DGX Spark accelera il passo: l’aggiornamento NVIDIA che oli­a gli ingranaggi del mini supercomputer | | | | Turtles AI

DGX Spark accelera il passo: l’aggiornamento NVIDIA che oli­a gli ingranaggi del mini supercomputer
Un pacchetto OTA che affina il motore del sistema con un kernel più solido, un JupyterLab potenziato, memoria riportata con maggiore precisione e periferiche finalmente armonizzate, per un DGX Spark più fluido, stabile e pronto a sostenere carichi AI
Editorial Team23 novembre 2025

 


NVIDIA ha rilasciato un nuovo aggiornamento OTA per i suoi sistemi DGX Spark, portando un kernel aggiornato, migliore stabilità, compatibilità hardware più ampia, un JupyterLab con CUDA 13 e PyTorch aggiornato, e ottimizzazioni per flussi di lavoro AI, connettività e ripristino.

Punti chiave:

  • Kernel DGX OS basato su Ubuntu HWE 6.14 per maggior stabilità e sicurezza
  • JupyterLab aggiornato con CUDA 13.0.2 e fram-work AI pronti all’uso
  • Report di memoria più affidabili e gestione delle periferiche (USB-C, Wi-Fi, Bluetooth) migliorata
  • Flussi di lavoro come Stable Diffusion XL ora funzionano correttamente end-to-end

Nell’universo dell’AI, NVIDIA alza di nuovo l’asticella, ma questa volta senza fuochi d’artificio: l’azienda ha introdotto un aggiornamento OTA per il suo mini supercomputer DGX Spark che promette di rendere il sistema più reattivo, stabile e compatibile con i flussi di lavoro real-time. Dietro un involucro compatto (progettato per stare su una scrivania) si nasconde un meccanismo raffinato: il cuore è il Superchip GB10 Grace Blackwell, frutto della collaborazione con MediaTek, che unisce CPU ARM, GPU Blackwell e una memoria unificata da 128 GB, rendendo il dispositivo capace di modellare e inferire modelli di grandi dimensioni senza ricorrere al cloud.

L’update, rilasciato tramite la DGX Dashboard, interfaccia grafica integrata che permette di gestire aggiornamenti, monitorare risorse e lanciare JupyterLab, introduce un kernel basato su Ubuntu HWE 6.14.  Questo upgrade porta con sé una maggiore stabilità, miglior compatibilità hardware (come periferiche USB-C, monitor, Bluetooth e hotspot Wi-Fi) e patch di sicurezza più recenti, tutte cose che contribuiscono a rafforzare l’affidabilità del sistema.

Ma il vero salto è sul fronte dell’AI: l’ambiente JupyterLab interno ora gira con CUDA 13.0.2 e la versione più recente di PyTorch, permettendo agli sviluppatori di avviare subito i propri progetti generativi o di inferenza senza dover scaricare da zero framework aggiornati. Nel pratico, chi lavora con modelli come Stable Diffusion XL potrà lanciarli direttamente all’interno di Jupyter, senza configurazioni aggiuntive: il flusso end-to-end è stato corretto e testato. Secondo le note di rilascio, il sistema di report della memoria, visualizzato nella DGX Dashboard, è stato allineato con la guida della memoria unificata CUDA, per riflettere con più precisione le risorse disponibili. 

Sul versante del recupero sistema, l’aggiornamento migliora la “reliability” dell’immagine di ripristino: ora l’installazione funziona anche su macOS o con più unità USB collegate, evitando molti dei problemi che potevano verificarsi durante operazioni di recovery. Anche l’accessibilità è stata ottimizzata: l’esperienza “out-of-box” (OOBE) diventa più fluida per chi naviga con tastiera, un dettaglio non da poco quando si tratta di setup iniziale.

Dal punto di vista operativo, NVIDIA consiglia di usare sempre la DGX Dashboard per gli aggiornamenti di sistema, in questo modo si garantisce che tutto (OS, driver, firmware) resti sincronizzato e compatibile. Allo stesso tempo, raccomanda di creare backup prima di installare patch importanti, usare un’alimentazione stabile durante l’update e pianificare gli upgrade durante finestre di manutenzione per minimizzare il rischio di interruzioni. 

In parallelo, NVIDIA sta collaborando con partner dell’ecosistema terzo, ad esempio per integrare librerie come llama.cpp, in modo da gestire meglio la memoria sui sistemi a memoria unificata e migliorare l’efficienza nell’uso delle risorse. Questo dimostra che l’azienda non solo lavora su patch interne, ma favorisce anche un ampio supporto software esterno.

Al termine dell’installazione, il tuo DGX Spark sarà più robusto, più compatibile e più pronto a gestire modelli AI moderni  mantenendo tutta la potenza del piccolo gigante ai tuoi piedi.

Video