結論
DGX Spark は、NVIDIA の GB10 Grace Blackwell スーパーチップと128GB(または64GB)の統合メモリを積んだ、15cm角の机の上に置ける AI 開発用コンピューターです。公式の説明では、1台で最大2,000億パラメーターのモデルの推論、最大700億パラメーターのファインチューニングができます。
この記事でわかること
- GB10・メモリ273GB/s・1 PFLOP(FP4)など公式の仕様と、64GB版・128GB版の違い
- 価格・発売・日本の購入先について、公式に書かれていること
- どの大きさのモデルが載るか・生成速度の上限を Python で計算した表
この記事で実際に動かしたもの:メモリ容量・メモリ帯域・消費電力の計算を行う自作の Python スクリプト(DGX Spark の実機は動かしていません)。
flowchart TD
A[GB10 スーパーチップ] --> C[Grace CPU<br>Arm 20コア]
A --> G[Blackwell GPU<br>第5世代Tensorコア]
C --- M[(統合メモリ<br>128GB / 64GB)]
G --- M
M --> N[ConnectX-7<br>2台以上をつなぐ]
よく調べられることの答えを先にまとめます。
| 知りたいこと | 答え | 詳しい節 |
|---|---|---|
| DGX Sparkとは | GB10 を積んだ NVIDIA の小型 AI コンピューター | DGX Sparkとは |
| dgx spark 性能 | 最大1 PFLOP(FP4・スパース演算時)、メモリ帯域273GB/s | DGX Sparkの性能・仕様 |
| dgx spark 価格 | 公式の製品ページ・Marketplace には金額の表示なし(2026年11月16日時点) | 価格と発売 |
| メモリはいくつ | 128GB と64GB の2種類(64GB はパートナー製品のみ) | 64GB版と128GB版の違い |
| 何Bのモデルが動く | 128GB で推論は最大200B、ファインチューニングは最大70B(公式) | どの大きさのモデルが載るか |
| OS は何 | NVIDIA DGX OS(Ubuntu ベース) | DGX OSとソフトウェア |
| 何台までつなげる | ConnectX-7 で最大4台(4台はスイッチが要る) | 2台・4台つなぐ構成 |
| 生成はどのくらい速い | 上限はメモリ帯域で決まる。70B・FP4 の密なモデルで毎秒約7.8トークンが上限 | 生成速度の上限 |
確認環境:仕様・価格の扱い・ソフトウェア・接続の構成は、NVIDIA の公式(nvidia.com の日本語版と英語版の製品ページ、NVIDIA Marketplace、docs.nvidia.com の DGX Spark ユーザーガイド、build.nvidia.com/spark、nvidianews.nvidia.com のプレスリリース)で確かめました。公式ページの一部は要約を通して読んだため、画面の名前は取得した文面に出た語だけを「」で書いています。DGX Spark の実機は持っておらず、起動・ログイン・ベンチマークは行っていません。64GB版を発表した NVIDIA の公式ブログ(2026年10月)はこの確認環境から開けなかったため、その記事にしか書かれていない内容(金額など)は載せていません。メモリと帯域の計算は Linux 上の Python 3.13.18 で実行しました(確認日 2026年11月16日)。
本記事の内容は、ご自由にお使いください。
ご利用の際は、出典として本ページへのリンクを記載いただけますようお願いします。
(記載例)出典:株式会社RJC「DGX Sparkとは|NVIDIAの小型AIコンピューターの性能・価格・できること」
DGX Sparkとは(NVIDIAの小型AIコンピューター)
この節では、DGX Spark がどんな製品で、誰に向けたものかが分かります。
DGX Spark は、NVIDIA が「机の上の Grace Blackwell AI スーパーコンピューター」と位置づける、AI 開発者向けの小型コンピューターです。 中心にあるのは NVIDIA GB10 Grace Blackwell スーパーチップで、Arm の CPU と Blackwell 世代の GPU が1つのチップにまとまり、同じメモリを使います。
NVIDIA のプレスリリース(2025年10月13日)によると、出荷はその週から始まり、2025年10月15日に NVIDIA.com で注文の受付が始まりました。日本語の公式製品ページでは、大きなメモリによりクラウドへの依存を減らしながら、エージェントや大規模なモデルを手元で動かせる、と説明されています。
