Hard Zone : Hardware, Reviews, Noticias, Tutoriales, Foros de ayuda – Hemos viajado a San Francisco para conocer NVIDIA RTX Spark: así es la mayor revolución del PC en años

NVIDIA ha decidido meterse de lleno en el mercado de los procesadores para Windows, y lo ha hecho a lo grande. Hemos viajado hasta San Francisco para conocer RTX Spark, su nueva plataforma que combina una CPU Grace de hasta 20 núcleos, una GPU Blackwell y hasta 128 GB de memoria unificada. Una auténtica bestia que quiere cambiar nuestra forma de trabajar, jugar y utilizar la inteligencia artificial a partir de mañana, 16 de octubre de 2026. Y después de ver todo lo que puede hacer, tenemos claro que estamos ante algo muy importante.

En resumen

NVIDIA presentó RTX Spark, una plataforma para Windows que combina una CPU Grace de hasta 20 núcleos con una GPU Blackwell y 128 GB de memoria unificada.
Los primeros portátiles con RTX Spark, fabricados por ASUS, Dell, Microsoft y Lenovo, estarán disponibles a partir del 16 de octubre.
NVIDIA anunció Nemotron 3.5 Bolt 74B, un modelo abierto de 74.000 millones de parámetros que puede ejecutarse con solo 24 GB de memoria.

El pasado 8 de octubre tuvimos la oportunidad de asistir al NVIDIA RTX Spark Editors Day, celebrado en Dogpatch Studios, San Francisco.

Identificación de medios durante la celebración del NVIDIA SPARK en San Francisco, donde se reúnen editores especializados del sector tecnológico. Foto: HardZone.es

Allí, NVIDIA reunió a medios especializados para presentar su nueva plataforma para ordenadores Windows, conocer los primeros equipos que llegarán al mercado y enseñarnos cómo pretende llevar la inteligencia artificial local mucho más allá de lo que conocemos actualmente.

Acceso principal a las instalaciones de NVIDIA SPARK en San Francisco, donde se reúnen profesionales y entusiastas del sector tecnológico. Foto: HardZone.es

La jornada comenzó con las presentaciones técnicas y continuó con demostraciones de todo tipo: modelos de inteligencia artificial ejecutándose en local, agentes capaces de utilizar aplicaciones, herramientas para desarrolladores, generación de imágenes y vídeo, y videojuegos modernos funcionando en portátiles que, por tamaño, poco tienen que ver con una estación de trabajo.

También pudimos conocer los primeros equipos de ASUS, Dell, Microsoft y Lenovo, además de algunos mini PC que llegarán próximamente. Y aunque cada fabricante ha optado por un diseño diferente, todos comparten una característica que cuesta creer hasta que los tienes delante: la cantidad de potencia que NVIDIA ha conseguido integrar en dispositivos tan compactos.

Diferentes modelos de portátiles presentados en el evento NVIDIA SPARK celebrado en San Francisco, mostrando su interfaz y diseño. Foto: HardZone.es

Nuestra impresión después de asistir a todas las presentaciones es que RTX Spark supone uno de los cambios más importantes que hemos visto en el mundo del PC en muchos años. No tanto por sus cifras de rendimiento, que también son impresionantes, sino por conseguir reunir inteligencia artificial, creación de contenido y gaming en una misma plataforma.

 

NVIDIA RTX Spark: Grace y Blackwell se unen en un mismo procesador

La primera gran novedad es que NVIDIA ya no se limita a proporcionar la tarjeta gráfica de nuestro ordenador. Con RTX Spark entra directamente en el terreno de los procesadores para Windows, utilizando una arquitectura que integra CPU, GPU, NPU y memoria dentro de un mismo sistema.

El chip combina una CPU NVIDIA Grace, desarrollada conjuntamente con MediaTek, y una GPU basada en la arquitectura Blackwell. La configuración más potente, denominada N1X, dispone de 20 núcleos de CPU y 6.144 núcleos CUDA, con Tensor Cores de quinta generación y RT Cores de cuarta generación.

Presentación de RTX Spark en San Francisco, detallando la integración de CPU, E/S y memoria personalizada en colaboración con MediaTek. Foto: HardZone.es

La CPU está organizada en dos clústeres y cuenta con 16 MB de caché L3. Por su parte, la GPU incorpora las tecnologías RTX que conocemos de las tarjetas gráficas de NVIDIA, incluyendo aceleración de trazado de rayos, DLSS, Reflex y G-SYNC.

