX OS – அனைத்தும் same. Unified memory மட்டும் 128GB → 64GB, partner-built பெட்டியில் மட்டும். Partner SKU-ல் storage மாறும் – Founders-ன் 4TB drive என நினைக்காமல் listing சரிபாருங்கள்.
ஏன் இப்போது? இரண்டு காரணம்: Qwen3.8 27B போன்ற dense 27–35B மாடல்கள் நன்றாகி inference-க்கு 128GB தேவையில்லை, LPDDR5X விலை வெடித்தது (“RAMpocalypse”). சிறு-memory SKU ticket விலையை குறைக்கிறது, memory விலை ஏறியும் கூட.
64GB vs 128GB: நேரடி ஒப்பீடு
| Spec | DGX Spark 64GB (புது) | DGX Spark 128GB |
|---|---|---|
| சிப் | GB10 Grace Blackwell (20-core Arm + Blackwell GPU) | அதே GB10 |
| AI compute | 1 PFLOP FP4 வரை | 1 PFLOP FP4 வரை |
| Unified memory | 64GB LPDDR5X, 256-bit, 273 GB/s | 128GB LPDDR5X, 256-bit, 273 GB/s |
| Vendor மாடல் உச்சம் | ~100B params வரை (1 பெட்டி) | ~200B params வரை (1 பெட்டி) |
| Fine-tuning (மதிப்பீடு) | ~30B வகை வசதியாக | 70B வரை (NVIDIA guidance) |
| Networking | ConnectX-7 200 Gbps | ConnectX-7 200 Gbps |
| 2-unit cluster | 128GB pool, 200B params வரை | 256GB pool, 400B params வரை |
| OS / stack | DGX OS + CUDA-X, NIM, NeMo, Agent Toolkit, Ollama / vLLM / llama.cpp / LM Studio | அதே |
| விற்பவர் | OEM partner மட்டும் | NVIDIA + partner |
| List விலை | $4,999 முதல் | $4,699 (Founders; street $7,000–9,000) |
| கிடைக்கும் | அக். 23, 2026 | அக். 2025 முதல் |
Fine-tuning வரியை நேர்மையாகப் படியுங்கள்: NVIDIA 128GB பெட்டியில்தான் 70B வரை fine-tuning சொல்கிறது. Memory பாதி என்றால் வசதியான fine-tuning உச்சமும் பாதிதான். 64GB பெட்டி inference-க்கு; தீவிர fine-tuning-க்கு பெரிய பெட்டி அல்லது cloud வேண்டும்.
64GB-ல் நிஜத்தில் என்ன பொருந்தும்?
“100B” தலைப்பை ஒரு நொடி மறவுங்கள் – அது FP4 + குறு context அடிப்படை. மக்கள் நிஜத்தில் download செய்யும் format-ல்:
- 27–35B dense மாடல் (Qwen3.8 27B போல): sweet spot. Q4-ல் ~16–20GB + 32–128K context, agent loop-க்கு நிறைய இடம். NVIDIA ஏன் Qwen3.8 27B demo செய்கிறது என்பது இதுதான்.
- Q4-ல் 70B (~40GB weights): பயனுள்ள KV cache-உடன் பொருந்தும். இறுக்கம் ஆனால் முடியும் – 64GB பெட்டி இன்றும் முக்கியம்.
- FP4-ல் 100B: காகிதத்தில் NVIDIA உச்சத்தில் பொருந்தும், ஆனால் context + overhead போக slack இல்லை. முடியும், வசதி இல்லை.
- 200B+: இரண்டு பெட்டி வேண்டும். அது கீழுள்ள cluster கதை, single 64GB அல்ல.
Weights + KV cache + context கணக்கை உங்கள் card-ல் பார்க்க எங்கள் LLM VRAM calculator, எவ்வளவு VRAM guide பயன்படுத்துங்கள் – அதே கணிதம், சிறு பெட்டி.
தலைப்பில் வராத விலை சிக்கல்
$4,999 street $7,000–9,000-ஐ விட மலிவாகத் தெரிகிறது – மொத்த பணத்தில் ஆம். Per-GB-ல் தலைகீழ்:
- 64GB $4,999 ≈ $78 per GB unified memory.
- 128GB $4,699 list ≈ $37 per GB. $7,000 street-லும் ~$55/GB – புது பெட்டியை விட per-GB மலிவு.
