NVIDIA GB10: 1 PFLOP e 128 GB de memória para IA local

O GB10 foi projetado para estações de IA compactas, como o NVIDIA DGX Spark, e é claramente diferente das placas de vídeo Blackwell convencionais. Em um único chassi, ele combina um processador Arm de 20 núcleos, gráficos Blackwell e 128 GB de memória compartilhada LPDDR5X. A NVIDIA afirma ter desempenho de até 1 PFLOP FP4, e testes reais confirmam esse nível. Em tarefas práticas de IA, a largura de banda da memória se torna uma limitação importante.

O que diferencia o GB10 da GeForce

O GB10 foi apresentado pela primeira vez em janeiro de 2025 como parte do Project DIGITS. Mais tarde, esse conceito foi a base do DGX Spark, e a plataforma começou a ser utilizada por outros fabricantes. O GB10 é a base de sistemas como ASUS Ascent GX10, Lenovo ThinkStation PGX, HP ZGX Nano G1n, GIGABYTE AI TOP ATOM, Acer Veriton GN100 e outros sistemas compactos de IA.

A principal vantagem do GB10 é a sua memória compartilhada de 128 GB para CPU e GPU.

Com essa quantidade, o GB10 pode executar localmente modelos que não cabem nos 16-32 GB de VRAM da maioria das placas de vídeo de consumo. De acordo com a NVIDIA, os sistemas baseados no GB10 são capazes de trabalhar com modelos de até 200 bilhões de parâmetros, desde que a quantização e as otimizações sejam adequadas.

Testes confirmam o 1 PFLOP declarado

O valor de 1 PFLOP refere-se a cálculos FP4 com esparsidade de 2:4. Não é possível julgar diretamente a velocidade total da parte gráfica ou a rapidez da geração de tokens em LLM com base nesse número.

Em 2026, surgiram resultados reproduzíveis com o nvfp4bench, que testa os Tensor Cores do GB10 em cálculos NVFP4. Os sistemas de produção mostram cerca de 486-504 TFLOPS em NVFP4 denso e aproximadamente 1 PFLOP em esparsidade de 2:4.

GB10 em dispositivos específicos

Todos os resultados foram obtidos com um único tipo de teste, portanto, eles podem ser comparados diretamente. A variação entre os sistemas é pequena, e as diferenças em chassi, refrigeração e configurações têm pouco impacto no resultado final.

Limitações de largura de banda da memória

Os Tensor Cores oferecem alto desempenho em baixa precisão, enquanto a largura de banda oficial de 128 GB LPDDR5X é de até 273 GB/s. Em testes práticos, os sistemas geralmente apresentam cerca de 200-214 GB/s.

Para inferência local de LLM, esse número é especialmente importante. Durante a geração sequencial de tokens, os pesos do modelo são constantemente lidos da memória, portanto, a velocidade é frequentemente limitada pela largura de banda da memória.

Por isso, 1 PFLOP não pode ser traduzido diretamente na velocidade de operação de uma rede neural específica.

Durante o pré-preenchimento longo, processamento em lote e consultas paralelas, os Tensor Cores são carregados de forma mais eficiente. O GB10 pode alocar na memória compartilhada modelos que não cabem na VRAM de uma única placa de vídeo convencional.

Embora a capacidade de memória seja grande, sua largura de banda é significativamente menor do que a da GDDR7 em GPUs discretas de alto desempenho.

Quantos tokens por segundo o GB10 gera

Testes práticos de LLM mostram melhor o caráter do GB10 do que o desempenho máximo em FP4. No NVIDIA DGX Spark com Ollama 0.18.3 e CUDA 13.0, a velocidade diminui visivelmente à medida que o modelo denso cresce, mas 128 GB de memória permitem executar modelos que não cabem na maioria das placas de vídeo de consumo.

Os resultados evidenciam a limitação do LPDDR5X. O Llama 3.1 8B gera cerca de 43 tokens por segundo, enquanto o Llama 3.1 70B tem uma velocidade reduzida para cerca de 4,8 tokens por segundo. O Mistral Large 123B opera ainda mais lentamente, mas a capacidade de alocar um modelo desse tamanho na memória de um sistema compacto é uma das vantagens do GB10.

A arquitetura do modelo também exerce uma forte influência sobre o resultado. Em testes específicos, o llama.cpp Qwen3 30B com arquitetura MoE apresentou cerca de 89 tokens por segundo, enquanto o denso Qwen3 32B alcançou cerca de 11 tokens por segundo. No MoE, apenas parte dos parâmetros é utilizada na geração, o que faz com que esse modelo dependa menos da largura de banda da memória do GB10.

Quanto custam os computadores com GB10

Até agosto de 2026, o GB10 é utilizado em vários sistemas de produção. O desempenho do chip varia apenas ligeiramente, enquanto os preços e a capacidade de armazenamento variam significativamente de acordo com o modelo específico.

Os preços referem-se às ofertas no mercado europeu e dependem da configuração específica.

Em relação ao custo-benefício, o ASUS Ascent GX10 se destaca em comparação com os demais. Ele é mais barato do que alguns concorrentes em mais de €1.000, enquanto os resultados em NVFP4 diferem apenas alguns por cento.

O custo adicional para modelos mais caros geralmente se deve ao SSD, quantidade de portas, garantia e suporte. Isso não resulta em um aumento significativo no desempenho do GB10.

Como o Project DIGITS, DGX Spark e GB10 estão relacionados

O GB10 possui vários nomes relacionados, que surgiram em diferentes etapas do desenvolvimento da plataforma. Em janeiro de 2025, a NVIDIA apresentou a plataforma sob o nome de Project DIGITS. Mais tarde, seu sistema próprio recebeu o nome de DGX Spark, e o GB10 começou a ser utilizado pela ASUS, Lenovo, HP, GIGABYTE e outros fabricantes.

ASUS GX10, Lenovo PGX e HP ZGX utilizam a mesma plataforma computacional GB10. As diferenças entre esses sistemas referem-se principalmente ao chassi, armazenamento, refrigeração e periféricos.

O GB10 deve ser considerado como um SoC especializado para estações de trabalho de IA. A parte gráfica utiliza a arquitetura Blackwell, e a plataforma combina CPU, GPU e memória compartilhada em uma única solução.

Conclusão

Com um preço a partir de cerca de €4.000, o GB10 é voltado para um nicho específico de tarefas. Se o modelo necessário cabe na VRAM de uma RTX convencional, uma placa de vídeo discreta geralmente oferece mais desempenho computacional pelo mesmo preço.

A vantagem do GB10 aparece em tarefas onde 24-32 GB de VRAM já são insuficientes. Seus 128 GB de memória compartilhada permitem a execução local de grandes modelos de IA sem a necessidade de várias GPUs discretas e de uma complexa distribuição de pesos entre elas.

Sistemas reais confirmam o nível declarado de cerca de 1 PFLOP FP4 com esparsidade de 2:4. Testes práticos de LLM mostram simultaneamente a limitação da largura de banda LPDDR5X: modelos densos de grande porte cabem na memória, mas geram tokens de forma relativamente lenta. O ponto forte do GB10 está na combinação de 128 GB de memória compartilhada, CUDA e um fator de forma compacto.