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.
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.
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.
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.
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:
| Característica | NVIDIA RTX Spark N1X |
|---|---|
| Arquitectura CPU | NVIDIA Grace, desarrollada con MediaTek |
| Núcleos CPU | Hasta 20, distribuidos en dos clústeres |
| Caché L3 | 16 MB |
| Arquitectura GPU | NVIDIA Blackwell |
| Núcleos CUDA | Hasta 6.144 |
| Tensor Cores | Quinta generación |
| RT Cores | Cuarta generación |
| Rendimiento IA | Hasta 1 petaflop FP4/NVFP4 |
| Memoria | Hasta 128 GB LPDDR5X unificada |
| Velocidad de memoria | 9.400 Mbps |
| Bus de memoria | 256 bits |
| Ancho de banda de memoria | 300 GB/s |
| Interconexión | NVLink Chip-to-Chip |
| Ancho de banda NVLink | 600 GB/s bidireccional coherente |
| NPU | Integrada |
| Conectividad | PCIe 5.0, cuatro USB4 de 40 Gbps y Wi-Fi 7 |
| Salidas de vídeo | HDMI 2.1a y DisplayPort 2.0 |
| Tecnologías | CUDA, TensorRT, DLSS, Reflex, G-SYNC y RTX Ray Tracing |
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.
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.
| Prueba | Ventaja anunciada de RTX Spark |
|---|---|
| Artificial Analysis Agent Performance, Qwen 3.8 27B | 4,6 veces |
| Generación de imágenes con FLUX | 4,4 veces |
| Segundo modelo Qwen para agentes | 4 veces |
| Generación de vídeo con LTX 2.5 | 4 veces |
| 007 First Light | 3,7 veces |
| Renderizado con Blender | 3,5 veces |
| DOOM: The Dark Ages | 3,1 veces |
| Fine-tuning de modelos | 2,7 veces |
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.
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.
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.
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.
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.
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.
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.
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.
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.
Naturalmente, son resultados correspondientes a una prueba concreta del fabricante, pero ilustran una ventaja importante de disponer de suficiente potencia de IA en nuestro propio ordenador.
GitHub Copilot y DGX Station para Windows
NVIDIA también anunció optimizaciones específicas de GitHub Copilot para RTX Spark. Entre ellas encontramos integración con Windows ML, enrutamiento entre modelos locales y servicios en la nube, y soporte para los contenedores de seguridad MXC.
También se mencionó MAI Code 1.1 Flash, un modelo de 137.000 millones de parámetros, mientras que el soporte de llama.cpp para Copilot llegará próximamente. Por otro lado, NVIDIA presentó DGX Station para Windows, una solución orientada a equipos de desarrollo que necesitan ejecutar modelos de gran tamaño.
La configuración anunciada alcanza 20 petaflops de potencia y 748 GB de memoria coherente, con disponibilidad prevista para diciembre.
Gaming: RTX Spark también quiere ser una plataforma para jugar
Aunque la inteligencia artificial fue la gran protagonista del evento, NVIDIA dejó claro que RTX Spark también está preparada para videojuegos. Su GPU Blackwell incorpora las tecnologías RTX habituales, incluyendo trazado de rayos, DLSS, Reflex y G-SYNC.
Durante las demostraciones pudimos ver diferentes juegos funcionando sobre los nuevos equipos, y tenemos que reconocer que nos sorprendió bastante su comportamiento.
RTX Spark no es una tarjeta gráfica dedicada para gaming, pero en muchos momentos lo parece. Los juegos que vimos funcionaban con una fluidez excelente y una calidad gráfica muy convincente, incluso utilizando trazado de rayos.
Buena parte del mérito corresponde a las tecnologías de reconstrucción y generación de fotogramas de NVIDIA, pero el resultado demuestra que esta plataforma puede ofrecer bastante más que inteligencia artificial y aplicaciones profesionales.
Primeros resultados de rendimiento en juegos
NVIDIA mostró varias cifras obtenidas en un portátil RTX Spark:
| Videojuego | Rendimiento anunciado |
|---|---|
| 007 First Light | 137 FPS |
| DOOM: The Dark Ages | 142 FPS |
| Cyberpunk 2077 | 135 FPS |
| Naraka: Bladepoint | 135 FPS |
Son resultados oficiales del fabricante y, en las diapositivas que pudimos documentar, no aparecían todos los ajustes gráficos utilizados. Por tanto, no podemos determinar exactamente qué resolución, configuración de DLSS o modo de generación de fotogramas se utilizó en cada juego. Habrá que esperar a nuestras propias pruebas para comprobar cómo se comportan los equipos con diferentes configuraciones.
