Разработка программного обеспечения с использованием искусственного интеллекта переживает фундаментальный сдвиг парадигмы. Еще недавно разработчики писали каждую строку кода вручную, полагаясь исключительно на свою интуицию и опыт. Сегодня же мы наблюдаем переход к эре «агентной» разработки, где программисты выступают в роли дирижеров, направляя AI-агентов, которые генерируют, тестируют и оптимизируют большую часть кода. Однако этот новый рабочий процесс часто оказывается фрагментированным: часть задач выполняется на локальном ноутбуке, часть отправляется в облачные API для генерации кода, а финальное тестирование и развертывание происходят на удаленных виртуальных машинах. Такая разрозненность не только замедляет итерации, но и создает риски безопасности, связанные с передачей конфиденциального кода в облако.
На смену этой сложной архитектуре приходит NVIDIA RTX Spark — платформа, разработанная специально для локальной AI-разработки. Благодаря интеграции системного чипа GB10 и до 128 ГБ унифицированной памяти, RTX Spark позволяет разработчикам выполнять весь цикл жизни приложения — от написания кода с помощью локальных агентов до тестирования и развертывания — на одной физической машине. Это не просто обновление оборудования, это новый стандарт для тех, кто хочет сохранить контроль над данными, снизить затраты на облачные вычисления и ускорить разработку в разы.
01Одна машина для всего цикла разработки
Главное преимущество RTX Spark заключается в консолидации рабочего процесса. Раньше для эффективной работы с большими языковыми моделями (LLM) требовалась мощная серверная инфраструктура. Теперь же ноутбуки и компактные десктопы на базе RTX Spark позволяют завершить весь цикл разработки в одной операционной системе. Это устраняет необходимость в миграции кода между разными средами, что часто становится источником ошибок и задержек.
Разработчики могут выбирать между двумя основными подходами к настройке среды. Первый — использование Windows Developer Config, специальной конфигурации Windows, разработанной совместно с Microsoft. Эта версия системы инсталлирует ключевые фреймворки для разработки, отключает отвлекающие уведомления, улучшает интерфейс терминала и позволяет переместить панель задач для экономии рабочего пространства. Второй вариант — работа в Windows Subsystem for Linux (WSL), что дает доступ к той же среде и зависимостям, которые используются при развертывании в облаке. Такой подход обеспечивает идеальное соответствие между средой разработки и средой производства.
Поскольку RTX Spark оснащен графическим процессором NVIDIA, разработчики получают доступ к самой большой в мире базе локальных AI-устройств — 150 миллионам ПК с RTX. Кроме того, они могут развертывать свои решения практически в любом облаке, работающем на GPU NVIDIA, что обеспечивает беспрецедентную гибкость. Наличие до 128 ГБ унифицированной памяти и вычислительной мощности 1 петафлоп в FP4 позволяет запускать мощные модели, такие как Qwen 3.8 Flash Next, прямо на локальной машине. Это существенно снижает потребление токенов в облачных API, так как большинство задач обработки запросов решается локально.

02Производительность, необходимая для AI-разработки
Традиционно разработка программного обеспечения была процессом, ограниченным возможностями центрального процессора (CPU). Однако с появлением AI-разработки нагрузка сместилась на графические процессоры (GPU). Современные разработчики должны выполнять инференс для работы своих агентов, тестировать приложения, дообучать (fine-tuning) модели и, конечно, компилировать код. RTX Spark, оснащенный процессором NVIDIA Grace и графическим ускорителем Blackwell, предоставляет все необходимые вычислительные ресурсы для этих задач на одном устройстве.
Сравнительные тесты показывают впечатляющие результаты. По сравнению с архитектурой Intel Panther Lake 12Xe, RTX Spark обеспечивает ускорение в 4,6 раза для задач с участием coding-агентов, в 2,7 раза быстрее проходит процесс дообучения моделей и в 1,8 раза быстрее компилирует код. Эти цифры не просто маркетинговые заявления, а реальные показатели, которые сокращают время ожидания разработчика с минут до секунд, позволяя поддерживать высокий темп работы.

