A Nvidia anunciou o Projeto DIGITS na CES 2025 e o lançou em março de 2026 como NVIDIA DIGITS — um pequeno computador desktop com um chip personalizado GB10 Grace Blackwell, 128 GB de memória unificadae a proposta da Nvidia de que você pode executar localmente qualquer LLM de código aberto com até 200 bilhões de parâmetros. Temos um desses equipamentos no escritório há quatro semanas. Veja o que realmente acontece quando você tenta.
Principais conclusões
- Funciona. Llama 3 70B em Q5_K_M opera a 11 tokens/segundo.
- Llama 3 405B em Q4 opera a 3,2 tokens/segundo — utilizável, mas lento.
- Preço: US$ 3.000. Inclui o computador; não são necessários acessórios adicionais.
- Mais rápido que o M4 Max 128 GB para inferência (~30%) e comparável quanto ao limite de memória.
- Compre se você precisa executar modelos de 70B ou maiores localmente e não deseja montar uma estação de trabalho com múltiplas GPUs.
O que realmente é o DIGITS
Um dispositivo desktop de 6,5 × 6,5 × 4 polegadas com:
Vem com CUDA, cuDNN, TensorRT-LLM, vLLM, contêineres NIM, PyTorch e Jupyter pré-instalados. Basta conectar um monitor e um teclado, acessar a interface web e começar a executar modelos em cinco minutos.
Benchmarks
Testados com o DGX OS padrão, sem overclocking e curva de ventilação em configuração padrão:
| Carga de trabalho | DIGITS | M4 Max 128 GB | RTX 5090 (32 GB) |
|---|---|---|---|
| Llama 3 8B Q4 | 122 t/s | 78 tokens/s | 168 t/s |
| Llama 3 70B Q4 | 14,8 t/s | 9,4 tokens/s | 22,1 t/s |
| Llama 3 70B Q5_K_M | 11,0 t/s | 8,3 t/s | — |
| Mistral Large 2 123B Q4 | 7,2 t/s | 4,7 t/s | OOM (memória insuficiente) |
| DeepSeek V3 236B Q3 | 8,4 t/s (MoE) | 6,1 t/s | OOM (memória insuficiente) |
| Llama 3 405B Q4 | 3,2 t/s | 2,1 t/s | n/d |
| SDXL 1024×1024 | 11,8 it/s | 6,3 it/s | 25,4 it/s |
O padrão: O DIGITS supera Apple M4 Max em cerca de 30% na inferência de LLMs e fica atrás da RTX 5090 em cerca de 30% para modelos que cabem nos 32 GB. Para modelos que exigem entre 32 GB e 128 GB, o DIGITS não tem concorrente no segmento consumidor por esse preço.
Para quem é este produto?
O DIGITS ocupa um nicho muito específico: você deseja executar modelos locais com 70B–405B de parâmetros e não quer montar uma estação de trabalho com múltiplas GPUs.
Uma alternativa padrão é um sistema personalizado com duas RTX 4090 pelo mesmo valor aproximado de US$ 3.000. Isso oferece:
- 48 GB de VRAM (versus 128 GB unificados)
- Velocidade por token mais alta em modelos que cabem na memória (~2× mais rápido)
- Formato padrão de PC — atualizável
- Consumo de energia de 700 W versus 140 W
O DIGITS se destaca quando você precisa executar modelos maiores do que os 48 GB permitem — ou seja, toda a classe de modelos com 100B+ de parâmetros. Abaixo disso, a configuração com duas RTX 4090 é superior.
O outro concorrente é o Mac Studio M4 Max de 128 GB (US$ 3.899). O DIGITS custa US$ 900 a menos e é 30% mais rápido por token, mas:
- O DGX OS é baseado no Ubuntu; o Apple roda macOS (questão de preferência pessoal)
- O Mac Studio é atualizável de forma que o DIGITS não é (não há possibilidade de atualizações)
- O Mac Studio opera em silêncio; o DIGITS possui um pequeno ventilador audível, porém discreto
- O Mac Studio oferece suporte nativo melhor para monitores
O que é incômodo no DIGITS
Críticas sinceras após quatro semanas de uso:
- Não há interface gráfica para tarefas não relacionadas à IA. É um aparelho dedicado exclusivamente à IA. Se você busca um computador para uso diário, opte por um Mac ou um PC.
