Die lokale KI-Hardware von NVIDIA wird breiter eingeführt und erhält neue Software für die gemeinsame Entwicklung. DGX-Spark-Systeme mit 64 GB sollen ab dem 23. Oktober bei Partnern erhältlich sein, während Windows-basierte DGX-Station-Systeme für Dezember erwartet werden. Die am 21. Oktober 2026 auf der GTC Berlin vorgestellten Updates reichen von privaten Desktop-Agenten bis hin zu unternehmensweit verwalteten Geräten für Teams. Mehrere Softwarefunktionen sind jedoch weiterhin erst für einen späteren Zeitpunkt geplant und noch nicht verfügbar.
Wichtige Erkenntnisse
- Die Einführung der DGX-Spark-Systeme mit 64 GB beginnt am 23. Oktober; manuell konfigurierte Cluster unterstützen bereits bis zu acht Einheiten.
- Die DGX Station erhält Integrationen für die Unternehmensverwaltung. Die geplante Windows-Version richtet sich an Fertigungsanwendungen und lokale Agenten.
- Recursive Flint ist für lokales Programmieren verfügbar. Hinzu kommen neue Modellunterstützung und Inferenzoptimierungen, deren Leistungswerte von NVIDIA stammen.
Inhaltsverzeichnis
- Einführung von NVIDIAs lokaler KI: Was ist bereits verfügbar?
- Wie die DGX Spark zum gemeinsam genutzten Entwicklungs-Backend wird
- Was ändert sich für Unternehmenskunden der DGX Station?
- Recursive Flint bietet eine weitere Option für lokales Programmieren
- Modell- und Inferenzupdates erweitern den Software-Stack
- Fazit
Einführung von NVIDIAs lokaler KI: Was ist bereits verfügbar?
Die Ankündigungen richten sich an unterschiedliche Nutzergruppen: RTX Spark führt persönliche Agenten auf Windows-PCs aus, DGX Spark unterstützt die Entwicklung von Linux-Anwendungen, und DGX Station ist für größere Unternehmens-Workloads ausgelegt. Der praktische Unterschied betrifft nicht nur die Hardwarekapazität, sondern auch die Frage, ob Nutzer einen persönlichen Desktop-Assistenten, ein gemeinsam genutztes Entwicklungs-Backend oder einen verwalteten Inferenzdienst für ein Team benötigen.
RTX Spark wurde am 16. Oktober eingeführt. Laut NVIDIA sind Laptops von ASUS, Dell Technologies, HP, Lenovo, Microsoft und MSI erhältlich; Acer soll folgen. Auch der Underdog Desktop Agent steht zum Download bereit. Seine Husky-Inferenz-Engine führt Modelle laut NVIDIA vollständig auf dem Gerät aus. Dadurch bleibt die Verarbeitung des Agenten lokal, statt Nutzerdaten vom PC wegzusenden.
Linux-basierte DGX-Station-Systeme werden bereits ausgeliefert. Die Windows-Version erscheint dagegen erst später: NVIDIA erwartet die Partnersysteme im Dezember. Der Bericht von NVIDIA zu lokaler KI auf der GTC Berlin unterscheidet zudem zwischen derzeit verfügbaren Funktionen, Tools, die im Laufe dieses Monats folgen sollen, und einem geplanten Early-Access-Dienst.