03Знакомый стек технологий, расширенный для Windows
Одной из главных проблем для разработчиков, переходящих на новые аппаратные платформы, всегда была совместимость программного обеспечения. NVIDIA совместно с Microsoft проделала огромную работу по расширению экосистемы Windows on Arm. В рамках партнерства были выпущены ключевые инструменты, среди которых первая сборка PyTorch-CUDA, первая версия Python 3.15, которая по умолчанию является нативной, более 2000 готовых пакетов Conda и версии, совместимые с архитектурой Arm, для более чем 97% из 15 000 самых популярных Python-пакетов.
Преимущество разработки на оборудовании NVIDIA также заключается в доступе к крупнейшей экосистеме инструментов. Поскольку GPU NVIDIA являются самой распространенной платформой для AI-разработки, новые фреймворки и библиотеки обычно начинают работать на NVIDIA с первого дня их выхода, в то время как поддержка других аппаратных решений может отставать на недели. Разработчики получают доступ к библиотекам NVIDIA CUDA-X, включая такие инструменты, как FlashInfer для ускорения работы с большими языковыми моделями, и библиотеки NVIDIA NeMo для разработки AI-моделей.
Кроме того, NVIDIA предоставляет репозиторий NVIDIA Skills, который обучает агентов использованию библиотек CUDA-X. Это позволяет разработчикам создавать приложения, ускоренные за счет GPU, не требуя глубоких знаний низкоуровневого программирования на CUDA. Это демократизирует доступ к высокопроизводительным вычислениям, делая их доступными для более широкого круга специалистов.
04Локальные AI-агенты приходят на RTX Spark
Устройства RTX Spark идеально подходят для запуска локальных AI-агентов. NVIDIA тесно сотрудничала с ведущими разработчиками агентов, такими как GitHub Copilot, Pi, Hermes и OpenClaw, чтобы оптимизировать их работу и сделать использование более удобным. Эти улучшения включают:
- Бесшовное развертывание локальных моделей с использованием оптимизированных рецептов.
- Повышенную безопасность благодаря NVIDIA OpenShell и/или Microsoft Execution Containers, обеспечивающим песочницу на уровне операционной системы.
- Гибридные маршрутизаторы запросов между локальными и облачными моделями. Это означает, что запросы отправляются на локальные модели, если они справляются с задачей, и эскалируются в облако только при необходимости, что значительно снижает потребление токенов.
Microsoft GitHub Copilot теперь обеспечивает бесшовную локальную работу через Windows ML, который поддерживает llama.cpp в качестве бэкенда. Маршрутизатор запросов HydraFusion был обновлен для поддержки локальных моделей, а новая модель MAI 1.1 Coding Flash может запускаться локально на RTX Spark. Агент Pi, открытый код-агент с легким интерфейсом терминала, также оптимизирован для RTX Spark. Его расширения, навыки и шаблоны промптов дают разработчикам полный контроль над тем, как агент вписывается в рабочий процесс.
Компания JetBrains также запустила нативную поддержку Junie Local на RTX Spark. Этот код-агент читает код, редактирует файлы и запускает тесты, при этом модель и код остаются на машине. Junie Local настраивает размер окна контекста в зависимости от доступной памяти GPU, поэтому унифицированная память RTX Spark позволяет удерживать в контексте больше кода, вывода инструментов и истории разговоров.

05Новые модели Nemotron для локальных агентов
Для локальных агентов на RTX Spark представлена новая модель Nemotron 3.5 Bolt 74B-A9B 24GB. Это модель с 74 миллиардами параметров, из которых активными являются 9 миллиардов (архитектура Mixture-of-Experts, MoE), упакованная в 24 ГБ памяти с использованием 2-битного квантования. Для сохранения качества применены передовые техники обучения,awareness к квантованию. Модель стремится достичь оптимального баланса между скоростью и интеллектом: она быстрее большинства популярных плотных моделей и умнее большинства популярных моделей MoE с аналогичным объемом памяти.
Пользователи смогут запускать Nemotron 3.5 Bolt 74B при запуске платформы через популярные инструменты, такие как llama.cpp, vLLM, Ollama, Unsloth и LM Studio. Модель также будет доступна напрямую через агентов, таких как Hermes и OpenClaw. Как и другие модели Nemotron, Bolt 74B полностью открыта, включая данные для обучения, веса и рецепты, что позволяет разработчикам дообучать и настраивать свои собственные агенты под специфические задачи.
06Модели принятия решений и медиа-SDK
Еще одним прорывом в разработке AI являются модели принятия решений (Decision Models). Они дают AI-агентам возможность мгновенно принимать решения без длительных циклов рассуждения. Они могут выбирать следующие действия, от классификации запросов до выбора конкретных действий, до 200 раз быстрее, чем традиционные агенты. Модели принятия решений теперь поддерживаются в llama.cpp и Unsloth на RTX Spark и видеокартах GeForce RTX.
Кроме того, для разработчиков мультимедиа стали доступны NVIDIA AI for Media SDKs. Они включают поддержку суперразрешения видео, генерации кадров и технологии TrueHDR. Пакет доступен через PyPI, а C++ SDK также доступны через NGC для RTX Spark и Windows on Arm. Это открывает новые возможности для создания приложений, работающих с видео и графикой в реальном времени на локальных устройствах.

07Что это значит на практике
Для разработчика, работающего с AI, переход на RTX Spark означает радикальное изменение повседневного процесса. Больше не нужно ждать загрузки виртуальной машины в облаке или беспокоиться о лимитах API. Вы можете запустить агента, который будет писать код, используя локальную модель Nemotron, мгновенно протестировать его с помощью оптимизированных библиотек и развернуть результат. Все это происходит на одном устройстве, с гарантией безопасности данных и значительной экономией средств.
RTX Spark доступен в виде ноутбуков, а с ноября станут доступны компактные десктопы, идеальные для круглосуточной работы агентов. Изучите доступные системы RTX Spark, чтобы выбрать подходящее решение, и следуйте руководству по разработке AI, чтобы настроить Windows, установить агентов и подключиться к NVIDIA Skills. Начните разрабатывать локальные AI-приложения для GPU NVIDIA уже сегодня, используя всю мощь новой архитектуры.
Источник: NVIDIA Developer ↗