ふつうの GPU つきパソコンとの考え方の違い
ただし帯域は273GB/s。容量と速さは別の話として見る
VRAM の考え方は、関連記事「VRAMとは|確認方法・必要量の目安とLLMの計算式をPythonで解説」で扱っています。
DGX Sparkの性能・仕様(GB10・メモリ・接続)
この節では、DGX Spark の性能と仕様を、公式に書かれている値のまま一覧で確かめられます。
DGX Spark の性能は「FP4 で最大1 PFLOP(スパース演算時)」「メモリ帯域273GB/s」の2つの数字で押さえると分かりやすくなります。 前者は計算の速さ、後者はメモリからデータを読む速さです。
| 項目 | 公式の記載 |
|---|---|
| チップ | NVIDIA GB10 Grace Blackwell スーパーチップ(TDP 140W) |
| CPU | Arm 20コア(Cortex-X925 ×10+Cortex-A725 ×10) |
| GPU | Blackwell 世代。第5世代 Tensor コア・第4世代 RT コア・CUDA コア6,144 |
| AI 性能 | 最大1 PFLOP(FP4・スパース演算時)、推論で最大1,000 TOPS |
| メモリ | 128GB または64GB の LPDDR5X(CPU と GPU で共有)、256ビット、273GB/s |
| ストレージ | NVMe M.2(自己暗号化)。ユーザーガイドは1TB または4TB、日本語の製品ページは4TB と記載 |
| ネットワーク | RJ-45 の10GbE ×1、ConnectX-7(200Gbps・QSFP ×2)、Wi-Fi 7、Bluetooth 5.4 |
| USB・映像 | USB Type-C ×4(1つは給電用)、HDMI 2.1a ×1、USB-C 経由の DisplayPort 最大3 |
| 電源 | 外付けの240W 電源(付属) |
| 大きさ・重さ | 150mm×150mm×50.5mm、1.2kg |
| 使う場所の温度 | 5℃〜30℃、湿度10〜90%(結露しないこと) |
ユーザーガイドのハードウェアの節には、付属の240W 電源を使うよう書かれています。ほかの電源では性能が下がる・起動しない・突然止まることがある、という注意です。また GB10 の TDP は140W で、残りの約100W は ConnectX-7・Wi-Fi・SSD・USB-C などに回る、と説明されています。
動作音(騒音)は、日本語の製品ページが「動作時29dB・待機時13dB(LpA)」、英語の製品ページが「35dB・19dB(音響パワー LWA,m)」と、測り方の違う値を載せていました。比べるときは同じ測り方の値どうしで比べます。
11 PFLOP は FP4 の値
FP16 や FP8 で計算するときの値ではない。しかもスパース演算(0を飛ばす計算)を使ったときの理論値。
2CPU は Arm
x86 向けにだけ作られたソフトはそのまま動かない。Arm64(aarch64)向けの版を選ぶ。
3メモリは共有
128GB を OS・アプリ・モデルで分け合う。全部をモデルに使えるわけではない。
DGX Sparkの64GB版と128GB版の違い
この節では、2026年10月に加わった64GB版と、もとの128GB版の違いが分かります。
英語の公式製品ページ(2026年11月16日時点)では、メモリは「64GB または128GB」と書かれ、64GB版は参加する OEM パートナーからだけ提供される、と説明されています。 チップ・帯域・OS は同じで、違うのはメモリの量と、それに伴う載せられるモデルの大きさです。
128GB 版
1台で最大200B パラメーターのモデル(推論)
ファインチューニングは最大70B
NVIDIA と販売店・パートナーから
64GB 版
1台で最大100B パラメーターのモデル
2台つなぐと計128GB・最大200B
OEM パートナーの製品だけ
日本語の製品ページ(同日時点)には128GB の構成だけが載っていました。64GB版を日本で買えるかどうかは、各パートナーの案内で確かめます。
DGX Sparkの価格と発売・日本での購入先
この節では、DGX Spark の価格と発売について、公式に書かれていることと書かれていないことが分かります。
2026年11月16日時点で、NVIDIA の日本語・英語の製品ページと NVIDIA Marketplace には、DGX Spark の金額の表示がありませんでした。 どちらも購入先(NVIDIA Marketplace・認定の販売店・パートナー)へ案内する形です。価格は為替やメモリの値動きで変わることがあるため、買う時点で販売店の表示を確かめるのが確実です。
