Nvidia RTX Spark: IA local en portátiles desde US$2.599

Nvidia RTX Spark y la muralla x86: qué pasó realmente en San Francisco

Un portátil con Nvidia RTX Spark ejecuta hoy en local un modelo que hace seis meses solo corría en la nube. En el RTX Spark Day que la compañía celebró en San Francisco el 8 de octubre, la demostración oficial mostró el modelo Qwen3.8-Flash-Next corriendo en una máquina con 128 GB de memoria unificada y alcanzando 40 puntos en el índice de inteligencia de Artificial Analysis. Seis meses antes, en abril de 2026, ese mismo índice daba 41 puntos a Claude Opus 4.7 Max, un modelo que solo se podía usar en la nube.

Un punto de diferencia. Esa es la brecha que hoy separa alquilar inteligencia de tenerla sobre el escritorio.

RTX Spark es la plataforma de Nvidia basada en arquitectura Arm para PC con Windows, y el chip que la mueve es el N1X: un sistema en chip que combina una CPU Grace —desarrollada junto a MediaTek— con una GPU RTX Blackwell. No es el primer intento de sacar a Windows de x86. Microsoft lo probó hace más de una década con las Surface RT y chips Tegra 3, y Qualcomm tomó el testigo después con los Snapdragon X. Lo que cambia esta vez, según el repaso de Xataka, es que la apuesta cubre también gaming y un ecosistema de IA nativo, los dos huecos que dejaban las alternativas anteriores.

Qué hay dentro del N1X y qué configuración te conviene

La versión tope lleva 20 núcleos de CPU Grace (10 de rendimiento y 10 de eficiencia) y una GPU Blackwell de 6.144 núcleos, la misma cantidad que una RTX 5070 de escritorio, como detalla Gizmodo. Existe una segunda configuración, de 18 núcleos de CPU y 5.120 núcleos de GPU, pensada solo para portátiles.

El dato que decide si la máquina te sirve es la memoria. Nvidia ofrece entre 24 GB y 128 GB de memoria unificada LPDDR5X, con 300 GB/s de ancho de banda, un valor comparable a los 307 GB/s que Xataka atribuye a los chips Apple M5 Pro. La ventaja frente a los equipos de Apple está en que la GPU Blackwell usa cuantización FP4, que comprime los datos y permite exprimir mejor ese ancho de banda. Nvidia afirma que estos equipos mueven modelos de hasta 120.000 millones de parámetros en local y un petaflop en operaciones FP4.

El matiz que se pierde en los titulares: los modelos de entrada llegan con 24 GB o 32 GB de memoria unificada, y ahí la ejecución de modelos grandes cambia por completo. Gizmodo señala que el Surface Laptop Ultra de Microsoft parte de US$2.600 con 24 GB y llega a US$5.900 en su configuración tope con 128 GB y 1 TB de almacenamiento. Digit y Noticias3D coinciden en que los portátiles RTX Spark arrancan en US$2.599 y se empiezan a enviar el 16 de octubre, con los equipos de sobremesa compactos previstos para noviembre. En Europa, ASUS ya publica €3.299,99 para el ProArt P14 y €3.499,99 para el ProArt P16, según MuyComputer Pro.

IA local: ¿cuándo deja de tener sentido pagar por tokens?

El argumento económico no es que la IA local sea gratis, sino que el costo pasa de ser una factura variable a un gasto de capital único. Xataka lo describe como la filosofía de los tokens gratis que Satya Nadella y Jensen Huang mencionaron en los días previos al evento: la inversión inicial es alta, pero si le sacas partido, cada inferencia posterior no tiene costo marginal.

Ese cálculo mejora cuando el trabajo es repetitivo y de volumen alto. Un agente que resume 200.000 correos, transcribe vídeos o audita repositorios consume tokens en cada pasada. Correrlo en local cambia la ecuación y también la privacidad: los datos no salen de la máquina.

Nvidia no renuncia a la nube. Su modelo Nemotron 3.5 Bolt 74B —un MoE de 74.000 millones de parámetros que activa 9.000 millones por token— está comprimido a 24 GB con la técnica de 2-bit quantization-aware-training, lo que permite ejecutarlo en equipos con 24 GB de memoria. Según la documentación que recoge Blockchain.news, será código abierto, con datos de entrenamiento, pesos y recetas incluidos, y estará disponible en llama.cpp, vLLM, Ollama, Unsloth y LM Studio. Para lo que el modelo local no alcanza existe NeMo Switchyard, un enrutador que decide si una consulta se resuelve en la máquina o viaja a la nube.

Agentes de IA: dónde está el retorno real para un equipo chico

El hardware llama la atención, pero el ecosistema de agentes es donde un equipo pequeño gana productividad concreta. Gerardo Delgado, directivo español de Nvidia, contó en el evento que su instancia de Hermes se conectó a su correo, procesó 200.000 mensajes en pocos días y ahora le entrega cada mañana un resumen de su día, todo ejecutado en la máquina. Dillon Rolnick, CEO de Nous Research, mostró cómo Hermes opera sobre aplicaciones de escritorio, terminal y archivos locales, y Caleb Kim, ingeniero de Nvidia, explicó cómo convertir ese resumen en una habilidad programada a las 9:00 de la mañana.

El segundo frente es la seguridad, y no es un detalle menor cuando le das a un agente acceso a tu correo y a tu terminal. Microsoft introdujo MXC (Microsoft Execution Containers), que crea cuentas de usuario separadas y contenedores aislados para agentes en Windows 11, mientras que OpenShell de Nvidia limita a qué carpetas y redes puede entrar un agente y oculta datos personales cuando una petición pasa de local a la nube. Blockchain.news precisa que GitHub Copilot ya soporta MXC y que Hermes lo hará a finales de octubre.

