Bringing the Spark to Europe: Local Intelligence Powers Next Wave of Agents

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

NVIDIA는 GTC Berlin에서 RTX Spark·DGX Spark·DGX Station을 중심으로 개인용 로컬 에이전트부터 팀 단위 추론·로보틱스까지 지원하는 하드웨어, 모델, 관리 기능과 추론 최적화를 발표했다.

📌 핵심 요약

• 10월 16일 출시된 Windows PC용 RTX Spark는 최대 128GB 통합 메모리와 1페타플롭의 AI 연산 성능을 제공한다. Underdog는 Husky 추론 엔진으로 모델을 기기 안에서 실행하며, 사용자 데이터가 PC 밖으로 나가지 않는 개인 에이전트 경험을 제공한다고 설명한다.
• DGX Spark 64GB는 10월 23일 금요일부터 파트너를 통해 공급될 예정이며, DGX Spark는 수동 구성으로 최대 8대·1TB 통합 메모리의 클러스터를 지원한다. NVIDIA Sync Model Launcher는 이달 말 제공 예정이고, 10월 소프트웨어 업데이트에는 Wi-Fi Assistant와 DGX Spark Skills 개선이 포함된다.
• DGX Station은 748GB 일관성 메모리와 최대 20페타플롭의 AI 성능을 제공하며, NVIDIA는 30명 이상에게 클라우드 모델에 견줄 만한 속도로 서비스를 제공할 수 있다고 주장한다. 기업 관리 도구 7종과의 통합을 추가했고, 제조 애플리케이션과 에이전트를 지원하는 Windows 버전은 12월 출시 예정이다.
• DGX Station용 로보틱스 오픈소스 참조 워크플로 3종은 강화학습, 정교한 조작 기술 훈련, 합성 데이터 생성을 지원한다. Linux용 DGX Station에는 로컬 모델을 공유 카탈로그와 OpenAI 호환 단일 진입점으로 제공하는 NVIDIA Cloud Functions가 얼리 액세스로 도입될 예정이다.
• Recursive Flint는 전체 400억·활성 25억 파라미터의 로컬 코딩 모델이며, 개발사는 모델 가중치 변경 없이 전용 커널로 RTX Spark의 생성 속도를 55% 높였다고 밝혔다. NVIDIA는 Nemotron·GLM·DeepSeek·Qwen·MiniMax·FLUX.3 등 신규 모델의 출시 당일 지원과 메모리 효율을 높인 체크포인트를 발표했고, 특정 모델·하드웨어 조합에서 llama.cpp와 vLLM의 에이전트 작업 속도 또는 처리량이 최대 1.2~1.4배 개선됐다고 설명한다.

🧩 주요 포인트

1. 개인 PC에서 팀 인프라까지 확장: RTX Spark의 기기 내 실행, DGX Spark의 최대 8대 클러스터, DGX Station의 다중 사용자 지원은 로컬 AI의 적용 범위를 개인 작업에서 공동 개발로 넓힌다.
2. 도입과 운영의 편의성 강화: NVIDIA Sync Model Launcher, DGX Spark Skills, 기업 관리 도구 7종 통합, NVIDIA Cloud Functions는 모델 실행·장비 관리·팀 공유에 필요한 절차를 단순화하는 방향이다.
3. 성능 개선은 구성별로 해석할 필요: Recursive Flint의 55% 생성 속도 향상, 메모리 효율형 체크포인트, llama.cpp·vLLM의 최대 1.2~1.4배 개선은 특정 모델·하드웨어·최적화 조건에 해당한다.

🧠 상세 정리

1. RTX Spark로 확장되는 개인용 로컬 에이전트

NVIDIA는 GTC Berlin에서 Windows PC의 개인 에이전트를 담당하는 RTX Spark, Linux 개발 환경의 DGX Spark, 기업의 고성능 작업을 위한 DGX Station으로 이어지는 로컬 AI 제품군을 소개했다. 10월 16일 출시된 RTX Spark는 최대 128GB 통합 메모리와 1페타플롭의 AI 연산 성능을 제공하며, 개인 에이전트와 콘텐츠 제작 가속 외에 1440p 해상도에서 초당 100프레임의 게임 실행도 내세운다. 새 데스크톱 에이전트 앱 Underdog는 모델별 Husky 추론 엔진으로 모델을 전적으로 기기 안에서 실행하며, 사용자 데이터가 PC 밖으로 나가지 않는다고 설명하고 현재 다운로드할 수 있다. 개발자와 애호가의 로컬 에이전트 제작·수정을 지원하기 위해 많은 RTX Spark 노트북에는 잠금 해제된 부트로더가 제공된다. Jensen Huang은 기조연설에서 NVIDIA Isaac Lab, Hermes Agent, Nemotron 3.5 Bolt 74B를 활용해 RTX Spark의 에이전트가 Hugging Face의 Microduck 로봇을 훈련하는 시연을 선보였다. ASUS, Dell Technologies, HP, Lenovo, Microsoft, MSI 제품은 현재 판매 중이며 Acer 제품도 곧 추가될 예정이다.