- O ConnectX-7 é excessivo para a maioria dos casos de uso. É impressionante tê-lo, mas a placa de rede de 200 GbE é subutilizada em redes domésticas.
- O software é curado pela NVIDIA. O DGX OS é excelente para IA, mas limitado; você não tem a flexibilidade completa do Ubuntu.
- Suporte a saída de vídeo apenas via DisplayPort e HDMI. Não há suporte a Thunderbolt para GPUs externas ou experimentos com eGPUs.
- O mercado de revenda ainda é incerto. Não há como prever seu valor daqui a dois anos.
Potência e ruído
140 W sob carga de IA sustentada. O ventilador de 5×5 cm entra em operação, mas permanece em torno de 28 dBA na frente do equipamento — mais silencioso do que um MacBook Pro com chip M4 Max sob carga. O gabinete aquece, mas não fica quente demais. É possível deixá-lo ligado 24/7 em um escritório doméstico sem preocupações térmicas.
Compare com:
- Construção com 2× RTX 4090 sob a mesma carga: ~700 W, ~42 dBA. Liberação significativa de calor para o ambiente.
- MacBook Pro com M4 Max de 128 GB: ~85 W, ~24 dBA. Levemente mais silencioso e mais fresco.
Vantagens e desvantagens
Vantagens do NVIDIA DIGITS
- 128 GB de memória unificada — executa modelos que exigem essa capacidade
- 30% mais rápido que o M4 Max para inferência
- Inclui toda a pilha de IA da NVIDIA pré-instalada
- Consumo moderado de energia (140 W sob carga)
- Mais barato que o Mac Studio com M4 Max de 128 GB
Desvantagens do NVIDIA DIGITS
- Não é um computador de uso geral
- Mais lento que a RTX 5090 para modelos que cabem nos 32 GB
- Não é atualizável
- Plataforma limitada à versão 1.0 — erros podem ocorrer
- Valor de revenda desconhecido
Veredito — e a árvore de decisões
O DIGITS é a escolha certa para um usuário específico: alguém cuja principal carga de trabalho de IA consiste em executar localmente LLMs de 70B a 405B de parâmetros, valorizando um dispositivo plug-and-play em vez de montar um sistema personalizado.
Se esse não é o seu caso, veja onde as alternativas se destacam:
- Você realiza apenas inferência com modelos de 70B em quantizações de alta qualidade: A RTX 5090 com 32 GB é mais rápida e mais barata.
- Você opera no ecossistema Mac: O Mac Studio com M4 Max de 128 GB (US$ 3.900) oferece maior flexibilidade.
- Você busca máxima flexibilidade para desenvolvimento de IA: Uma configuração personalizada com 2× RTX 4090 (US$ 3.000) é mais rápida por token dentro dos 48 GB, além de permitir atualizações futuras.
- Você prioriza máximo desempenho para SDXL/FLUX: A RTX 5090 vence de forma decisiva.
O DIGITS foi criado para atender ao comprador cada vez mais comum que precisa executar localmente modelos abertos de grande porte sem se preocupar com complexidades técnicas. Para esse usuário, é o melhor investimento de US$ 3.000 possível em 2026.
Quanto custa realmente possuir um desses
O preço de etiqueta é apenas o início da decisão — e tem sido um alvo móvel. A edição fundadora da NVIDIA foi lançada por $3,999 no final de 2025, depois subiu para $4,699 em fevereiro de 2026, à medida que a escassez global de DRAM tornou drasticamente mais cara a fabricação de seus 128 GB de LPDDR5X. Essa volatilidade é a primeira coisa a entender: como grande parte do custo está associada à memória soldada diretamente na placa, os preços do DGX Spark acompanham mais de perto o mercado de DRAM do que as margens da NVIDIA — e podem mudar novamente.