Hay además una pieza que puede cambiar cómo compras hardware a partir de ahora: Nvidia PAIR, el enrutador personal de IA que salió de beta el 13 de octubre con licencia Apache 2.0. No suma memoria para cargar un modelo gigante entre varios equipos, pero reparte subtareas en paralelo entre hasta 18 máquinas de tu red local, sean Windows, Mac o Linux. Para un equipo chico con varios portátiles, eso convierte el parque de equipos que ya tienes en una pequeña granja de inferencia.

Para desarrolladores: lo que cambia en el stack de software

Hay señales concretas para quien escribe código. Nvidia y Microsoft prepararon lo que describen como la primera compilación de PyTorch-CUDA para Windows sobre Arm, la primera versión de Python 3.15 nativa en esa plataforma y el primer instalador de Conda para Windows sobre Arm, con más de 2.000 paquetes disponibles y soporte declarado para el 97% de los 15.000 paquetes de Python más usados, según Blockchain.news. GitHub Copilot actualiza su enrutador HydraFusion para derivar trabajo a modelos locales, y Microsoft pone MAI 1.1 Coding Flash a disposición en local.

El punto débil sigue siendo la emulación. Todo lo que no sea nativo Arm pasa por Prism, el emulador de Microsoft que cumple un rol parecido al Rosetta de Apple. Gizmodo advierte que el sobrecosto de CPU afecta más a las aplicaciones y juegos que dependen del procesador, y Digit recuerda que ejecutar una app por emulación no implica que use aceleración por GPU.

Qué significa esto para tu startup

Al nivel de precios actual, la decisión deja de ser comprar un portátil nuevo y pasa a ser dejar de pagar inferencia todos los meses. Estas son las acciones que tienen sentido antes de firmar la orden de compra:

• Calcula tu gasto real de inferencia antes de comparar. Si tu equipo gasta menos al año de lo que cuesta una configuración de gama alta, el ahorro no aparece. La cuenta cambia cuando corres agentes 24/7 o procesas volúmenes altos de audio y vídeo.
• No confundas memoria total con memoria usable. El sistema operativo y las aplicaciones también consumen esa memoria unificada, y Digit aclara que la asignación se puede ajustar desde la Nvidia App. Si tu caso de uso exige un modelo grande, la configuración de entrada con 24 GB o 32 GB no es viable.
• Prueba PAIR antes de comprar hardware nuevo. El proyecto es gratuito, open source y ya está en disponibilidad general. Si tu equipo tiene varios portátiles, repartir cargas entre ellos es la forma más barata de validar si la IA local resuelve tu caso antes de invertir en una máquina de gama alta.
• Define el perímetro del agente antes de darle acceso a tus datos. Conceder a un agente acceso al correo, a archivos y a la terminal sin un contenedor aislado es la manera más rápida de convertir una ventaja de productividad en un incidente de seguridad.

Lo que todavía no está resuelto

Conviene mirar esta plataforma con tres incógnitas presentes. La primera es que las cifras de rendimiento son de Nvidia: Noticias3D recuerda que la afirmación de superar los 100 FPS a 1440p en títulos AAA con DLSS 5 es un dato de la propia compañía, y que las reseñas de unidades comerciales tendrán que confirmarlo. Gizmodo, que probó Gears of War: E-Day en el evento, señala que solo pudo hacerlo con DLSS 4.5 y generación de fotogramas activados.

La segunda es la fragmentación del ecosistema. Digit apunta que la compatibilidad depende del juego y de su software de soporte, y que el soporte anticheat es un trabajo en curso con estudios como KRAFTON, EA, Activision y Riot. Para gaming competitivo, eso todavía no es terreno resuelto.

La tercera es el costo de la parte alta. La DGX Station for Windows, con el chip GB300 Grace Blackwell Ultra de 72 núcleos de CPU, 748 GB de memoria coherente y 20 PFLOPS en FP4, llegará en el cuarto trimestre fabricada por ASUS, Dell, HP, MSI, Gigabyte y Supermicro, pero Nvidia no ha publicado su precio.

Conclusión

El asedio a x86-64 ya se intentó antes y falló dos veces: una por falta de ecosistema y otra por falta de músculo gráfico. Lo que hace distinta esta ronda es que Nvidia llega con las dos piezas que faltaban —una GPU que compite en gaming y una biblioteca de software de IA que los desarrolladores ya usan— y con un argumento económico que un founder entiende sin traducción: pagar una vez en lugar de pagar todos los meses.

Hay una razón más silenciosa para mirar esta plataforma con atención. Cuando un modelo de 40 puntos en Artificial Analysis corre sobre tu escritorio sin enviar datos afuera, el cuello de botella deja de ser el presupuesto de tokens y pasa a ser la calidad de las preguntas que le haces a tu agente.

Vale la pena comprobar los números por tu cuenta en las próximas semanas, cuando lleguen las primeras unidades y los benchmarks independientes reemplacen a los de la casa.

Fuentes

• Xataka: Nvidia quiere que RTX Spark marque un antes y un después en el PC (fuente original)
• Digit: NVIDIA RTX Spark brings 128 GB memory and local AI to Windows laptops starting at USD 2599
• Gizmodo: Nvidia's RTX Spark PCs Aren't a Revolution, but They May Change Laptops Forever
• Blockchain.news: NVIDIA Announces Software Ecosystem Updates Ahead of RTX Spark Laptop Launch
• Noticias3D: NVIDIA celebra la fiesta de lanzamiento de RTX Spark en Berlín el día 16
• MuyComputer Pro: ASUS ProArt RTX Spark, PCs para trabajar en tareas creativas y con agentes de IA en local