அசல் 128GB Founders $3,999-ல் வந்து, பிப். 2026-ல் memory செலவால் $4,699 ஆகி, street-ல் $7,000–9,000-க்கு மறைந்தது. $4,999 64GB SKU அசல் 128GB MSRP-க்கு மேலே தொடங்குகிறது – RAMpocalypse வரி இரு பக்கமும். 64GB பெட்டியை மொத்தம் குறைவாகச் செலவிட அல்லது clustering தொடங்க வாங்குங்கள், per-GB deal-க்கு அல்ல.
Clustering: இரண்டு சிறு பெட்டி ஒரு பெரியதை வெல்லும் (சில நேரம்)
ஒவ்வொரு Spark-லும் ConnectX-7 NIC உள்ளது. இரண்டு 64GB unit-ஐ ஒரு QSFP cable-ல் இணையுங்கள் – switch இல்லை – Sync Cluster Assistant (NVIDIA Sync app) peer கண்டு, SSH / OS / GB10 சரிபார்த்து, 200 GbE fabric அமைத்து, node-களுக்கிடையே key-based SSH தரும். இரண்டிலும் same software image, எனவே rebuild இல்லாமல் workload ஒன்றிலிருந்து இரண்டுக்கு மாறும். நான்கு Sparks வரை cluster (நான்குக்கு switch); NCCL, vLLM inference, PyTorch fine-tuning playbooks உள்ளன.
- 1× 64GB: 64GB pool – ~100B params வரை.
- 2× 64GB: 128GB pool – ~200B params வரை, ~2× bandwidth, NVIDIA சோதனையில் Qwen3.8 27B-ல் single-ஐ விட 1.7x வரை.
- 2× 128GB: 256GB pool – ~400B params வரை.
- 4× 128GB: 512GB pool – ~700B params வரை (NVIDIA scale-out chart).
1.7x எண் launch-ன் தவறாகப் புரிந்த வரி. Qwen3.8 27B-specific, vendor-measured, இரண்டு vs ஒன்று – பொது “cluster 70% வேகம்” உத்தரவாதம் அல்ல. Compute-bound inference-ல் லாபம்; memory-bound long-context வேறு மாதிரி scale ஆகும். இரண்டாம் பெட்டி என்றால் இரண்டாம் முழு கணினி வாங்குதல் + மின் + இடம் – RAM stick சேர்ப்பது அல்ல.
Software-ன் இரண்டாம் பாதி அக். இறுதியில்: Sync Model Launcher. Qwen3.8 27B தேர்ந்து click செய்தால் ஒன்று/இரண்டு node-ல் download, shard செய்து network laptop-க்கு endpoint தரும் – browser OpenCode உடன், உடனே coding தொடங்கலாம். llama.cpp, Ollama, vLLM, LM Studio ஆதரவு; agent தொடக்கத்துக்கு build.nvidia.com-ல் NemoClaw, OpenClaw, Hermes Agent, OpenShell playbooks.
India angle
India விலை/தேதி இன்னும் இல்லை – ஆறு partner global பெயர்கள், local stock list அல்ல. திட்டத்துக்கு:
- 64GB $4,999 ≈ ₹4.4 லட்சம் shipping, GST, duty முன் – வந்தால் ₹5–5.5 லட்சம் landed என வைத்துக்கொள்ளுங்கள்.
- 128GB street $7,000–9,000 ≈ ₹6.2–8 லட்சம் landed – $4,699 list-ஐ விட மிக அதிகம்.
- ஒப்பீடு: used 24GB RTX 3090 India-வில் ~₹50,000–60,000, ஆனால் Q4-ல் 70B தாங்காது; Ryzen AI Max mini PC (~₹70k–1.1 லட்சம்) 128GB unified தரும், Blackwell-ஐ விட மெதுவான inference.
Import செய்தால் QSFP cable + இரண்டாம் power point budget வையுங்கள் – 64GB SKU-வின் சிறந்த அம்சம் “பின்னர் இரண்டாம் பெட்டி” தான், அது local-ல் கிடைத்தால் மட்டும்.
யார் வாங்கலாம் – யார் தவிர்க்கலாம்
- வாங்குங்கள்: 27–70B மாடலில் private agent / inference, 128GB street தராமல் GB10 + CUDA + DGX OS stack வேண்டும், அல்லது cluster-on-ramp (ஒன்றில் தொடங்கி இரண்டாவதில் 128GB pool).
- தவிருங்கள்: 70B fine-tune, ஒரு பெட்டியில் 200B, அல்லது “பாதி RAM = பாதி விலை” எதிர்பார்ப்பு. $78/GB-ல் அசல் MSRP-ன் பாதிக்கு மேல் பாதி memory – சேமிப்பு இன்றைய inflated street-உடன், அசல் deal-உடன் அல்ல.