2. DGX Spark의 용량 확장과 실행·관리 기능

새 DGX Spark 64GB 시스템은 10월 23일 금요일부터 파트너를 통해 공급되며, Nemotron 3.5 Bolt 74B 24GB, Qwen3.8 27B, Gemma 4 26B-A4B 등을 실행할 수 있다고 소개됐다. 더 큰 용량이 필요한 경우 내장 NVIDIA ConnectX-7 네트워크와 NVIDIA Sync Cluster Assistant로 여러 시스템을 연결해 Qwen 3.8 Flash Next, DeepSeek v4 Flash 0731, GLM 5.3 Flash 같은 코딩 모델을 구동할 수 있다. 현재 수동 구성으로 최대 8대 클러스터와 1TB 통합 메모리를 지원하며, NVIDIA는 이를 통해 GLM 5.3 같은 대형 모델, 긴 컨텍스트, 동시 에이전트와 분산 개발을 지원한다고 설명한다. 이 구성은 소규모 팀이 하나의 클러스터를 백엔드로 공유하면서 같은 모델에 여러 개발 세션을 동시에 연결하는 용도로 제시됐다. 이달 말 제공 예정인 NVIDIA Sync Model Launcher는 단일 장비나 클러스터에 맞는 모델과 컨테이너를 내려받고 OpenCode에 연결하며, 문제 해결·장비 유지보수·공식 문서 접근을 돕는 DGX Spark Skills를 자동으로 불러온다. 10월 소프트웨어 업데이트의 Wi-Fi Assistant는 어플라이언스 모드에서 네트워크를 전환하도록 지원하고, 개선된 Skills는 OpenCode를 통해 NVIDIA Sync 안에서 작업 중심의 안내를 제공한다.

3. DGX Station의 기업 운영 지원과 Windows 확대

DGX Station은 748GB 일관성 메모리와 최대 20페타플롭의 AI 성능을 제공하며, NVIDIA는 GLM 5.3 같은 모델을 실행하면서 30명 이상에게 클라우드 모델에 견줄 만한 속도로 서비스를 제공할 수 있다고 주장한다. NVIDIA Sync는 이제 DGX Station도 지원해 Linux 시스템 두 대 사이의 연결을 간소화한다. Absolute Security, Splunk by Cisco, Fleet Device Management, Microsoft Intune, Perforce Puppet, Progress Software Chef, Tanium과의 새 통합은 기업의 설치·관리·적합성 절차에 장비를 포함하도록 돕고, 도입 승인과 배포 위험 및 첫 토큰 생성까지의 시간을 줄이는 것을 목표로 한다. 12월 파트너 출시가 예정된 DGX Station for Windows는 하나의 장비에서 NVIDIA RTX PRO GPU를 사용하는 전문 애플리케이션과 NVIDIA GB300에서 LLM을 실행하는 에이전트를 함께 활용하도록 설계됐다. 제조 분야에서는 nTop, Dassault Systèmes, Keysight Technologies, MathWorks, Rockwell Automation, Siemens, Synopsys, Unity, Altera의 애플리케이션을 지원해 AI 기반 설계·시뮬레이션·검증·엔지니어링 자동화를 겨냥한다. 기업 내부에서는 Hermes Agent, Perplexity, Aible을 이용한 에이전트 실행도 지원할 예정이며, 기존 DGX Station은 현재 출하 중이고 Windows 시스템은 올해 말 출하가 예상된다.