Estas son las principales especificaciones que NVIDIA mostró durante el evento:

Una de las características más importantes de RTX Spark es la forma en la que se comunican sus componentes. NVIDIA utiliza NVLink Chip-to-Chip, una interconexión coherente que permite intercambiar información entre la CPU y la GPU con un ancho de banda bidireccional de hasta 600 GB/s. Pero donde realmente encontramos una diferencia importante respecto a los ordenadores tradicionales es en la memoria.

 

Hasta 128 GB de memoria unificada

En un PC convencional con gráfica dedicada tenemos, por un lado, la RAM del sistema y, por otro, la VRAM de la tarjeta gráfica. Esta separación no suele suponer un problema para las tareas habituales, pero puede convertirse en una limitación importante cuando trabajamos con modelos de inteligencia artificial o escenas 3D de gran tamaño.

RTX Spark utiliza memoria LPDDR5X unificada, compartida por la CPU y la GPU. En su configuración más potente alcanza los 128 GB, con un bus de 256 bits y 300 GB/s de ancho de banda. Esto permite trabajar con modelos de inteligencia artificial mucho más grandes sin estar limitados a los 8, 12 o 16 GB de memoria gráfica que encontramos en muchos portátiles.

Durante la presentación, NVIDIA comparó la capacidad de memoria de RTX Spark con la de una RTX PRO 6000, pero dentro de un dispositivo con un consumo propio de portátil. Evidentemente, esto no significa que ambos productos tengan el mismo rendimiento, pero sirve para entender el tipo de cargas que pretende abordar esta nueva plataforma.

Un ponente explica las capacidades técnicas y la memoria de los sistemas NVIDIA RTX SPARK durante el evento celebrado en San Francisco. Foto: HardZone.es

También se mostraron dos configuraciones del procesador. La más potente combina 20 núcleos de CPU, 6.144 CUDA Cores y hasta 128 GB de memoria, mientras que una segunda versión reduce estas cifras a 18 núcleos de CPU, 5.120 CUDA Cores y configuraciones de 24 o 32 GB.

La primera está especialmente orientada a quienes necesitan ejecutar modelos de IA grandes, generar contenido o trabajar con escenas complejas. La segunda mantiene las capacidades RTX, pero está pensada para equipos que combinan la ejecución local con servicios en la nube.

 

Un petaflop de potencia para inteligencia artificial

Otra de las cifras que NVIDIA destacó durante la presentación fue el petaflop de rendimiento que puede alcanzar RTX Spark. Conviene aclarar que hablamos de 1 petaflop en operaciones FP4/NVFP4, una precisión numérica utilizada para acelerar determinados modelos de inteligencia artificial. No es una cifra que podamos comparar directamente con los teraflops FP32 de una tarjeta gráfica convencional. La ventaja de NVFP4 es que permite reducir el tamaño de los modelos y acelerar su ejecución, siempre que estén preparados para trabajar con esta cuantización.

NVIDIA acompañó estas especificaciones con varias comparativas frente a un procesador premium de la competencia. En las diapositivas que pudimos documentar no se identificaba completamente el modelo utilizado como referencia, así que vamos a centrarnos en los resultados que mostró el fabricante.

En algunas de las pruebas de inteligencia artificial, el equipo utilizado como referencia ni siquiera consiguió completar la ejecución, algo que NVIDIA identificó como DNR. Son resultados oficiales del fabricante, no mediciones realizadas por nosotros, y habrá que comprobarlos cuando podamos analizar los equipos en condiciones controladas.

Lo que sí pudimos hacer durante el evento fue ver diferentes demostraciones funcionando sobre RTX Spark. Desde modelos de lenguaje hasta generación de imágenes y vídeo, pasando por agentes capaces de utilizar herramientas. Y lo cierto es que impresiona ver estas cargas ejecutándose en ordenadores portátiles.

 

Jason Paul presenta el futuro de los agentes de inteligencia artificial

Una de las intervenciones más interesantes de la jornada estuvo a cargo de Jason Paul, responsable de la plataforma de inteligencia artificial local y gaming de NVIDIA. Su presentación, titulada RTX Spark for Agents, estuvo centrada en cómo los agentes de inteligencia artificial van a cambiar nuestra relación con el ordenador.