- மாற்று: list அருகில் 128GB partner பெட்டி; எப்போதாவது 70B-க்கு 24GB GPU + CPU offload; மலிவு unified-memory தொடக்கத்துக்கு Ryzen AI Max mini PC (எங்கள் three-way ஒப்பீடு).
Local AI இயக்கினால் என்ன அர்த்தம்
12GB RX 6800M-ல் வாரம் open மாடல் benchmark செய்பவராக: 64GB Spark local-AI builders கற்றதை உறுதி செய்கிறது – dense 27B-class மாடல் புது default, long-context agent வேலைக்கு 64GB புது comfortable minimum. Home GPU காலாவதி இல்லை; Q4 27B 12–16GB-ல் இன்றும் பறக்கும். மாறியது ceiling: அமைதி desktop பெட்டி cloud இல்லாமல் Q4-ல் 70B தாங்கும், இரண்டு பெட்டி re-platform இல்லாமல் 200B. Per-GB அதிகம், entry ticket சிறிது – one-click Model Launcher “நல்ல hardware, painful setup” புகாரை முடிக்கிறது.
Bottom line
64GB DGX Spark budget Spark அல்ல – memory-short சந்தைக்கான சிறிய Spark: அதே சிப்/stack, பாதி இடம், மொத்தம் குறைவு per-GB அதிக விலை, வளர்ந்தால் எளிய cluster பாதை. மாடல் 64GB-ல் பொருந்தினால் (பெரும்பாலான 27–70B agent setup பொருந்தும்) GB10-க்கு மலிவு on-ramp. இல்லையேல் 128GB memory-க்கு ~$10,000-க்கு இரண்டு 64GB விலை அதிக வழி – list அருகில் 128GB stock-க்கு காத்திருங்கள்.
Sources
- NVIDIA Blog: DGX Spark 64GB + Sync Cluster Assistant (Oct 2, 2026)
- NVIDIA: DGX Spark product + specs (64GB / 128GB)
- NVIDIA Docs: Sync Cluster Assistant guide
- Tom's Hardware: RAMpocalypse-ல் 64GB Spark (Oct 2, 2026)
- StorageReview: அக். 23, $4,999, 2-unit cluster (Oct 2, 2026)
- எங்கள் DGX Spark vs RTX Spark vs Ryzen AI Halo ஒப்பீடு
FAQ
DGX Spark 64GB என்றால் என்ன?
128GB-க்கு பதில் 64GB unified LPDDR5X உடன் NVIDIA DGX Spark desktop AI supercomputer-ன் புது OEM-only அமைப்பு. அதே GB10 Grace Blackwell Superchip, அதே DGX OS + AI stack, Acer, ASUS, Dell, Gigabyte, HP, MSI மூலம்.
DGX Spark 64GB விலை, எப்போது கிடைக்கும்?
$4,999 முதல், அக். 23, 2026 முதல் partner கடைகளில். India விலை இல்லை – duties + GST சேர்த்து ~₹5–5.5 லட்சம் landed என வையுங்கள்.
64GB vs 128GB DGX Spark வேறுபாடு என்ன?
Memory அளவு மட்டும் (per-GB விலையுடன்): 64GB ~100B-parameter மாடல் vs 128GB-ல் ~200B, பாதி fine-tuning இடம். சிப், bandwidth (273 GB/s), networking, ports, software identical.
இரண்டு 64GB DGX Spark 200B மாடல் இயக்குமா?
ஆம், NVIDIA படி: ConnectX-7-ல் ஒரு QSFP cable-ல் இரண்டை இணைத்து Sync Cluster Assistant fabric அமைக்க, pooled 128GB 200B-parameter மாடல் தாங்கும் – NVIDIA சோதனையில் Qwen3.8 27B-ல் single-ஐ விட 1.7x வரை.
64GB DGX Spark value-ஆ?
Inflated 128GB street ($7,000–9,000)-ஐ விட மொத்தம் குறைவு, per-GB மோசம் (~$78/GB vs list-ல் ~$37/GB). குறைந்த upfront அல்லது clustering தொடக்கத்துக்கு வாங்குங்கள், per-GB deal-க்கு அல்ல.
India-வில் local AI-க்கு வாங்கலாமா?
மாடல் 64GB-ல் பொருந்தினால் மட்டும் (27–70B agent பொருந்தும்), private offline GB10 + cluster upgrade path வேண்டுமானால். 70B fine-tuning / single-box 200B-க்கு list அருகில் 128GB-க்கு காத்திருங்கள் அல்லது cloud.