NVIDIA quiere cambiar la forma en la que entendemos un portátil Windows de altas prestaciones. RTX Spark empieza a llegar al mercado y lo hace con precios que dejan bastante claro que no estamos ante ordenadores para todo el mundo. Pero también trae algo que hasta ahora era muy difícil encontrar en Windows: hasta 128 GB de memoria unificada a disposición de CPU y GPU, sin renunciar a CUDA.
Microsoft, ASUS, Dell, HP, Lenovo y MSI ya han presentado sus primeras propuestas y las preventas de esta primera oleada ya están comenzando. No pretendo recoger absolutamente todos los ordenadores Spark que aparecerán, pero sí algunos de los primeros modelos confirmados, sus configuraciones y, cuando ya existe un precio fiable, cuánto cuesta entrar.
La promesa es muy atractiva, pero no sale barata: 128 GB en un portátil siguen siendo territorio de máquinas de 6.000 euros o más. La pregunta, por tanto, no es solo qué ofrece Spark, sino a partir de qué configuración empieza a merecer la pena.
Antes de mirar precios: qué es realmente RTX Spark
RTX Spark no es simplemente otra GPU NVIDIA para portátiles.
La plataforma reúne en un mismo chip una CPU NVIDIA Grace basada en Arm y una GPU Blackwell RTX, con configuraciones de hasta 20 núcleos de CPU, 6.144 núcleos CUDA y 128 GB de memoria unificada.
La última parte es probablemente la más importante.
En un portátil tradicional podemos instalar 64 GB de RAM y acompañarlos de una potentísima RTX 5080 Laptop. El problema para determinadas cargas de inteligencia artificial es que la GPU continúa dependiendo principalmente de su propia VRAM.
Spark cambia esa estructura: CPU y GPU comparten el mismo conjunto de memoria. Es una filosofía que recuerda bastante más a Apple Silicon que al PC tradicional.
NVIDIA sitúa actualmente sus GeForce RTX con entre 6 y 32 GB de VRAM y las orienta a modelos locales de hasta aproximadamente 60.000 millones de parámetros. Para RTX Spark habla de hasta 128 GB de memoria unificada y modelos de hasta aproximadamente 200.000 millones de parámetros.
Eso no significa que cualquier modelo de 200B vaya a funcionar maravillosamente rápido: capacidad y velocidad no son lo mismo. La cuantización, el contexto y el propio software importan mucho. Pero antes de discutir cuántos tokens por segundo obtenemos, el modelo tiene que caber en memoria. Ahí está buena parte del atractivo de Spark.
Estos son algunos de los primeros portátiles RTX Spark
La oferta todavía está creciendo y las configuraciones cambian dependiendo del mercado, pero ya tenemos una primera fotografía bastante interesante.
| Modelo | Memoria máxima | Almacenamiento conocido | Precio confirmado/conocido |
|---|---|---|---|
| Microsoft Surface Laptop Ultra | 128 GB | hasta 2 TB según configuración | $2.599,99–$5.899,99 |
| ASUS ProArt P14 | 128 GB | hasta 1 TB | desde $2.599,99 en EE. UU. |
| ASUS ProArt P16 | 128 GB | hasta 2 TB | según configuración/mercado |
| MSI Prestige N16 Flip AI+ | 128 GB | hasta 2 TB | 4.249 € / 6.699 € en España |
| Dell XPS 16 Creator Edition | 128 GB | según configuración | desde $3.799,99 |
| HP OmniBook X 14 | hasta 128 GB | según configuración | pendiente según mercado |
| HP OmniBook Ultra 16 | hasta 128 GB | según configuración | pendiente según mercado |
| Lenovo Yoga Pro 9n | hasta 128 GB | según configuración | pendiente |
| Lenovo Yoga 9n 2-in-1 | hasta 128 GB | según configuración | pendiente |
No todos cuestan 6.000 euros y tampoco todos utilizan el mismo RTX Spark. Hay variantes del N1X con diferente número de núcleos y diferentes cantidades de memoria. Por eso conviene mirar bastante más que el logotipo de la caja.
Surface enseña cuánto cuesta subir de 24 a 128 GB
Microsoft ofrece probablemente el ejemplo más claro de cómo escala RTX Spark.
El nuevo Surface Laptop Ultra comienza en Estados Unidos en 2.599,99 dólares con un RTX Spark N1X de 18 núcleos de CPU y GPU de 5.120 núcleos, 24 GB de memoria unificada y SSD de 512 GB.
A partir de ahí aparecen configuraciones de 32, 48, 64 y finalmente 128 GB. La versión de 48 GB con el N1X superior de 20 núcleos y GPU de 6.144 núcleos cuesta 3.999,99 dólares. La de 64 GB y 1 TB sube hasta 4.299,99 dólares. Y el modelo de 128 GB de memoria unificada y 1 TB SSD alcanza los 5.899,99 dólares.