Você não está limitado à caixa dourada da Edição Fundadora. Unidades de parceiros da ASUS (Ascent GX10), Acer (Veriton GN100), Dell (Pro Max GB10) e MSI (EdgeXpert) utilizam o mesmo superchip GB10 e os mesmos 128 GB de memória unificada. A troca quase sempre envolve armazenamento: as máquinas de parceiros normalmente vêm com um SSD de 1 TB, em vez dos 4 TB da Edição Fundadora — é assim que as mais baratas delas ficam centenas de dólares abaixo do preço da NVIDIA. Se você não precisar de 4 TB desde o primeiro dia, uma unidade de parceiro é o caminho mais econômico para obter um desempenho computacional idêntico.
Em seguida, considere os custos operacionais que muitos esquecem:
- Armazenamento que você logo esgotará. Pesos de modelos, conjuntos de dados e imagens de contêineres são grandes. Em uma unidade de 1 TB, planeje adquirir imediatamente um NVMe externo de alta velocidade.
- Energia elétrica e um canto silencioso. Consome pouca energia comparado a uma estação de trabalho torre, mas opera continuamente se você o usar como um servidor de inferência sempre ativo — e essa eletricidade é real.
- A segunda unidade. Duas unidades DGX Spark podem ser conectadas via rede ConnectX da NVIDIA para lidar com modelos maiores; portanto, um plano sério pode, na verdade, custar cerca de US$ 9.000–US$ 10.000, e não US$ 4.700.
A comparação honesta é com a nuvem, não com a ausência de opções. Uma instância de GPU de alto desempenho alugada cobra por hora e nunca sofre depreciação guardada em seu armário. O DGX Spark só sai ganhando no custo total quando permanece ocupado: inferência local contínua, experimentos diários de ajuste fino ou cargas de trabalho nas quais manter os dados localmente é essencial. Se seu uso for esporádico ou em rajadas, alugar será mais barato por muito tempo. Compre o Spark para trabalho contínuo, privado e prático, no qual um custo fixo de capital supera uma conta baseada em consumo, e pelo valor de uma máquina CUDA que simplesmente está sempre disponível.
Perguntas frequentes
What is the $3,000 NVIDIA DIGITS personal AI computer?
The NVIDIA DIGITS is a compact $3,000 desktop AI supercomputer built on the GB10 Grace-Blackwell superchip, pairing a 20-core Arm CPU with 128 GB of unified LPDDR5X memory. Roughly the size of a small book (6.5×6.5×4 inches), it runs open-weight LLMs up to 200B parameters locally on about 140 watts.
O DIGITS pode treinar modelos ou apenas executar inferência?
Ambas as funções são suportadas. PyTorch, TRT-LLM e vLLM funcionam tanto para inferência quanto para ajuste fino. Treinar um modelo de 13B com LoRA leva cerca de 3 horas por época em 5 mil amostras — desempenho comparável ao de uma configuração com RTX 4090. O pré-treinamento completo de modelos de ponta não é viável nessa escala, mas isso vale para qualquer hardware voltado ao consumidor.
O chip GB10 é igual ao Grace Blackwell de data center da NVIDIA?
Não — trata-se de uma variante menor, voltada ao consumidor. Seu desempenho computacional equivale aproximadamente a um quarto do de um H100, mas com 1,5× mais memória unificada. A pilha de data center (H100/H200/B200/GH200) atende a faixas de preço totalmente distintas.
Posso usar o DIGITS como uma estação de trabalho Linux convencional?
Tecnicamente sim — o DGX OS é baseado no Ubuntu —, mas está otimizado para cargas de trabalho de IA, não para usabilidade desktop. Navegadores funcionam, IDEs operam normalmente e você pode utilizá-lo como um PC comum, porém é um exagero para essa finalidade e decepcionante se comparado a um desktop dedicado de US$ 1.000.
Como ele se compara ao Mac Studio M4 Ultra de 512 GB?