Hasta ahora estamos acostumbrados a utilizar asistentes que responden preguntas, generan textos o nos ayudan con determinadas tareas. Los agentes van bastante más lejos, ya que pueden utilizar aplicaciones, consultar archivos, ejecutar comandos y completar procesos que requieren varios pasos. Y NVIDIA quiere que todo esto pueda hacerse directamente en nuestro PC.

Jason Paul explicó cuatro ventajas principales de ejecutar estos agentes en local: privacidad, disponibilidad, velocidad y ausencia de costes por token.

Presentación sobre las ventajas de los agentes locales durante el evento NVIDIA SPARK celebrado en San Francisco. Foto: HardZone.es

Cuando el modelo funciona en nuestro ordenador, los datos que procesa no necesitan enviarse a un servidor externo para realizar la inferencia. Tampoco dependemos de una conexión permanente a Internet y podemos utilizarlo tantas veces como queramos sin pagar por cada consulta a una API. Naturalmente, seguimos necesitando hardware y electricidad, pero desaparece uno de los principales costes asociados al uso intensivo de modelos comerciales.

Para ilustrar hasta dónde han llegado los modelos locales, NVIDIA mostró una comparación basada en el índice de inteligencia de Artificial Analysis. Según los datos presentados, Qwen3.8-Flash-Next ejecutado localmente en RTX Spark alcanzaba 40 puntos, frente a los 41 puntos atribuidos a determinados modelos propietarios ejecutados en centros de datos.

Esto no significa que ambos modelos tengan exactamente las mismas capacidades, pero sí demuestra que la diferencia entre la inteligencia artificial local y la nube se está reduciendo considerablemente.

 

Nemotron 3.5 Bolt 74B: un nuevo modelo abierto de NVIDIA

Jason Paul aprovechó su intervención para anunciar Nemotron 3.5 Bolt 74B, un modelo de inteligencia artificial con 74.000 millones de parámetros, de los cuales 9.000 millones están activos durante la inferencia. Gracias a una cuantización de 2 bits, NVIDIA asegura que puede ejecutarse utilizando 24 GB de memoria, una cifra bastante contenida para un modelo de este tamaño.

Presentación oficial de Nemotron 3.5 Bolt 74B durante el evento NVIDIA Spark celebrado en San Francisco. Foto: HardZone.es

La compañía también confirmó que publicará los pesos, los datos de entrenamiento y las recetas del modelo de forma abierta. Nemotron 3.5 Bolt 74B estará disponible a partir del 15 de octubre y podrá utilizarse con herramientas como llama.cpp, LM Studio, Ollama y Unsloth.

Para quienes ya trabajamos con modelos locales, este anuncio resulta especialmente interesante porque amplía las posibilidades de ejecutar IA avanzada sin depender de servicios externos.

 

Hermes Agent: un asistente que recuerda lo que hacemos

Otro de los protagonistas del evento fue Dillon Roberts, CEO de Nous Research, que subió al escenario para mostrar Hermes Agent funcionando sobre RTX Spark. Durante la demostración pudimos ver el agente en funcionamiento y, posteriormente, en el taller de la tarde, conocer algunos detalles de su sistema de memoria.

Hermes utiliza tres niveles de memoria diferentes. El primero es la memoria a corto plazo, que mantiene el contexto de la conversación actual. El segundo es la memoria a largo plazo, donde puede conservar hechos y preferencias entre sesiones. El tercero es lo que Nous Research denomina un segundo cerebro, formado por notas y fuentes enlazadas que el agente recupera cuando las necesita. Esto permite que el asistente no tenga que empezar de cero cada vez que lo utilizamos.

Dillon Roberts, CEO de Nous Research, presenta Hermes Agent durante una de las sesiones técnicas en el evento NVIDIA SPARK celebrado en San Francisco. Foto: HardZone.es

Por ejemplo, puede recuperar información sobre proyectos anteriores, consultar documentación relacionada con una tarea o utilizar preferencias que ya conoce para adaptar su comportamiento. Es una diferencia importante respecto a los asistentes tradicionales, especialmente cuando empezamos a utilizarlos para trabajar con archivos, aplicaciones y herramientas de nuestro ordenador.

