Los portátiles Nvidia RTX Spark salen a la venta desde 2.599 dólares

Los portátiles con el chip RTX Spark de Nvidia salieron a la venta el viernes 16 de octubre de 2026, de la mano de seis fabricantes y con precios desde 2.599 dólares. Cada uno lleva hasta 128 GB de memoria compartida entre el procesador y el chip gráfico. Eso basta para ejecutar grandes modelos de IA y agentes de IA en el propio portátil, sin ningún servicio en la nube, y esa es justo la propuesta.

Los precios y las configuraciones varían según la región, y las máquinas se venden en las webs de los fabricantes y en las grandes tiendas, informa Investing.com. El modelo propio de Microsoft, el Surface Laptop Ultra, abrió sus reservas el 8 de octubre a 2.599,99 dólares.

Los portátiles a la venta

Investing.com y The Next Web recogen los mismos modelos de lanzamiento:

Fabricante	Modelos
ASUS	ProArt P14, ProArt P16
Dell	XPS 16
HP	OmniBook Ultra, OmniBook X 14
Lenovo	Yoga Pro 9n
Microsoft	Surface Laptop Ultra
MSI	Prestige N16, Prestige N16 Flip AI+

El anuncio original de Nvidia, del 31 de mayo, decía que Acer y GIGABYTE llegarían más tarde. También describía portátiles de solo 14 milímetros de grosor y apenas tres libras de peso, en tamaños de 14 a 16 pulgadas.

Qué hay dentro

RTX Spark es un único "superchip". Combina un chip gráfico Blackwell RTX con un procesador Grace, una CPU en cuyo diseño colaboró MediaTek. Nvidia le atribuye hasta 1 petaflop de rendimiento de IA en FP4, un formato numérico de baja precisión que se usa para cálculos de IA rápidos.

La memoria compartida es la clave. En la mayoría de los portátiles, el chip gráfico tiene su propia reserva de memoria, pequeña, que limita el tamaño del modelo de IA que puede alojar. Aquí, hasta 128 GB están disponibles para ambos chips. Según el anuncio de Nvidia de mayo, las máquinas pueden ejecutar modelos de 120.000 millones de parámetros y hasta 1 millón de tokens de contexto. Los tokens son los fragmentos de palabras que lee un modelo.

Nemotron 3.5 Bolt, el modelo hecho para estas máquinas

Nvidia lanzó un nuevo modelo abierto para estas máquinas el jueves 15 de octubre. La entrada del blog de Nvidia lo llama Nemotron 3.5 Bolt 74B-A9B. Tiene 74.000 millones de parámetros en total, pero solo 9.000 millones están activos en cada paso. Ese diseño se llama mezcla de expertos (mixture of experts). Comprimido a números de 2 bits, el modelo cabe en 24 GB de memoria.

Nvidia dice que el modelo es totalmente abierto, incluidos sus datos de entrenamiento, sus pesos y sus recetas de entrenamiento. Funciona con las herramientas locales habituales: llama.cpp, Ollama, LM Studio, Unsloth y vLLM. Una versión más pequeña de 4 GB, Nemotron 3.5 Bolt E4B, llegará el 23 de octubre.

The Next Web aporta una dosis de realidad. Bolt obtiene 21 puntos en el Artificial Analysis Intelligence Index, frente a 58 de Claude Opus 5.5, de Anthropic. Un modelo local ahorra costes de nube, pero no es un modelo de frontera. Nvidia también lanzó esta semana Nemotron 3.5 Super VL, un modelo abierto más grande, de 120B.

Agentes y software en el lanzamiento

Entre los agentes del lanzamiento están GitHub Copilot, Hermes, OpenClaw, Perplexity, Pi y WorkBuddy, según Nvidia. The Next Web informa de que se instalan sin línea de comandos.

Dos entornos aislados (sandboxes) limitan lo que puede tocar un agente: OpenShell de Nvidia y Execution Containers de Microsoft. Un enrutador llamado Switchyard, previsto para más adelante en octubre, permite al agente Hermes repartir el trabajo entre modelos locales y en la nube, según The Next Web.

"Estamos construyendo Windows para que sea la plataforma de la inteligencia híbrida, donde la IA puede ejecutarse en local cuando tiene sentido", dijo Yusuf Mehdi, vicepresidente ejecutivo de Microsoft. La compatibilidad con Photoshop y Premiere de Adobe empieza en beta, y Substance 3D llegará más adelante.

Qué significa esto para los desarrolladores

• Revisa tu stack de Python. Estos portátiles usan Windows on Arm. Nvidia dice que la primera compilación de PyTorch-CUDA para esa plataforma está lista y que funciona el 97 % de los 15.000 paquetes de Python más usados. Prueba el 3 % restante antes de comprarlos para un equipo de trabajo.
• Ajusta los modelos a la memoria. Bolt necesita 24 GB con precisión de 2 bits. Una máquina de 128 GB deja sitio para un modelo más grande o para varios a la vez, pero la RAM no se puede ampliar. Así que elige la configuración para el modelo más grande que pienses ejecutar.
• Haz pruebas de rendimiento antes de dejar la nube. La puntuación de 21 de Bolt frente a 58 de Claude Opus 5.5 es una gran diferencia. Lleva a local las tareas sencillas, privadas o de gran volumen, y deja las difíciles en un modelo en la nube.
• Configura primero los permisos de los agentes. OpenShell y Execution Containers existen para limitar lo que un agente puede leer y cambiar. Configúralos antes de dar a un agente acceso al correo, al código o a los archivos.
• Cuenta con precios regionales. 2.599 dólares es el precio de partida, e Investing.com dice que los precios varían según la región. Consulta los precios y la disponibilidad locales antes de hacer tu presupuesto.