希望小売価格(MSRP)は、NVIDIA の開発者フォーラムの告知「2/23/2026 Price Change Announcement」(2026年2月25日の投稿)で、DGX Spark(Founders Edition)が 3,999 米ドルから 4,699 米ドルに改定されたと案内されています。理由は「メモリの供給の制約」とされ、すべての地域に当てはまり、OEM 各社の GB10 搭載機は対象外とされています。64GB版の価格と日本円での価格は、公式で確かめられませんでした。
| 公式の情報源 | 書かれていたこと(2026年11月16日時点) |
|---|---|
| プレスリリース(2025年10月13日) | その週に出荷開始、10月15日に NVIDIA.com で注文受付開始。金額の記載はなし |
| 英語の製品ページ | 金額の表示はなし。NVIDIA Marketplace へ案内。販売店として Amazon・Micro Center・PNY・Best Buy など |
| NVIDIA Marketplace(米国) | 金額の表示はなし。購入特典として NVIDIA AI Enterprise の90日の無償ライセンスと DLI の講座1つ |
| 日本語の製品ページ | 金額の表示はなし。NVIDIA Marketplace と国内の認定チャネル・販売パートナーへ案内 |
日本語の製品ページには、国内の認定チャネル・販売パートナーとして、Applied Group、ELSA、GDEP Advance、HPC Systems、HPC Tech、docomo business(NTTPC コミュニケーションズ)、Restar、RYOYO、SB C&S、Servants の名前が載っていました。法人で買う場合は、見積もりや保守の条件をこれらの窓口で確かめます。
また、GB10 を積んだ製品は NVIDIA 以外のメーカーからも出ています。英語の製品ページには Acer(Veriton GN100)、ASUS(Ascent GX10)、Dell(Pro Max)、GIGABYTE(AI TOP ATOM)、HP(ZGX Nano)、Lenovo、MSI が挙がっていました。ストレージの容量や保証はメーカーごとに違うため、各社の仕様で確かめます。
DGX OSとソフトウェア(NVIDIA Sync・プレイブック)
この節では、DGX Spark に入っている OS とソフトウェア、手元のパソコンからの使い方が分かります。
OS は NVIDIA DGX OS で、Ubuntu をもとにした Linux です。 公式ドキュメントでは、AI 向けに調整した Linux の土台・設定済みのドライバー・セキュリティ更新を含む OS と説明され、大きな更新はおおむね年2回(2月ごろと8月ごろ)出ると書かれています。
| 項目 | 公式の記載(リリースノート 2026年10月の版) |
|---|---|
| DGX OS | 7.6.0 |
| カーネル | Linux 7.0 系(Canonical Kernel 7.0.0-1019) |
| CUDA Toolkit | 13.0.3 |
| GPU ドライバー | 580.178.04 |
| 対象 | NVIDIA 製の DGX Spark。GB10 を積んだパートナー製品は更新の時期が違うことがある |
製品ページには、DGX OS の上で使う NVIDIA のソフトウェアとして、NVIDIA Sync、NIM、NeMo(ファインチューニング)、RAPIDS(データ分析)、Blueprints、Isaac・Metropolis・Holoscan などの名前が並んでいます。PyTorch・Python・Jupyter のような一般的な道具も使えると書かれています。
NVIDIA Sync
Windows・macOS・Ubuntu で動く、手元のパソコンから DGX Spark を使うための道具。SSH やポート転送を裏で受け持つ。
同じ LAN か Tailscale で接続
プレイブック
build.nvidia.com/spark にある手順書の集まり。Ollama・vLLM・ComfyUI・ファインチューニングなどの始め方がある。
公式が「信頼できる情報源」とする場所
DGX Dashboard
プレイブックの一覧に「Monitor Your AI Compute with DGX Dashboard」がある。計算の状況を見るための道具。
使い方はプレイブックで
NGC
NVIDIA Developer Program に無料で登録すると NGC(コンテナやモデルの配布の場)を使える、と製品ページにある。
登録は提供元の規約を読んでから