DLSS 5 y el nuevo modo Rendimiento de Frame Generation
NVIDIA repasó también la evolución de DLSS durante 2026. En enero llegó Super Resolution con un Transformer de segunda generación. En marzo se presentó Dynamic Frame Generation 6X y, en agosto, una nueva versión de Ray Reconstruction con un modelo un 20% mayor. En septiembre llegó DLSS 5, que incorpora renderizado neuronal guiado mediante información tridimensional.
Durante la presentación se mostró cómo el rendimiento de DLSS 5 en NBA 2K había pasado de 65 FPS en septiembre a 90 FPS en octubre, gracias a las optimizaciones realizadas.
Otra de las novedades fue el anuncio de un nuevo modo Rendimiento para Frame Generation, que llegará en fase beta a NVIDIA app el 13 de octubre. Los resultados mostrados fueron los siguientes:
| Configuración | Modo normal | Modo Rendimiento |
|---|---|---|
| DLSS desactivado | 47 FPS | — |
| Frame Generation 2X | 99 FPS | 108 FPS |
| Frame Generation 3X | 136 FPS | 155 FPS |
| Frame Generation 4X | 166 FPS | 200 FPS |
| Frame Generation 5X | 190 FPS | 241 FPS |
| Frame Generation 6X | 213 FPS | 280 FPS |
Pasar de 47 FPS sin DLSS a 280 FPS utilizando generación de fotogramas 6X es una diferencia enorme, aunque conviene recordar que los fotogramas generados no equivalen a fotogramas renderizados tradicionalmente por el motor del juego. Por eso, además de los FPS, también debemos analizar la latencia y la calidad de imagen.
Nemotron 3.5 Bolt E4B: personajes de videojuegos con inteligencia artificial
NVIDIA anunció también Nemotron 3.5 Bolt E4B, un modelo orientado a mejorar las capacidades de los personajes controlados por inteligencia artificial. Según la compañía, ofrece una precisión 1,5 veces superior en tareas de agente conversacional y permite configurar diferentes modos de conversación y razonamiento.
La idea es que los NPC puedan interpretar lo que dice el jugador, tener en cuenta el contexto del videojuego y generar respuestas o acciones. Para ello, NVIDIA mostró una arquitectura que combina reconocimiento de voz mediante Nemotron Speech Recognition, procesamiento del contexto con Nemotron Bolt y síntesis de voz utilizando Qwen TTS.
También se mostraron ejemplos de modificaciones que incorporan personajes con inteligencia artificial en Mount & Blade II, RimWorld y Skyrim. Nemotron 3.5 Bolt E4B será abierto y estará disponible el 23 de octubre.
Otra de las novedades fue la llegada de RTX Remix a Minecraft Java mediante un Mod Kit, que permitirá incorporar path tracing y DLSS a mapas existentes, además de mejorar partículas y volúmenes.
NVIDIA confirmó también que DLSS 5 estará disponible para RTX Remix a partir del 23 de octubre.
Los primeros portátiles RTX Spark: ASUS, HP, Dell, Microsoft y Lenovo
Después de las presentaciones técnicas llegó el momento de conocer los equipos. NVIDIA había preparado una zona de demostraciones donde pudimos ver los primeros portátiles y mini PC equipados con RTX Spark. Y lo que más llama la atención es su tamaño. Estamos hablando de dispositivos con diseños bastante convencionales, algunos especialmente delgados, que integran una plataforma con una capacidad de procesamiento y memoria que hasta hace poco asociábamos a equipos mucho más voluminosos.
Cada fabricante ha optado por un planteamiento diferente, desde portátiles para creación profesional hasta convertibles y ordenadores compactos de sobremesa.
ASUS ProArt P16 y P14
Uno de los equipos que más nos interesaban era el ASUS ProArt P16, especialmente porque hemos tenido la oportunidad de trabajar con una unidad equipada con 64 GB de memoria. El portátil mantiene el diseño profesional característico de la familia ProArt, con una estética muy cuidada y unas dimensiones que sorprenden teniendo en cuenta el hardware que integra.
Las primeras sensaciones han sido excelentes, aunque reservaremos las pruebas de rendimiento, temperaturas, consumo y autonomía para su correspondiente análisis.
ASUS mostró también las características de las pantallas de sus nuevos equipos. El ProArt P16 incorpora una pantalla ASUS Lumina Pro OLED 4K, con una precisión de color anunciada de Delta E inferior a 1, hasta 1.600 nits de brillo y una frecuencia de actualización de 120 Hz con VRR.
El ProArt P14 utiliza una pantalla Lumina Pro OLED 3K, también con Delta E inferior a 1, hasta 1.600 nits y 120 Hz VRR.