| Element | Details |
|---|---|
| DGX Spark 64GB | Die Einführung bei Partnern beginnt am Freitag, dem 23. Oktober. |
| DGX-Spark-Clustering | Manuelle Konfigurationen unterstützen bis zu acht Einheiten; die Unterstützung von acht Einheiten in NVIDIA Sync ist für diesen Monat geplant. |
| Sync Model Launcher | Soll noch diesen Monat erscheinen und Modelle sowie Container auswählen und herunterladen, die für die jeweilige Konfiguration geeignet sind. |
| DGX Station für Windows | Partnersysteme werden im Dezember erwartet, mit Unterstützung für Fertigungsanwendungen und Agenten. |
| NVIDIA Cloud Functions | Kommt als Early-Access-Angebot für Linux-basierte DGX Station und ermöglicht gemeinsam genutzte lokale Modell-Endpunkte. |
| Recursive Flint | Für unterstützte lokale NVIDIA-Hardware mit offenen Modellgewichten unter der Apache-2.0-Lizenz verfügbar. |
Wie die DGX Spark zum gemeinsam genutzten Entwicklungs-Backend wird
Die neue DGX-Spark-Konfiguration mit 64 GB wird ab Freitag, dem 23. Oktober, bei Partnern eingeführt. NVIDIA nennt unter den Workloads, die sie ausführen kann, Modelle wie Nemotron 3.5 Bolt 74B 24GB und Qwen3.8 27B.
Für Entwickler, die mehr Kapazität benötigen, unterstützt DGX Spark jetzt manuell konfigurierte Cluster mit bis zu acht Systemen über die integrierte ConnectX-7-Netzwerkverbindung. NVIDIA beschreibt eine Konfiguration mit acht Einheiten und 1 TB gemeinsam genutztem Speicher als Backend, das kleine Teams gemeinsam nutzen können, um gleichzeitige Sitzungen mit demselben Modell auszuführen. Die zusätzliche Kapazität ermöglicht größere Modelle, längere Kontexte und parallel laufende Agenten.
Diese manuelle Clustering-Funktion ist unabhängig von der geplanten Unterstützung für acht DGX-Spark-Systeme durch NVIDIA Sync. Sync soll außerdem noch in diesem Monat den Model Launcher erhalten. Dieser soll ein Modell und einen Container herunterladen, die für die jeweilige Hardwarekonfiguration geeignet sind, das Modell mit OpenCode verbinden und DGX Spark Skills für Wartung und Fehlerbehebung laden.
Das DGX-Spark-Softwareupdate für Oktober ergänzt einen Wi-Fi Assistant, mit dem sich Netzwerke wechseln lassen, während das Gerät im Appliance-Modus läuft. Außerdem bringt es workfloworientierte Anleitungen zu Wartung und Fehlerbehebung über OpenCode in NVIDIA Sync.
Was ändert sich für Unternehmenskunden der DGX Station?
Die DGX Station bietet laut NVIDIA 748 GB kohärenten Speicher und eine KI-Leistung von bis zu 20 Petaflops. Sync unterstützt jetzt Verbindungen zwischen zwei Linux-basierten DGX-Station-Systemen. Neue Verwaltungsintegrationen sollen Unternehmen dabei unterstützen, die Geräte bereitzustellen und zu überwachen.
Zu den Integrationen gehören Absolute Security, Splunk by Cisco, Fleet Device Management, Microsoft Intune, Perforce Puppet, Progress Software Chef und Tanium. Sie sollen die DGX Station in bestehende Bereitstellungs- und Verwaltungsprozesse von Unternehmen integrieren, statt sie als separat verwaltetes Entwicklungsgerät zu belassen.
Die geplante Windows-Version erweitert diesen Ansatz auf Engineering-Software. NVIDIA nennt Unterstützung für Fertigungsanwendungen von Unternehmen wie Dassault Systèmes, MathWorks, Rockwell Automation und Siemens. Nutzer können außerdem Agenten über Hermes Agent, Perplexity oder Aible lokal ausführen.
Unabhängig davon kommt NVIDIA Cloud Functions als Early-Access-Angebot für Linux-basierte DGX Station. Teams können lokale Modell-Endpunkte in einem gemeinsam genutzten Katalog registrieren und über einen OpenAI-kompatiblen Einstiegspunkt darauf zugreifen. Laut NVIDIA können Entwickler so das Modell hinter einem Endpunkt austauschen, ohne den Anwendungscode zu ändern. Kolleginnen und Kollegen können auf gemeinsam genutzte Modelle zugreifen, ohne direkten Zugriff auf die Geräte zu benötigen.