プレイブックの一覧(2026年11月16日時点)には、「Chat with LLMs Using Open WebUI and Ollama」「Serve LLMs with vLLM on One Device」「Serve Models with llama.cpp」「Fine-Tune with NVIDIA NeMo」「Fine-Tune Faster with Unsloth」「Quantize Models to NVFP4 with NVIDIA Model Optimizer」「Connect Multiple DGX Sparks for Distributed Workloads」などが並んでいました。使う道具ごとの基本は、関連記事「Ollamaの使い方|ローカルLLMのコマンド一覧とAPIの呼び方」と関連記事「vLLMとは|使い方・インストール・OpenAI互換APIとOllamaとの違い」で扱っています。
DGX Sparkでできること(推論・ファインチューニング・試作)
この節では、公式が DGX Spark の使い道として挙げていることが分かります。
公式の説明で中心になっているのは、大きなモデルの手元での推論・テスト・検証、中くらいのモデルのファインチューニング、AI エージェントの試作の3つです。 プレスリリースには「最大2,000億パラメーターのモデルで推論し、最大700億パラメーターのモデルをローカルでファインチューニングできる」と書かれています。
- 1推論・テスト・検証最大200B パラメーター(128GB版1台)。Ollama・vLLM・llama.cpp・SGLang・LM Studio などのプレイブックがある
- 2ファインチューニング最大70B パラメーター。NeMo・LLaMA Factory・Unsloth のプレイブックがある
- 3AI エージェントの試作日本語の製品ページは「自律エージェントを構築実行できるように設計」と説明
- 4画像・動画の生成ComfyUI のプレイブックがある
- 5ロボット・映像の開発Isaac Sim・Isaac Lab、映像を視覚言語モデルに流すプレイブックがある
ファインチューニングと RAG のどちらで解くべきかは、関連記事「RAGとファインチューニングの違いと使い分け判断基準の早見表」で扱っています。
どの大きさのモデルが載るか(メモリの計算表)
この節では、メモリ容量からどの大きさのモデルを載せられるかを、計算した表で確かめられます。
モデルの重みに要るメモリは「パラメーター数×1パラメーターあたりのバイト数」で見積もれます。 1パラメーターは FP16(BF16)で2バイト、FP8 で1バイト、FP4 で0.5バイトです。手元で Python を動かして計算しました。
BYTES = {"FP16/BF16": 2.0, "FP8": 1.0, "FP4": 0.5}
def w_gb(params_b, b):
return params_b * 1e9 * b / 1e9 # GB
for p in [8, 14, 32, 70, 120, 200, 405]:
print(f"{p}B", [round(w_gb(p, b), 1) for b in BYTES.values()])
params FP16/BF16 FP8 FP4
8B 16.0 8.0 4.0
14B 28.0 14.0 7.0
32B 64.0 32.0 16.0
70B 140.0 70.0 35.0
120B 240.0 120.0 60.0
200B 400.0 200.0 100.0
405B 810.0 405.0 202.5
| モデルの大きさ | FP16 | FP8 | FP4 |
|---|---|---|---|
| 8B | 16GB(両方○) | 8GB(両方○) | 4GB(両方○) |
| 32B | 64GB(128GB○) | 32GB(両方○) | 16GB(両方○) |
| 70B | 140GB(×) | 70GB(128GB○) | 35GB(両方○) |
| 120B | 240GB(×) | 120GB(ぎりぎり) | 60GB(128GB○) |
| 200B | 400GB(×) | 200GB(×) | 100GB(128GB○) |
| 405B | 810GB(×) | 405GB(×) | 202.5GB(2台なら○) |
「両方○」は64GB版でも128GB版でも重みが収まる、という意味です。メモリの8割を重みに使える、と仮に置いて上限を逆算すると、128GB版は FP4 で約205B、64GB版は約102B でした。公式の「128GB で200B」「64GB で100B」は、FP4 の重みがメモリのおよそ78%を占める計算になり、FP4 で動かす前提の数字と読めます。
重みのほかに要るもの(KV キャッシュ)
文章を生成するあいだは、重みのほかに、読んだ文の途中経過(KV キャッシュ)もメモリに置きます。架空の設定(80層・KV ヘッド8・ヘッドの次元128・FP16)で計算すると、1トークンあたり320KiB でした。