 

NVIDIA PAIR: un ordenador que puede convertirse en el cerebro de toda la casa

Jason Paul volvió al escenario para presentar otra de las novedades que más nos llamaron la atención: NVIDIA PAIR, o Personal AI Router. La idea es utilizar los recursos de diferentes ordenadores conectados a nuestra red local para ejecutar modelos de inteligencia artificial.

PAIR permite descubrir y emparejar equipos, configurar modelos y distribuir las tareas de inferencia entre los dispositivos disponibles. Durante el evento, NVIDIA anunció que PAIR abandonaría su fase beta el 13 de octubre, incorporando soporte para Ollama, LM Studio y llama.cpp. También destacó que se trata de un proyecto de código abierto, publicado bajo licencia Apache 2.0, que había recibido más de 50 contribuciones de la comunidad durante su primer mes. Y aquí encontramos una de las aplicaciones de RTX Spark que más nos gustan.

Diapositiva de la presentación RTX Spark enfocada en la gestión de agentes inteligentes para el hogar y automatización doméstica. Foto: HardZone.es

Imaginemos un mini PC equipado con este procesador funcionando permanentemente en casa. Gracias a su capacidad de memoria, podríamos utilizarlo para alojar modelos de inteligencia artificial y permitir que otros ordenadores de nuestra red aprovechen sus recursos.

NVIDIA planteó diferentes posibilidades relacionadas con la domótica, la seguridad, el mantenimiento del hogar y la organización familiar. Personalmente, creemos que este concepto tiene muchísimo recorrido. Poder disponer de un servidor de inteligencia artificial doméstico, funcionando de manera local y sin depender constantemente de servicios externos, es una de las ideas más atractivas que vimos durante la jornada.

Eso sí, nos quedamos con ganas de ver una integración más directa con dispositivos móviles. Poder acceder fácilmente a ese servidor desde un iPhone, un iPad o un teléfono Android terminaría de completar una propuesta que ya resulta muy interesante.

 

Microsoft prepara Windows para la nueva generación de ordenadores con IA

Microsoft también participó en el evento con una presentación titulada Windows for the agentic era, dedicada a explicar cómo está preparando su sistema operativo para aprovechar RTX Spark. La intervención estuvo a cargo de Dawoud, el Principal Product Manager de Windows.

Ponente en el escenario durante el evento NVIDIA SPARK en San Francisco, donde se presentó la visión de Windows para la era de los agentes inteligentes. Foto: HardZone.es

Uno de los componentes principales es Windows ML, el entorno de ejecución que permite utilizar modelos de inteligencia artificial aprovechando los recursos disponibles en la CPU, GPU y NPU.

Microsoft también presentó HydraFusion, un sistema de enrutamiento inteligente de modelos que estará disponible a partir del 15 de octubre. La idea es facilitar que las aplicaciones puedan utilizar diferentes modelos y recursos de procesamiento sin obligar al desarrollador a gestionar manualmente todas las particularidades del hardware.

Otra de las novedades es la integración de llama.cpp sobre Windows ML, con interfaces de programación pensadas para simplificar el desarrollo de aplicaciones de inteligencia artificial generativa.

 

Agentes con permisos controlados

La seguridad también tuvo su espacio durante las presentaciones. Un agente capaz de abrir archivos, ejecutar comandos y utilizar aplicaciones puede resultar muy útil, pero también necesita límites. Para resolver este problema, NVIDIA y Microsoft mostraron una solución basada en NVIDIA OpenShell y Microsoft Execution Containers, conocidos como MXC.

El agente se ejecuta dentro de un contenedor de Windows, mientras una pasarela de políticas controla su acceso a archivos, servicios y otros recursos sensibles. El objetivo es encontrar un equilibrio entre permitir que el agente trabaje con autonomía y evitar que tenga acceso ilimitado a todo el sistema. Es una cuestión fundamental si queremos que la inteligencia artificial pase de responder preguntas a realizar tareas directamente en nuestros ordenadores.

 

Windows sobre ARM y compatibilidad con aplicaciones

RTX Spark utiliza una CPU basada en ARM, por lo que la compatibilidad con aplicaciones y videojuegos desarrollados para x86 y x64 es especialmente importante. Microsoft explicó las mejoras que está introduciendo en Prism, su sistema de emulación para Windows ARM. Entre ellas encontramos soporte para instrucciones AVX y AVX2, optimizaciones específicas para la microarquitectura de RTX Spark y diferentes correcciones de compatibilidad.