Recursive Flint bietet eine weitere Option für lokales Programmieren
Recursive Superintelligence hat Recursive Flint am 21. Oktober veröffentlicht. Das Programmiermodell nutzt eine Mixture-of-Experts-Architektur mit 40 Milliarden Parametern, von denen 2,5 Milliarden aktiv sind. Die offenen Modellgewichte sind auf Hugging Face unter der Apache-2.0-Lizenz verfügbar.
NVIDIA gibt für eine RTX Spark mit 64 GB Generierungsgeschwindigkeiten von mehr als 220 Tokens pro Sekunde an. Außerdem heißt es, dass spezialisierte Kernel, die mit dem automatisierten Forschungssystem von Recursive entwickelt wurden, die Generierungsgeschwindigkeit um 55 % erhöhten, ohne die Modellgewichte zu verändern. Dabei handelt es sich um von NVIDIA gemeldete Leistungswerte, die nicht unabhängig überprüft wurden.
Flint kann auf RTX Spark, DGX Spark, GeForce RTX und RTX PRO ausgeführt werden. Entwickler können das Modell zudem mit den NeMo-Tools von NVIDIA nachtrainieren und erhalten so die Möglichkeit, das Modell herunterzuladen und an eigene Programmier-Workflows anzupassen.
Modell- und Inferenzupdates erweitern den Software-Stack
NVIDIA ergänzt die Unterstützung für Modelle von Nemotron, GLM, DeepSeek, Qwen, MiniMax und Liquid AI sowie für die FLUX-Bildmodelle von Black Forest Labs. Nemotron Bolt E4B 4GB soll am 23. Oktober erscheinen und ist unter anderem für lokale Sprachassistenten und eingebettete Schnittstellen vorgesehen.
Neue speicheroptimierte Checkpoints sollen mehr Kapazität für den während der Inferenz verwendeten Cache verfügbar lassen. NVIDIA meldet außerdem Verbesserungen bei den Engines llama.cpp und vLLM: Agentenaufgaben laufen in einem spezifizierten RTX-PRO-Workload bis zu 1,4-mal schneller und in einem DGX-Spark-Workload bis zu 1,3-mal schneller, während ein DGX-Station-Workload einen bis zu 1,2-mal höheren Durchsatz erreicht.
Für Robotikteams hat NVIDIA drei Open-Source-Referenz-Workflows für die DGX Station veröffentlicht. Sie decken die Weiterentwicklung durch Reinforcement Learning, das Training für geschickte Manipulationen und das Nachtrainieren von Weltmodellen zur Erzeugung synthetischer Daten ab. Diese Workflows sind bereits verfügbar und unterscheiden sich damit von der noch ausstehenden Windows-Hardware und dem Early Access für Cloud Functions.
Fazit
Die Updates eröffnen Nutzern lokaler KI zusätzliche Möglichkeiten, von einzelnen Agenten zu gemeinsam genutzten, verwalteten Workloads überzugehen. Manuelles Spark-Clustering, Unternehmensintegrationen und Recursive Flint sind bereits verfügbar. Die nächsten Meilensteine sind die Veröffentlichung der Spark-Hardware im Oktober, die für diesen Monat geplanten Ergänzungen für Sync und die im Dezember erwarteten Windows-DGX-Station-Systeme.
Weitere Nachrichten lesen
Weitere Nachrichten von FinanceVelix
Haftungsausschluss
Dieser Artikel von FinanceVelix enthält allgemeine Informationen und stellt keine personalisierte Finanz-, Anlage-, Rechts- oder Steuerberatung dar. Marktpreise, Zinssätze und wirtschaftliche Bedingungen können sich ändern; Anlagen sind mit Verlustrisiken verbunden. Die Angaben geben den zum Zeitpunkt der Veröffentlichung verfügbaren Informationsstand wieder und können sich ändern. Prüfen Sie wichtige Informationen selbstständig und ziehen Sie bei Bedarf eine qualifizierte Fachperson hinzu. Die Erwähnung eines Vermögenswerts, eines Unternehmens oder einer Dienstleistung stellt keine Empfehlung dar.