per token bytes 327680 = 320 KiB
ctx 8192: 2.68 GB
ctx 32768: 10.74 GB
ctx 131072: 42.95 GB
長い文脈(13万トークン前後)を一度に扱うと、KV キャッシュだけで40GB を超えます。「重みが収まる」だけでなく「重み+KV キャッシュ+OS の分」で収まるかを見るのが、載るかどうかの見方です。 量子化の形式(GGUF など)の詳しい話は、関連記事「llama.cppとは|使い方・ビルド・GGUF量子化とllama-server」で扱っています。
ファインチューニングで要るメモリの目安
学習では、重みのほかに勾配やオプティマイザーの値も持つため、推論より多くのメモリが要ります。一般的な目安(全部を学習するときは1パラメーターあたり約16バイト)で計算しました。
8B: full(16B/param)=128GB LoRA(BF16 frozen)=16GB QLoRA(4bit frozen)=4GB
32B: full(16B/param)=512GB LoRA(BF16 frozen)=64GB QLoRA(4bit frozen)=16GB
70B: full(16B/param)=1120GB LoRA(BF16 frozen)=140GB QLoRA(4bit frozen)=35GB
70B のモデルをすべて学習し直すには1TB を超える計算になり、128GB には収まりません。公式の「最大70B のファインチューニング」は、重みを固定して一部だけ学習する方法(QLoRA のように重みを4ビットで持つ方法など)を使う前提と考えるのが自然です。 上の値は重みとオプティマイザーだけの目安で、途中の計算結果(活性化)の分は含みません。
生成速度の上限をメモリ帯域から計算する
この節では、273GB/s というメモリ帯域から、文章の生成速度の上限を見積もる方法が分かります。
文章を1トークン生成するたびに、密なモデルは重みをほぼ全部メモリから読みます。そのため、生成速度の上限はおおよそ「メモリ帯域÷1トークンで読むバイト数」で決まります。 実際の速さは、この上限より低くなります。
BW = 273 # GB/s(公式の値)
for name, active_b, b in [("dense 8B FP4", 8, 0.5), ("dense 70B FP4", 70, 0.5),
("MoE total120B active5B FP4", 5, 0.5)]:
gb = active_b * b
print(f"{name}: read {gb:.1f}GB/token -> <= {BW/gb:.1f} tok/s")
dense 8B FP4: read 4.0GB/token -> <= 68.2 tok/s
dense 8B FP8: read 8.0GB/token -> <= 34.1 tok/s
dense 32B FP4: read 16.0GB/token -> <= 17.1 tok/s
dense 70B FP4: read 35.0GB/token -> <= 7.8 tok/s
dense 70B FP8: read 70.0GB/token -> <= 3.9 tok/s
MoE total120B active5B FP4: read 2.5GB/token -> <= 109.2 tok/s
MoE total200B active20B FP4: read 10.0GB/token -> <= 27.3 tok/s
1密な70B は毎秒約8トークンが上限
FP4 でも1トークンごとに35GB を読む。FP8 にすると上限は半分の約3.9。
2MoE は「使う分」だけ読む
全体が120B でも1トークンで使うのが5B なら、上限は毎秒100トークンを超える計算。
31 PFLOP は別の場面で効く
入力の読み込み(prefill)や学習のように計算の量が多い処理では、演算性能のほうが効く。
128GB に「載る」ことと、毎秒何トークンで「動く」ことは別です。 大きくて密なモデルは載っても遅く、MoE(使う専門家だけを動かすモデル)は大きさのわりに速く動く、というのが計算から読める傾向です。上の値は理論上の上限で、ソフトウェアや設定による実際の速さは示していません。
DGX Sparkを2台・4台つなぐ構成(ConnectX-7)
この節では、複数の DGX Spark をつないで大きなモデルを扱う構成が分かります。
DGX Spark は、内蔵の ConnectX-7 の QSFP ポート(1ポート最大200Gb/s)で、最大4台までつなげます。 英語の製品ページと公式ドキュメントでは、2台・3台は QSFP ケーブルで直接つなぎ、4台は外付けの200GbE スイッチを使う、と説明されています。