Es una barbaridad, pero también sirve para poner precio a la gran promesa de Spark: pasar de un portátil de IA relativamente convencional a una estación de trabajo con 128 GB compartidos. Y, como veremos al compararlo con Apple, semejante cantidad de memoria unificada tampoco es barata en un MacBook Pro.
ASUS apuesta por Spark en sus ProArt
ASUS ha elegido dos de sus mejores portátiles para creadores: ProArt P14 y ProArt P16.
El P14 combina Spark con una pantalla OLED 3K de 14 pulgadas y 120 Hz y puede alcanzar 128 GB de memoria unificada y 1 TB SSD. El P16 crece hasta las 16 pulgadas, OLED 4K a 120 Hz y permite llegar también a 128 GB, pero con hasta 2 TB SSD.
ASUS ha confirmado configuraciones de alta capacidad de 64 y 128 GB, aunque la disponibilidad dependerá bastante del mercado. En Estados Unidos la familia comienza en 2.599,99 dólares.
MSI pone precio español a los 128 GB
MSI resulta especialmente interesante porque aquí sí tenemos precios españoles.
El Prestige N16 Flip AI+ puede montar el RTX Spark N1X completo, con GPU Blackwell de hasta 6.144 núcleos, y alcanza 128 GB de memoria LPDDR5X unificada.
PcComponentes ya lista dos configuraciones: 64 GB + 1 TB por 4.249 euros y 128 GB + 2 TB por 6.699 euros.
Es muchísimo dinero, pero también uno de los primeros ejemplos que permiten comprar en España un portátil cuya GPU NVIDIA puede trabajar con un espacio de memoria enormemente superior a los 16 GB de una RTX 5080 Laptop. Esa diferencia, más que cualquier cifra de TOPS, es la que justifica comparar Spark con una estación de trabajo y no con un portátil gaming convencional.
El XPS 16 también se convierte en una estación de IA
El XPS 16 Creator Edition es el primer XPS construido alrededor de RTX Spark.
Dell confirma configuraciones de hasta 20 núcleos Grace, GPU Blackwell de 6.144 núcleos y 128 GB de memoria unificada. La preventa estadounidense comienza en 3.799,99 dólares. Ese precio corresponde a la configuración de entrada disponible inicialmente, no al modelo de 128 GB.
HP y Lenovo completan esta primera oleada
HP prepara los OmniBook X 14 y OmniBook Ultra 16 con RTX Spark, mientras que Lenovo ha apostado por los Yoga Pro 9n y Yoga 9n 2-in-1. Los modelos superiores pueden alcanzar también los 128 GB de memoria unificada.
Prefiero no llenar esta parte de precios filtrados o provisionales. Cuando tengamos PVP españoles definitivos podremos actualizar la comparativa. Lo importante por ahora es que Spark no será un experimento exclusivo de Microsoft o ASUS.
De 24 a 128 GB: dónde empieza a tener sentido Spark
NVIDIA proporciona una orientación propia sobre el tamaño de los modelos que plantea para cada configuración. No debemos entenderla como una frontera matemática —la cuantización, el contexto, la caché KV, el software y otros procesos también consumen memoria—, pero sirve para hacernos una idea.
24 GB: nivel de entrada para IA cotidiana.
32 GB: permite trabajar con modelos locales mayores y proyectos creativos más exigentes.
48 GB: empezamos a entrar claramente en territorio de modelos grandes y agentes locales.
64 GB: es donde, para mí, Spark empieza a tener muchísimo sentido.
128 GB: el nivel máximo, pensado para grandes modelos y agentes trabajando localmente y en paralelo. NVIDIA habla para la plataforma de capacidades que pueden alcanzar aproximadamente los 200B parámetros, dependiendo del modelo y de cómo se ejecute.
Con 128 GB podemos plantearnos tener un LLM grande funcionando como asistente, otro modelo procesando documentos, modelos de visión, RAG, agentes, generación de imágenes e incluso cargas de vídeo sin depender constantemente de servicios en la nube.
El rival más lógico no es un gaming: es el MacBook Pro
Esta es probablemente la comparación más interesante.
Apple lleva años utilizando memoria unificada y sus Mac se han convertido casi accidentalmente en máquinas extraordinariamente interesantes para ejecutar modelos grandes localmente. Un MacBook Pro con M5 Max también puede configurarse con 128 GB de memoria unificada.
La diferencia fundamental está en el ecosistema: Apple tiene Metal y MLX; Spark responde con CUDA y TensorRT. Para ejecutar un LLM local las dos plataformas pueden ser perfectamente válidas, pero el tipo de trabajo que hagamos puede inclinar mucho la balanza.
Si quiero trabajar con PyTorch, ComfyUI, generación de imágenes y vídeo, fine-tuning o herramientas desarrolladas específicamente alrededor de CUDA, la propuesta de NVIDIA empieza a resultar especialmente interesante. Si priorizo autonomía, silencio, macOS y un ecosistema como MLX que funciona especialmente bien con grandes LLM, el Mac sigue teniendo argumentos muy serios.
