ai:hardware:nvidia-dgx-spark

Rozdíly

Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.

Odkaz na výstup diff

Obě strany předchozí revize Předchozí verze
ai:hardware:nvidia-dgx-spark [01.05.2026 06:49] – Doplnění zdokumentovaných modelů a Qwen3 Coder Next Petr Nosekai:hardware:nvidia-dgx-spark [07.07.2026 07:35] (aktuální) – Doplněna praktická video recenze DGX Spark Petr Nosek
Řádek 95: Řádek 95:
  
 Podobně údaj o modelech do 200B parametrů neznamená, že všechny modely této velikosti poběží stejně dobře. Záleží na kvantizaci, architektuře modelu a tom, zda je konkrétní runtime pro DGX Spark dobře optimalizovaný. Podobně údaj o modelech do 200B parametrů neznamená, že všechny modely této velikosti poběží stejně dobře. Záleží na kvantizaci, architektuře modelu a tom, zda je konkrétní runtime pro DGX Spark dobře optimalizovaný.
 +
 +===== Praktická recenze po týdnu testování =====
 +
 +Jako protiváha k oficiálním parametrům se hodí video [[https://www.youtube.com/watch?v=cc-P5MLKxTk|Nvidia DGX Spark: Obrovské zklamání? Upřímná recenze po týdnu testování!]]. Jde o praktickou recenzi po zátěžových testech, která upozorňuje hlavně na rozdíl mezi marketingovým očekáváním a reálným výkonem v konkrétních úlohách.
 +
 +{{youtube>cc-P5MLKxTk?}}
 +
 +Podle popisu videa jsou hlavní poznatky:
 +
 +  * sdílené GPU ve Sparku může při paralelním použití lineárně zpomalovat generování,
 +  * v některých úlohách může být starší desktopová RTX 3090 rychlejší než DGX Spark, například při generování přes Flux,
 +  * při zátěžových testech se objevily problémy s přehříváním pamětí a selháním síťové karty,
 +  * LTX 2.3 a kvantizace podle autora nefungovaly v Blackwell režimu tak, jak popisuje dokumentace,
 +  * největší praktická výhoda se ukázala u fine-tuningu, kde se podařilo natrénovat model na specifický styl odpovědí,
 +  * pro některé workflow může dávat větší smysl kombinace levného cloudového modelu pro řízení úloh a lokálních modelů pro konkrétní inference.
 +
 +Recenze je subjektivní zkušenost jednoho uživatele, ale je užitečná jako připomínka, že DGX Spark není automatická náhrada desktopové GPU pro všechny typy AI workloadů. Před nákupem je potřeba porovnat vlastní scénáře: inference LLM, generování obrázků, fine-tuning, délku kontextu, paralelní běh modelů, hlučnost, chlazení a cenu celé sestavy.
  
 ===== Dostupnost v ČR ===== ===== Dostupnost v ČR =====
Řádek 112: Řádek 129:
   * [[https://huggingface.co/Qwen/Qwen3-Coder-Next-FP8|Qwen3-Coder-Next-FP8 – model card]]   * [[https://huggingface.co/Qwen/Qwen3-Coder-Next-FP8|Qwen3-Coder-Next-FP8 – model card]]
   * [[https://huggingface.co/saricles/Qwen3-Coder-Next-NVFP4-GB10|Qwen3-Coder-Next-NVFP4-GB10 – komunitní kvantizace pro DGX Spark]]   * [[https://huggingface.co/saricles/Qwen3-Coder-Next-NVFP4-GB10|Qwen3-Coder-Next-NVFP4-GB10 – komunitní kvantizace pro DGX Spark]]
 +  * [[https://www.youtube.com/watch?v=cc-P5MLKxTk|YouTube – Nvidia DGX Spark: Obrovské zklamání? Upřímná recenze po týdnu testování!]]
  
  • ai/hardware/nvidia-dgx-spark.txt
  • Poslední úprava: 07.07.2026 07:35
  • autor: Petr Nosek