Nvidia poskupjela AI računalo Spark za 74 posto u godinu dana

Nvidia je najavila jeftiniju verziju svog mini računala za umjetnu inteligenciju, ali “jeftinije” ovdje znači samo manje skupo od modela koji je u godinu dana poskupio 74 posto.

Kompanija iz Santa Clare od 23. listopada stavlja u prodaju DGX Spark sa 64 GB unificirane memorije po cijeni od 4.999 dolara. Istog dana model sa 128 GB poskupljuje na 6.950 dolara. Prodaja će ići isključivo preko šest proizvođača — Acera, Asusa, Della, Gigabytea, HP-a i MSI-ja — jer Nvidia za ovu verziju ne nudi vlastitu Founders Edition.

U pozadini je priča koja se ponavlja posljednjih godinu dana: cijene memorije divljaju, a proizvođači ih prebacuju na krajnjeg kupca. Model sa 128 GB lansiran je u listopadu 2025. po 3.999 dolara, u veljači je poskupio na 4.699, a sada doseže 6.950 dolara. Ista konfiguracija, 74 posto viša cijena u dvanaest mjeseci. U Francuskoj je Founders Edition skočila s 4.099 na 4.800 eura, dok je Dell Pro Max s 4 TB prostora već prije novog poskupljenja stajao 7.149 eura.

Što zapravo dobivate za 4.999 dolara

Spark sa 64 GB nije novo računalo. Ista je matična ploča, isti GB10 Grace Blackwell čip, isti 20-jezgreni Arm procesor i isti Blackwell GPU sa 6.144 CUDA jezgre — ekvivalent RTX 5070. Nepromijenjena je i propusnost memorije od 273 GB/s te mrežna kartica ConnectX-7 za povezivanje više jedinica. Razlika je u dvije stvari: upola manje memorije i SSD od 2 TB umjesto 4 TB.

Drugim riječima, plaćate 25 posto više nego što je prije godinu dana stajao dvostruko opremljeni model. Nvidia tu razliku naziva “pristupačnom ulaznom točkom”.

Za lokalno pokretanje AI agenata 64 GB na papiru može biti dovoljno. Otvoreni modeli Mete, Googlea, Alibabe ili Nvidijine Nemotron linije do 100 milijardi parametara stanu unutra, uz prostor za kontekstni cache. No u praksi to znači agresivnu kvantizaciju. Gusti model od 27 do 32 milijarde parametara radit će ugodno, kao i mixture-of-experts poput Qwen3.8. Model od 70 milijardi parametara u punoj kvaliteti — znatno teže. A model korišten u testiranju verzije sa 128 GB, Qwen3.5-122B-A10B, zauzimao je 85 GB i jednostavno ne stane u ovu konfiguraciju.

Ono što Nvidia ne ističe

Propusnost od 273 GB/s ostaje usko grlo. Qwen3.5-122B jedva je prelazio 20 tokena u sekundi, a ni mali Qwen3.5-14B nije bio brži. Na takvim malim modelima GeForce RTX 5060 Ti sa 16 GB, koja stoji oko 850 eura, gotovo je dvostruko brža.

GB10 je pak znatno bolji u generiranju slika. Na Flux.1 Dev nadmašuje RTX 5060 Ti i približava se RTX 3090, i to tiho i bez grijanja prostorije. Fine-tuning radi — LoRA Flux.1 Dev završen je u tri sata bez brige o smještaju modela u memoriju — ali upravo će taj scenarij najviše patiti zbog prepolovljene memorije. Nvidia to i sama priznaje: za treniranje je 128 GB pravi izbor.

Ostaje pitanje koje se nameće samo od sebe: ako je ista matična ploča i isti čip, zašto cijena nije pala nego porasla? Odgovor je jednostavan — proizvođač ne prodaje hardver, prodaje pristup tržištu koje si može priuštiti vlastitu infrastrukturu za umjetnu inteligenciju. Dok god potražnja za memorijom raste, cijena ulaznice raste s njom.

Nvidia je 23. listopada pustila u prodaju DGX Spark s 64 GB memorije po početnoj cijeni od 4.999 dolara, a istog dana počinje i prodaja jače verzije sa 128 GB za 6.950 dolara. No pravi udarac za kupce dolazi iz same Nvidijine ponude: dva Sparka od 64 GB povezana kabelom koštaju 9.998 dolara, gotovo 44 posto više od jednog uređaja sa 128 GB, uz dvostruko napajanje, dva diska od 2 TB i 280 vata potrošnje na radnom stolu.

Argument za klaster je jasan na papiru. Dvije jedinice spojene preko QSFP porta na ConnectX-7 (200 Gb/s) udvostručuju memoriju, računalnu snagu i propusnost. Na modelu Qwen3.8 27B Nvidia mjeri do 70 posto bolje performanse u odnosu na jedan uređaj od 128 GB. Brojka zvuči uvjerljivo, ali treba je čitati s oprezom: model od 27B stane u jednu kutiju od 64 GB, pa dobitak dolazi isključivo od udvostručene propusnosti, a ne od memorije.

Softver kao mamac, a ne rješenje

Nvidia Sync donosi čarobnjaka za klaster koji sam prepoznaje jedinice i konfigurira mrežu bez diranja ijedne datoteke. Model Launcher stiže krajem listopada i omogućuje pokretanje Qwen3.8 27B na jednoj ili dvije mašine u nekoliko klikova, s uključenim OpenCodeom. Zvuči kao gotov proizvod, ali sitno slovo otkriva pravu cijenu: DGX OS, Nvidijin Ubuntu, garantiran je samo dvije godine. Na stroju od 5.000 eura to je kratko.