En la zona de demostraciones también pudimos ver equipos desmontados, lo que permitía observar cómo se había integrado la nueva plataforma en su interior. Por ejemplo, Dell fue otro de los fabricantes protagonistas. Durante el evento pudimos ver diferentes equipos XPS equipados con RTX Spark, incluyendo una unidad abierta que mostraba su placa.
NVIDIA utilizó precisamente la familia XPS para ilustrar el salto generacional que supone su nueva plataforma. La comparativa enfrentaba un Dell XPS 16 9640 con RTX 4070 Laptop frente al nuevo Dell XPS 16 Creator Edition con RTX Spark N1X.
| Característica | Dell XPS 16 9640 | Dell XPS 16 Creator Edition |
|---|---|---|
| GPU | RTX 4070 Laptop | RTX Spark N1X |
| Rendimiento IA anunciado | 321 AI TOPS | 1 petaflop FP4 |
| Tamaño de modelos anunciado | Hasta 16.000 millones de parámetros | Hasta 200.000 millones |
| Memoria gráfica o unificada | 8 GB de VRAM | Hasta 128 GB unificada |
| Grosor | 19 mm | 16 mm |
| Peso | 5,2 libras | 4,5 libras |
| Pantalla | OLED, 90 Hz | Tandem OLED, 120 Hz |
| Brillo anunciado | 400 nits | 1.000 nits |
Más allá de las diferencias de rendimiento, resulta especialmente interesante que el nuevo modelo reduzca su grosor y peso mientras incorpora una pantalla con mayor frecuencia de actualización y brillo.
Microsoft Surface y Lenovo Yoga
Microsoft también mostró un portátil Surface equipado con RTX Spark. Fue uno de los equipos que más nos gustaron visualmente, especialmente por su diseño y por la exposición que había preparado la compañía. Junto al portátil se encontraba un despiece completo del dispositivo, con sus componentes distribuidos sobre una estructura que permitía observar cómo se organiza el hardware en el interior.
Lenovo, por su parte, mostró un Yoga convertible que pudimos ver funcionando en modo tienda, acompañado de una aplicación tridimensional.
Ambos equipos demuestran que RTX Spark no está limitado a un único formato y que cada fabricante puede adaptar la plataforma a diferentes necesidades.
También habrá mini PC RTX Spark
NVIDIA confirmó que RTX Spark llegará también a ordenadores compactos de sobremesa. Entre los fabricantes anunciados encontramos ASUS, Dell Technologies, Gigabyte, HP y Lenovo.
En el espacio de ASUS pudimos ver dos mini PC, uno negro y otro plateado. Este formato nos parece especialmente interesante por las posibilidades que ofrece para ejecutar inteligencia artificial local, montar un servidor doméstico o disponer de una estación de trabajo compacta.
Es precisamente uno de los escenarios donde tecnologías como NVIDIA PAIR pueden resultar especialmente útiles.
Jani Joki explica cómo debemos medir el rendimiento de RTX Spark
Una de las últimas intervenciones técnicas estuvo a cargo de Jani Joki, responsable de marketing técnico de NVIDIA. Su presentación, titulada Benchmarking RTX Spark, estuvo dedicada a explicar cómo deberían analizarse los equipos basados en esta nueva arquitectura.
Y tiene bastante sentido, porque estamos ante una plataforma que combina CPU, GPU, NPU, memoria unificada e inteligencia artificial, por lo que no todos los benchmarks tradicionales sirven para medir correctamente sus capacidades. NVIDIA distinguió tres tipos de pruebas: sintéticas, pruebas proxy y aplicaciones reales.
Las primeras permiten medir aspectos concretos del hardware, mientras que las segundas intentan representar determinadas cargas de trabajo. Sin embargo, la compañía insistió en que las pruebas realizadas con aplicaciones reales son las que mejor reflejan la experiencia del usuario.
Benchmarks recomendados para RTX Spark
Durante la presentación se mencionaron herramientas como 3DMark Speed Way, Steel Nomad, Geekbench 7.1 con CUDA, PugetBench, ComfyUI, SPEC CPU 2026 y Cinebench 2026. Para inteligencia artificial, NVIDIA recomendó también MLPerf Client y UL Procyon.
En este terreno, la compañía insistió en que no basta con medir cuántos tokens genera un modelo por segundo. También debemos tener en cuenta su precisión, el contexto utilizado y la cuantización, ya que dos modelos aparentemente iguales pueden ofrecer resultados diferentes si utilizan configuraciones distintas.
AgentPerf-local: medir agentes en condiciones reales
Uno de los ejemplos más interesantes fue Artificial Analysis AgentPerf-local, una prueba diseñada para medir el rendimiento de agentes de inteligencia artificial. NVIDIA explicó que utiliza más de 160 prompts y aproximadamente 2,5 millones de tokens de entrada, además de llamadas reales a herramientas.