| 構成 | メモリの合計 | 公式のモデルの大きさ | FP4 の重み(計算) |
|---|---|---|---|
| 64GB ×1 | 64GB | 最大100B | 50GB(78%) |
| 128GB ×1 | 128GB | 最大200B | 100GB(78%) |
| 64GB ×2 | 128GB | 最大200B | 100GB(78%) |
| 128GB ×2 | 256GB | 最大400B(日本語ページは405B) | 200GB(78%) |
| 128GB ×4 | 512GB | 最大700B | 350GB(68%) |
128GB 版2台のモデルの大きさは、英語の製品ページが「400B」、日本語の製品ページとユーザーガイドのハードウェアの節が「4,050億(405B)」と書いていました。どちらも公式の値です。
- 1200Gb/s 以上を出せるケーブルを使うポートの上限が200Gb/s のため、それより速いケーブルでも速くはならない。公式は動作を確かめたケーブルの型番を挙げている
- 2QSFP ポートは Ethernet として使う公式ドキュメントは「Ethernet の設定だけに対応」と記載
- 34台ならスイッチを用意するQSFP56-DD ポートが4つ以上・RoCE v2 対応などの条件が製品ページにある
- 4台数は2のべき乗がよい製品ページの FAQ は、負荷の分け方の都合で2台・4台を勧めている
設定は、NVIDIA Sync の Cluster Assistant(見つける・ネットワークの設定・リンクの確認・SSH の設定を受け持つ)か、「Connect Two Sparks」などの手動のプレイブックで行います。ケーブルは引き手のタブを上にして差し込み、無理に押し込まないよう公式ドキュメントに注意があります。
DGX Sparkの最初のセットアップの流れ
この節では、届いた DGX Spark を使えるようにするまでの流れが、公式ドキュメントの順で分かります。
初回の設定は、モニター・キーボード・マウスをつなぐ方法と、つながずに Wi-Fi のホットスポット経由で別のパソコンから行う方法の2つがあります。 どちらも最後にソフトウェアを自動でダウンロードして入れます。
設定の方法を選ぶ
モニターをつなぐなら、電源を入れると画面に設定の道具が出る。つながないなら、クイックスタートガイドのシールにある SSID とパスワードで、別のパソコンからホットスポットに入る。
言語・時刻・キーボードを選ぶ
「Language and Time Zone Selection」で言語と時間帯、モニターをつないだ場合は「Keyboard Layout Selection」で配列を選ぶ。
規約を読み、アカウントを作る
「Terms and Conditions」を読んで同意し、「User Account Creation」でユーザー名とパスワードを決める。
ネットワークにつなぐ
Wi-Fi を選んでパスワードを入れる。インターネットにつながる有線 LAN が挿してあれば、この手順は飛ばされる。
ソフトウェアの導入を待つ
自動でダウンロードと導入が進み、何度か再起動する。途中で電源を切らない(公式は、電源が落ちると壊れることがあると注意している)。
設定のあとは、手元のパソコンに NVIDIA Sync を入れて DGX Spark を登録し(自動の検出・ホスト名か IP アドレス・SSH の設定の読み込みのどれか)、そこからアプリを開く流れが公式で案内されています。
DGX StationやGB10搭載のパートナー製品との関係
この節では、名前の似た NVIDIA の製品や、同じチップを使うほかのメーカーの製品との関係が分かります。
DGX Station は同じ「机の上の AI コンピューター」の仲間ですが、別のチップ(GB300)を積んだ大きな構成です。 公式の数字を並べると、次のとおりです(優劣ではなく、扱う規模の違いとして見ます)。
| 項目 | DGX Spark | DGX Station |
|---|---|---|
| チップ | GB10 Grace Blackwell | GB300 Grace Blackwell Ultra |
| メモリ | 128GB/64GB(LPDDR5X、273GB/s) | 計748GB(GPU 252GB HBM3e・CPU 496GB LPDDR5X) |
| 公式のモデルの大きさ | 1台で最大200B | 最大1兆パラメーター |
| 公式の位置づけ | 机の上の Grace Blackwell AI スーパーコンピューター | 大きな学習と開発のためのデスクトップ AI スーパーコンピューター |