Imagen corporativa que muestra la integración tecnológica entre Microsoft Windows y la plataforma NVIDIA RTX SPARK en San Francisco. Foto: HardZone.es

También se habló de juegos nativos para ARM, distribución avanzada de shaders y soporte de sistemas antitrampas. Este último punto es especialmente importante porque algunos videojuegos multijugador pueden tener problemas para ejecutarse en plataformas ARM debido a sus sistemas de protección.

NVIDIA mostró que compañías como Krafton, Electronic Arts, Activision y Riot Games están trabajando en este terreno, con títulos como PUBG: Battlegrounds, Call of Duty, League of Legends y Valorant. No significa que todos estuvieran disponibles durante nuestra visita, pero sí que forman parte de los trabajos de compatibilidad anunciados.

 

Creación de contenido: más de 130 aplicaciones aceleradas por RTX

La creación profesional fue otro de los grandes protagonistas de la jornada. NVIDIA destacó que su ecosistema cuenta con más de 130 aplicaciones aceleradas mediante tecnologías RTX, incluyendo Photoshop, Premiere, DaVinci Resolve, Blender, Cinema 4D, Unreal Engine, Unity, OBS, ComfyUI, V-Ray, Octane y Redshift.

Ponente en el evento NVIDIA SPARK en San Francisco explicando la integración de hardware y agentes de inteligencia artificial en ordenadores personales. Foto: HardZone.es

La compañía mostró diferentes escenarios de trabajo relacionados con edición de vídeo 8K, renderizado de escenas tridimensionales y generación de contenido mediante inteligencia artificial.

Una de las novedades anunciadas fue el soporte desde el primer día para MiniMax H3, un modelo de generación de vídeo. Según NVIDIA, la cuantización NVFP4 permite mejorar su rendimiento hasta 1,5 veces y reducir el tamaño de los modelos aproximadamente un 40%.

También se anunció la llegada de DLSS 4.5 Ray Reconstruction a Blender 5.3 durante noviembre, tanto para RTX Spark como para las tarjetas GeForce RTX compatibles. Esta tecnología utiliza inteligencia artificial para mejorar la reconstrucción de imágenes generadas mediante trazado de rayos, y su incorporación a Blender permitirá aprovecharla dentro de una de las herramientas de creación 3D más utilizadas.

 

Desarrolladores: programar y ejecutar agentes sin depender de la nube

NVIDIA dedicó también una presentación a los desarrolladores, planteando un cambio en la forma de crear software. Actualmente, muchos proyectos asistidos por inteligencia artificial utilizan varios entornos: nuestro ordenador para programar, servicios en la nube para ejecutar los agentes y máquinas virtuales o servidores para realizar determinadas pruebas.

RTX Spark pretende reunir buena parte de ese trabajo en una sola máquina. La plataforma permite utilizar Windows y Linux mediante WSL, ejecutar agentes de programación localmente y trabajar con herramientas como PyTorch, Ollama, llama.cpp, vLLM, Unsloth, LangChain o ComfyUI.

NVIDIA destacó también la disponibilidad de más de 2.000 paquetes Conda y compatibilidad con el 97% de los 15.000 paquetes de Python más utilizados. Son cifras importantes para una arquitectura nueva, ya que la disponibilidad de herramientas y librerías es uno de los factores que más condicionan su adopción.

 

Los agentes pueden programar, probar y corregir sus propios errores

Durante la presentación se mostró una comparación especialmente interesante. En una batería de 100 pruebas de programación, Qwen3.8 Flash-Next ejecutado localmente consiguió completar el 93% de las tareas utilizando un sistema de iteración orientado a objetivos.

Presentación de NVIDIA SPARK en San Francisco donde se muestra la evolución de la inteligencia artificial de escritorio, comparando modelos de centros de datos de abril de 2026 con soluciones locales previstas para agosto de 2026. Foto: HardZone.es

En la comparación presentada, Claude Fable 5 alcanzó el 90% utilizando servicios en la nube, con un coste de 61 dólares en tokens. El mismo modelo Qwen, limitado a un único intento, completó el 84%. La idea que NVIDIA quería transmitir es que, cuando ejecutamos el modelo localmente, podemos permitir que un agente realice más intentos, pruebe diferentes soluciones y corrija errores sin preocuparnos por el coste de cada consulta.