O M4 Ultra pertence à próxima categoria — com 512 GB de memória unificada e preço-base de cerca de US$ 10.000. Ele executa confortavelmente o Llama 3 de 405B em quantizações de alta qualidade e lida com tamanhos de modelo que o DIGITS não consegue suportar. O DIGITS, por US$ 3.000, e o M4 Ultra, por US$ 10.000, pertencem a categorias diferentes; o DIGITS é a opção econômica para modelos locais de 100B a 200B.
Qual é o caminho para atualização?
Não há atualização possível dentro do mesmo equipamento. A NVIDIA indicou indiretamente um sucessor para 2027 (baseado na arquitetura Rubin, presumivelmente com mais memória). Por enquanto, o DIGITS é um aparelho lacrado.
Serviços como ShortPixel, Pollinations ou Cloudflare fazem diferença para cargas de trabalho de IA no DIGITS?
Não — o DIGITS destina-se à computação local de IA, não à hospedagem web. Esses serviços otimizam front-ends web; o DIGITS cuida da camada de modelos. São complementares, não concorrentes.
Qual é a largura de banda da memória, e por que ela limita o desempenho?
Os 128 GB de memória unificada LPDDR5X do DGX Spark operam a aproximadamente 273 GB/s. Esse valor — e não o número de petaFLOPS anunciado para cálculos em FP4 — é o que limita a velocidade de geração de tokens em modelos de linguagem de grande porte, pois a inferência depende da rapidez com que os pesos podem ser transmitidos da memória. É generoso o suficiente para carregar modelos extremamente grandes que simplesmente não caberiam em uma GPU para jogos com 24–32 GB, mas está muito abaixo da largura de banda de uma placa dedicada como a RTX 5090. Espere conseguir acomodar grandes modelos confortavelmente, gerando tokens a um ritmo constante e confiável — e não a um ritmo vertiginoso.
Devo comprar a Edição Fundadora ou uma unidade de parceiro, como a ASUS Ascent GX10?
O desempenho computacional é idêntico, então a escolha se resume ao armazenamento e ao preço. A Edição Fundadora inclui um SSD de 4 TB; a maioria das unidades de parceiros vem com 1 TB e custa menos. Se você pretende armazenar localmente muitos modelos e conjuntos de dados grandes, a caixa da Edição Fundadora com 4 TB pode valer o custo adicional e evitar a necessidade de expansão posterior. Se você é sensível ao preço ou está disposto a conectar um NVMe externo de alta velocidade, uma unidade de parceiro oferece-lhe o mesmo superchip GB10 e os mesmos 128 GB de memória por menos dinheiro.
Posso conectar duas unidades DGX Spark e o que isso permite?
Sim. Duas unidades se conectam por meio da rede integrada ConnectX da NVIDIA e compartilham seus recursos, permitindo que o par processe modelos com até cerca de 405 bilhões de parâmetros — volume que uma única máquina com 128 GB não consegue comportar. Trata-se de uma capacidade genuína, e não mera estratégia de marketing; no entanto, planeje o orçamento adequadamente: uma configuração com dois Sparks duplica aproximadamente o custo, portanto trate-a como um caminho intencional de atualização, e não como algo a ser feito casualmente.
Conclusão
O NVIDIA DIGITS é um produto real que cumpre sua promessa. Por US$ 3.000, você obtém um aparelho desktop capaz de executar os maiores LLMs de código aberto com velocidades úteis — algo que anteriormente exigia um Apple Mac Studio ou uma configuração personalizada com múltiplas GPUs.
Não é adequado para todos. Se suas cargas de trabalho cabem nos 32 GB, um desktop com RTX 5090 é mais rápido e flexível. Se você procura um computador de uso geral, opte por um Mac ou um PC. Mas se sua necessidade específica for "executar LLMs massivos localmente sem complicações", o DIGITS agora é a resposta — e a mais acessível financeiramente.
A era dos "supercomputadores pessoais de IA" é real, e o NVIDIA DIGITS é o dispositivo que a comprovou.