GB10 を積んだパートナー製品(ASUS Ascent GX10 など)は、チップは同じでも、ストレージ・保証・OS の更新の時期がメーカーごとに違います。公式のリリースノートも、DGX OS の版は NVIDIA 製の DGX Spark に向けたもので、パートナー製品は更新の時期が違うことがある、と書いています。
DGX Sparkが向いている使い方の判断表
この節では、自分の使い方に DGX Spark が合うかを、公式の仕様と計算から判断できます。
| やりたいこと | 判断 | 理由(公式の仕様・計算) |
|---|---|---|
| 70B〜200B のモデルを手元で試す | 合う | 128GB に FP4 の重みが収まる(200B で100GB) |
| データを外に出さずに試作する | 合う | 手元で推論できる。扱いの決まりは所属先で確かめる |
| 中くらいのモデルを LoRA 系で学習 | 合う | 公式は最大70B のファインチューニングに対応と記載 |
| 大きな密なモデルを速く返したい | よく考える | 273GB/s が上限を決める。70B・FP4 で毎秒約7.8が上限 |
| 多くの人に同時に提供する | よく考える | 公式の位置づけは開発・試作。大きな提供は別の構成を検討 |
| 405B 級を動かす | 2台構成 | 128GB ×2 で FP4 の重み202.5GB が収まる |
| Windows のアプリを使いたい | 合わない | 公式の OS は DGX OS(Ubuntu ベース)。CPU は Arm |
電気の使い方の目安も計算しました。TDP(140W)と電源の定格(240W)で丸1日・30日動かし続けたときの上限の見積もりで、1kWh を仮に31円として計算しています。実際の消費電力は負荷によって変わり、この値より低くなります。
140W: 3.36 kWh/day, 100.8 kWh/30days, x31yen=3125yen
240W: 5.76 kWh/day, 172.8 kWh/30days, x31yen=5357yen
DGX Sparkのよくあるつまずき
この節では、DGX Spark を使い始めるときにつまずきやすい点と、公式ドキュメントにある確かめ方が分かります。
| 症状 | 考えられる原因 | 確かめること |
|---|---|---|
| 初回設定でエラーが出て、ホットスポットが見える | Wi-Fi に入れなかった(パスワードの誤りなど) | ホットスポットにつなぎ直して入力し直す(公式の案内) |
| ホットスポットが消えたのに DGX Spark が見つからない | Wi-Fi には入ったが、手元のパソコンから届かない | 同じネットワークか、端末どうしを分ける設定や mDNS の無効化がないか(公式の案内) |
| Bluetooth のキーボードが反応しない | 「Get Started」を押したあとはペアリングが止まる | 電源を入れ直してペアリングからやり直す(公式の案内) |
| モデルは読み込めたが生成が遅い | 密な大きなモデルで、帯域が上限を決めている | FP4 などの小さな形式・MoE のモデル・小さなモデルを試す |
| 長い文脈でメモリが足りなくなる | KV キャッシュが大きくなった | 文脈の長さを短くする。重み+KV キャッシュで見積もり直す |
| 入れたいソフトが動かない | x86 向けにだけ作られている | Arm64(aarch64)向けの版やコンテナがあるか |
| 突然止まる・起動しない | 付属以外の電源を使っている | 付属の240W 電源を使う(公式の注意) |
| 2台つないでも速くならない | ケーブルやポートの設定、台数の選び方 | 200Gb/s 対応のケーブルか、公式のプレイブックの手順どおりか |
小さなモデルや量子化を組み合わせる考え方は、メモリと速さの両方に効きます。容量の計算の基本は、関連記事「VRAMとは|確認方法・必要量の目安とLLMの計算式をPythonで解説」の計算式と同じです。
よくある質問
この節では、DGX Spark についてよく調べられる疑問に短く答えます。
Q. DGX Spark の読み方は?
A. 「ディージーエックス スパーク」と読みます。DGX は NVIDIA の AI 向けコンピューターの製品群の名前で、同じ名前の大きな構成に DGX Station があります。
Q. 価格はいくらですか?
A. 2026年11月16日時点で、NVIDIA の製品ページと NVIDIA Marketplace には金額の表示がありませんでした。NVIDIA の開発者フォーラムの告知(2026年2月25日)では、Founders Edition の希望小売価格は 3,999 米ドルから 4,699 米ドルに改定されています。実際の価格は NVIDIA Marketplace、国内の認定チャネル・販売パートナーの表示で確かめます。