4. 로보틱스 전용 연산과 팀 공유 추론 서비스

NVIDIA는 DGX Station을 로보틱스의 사후 학습·시뮬레이션·평가에 필요한 전용 연산 자원으로 제시하며, 공유 인프라를 기다리지 않고 반복 개발 주기를 줄일 수 있다고 설명한다. 새 오픈소스 참조 워크플로 3종은 GPT-6 Astra, NVIDIA Isaac Lab, Isaac Lab-Arena, Cosmos를 DGX Station에 연결한다. 개발자는 이를 활용해 강화학습으로 GR00T 1.7 모델을 개선하고, 정교한 조작 기술을 훈련하며, 합성 데이터 생성을 위해 Cosmos 월드 모델을 사후 학습할 수 있다. Linux 기반 DGX Station에 얼리 액세스로 도입될 NVIDIA Cloud Functions는 로컬 모델 엔드포인트를 공유 카탈로그에 등록하고 OpenAI 호환 단일 진입점으로 접근하도록 지원한다. 개발자는 애플리케이션 코드를 바꾸지 않고 엔드포인트 뒤의 모델을 교체할 수 있으며, 동료는 장비에 직접 접근하지 않고도 공유 모델을 이용할 수 있어 DGX Station을 팀이 로컬에서 통제하는 추론 서비스로 활용하게 된다. GTC Berlin에서는 전체 인프라가 준비되기 전에 AI 팩토리 운영을 시뮬레이션하는 DSX OS 시연과 30명 넘는 소프트웨어 개발자를 위한 로컬 토큰 팩토리 시연도 예고됐다.

5. Recursive Flint의 로컬 코딩과 자동화된 최적화

Recursive Superintelligence는 빠르고 정확한 코딩을 목표로 한 로컬 LLM Recursive Flint를 공개했다. 이 모델은 전체 400억 파라미터 중 25억 파라미터를 활성화하는 전문가 혼합 구조이며, 원문은 SWE-Bench Pro v2, Terminal-Bench 2.1, SWE-bench verified 같은 에이전트 코딩 벤치마크에서 좋은 성능을 보인다고 설명하지만 구체적인 점수는 제시하지 않는다. Flint 제작에 사용된 Eureka Machine은 아이디어 제안, 구현, 실험 검증, 결과에 따른 다음 시도 선택까지 연구 과정을 자동화하는 시스템이다. 개발사는 이 시스템이 만든 전용 커널이 모델 가중치를 바꾸지 않고도 RTX Spark에서 Flint의 생성 속도를 55% 높였다고 밝혔다. 모델의 공개 가중치는 Hugging Face에서 Apache 2.0 라이선스로 제공되며, RTX Spark와 DGX Spark뿐 아니라 GeForce RTX 및 RTX PRO GPU에서도 실행할 수 있다. 추가 학습에는 NeMo Automodel을 이용한 지도 미세조정과 저랭크 적응인 LoRA, NeMo RL을 이용한 그룹 상대 정책 최적화를 활용할 수 있다.

6. 출시 당일 지원 모델과 음성·이미지·추론 활용

NVIDIA는 NVIDIA Nemotron Bolt E4B 4B, GLM, DeepSeek, Qwen, MiniMax, Liquid AI의 LFM2.5-24B-A2B와 FLUX.3 Klein 확산 모델에 대한 출시 당일 지원을 발표했다. 본문에서 Nemotron Bolt E4B 4GB로도 표기된 모델은 최소 4GB 메모리에서 자연스러운 대화와 여러 차례에 걸친 에이전트 작업을 지원하며, GeForce RTX GPU, NVIDIA Jetson, RTX Spark, DGX Spark의 로컬 음성 비서·게임 캐릭터·임베디드 인터페이스를 겨냥해 10월 23일 금요일 공개된다. Black Forest Labs의 FLUX 3 Image Klein은 생성과 편집용 공개 가중치 이미지 모델로, 56억 파라미터를 갖는다. NVIDIA 최적화 빌드는 최소 8GB VRAM의 GeForce RTX GPU에서 실행할 수 있으며, RTX 5090에서는 100만 화소 이미지를 약 4초에 생성한다고 설명한다. MiniMax M3.1 Flash는 DGX Station과 DGX Spark에서 긴 컨텍스트를 활용하도록 만든 새 공개 모델이다. Liquid AI의 LFM2.5-24B-A2B는 전체 240억 파라미터 중 토큰당 20억 파라미터만 활성화하는 공개 가중치 추론 모델이며, 원문은 PC에서 비공개로 도구를 호출하는 에이전트를 직접 실행할 만큼 빠르다고 소개한다.

