Ноутбуки NVIDIA RTX Spark вышли в продажу: до 128 ГБ для локального ИИ

Ноутбуки на NVIDIA RTX Spark поступили в продажу 16 октября 2026 года. Устройства выпускают ASUS, Dell, HP, Lenovo, Microsoft и MSI. В платформе объединены процессор NVIDIA Grace, графика Blackwell RTX и общая память объёмом до 128 ГБ. NVIDIA указывает стартовую цену от $2 599, но максимальный объём памяти относится к более дорогим конфигурациям.

Для разработчика главный интерес — возможность разместить на переносном компьютере более крупную локальную модель и работать с ней через инструменты NVIDIA. Разбираем, что уже вышло, почему здесь важна память и какие оговорки скрываются за обещанием «до одного петафлопса».

Что именно вышло 16 октября

RTX Spark — платформа для ноутбуков и компактных настольных ПК, а не название одной модели компьютера. На старте продаж NVIDIA перечисляет ASUS ProArt P14 и P16, Dell XPS 16, HP OmniBook Ultra и OmniBook X 14, Lenovo Yoga Pro 9n, Microsoft Surface Laptop Ultra, а также MSI Prestige N16 и Prestige N16 Flip AI+.

Анонс совместно с Microsoft состоялся раньше, 7 октября. Тогда открылись предзаказы ноутбуков. Нынешний повод — их выход в продажу; компактные настольные системы, согласно тому анонсу, запланированы на ноябрь. Поэтому начало продаж всей линейки настольных устройств 16 октября из новости не следует.

Характеристики внутри семейства различаются. В официальной спецификации NVIDIA для ноутбуков представлены два варианта N1X:

TDP — ориентир теплового пакета, под который проектируют систему охлаждения. Это не постоянное потребление ноутбука от батареи. Итоговые настройки мощности, память, экран и охлаждение нужно смотреть у производителя конкретного устройства.

Почему до 128 ГБ общей памяти — важнее красивой цифры вычислений

У обычного компьютера с дискретной видеокартой оперативная память и видеопамять разделены. Для быстрой работы нейросети существенно, какая часть модели помещается в памяти графического процессора и как организована передача данных. В RTX Spark CPU и GPU используют общий физический пул памяти — unified memory.

Это расширяет выбор моделей для локального запуска. Однако 128 ГБ в характеристиках не означают 128 ГБ исключительно под веса нейросети. Часть памяти занимают Windows, приложения, среда выполнения и KV-кеш — сохранённое состояние обработки предыдущих токенов. По мере роста контекста этот кеш тоже требует места.

На практике надо проверять всю задачу: загрузку модели, чтение длинного запроса, генерацию ответа и повторные обращения агента к инструментам. Модель может поместиться в память, но отвечать медленнее, чем нужно для интерактивной работы. Большой запас памяти решает вопрос вместимости, а удобство использования определяется ещё и скоростью.

В разборе локального GitHub Copilot Microsoft отдельно подчёркивает этот бюджет памяти. Сам подход важен и для других сценариев: помощника по репозиторию, анализа собственных документов или локальной подготовки текстов. При этом поддержку конкретного приложения и формата модели следует проверять отдельно; сам объём памяти совместимость не обеспечивает.

Что означает «до одного петафлопса»

NVIDIA заявляет для RTX Spark до одного петафлопса ИИ-вычислений в FP4. Петафлопс — примерно квадриллион операций в секунду, а FP4 обозначает четырёхбитную точность представления чисел. Такая оценка описывает определённый режим работы ускорителя.

Из неё нельзя напрямую получить скорость ответа в токенах в секунду или время исправления ошибки в проекте. На результат влияют модель, её сжатие, длина контекста, используемая библиотека и режим питания компьютера. Сравнивать эту цифру с производительностью другого устройства можно только с учётом точности вычислений и условий измерения.

Для покупателя полезнее тест с нужной моделью: сколько занимает первый ответ, как быстро идёт генерация и что происходит при длинном диалоге. Для coding-агента добавляется ещё один критерий — сколько заданий он действительно завершает, а не сколько текста успевает выдать.

CUDA и локальные агенты: что получает разработчик

RTX Spark поддерживает CUDA — программную платформу NVIDIA для вычислений на GPU. Компания также сообщает о подготовленных инструментах для Windows on Arm, включая сборку PyTorch с CUDA. Это важная часть запуска: доступность библиотек определяет, какие рабочие процессы получится перенести на новое железо.

Но поддержка CUDA сама по себе не обещает, что любой существующий проект запустится без изменений. Перед переносом стоит проверить версии Python, пакеты с нативным кодом, нужную сборку среды выполнения и конкретный способ ускорения модели. Архитектура системы и поддержка зависимостей остаются частью выбора компьютера.

Возможный сценарий для веб-разработчика — держать рядом редактор, локальную модель и тестовую копию приложения. Агент читает разрешённые файлы проекта, предлагает изменения, запускает проверки, а разработчик оценивает результат. Обращения к внешним сервисам можно оставить для задач, которым требуются их возможности.

При полностью локальном выполнении содержимое запроса не нужно отправлять провайдеру модели для расчёта ответа. Но приватность зависит от настроек всей системы: агент может обращаться к сети, расширение — использовать облако, а отдельная функция — требовать внешний API. Надпись «локальный ИИ» не заменяет проверку этих настроек.

Если вы только знакомитесь с запуском моделей на своём компьютере, начать можно с нашей заметки про LM Studio. Это объяснение общего подхода; совместимость выбранной версии программы с RTX Spark нужно уточнять по её документации.

Сколько стоит компьютер с большим объёмом памяти

Официальный конфигуратор Surface Laptop Ultra в американском Microsoft Store хорошо показывает разницу между минимальной ценой и конфигурацией для крупных моделей. Цены ниже проверены 18 октября; они относятся к указанному магазину и не являются ценами российской розницы.

Таким образом, формула «128 ГБ от $2 599» была бы неверной. Цена входа в семейство и цена максимальной памяти — разные ориентиры. У других производителей будут свои сочетания характеристик и стоимости; сравнивать имеет смысл устройства с подходящим для вашей модели объёмом памяти.

Что показал первый независимый обзор

Tom’s Guide протестировал Surface Laptop Ultra с 128 ГБ памяти. Автор отмечает возможности графики и локального ИИ, но указывает и на компромиссы: нагрев, высокую стоимость, а также отставание от сравниваемого MacBook Pro в части процессорных тестов и автономности.

В тесте веб-сёрфинга издание получило 10 часов 15 минут. Это измерение одного ноутбука в конкретном режиме, а не обещание десяти часов непрерывной работы большой нейросети. Для остальных моделей RTX Spark нужны собственные тесты, особенно по охлаждению и производительности от батареи.

Мы не тестировали эти устройства самостоятельно. На текущем этапе данные производителя описывают возможности платформы, а независимый обзор помогает увидеть ограничения одного из первых ноутбуков на её основе.

Почему запуск заслуживает внимания

RTX Spark расширяет выбор переносных компьютеров для локального ИИ: общая память сочетается с графикой Blackwell RTX и инструментами CUDA. Это интересное направление для тех, кому нужен агент рядом с кодом и документами на собственном устройстве.

Перед покупкой остаются три практических вопроса: помещается ли нужная модель с рабочим контекстом, поддерживается ли ваш набор программ и устраивает ли скорость под реальной нагрузкой. Ответы на них полезнее максимальных характеристик платформы. А начало продаж означает, что теперь их можно искать в тестах конкретных серийных устройств.