Postoji i zamka koju malo tko spominje. Miješanje uređaja od 64 GB i 128 GB u klaster funkcionira, ali model se reže na 64 GB po mašini. Preostalih 64 GB većeg uređaja jednostavno spava. Drugim riječima, kupac koji je platio skuplju jedinicu ne dobiva ništa osim skupljeg papira.

Konkurencija ne stoji mirno

Pravi problem za Spark 64 GB nije Nvidia sama po sebi, nego činjenica da 64 GB unificirane memorije danas prodaje gotovo svatko. AMD-ov Ryzen AI Max+ 395 (Strix Halo) nalazi se u desetak mini PC-a kod GMKteca, Minisforuma, Beelinka, Bosgamea, Frameworka i HP-a. Ista LPDDR5X memorija, ista propusnost od 273 GB/s, dakle približno ista brzina generiranja tokena na istom modelu.

GMKtec EVO-X2 sa 64 GB prodaje se oko 2.000 eura, Framework Desktop bez diska ispod 2.000 dolara, Minisforum MS-S1 Max s 2 TB oko 2.600 dolara. Svi su poskupjeli 50 do 70 posto u godinu dana zbog cijena memorije, ali ostaju dvostruko jeftiniji od Sparka. Ono što se gubi prelaskom na AMD je CUDA, predinstalirani Nvidijin softverski sloj, port od 200 Gb/s za klaster i dio sirove snage, jer GPU Blackwell u GB10 ostaje ispred Radeon 8060S na optimiziranim poslovima. Ono što se dobiva jest Windows ili Linux po izboru, stroj koji služi i za nešto osim umjetne inteligencije, i 2.500 eura ušteđevine.

Apple je također u igri. Mac Studio M5 Max počinje na 2.999 eura s 36 GB, a propusnost mu znatno premašuje 273 GB/s GB10, što se osjeti u brzini generiranja. M5 Ultra od 6.599 eura sa 96 GB ide do 512 GB i 1,2 TB/s. Za cijenu jednog DGX Sparka od 128 GB Apple nudi stroj s gotovo jednakom memorijom i četiri puta većim protokom. Nedostatak: nema CUDA-e, a ekosustav inferencije (MLX, llama.cpp) slabije je opremljen za produkciju. Čak i Mac mini M5 Pro sa 64 GB za 3.329 eura gazi u Sparkovo dvorište, sa slabijim GPU-om ali pravim stolnim računalom oko sebe.

Nvidia si sama diže cijenu

Najneugodniji konkurent mogao bi doći od Nvidije osobno. Na Computexu krajem svibnja tvrtka je najavila RTX Spark, čip za Windows PC. Pod marketinškim nazivom krije se isti GB10 iz DGX Sparka, u verzijama N1X (puni GB10) i N1 (oslabljena varijanta), s konfiguracijama od 16 do 128 GB kod Acera, Asusa, Della, HP-a, Lenovoa, MSI-ja i Microsoft Surfacea. Asus je već pokazao ProArt GR1X, tihi mini PC za pokretanje agenata 24 sata dnevno, što je doslovno isti argument kojim Nvidia prodaje DGX Spark 64 GB.

Prve mašine očekuju se ove jeseni, ali službenih cijena nema. Morgan Stanley procjenjuje 2.899 dolara za N1X i 1.799 dolara za N1. Ako te procjene drže vodu, PC RTX Spark sa 64 GB pod Windowsima koštao bi manje od DGX Sparka 64 GB pod Linuxom, s istim čipom. Razlika će se svesti na softverski sloj i vjerojatnu odsutnost ConnectX-7 porta na potrošačkom PC-u. Nvidia je potvrdila da Windowsa na DGX Sparku neće biti: dvije linije ostat će zatvorene jedna prema drugoj.

Ostaje pitanje koje se nameće samo: za koga je ovaj uređaj uopće napravljen? Tvrtka ga ne pozicionira kao server za inferenciju, jer posluživanje velikog modela većem broju korisnika istovremeno nije izvedivo. Duga konverzacija od 65.000 tokena znala je čekati i do tri minute na odgovor. To nije alat za proizvodnju, to je alat za pojedinca koji želi imati vlastitu umjetnu inteligenciju na stolu. A takvih pojedinaca, po cijeni od 5.000 eura po komadu, nema mnogo.

Nvidia je pokrenula prodaju dvije inačice svog stolnog AI računala DGX Spark: model s 64 GB i skuplji model sa 128 GB memorije. Prvi košta oko 4.000 eura, drugi gotovo dvostruko više. Uz tu razliku u cijeni nameće se pitanje koje Nvidia ne postavlja u svojim promotivnim materijalima — je li pametnije kupiti jedan snažan uređaj ili dva manja i povezati ih u mrežu?

Odgovor nije jednostavan. Dva manja modela mogu se umrežiti i zajedno nuditi više ukupne memorije od jednog velikog, ali uz cijenu latencije i složenosti konfiguracije. Za korisnike koji treniraju modele ili izvode velike jezične modele lokalno, svaki gigabajt memorije je dragocjen. No dva uređaja znače dvostruku potrošnju struje, dvostruko zauzeće prostora i dvostruko održavanje.