En una ejecución sobre RTX Spark, el sistema completó ocho tareas y 168 turnos en 28,5 minutos. Durante ese proceso se utilizaron 2.530.324 tokens, de los cuales el 91,2% correspondía a contexto reenviado. El análisis del tiempo mostró que aproximadamente el 73% se dedicó a generar respuestas, el 26% al procesamiento inicial del contexto y menos del 1% a las herramientas.
También se mostró una prueba de generación de imágenes con ComfyUI, utilizando Flux2 Dev cuantizado en NVFP4, que obtuvo una media de 44,8 segundos en cinco ejecuciones. Son resultados oficiales de NVIDIA, pero nos sirven para entender qué tipo de pruebas considera importantes el fabricante.
La compañía también recomendó evitar Fire Strike o Time Spy como referencias principales para videojuegos modernos, no utilizar Geekbench como única prueba de CPU y no considerar el benchmark de Blender como una representación completa del rendimiento del editor.
¿Cuándo llegarán los primeros equipos NVIDIA RTX Spark?
NVIDIA confirmó que los primeros portátiles RTX Spark estarán disponibles a partir del 16 de octubre. Durante el evento también se anunció el calendario de lanzamiento de las principales tecnologías relacionadas con la plataforma.
| Fecha | Novedad |
|---|---|
| 13 de octubre | NVIDIA PAIR abandona la fase beta |
| 13 de octubre | Modo Rendimiento de Frame Generation en beta |
| 15 de octubre | Nemotron 3.5 Bolt 74B |
| 15 de octubre | HydraFusion para Windows |
| 16 de octubre | Primeros portátiles RTX Spark |
| 23 de octubre | Nemotron 3.5 Bolt E4B |
| 23 de octubre | DLSS 5 para RTX Remix |
| Noviembre | DLSS 4.5 Ray Reconstruction en Blender 5.3 |
| Diciembre | DGX Station para Windows |
Durante las presentaciones que pudimos documentar, no se facilitaron los precios completos de los diferentes equipos, por lo que todavía tendremos que esperar para valorar su relación entre prestaciones y coste.
Conclusión: NVIDIA RTX Spark marca un nuevo camino para el PC
Después de pasar una jornada completa con NVIDIA en San Francisco, asistir a las presentaciones y conocer los primeros equipos, nos hemos quedado con una sensación que hacía tiempo que no teníamos ante una nueva plataforma de hardware. RTX Spark es algo realmente diferente. Llevamos años viendo cómo los procesadores se hacen más rápidos, las tarjetas gráficas aumentan su potencia y los fabricantes consiguen reducir el consumo de sus componentes. Pero aquí NVIDIA ha cambiado el planteamiento: en lugar de centrarse únicamente en mejorar el rendimiento de una tarea concreta, ha desarrollado una plataforma que pretende reunir prácticamente todo lo que podemos necesitar de un ordenador moderno.
Podemos trabajar con aplicaciones profesionales, editar vídeo, renderizar escenas complejas, ejecutar modelos de inteligencia artificial de gran tamaño, utilizar agentes que manejan nuestras herramientas y, cuando terminamos, jugar a títulos modernos con trazado de rayos y tecnologías DLSS. Todo ello en dispositivos que mantienen el diseño y las dimensiones de un portátil convencional.
Ver los nuevos ASUS ProArt, Dell XPS o Microsoft Surface y pensar en todo el hardware que integran resulta impresionante. Hace relativamente poco, para abordar algunas de estas cargas necesitábamos estaciones de trabajo mucho más grandes o recurrir directamente a servicios en la nube.
También nos parece especialmente interesante la apuesta por los agentes locales y NVIDIA PAIR. La posibilidad de convertir un ordenador en el centro de inteligencia artificial de nuestra casa, compartir sus recursos con otros dispositivos y ejecutar modelos sin depender constantemente de servicios externos abre un abanico enorme de posibilidades.
Por supuesto, todavía quedan cuestiones por comprobar. Necesitamos medir el rendimiento real, estudiar la autonomía, analizar las temperaturas bajo cargas prolongadas y comprobar hasta dónde llega la compatibilidad con las aplicaciones y videojuegos de Windows sobre ARM.
También tendremos que conocer los precios de los distintos equipos. Pero lo que vimos durante el NVIDIA RTX Spark Editors Day fue suficiente para convencernos de que estamos ante una de las mayores revoluciones que ha experimentado el PC en muchos años.
RTX Spark no es simplemente otro procesador más potente. Es una plataforma que puede cambiar para qué utilizamos nuestro ordenador y hasta dónde podemos llegar con él. Y después de todo lo que hemos visto en San Francisco, tenemos muchas ganas de comprobarlo a fondo.