Microsoft y NVIDIA aseguran además mejoras importantes frente al MacBook Pro M5 Pro de 64 GB en sus propias pruebas preliminares. Microsoft habla de hasta 2,1 veces menos tiempo hasta el primer token en una prueba con Qwen3.5 27B Q4K-Medium utilizando llama.cpp.
Son datos interesantes, pero todavía no los tomaría como sentencia. Son pruebas de las propias compañías responsables de Spark y con equipos de preproducción. Quiero ver benchmarks independientes y, sobre todo, probar uno antes de afirmar que Spark es simplemente “más rápido que un Mac”.
A 128 GB, Spark y Apple terminan costando casi lo mismo
Un MacBook Pro de 14 pulgadas con M5 Max, GPU de 40 núcleos, 128 GB de memoria unificada y 2 TB SSD ronda actualmente los 6.649 euros en distribución española.
MSI pide 6.699 euros por su Prestige N16 Flip AI+ Spark con 128 GB y 2 TB. La diferencia es prácticamente inexistente en un presupuesto de este nivel.
La comparación deja de ser “¿quién pagaría 6.700 euros por un portátil Spark?” y pasa a ser: si voy a gastarme unos 6.700 euros en un portátil con 128 GB de memoria unificada para IA, ¿quiero Apple Silicon o quiero CUDA?
Si tuviera que comprar uno, intentaría llegar a 64 GB
Aquí intentaría no caer en el típico consejo tecnológico de recomendar siempre la configuración inmediatamente superior. Spark tiene sentido precisamente por su memoria, pero eso no convierte automáticamente los 128 GB en la compra correcta.
24 GB no los compraría si mi motivo principal para elegir Spark es la IA local. No porque sean inútiles, sino porque pagaríamos el sobreprecio de Spark y nos quedaríamos precisamente cortos en su principal ventaja.
Con 32 GB me pasa algo parecido. Puede ser una máquina fantástica, pero por esos precios empiezan a aparecer alternativas Windows con GPU dedicada y MacBook Pro muy interesantes.
Para mí, 48 GB es el mínimo recomendable para comprar Spark conscientemente. Ahí empezamos a disponer de suficiente memoria como para que el ordenador pueda hacer cosas que empiezan a resultar incómodas o directamente imposibles en muchas GPU de portátil convencionales.
Pero si puedo permitírmelo, 64 GB sería mi recomendación. Me parece el punto donde mejor se equilibra precio, margen para modelos grandes, agentes, generación y vida útil del ordenador sin entrar todavía en la locura económica de los 128 GB.
Y 128 GB los reservaría para quien ya sabe por qué necesita 128 GB. Si simplemente quiero utilizar ChatGPT local, probar modelos pequeños o ejecutar Ollama ocasionalmente, gastarme 6.000 o 7.000 euros es absurdo. Si quiero desarrollar seriamente con IA, trabajar con modelos enormes, utilizar varios agentes simultáneamente o convertir el portátil en una estación de trabajo local, entonces sí empieza a tener sentido.
Más memoria no significa automáticamente más rendimiento
Tener 128 GB de memoria unificada no convierte automáticamente a Spark en una GPU más rápida que una RTX 5080 o 5090 Laptop.
Para jugar, renderizar o ejecutar cargas que caben perfectamente dentro de la VRAM de una GPU dedicada, un portátil tradicional puede seguir siendo una compra mucho más lógica.
La ventaja de Spark aparece cuando la memoria se convierte en el cuello de botella.
Una RTX 5080 Laptop puede tener 16 GB de VRAM. Spark puede tener 64 o 128 GB de memoria unificada. En determinadas cargas la pregunta dejará de ser cuál tarda diez segundos menos. Será cuál de los dos puede ejecutar el modelo de la forma que queremos.
Por fin una especificación de IA que puedo entender
Durante los últimos años hemos visto una carrera por convertir cualquier ordenador en un “AI PC”. NPUs, TOPS, asistentes, botones de Copilot y una cantidad considerable de marketing.
RTX Spark me resulta bastante más fácil de entender.
No porque vaya a necesitarlo todo el mundo. Probablemente ocurra justo lo contrario. Pero su propuesta es muy concreta: una GPU Blackwell, CUDA y hasta 128 GB de memoria unificada dentro de un portátil.
Eso permite hacer cosas que hasta ahora eran muy complicadas en Windows y, de paso, crea por fin un rival bastante directo para una de las grandes ventajas que Apple Silicon tenía en IA local.
El precio de entrada duele y el de 128 GB duele muchísimo. Por eso, si tuviera que elegir hoy sin dejarme completamente el riñón, buscaría un Spark de 48 GB como mínimo y, si la diferencia no se dispara, intentaría llegar a 64 GB.
Los 128 GB son espectaculares, pero 64 GB probablemente sean donde Spark deja de parecer una demostración tecnológica y empieza a convertirse en una compra que puedo defender. Ahí sigue siendo caro, sí, pero ya estamos pagando por una capacidad que cambia de verdad lo que puedo ejecutar en local, no simplemente por otra pegatina de “AI PC”.