7. 로컬 메모리에 맞춘 체크포인트와 사후 학습

NVIDIA는 로컬 AI 하드웨어에서 RAM을 효율적으로 사용하도록 최적화한 모델 체크포인트 모음도 공개했다. 목표는 고성능 공개 모델을 실행하면서도 KV 캐시에 필요한 메모리를 충분히 남기는 것으로, 모델 자체의 적재와 실행 중 캐시가 함께 메모리를 사용한다는 제약을 반영한다. 각 체크포인트는 양자화를 적용하되 전체 정밀도에 가까운 정확도를 유지하도록 했다고 설명하며, 원문에는 정확도 차이의 구체적인 수치가 제시되지 않는다. 초기 구성으로 Qwen3.8-Flash-Next-FP4-Local은 DGX Spark 128GB 한 대 또는 RTX PRO 6000에서 실행하고, GLM-5.3-Flash-FP4-Local은 시스템 두 대에서 실행하는 예가 제시됐다. 따라서 이 발표는 메모리 효율 개선을 강조하면서도 모델에 따라 필요한 장비 구성이 달라짐을 보여준다. 개발자는 DGX Spark와 RTX Spark 모두에서 NeMo AutoModel로 출시 당일부터 사후 학습을 진행할 수 있으며, Nemotron Bolt E4B와 Flux 3 Image Klein 등을 위한 예제 레시피도 제공된다.

8. llama.cpp와 vLLM의 구성별 추론 가속

NVIDIA는 로컬 하드웨어의 에이전트 작업을 가속하기 위해 llama.cpp와 vLLM 오픈소스 커뮤니티와 협력하고 있다고 밝혔다. llama.cpp에서는 Qwen 3.8 Flash Next를 위한 MTP 기반 추측 디코딩 지원을 추가했으며, NVIDIA RTX PRO 6000 Blackwell에서 전체 에이전트 작업이 최대 1.4배 빨라진다고 설명한다. vLLM에서는 더 빠른 추측 디코딩과 Qwen의 선형 어텐션 계층을 위한 새 FlashInfer 프리필 커널을 적용했다. 이 조합으로 DGX Spark에서 Qwen3.8 27B를 사용하는 에이전트 작업이 최대 1.3배 빨라지고, DGX Station에서는 GLM 5.3 Flash의 처리량이 최대 1.2배 높아진다고 제시됐다. 세 수치는 각각 모델·장비·측정 대상이 다르므로 모든 로컬 AI 작업에 공통으로 적용되는 성능 향상으로 해석할 수는 없다. NVIDIA는 개발자가 이러한 최적화를 적용해 볼 수 있도록 로컬 AI 추론 레시피를 안내하며, 하드웨어 확대와 함께 실행 소프트웨어의 개선도 로컬 에이전트 성능을 높이는 축으로 제시한다.

🧾 핵심 주장 / 시사점

• 로컬 AI의 활용 단위가 개인 PC에서 공유 클러스터와 팀 추론 서비스로 넓어지고 있으며, NVIDIA는 각 규모에 맞는 하드웨어와 운영 기능을 함께 제공하려 한다.
• 기업 도입에서는 연산 성능뿐 아니라 기존 Windows 애플리케이션, 장비 관리 도구, 공유 모델 접근 방식과의 연결이 주요 가치로 제시된다.
• 로컬 모델의 활용 가능성은 메모리 용량, 활성 파라미터 수, 양자화, 추론 엔진 최적화의 영향을 함께 받으며, 발표된 성능 수치는 해당 구성의 조건을 유지해 해석해야 한다.

✅ 액션 아이템

• RTX Spark와 Underdog의 기기 내 실행 특성을 기준으로 사용자 데이터가 PC 밖으로 나가지 않아야 하는 개인 에이전트 용도의 적합성 검토.
• DGX Spark의 최대 8대·1TB 통합 메모리 구성과 DGX Station의 30명 이상 지원 주장을 바탕으로 팀의 로컬 AI 실행 규모에 맞는 선택지 비교.
• Recursive Flint의 55% 생성 속도 향상과 llama.cpp·vLLM의 최대 1.2~1.4배 개선을 적용 모델·하드웨어·최적화 조건별로 구분해 평가.

❓ 열린 질문

• RTX Spark와 Underdog의 기기 내 실행은 어떤 개인 에이전트 작업에 가장 적합한가?
• DGX Spark의 최대 8대·1TB 통합 메모리 구성과 DGX Station의 30명 이상 지원은 팀의 동시 사용 요구를 어느 수준까지 충족하는가?
• Recursive Flint의 55% 생성 속도 향상과 llama.cpp·vLLM의 최대 1.2~1.4배 개선은 실제 사용할 모델·하드웨어·최적화 조건에서도 재현되는가?