Q. いつ発売されましたか?
A. NVIDIA のプレスリリースでは、2025年10月15日に NVIDIA.com で注文の受付が始まりました。64GB版は2026年10月に加わり、OEM パートナーから提供されています。
Q. 個人でも買えますか?
A. 英語の製品ページは Amazon・Best Buy・Micro Center などの販売店を挙げています。日本では、公式に載っている販売パートナーの案内で、個人向けに売っているかを確かめます。
Q. 1 PFLOP はどのくらいの速さですか?
A. FP4 でスパース演算を使ったときの理論上の最大値です。FP16 など別の形式での速さを表す数字ではありません。
Q. 何B のモデルまで動きますか?
A. 公式では、128GB版1台で推論は最大200B、ファインチューニングは最大70B、64GB版1台で最大100B です。計算では、200B の FP4 の重みは100GB になります。
Q. Windows は入りますか?
A. 公式の OS は NVIDIA DGX OS(Ubuntu ベース)で、公式ページに Windows の記載はありませんでした。手元の Windows や Mac からは NVIDIA Sync で使えます。
Q. ゲーム用の GPU つきパソコンと何が違いますか?
A. CPU と GPU が128GB のメモリを共有するため、大きなモデルを1台に載せやすい点です。一方、メモリ帯域は273GB/s で、生成速度の上限はこれで決まります。
Q. 2台つなぐには何が要りますか?
A. 200Gb/s 以上を出せる QSFP ケーブルです。2台・3台は直接つなぎ、4台は200GbE のスイッチを使います。設定は NVIDIA Sync の Cluster Assistant か公式のプレイブックで行います。
Q. 業務のデータを入れてよいですか?
A. DGX Spark は手元で推論できるので、外部のサービスへ送らずに試せます。業務のデータや個人情報を扱うかどうかは、所属先の決まりと、使うモデル・ソフトウェアの提供元の最新の規約を事前に確かめてから決めます。
まとめ
- DGX Spark は、GB10 Grace Blackwell スーパーチップと128GB(または64GB)の統合メモリを積んだ、NVIDIA の小型 AI 開発用コンピューター。OS は DGX OS(Ubuntu ベース)、CPU は Arm。
- 性能は FP4 で最大1 PFLOP(スパース演算時)、メモリ帯域は273GB/s。公式では128GB版1台で推論最大200B、ファインチューニング最大70B。
- 価格は、製品ページ・Marketplace に表示がなく、開発者フォーラムの告知では Founders Edition の希望小売価格が 4,699 米ドル(2026年2月の改定後)。買う時点で販売店・国内の認定パートナーの表示を確かめる。
- 載るかどうかは「パラメーター数×バイト数+KV キャッシュ」で、速さの上限は「273GB/s÷1トークンで読む量」で見積もれる。密な70B・FP4 の上限は毎秒約7.8トークン。
- ConnectX-7 で最大4台までつなげ、128GB 版4台で最大700B。設定は NVIDIA Sync の Cluster Assistant か公式のプレイブックで行う。
参考・出典
以下は2026年11月16日に確かめた公式の情報です。
- NVIDIA「NVIDIA DGX Spark」(日本語の製品ページ):https://www.nvidia.com/ja-jp/products/workstations/dgx-spark/
- NVIDIA「NVIDIA DGX Spark」(英語の製品ページ):https://www.nvidia.com/en-us/products/workstations/dgx-spark/
- NVIDIA Marketplace「DGX Spark」:https://marketplace.nvidia.com/en-us/enterprise/personal-ai-supercomputers/dgx-spark/
- NVIDIA Newsroom「NVIDIA DGX Spark Arrives for World's AI Developers」(2025年10月13日):https://nvidianews.nvidia.com/news/nvidia-dgx-spark-arrives-for-worlds-ai-developers
- NVIDIA DGX Spark User Guide「Hardware Overview」:https://docs.nvidia.com/dgx/dgx-spark/hardware.html
- NVIDIA DGX Spark User Guide「Initial Setup - First Boot」:https://docs.nvidia.com/dgx/dgx-spark/first-boot.html
- NVIDIA DGX Spark User Guide「DGX OS」:https://docs.nvidia.com/dgx/dgx-spark/dgx-os.html
- NVIDIA DGX Spark User Guide「Release Notes」:https://docs.nvidia.com/dgx/dgx-spark/release-notes.html
- NVIDIA DGX Spark User Guide「NVIDIA Sync」:https://docs.nvidia.com/dgx/dgx-spark/nvidia-sync.html
- NVIDIA DGX Spark User Guide「ConnectX-7 Networking」:https://docs.nvidia.com/dgx/dgx-spark/spark-clustering.html
- NVIDIA「DGX Spark playbooks」:https://build.nvidia.com/spark
- NVIDIA「NVIDIA DGX Station」:https://www.nvidia.com/en-us/products/workstations/dgx-station/
本記事の内容は、ご自由にお使いください。
ご利用の際は、出典として本ページへのリンクを記載いただけますようお願いします。
(記載例)出典:株式会社RJC「DGX Sparkとは|NVIDIAの小型AIコンピューターの性能・価格・できること」
株式会社RJC ― SI事業・SES事業・AI駆動開発。RJCは一緒に成長を楽しめる会社です。
WE ARE HIRING
RJCで一緒に開発しながら、
成長を楽しみませんか?
RJCは、Web・モバイル・AIを活用した開発プロジェクトで、テックリードやPM・PMOも活躍するシステム開発会社です。会社を知る、待遇を確かめる、話を聞いてみる。気になるところ見てみてください!
- 127日年間休日
- 12時間平均残業時間
- 毎日ガチャ遊びココロも大切にする福利厚生。アマギフなどの賞品ラインナップ!
ほかにも、チケットレストラン、書籍読み放題、2年ごとの慰労報奨(休暇 or 金一封)、11期連続の黒字決算。