El GIGABYTE AI TOP ATOM tiene más sentido para quienes ejecutan cargas de IA local de forma continuada que para quienes solo quieren probar modelos de vez en cuando. Esa es la conclusión práctica de la evaluación de Gadget Pilipinas, que describe pruebas con una unidad de 128 GB, pero no ofrece resultados legibles para comparar su rendimiento mediante puntuaciones.
En España, RED Computer muestra el ATAGB10-9001 con 128 GB de memoria y SSD Gen4 de 4 TB por 7.999 € con impuestos incluidos. La tienda lo marca en stock y añade 4,90 € de envío, según la ficha consultada el 9 de noviembre de 2026.
La cobertura previa de NeoTeo sobre DGX Spark y la IA local en el hogar ofrece contexto para entender esta familia de equipos. Este análisis se centra en la implementación compacta de GIGABYTE y en lo que permiten concluir sus especificaciones y la evaluación publicada.
Capacidades declaradas para uno, dos y hasta cuatro sistemas
GIGABYTE basa el AI TOP ATOM en el NVIDIA GB10 Grace Blackwell Superchip, con una CPU Arm de 20 núcleos, configuraciones de memoria unificada de 64 o 128 GB y hasta 4 TB de almacenamiento NVMe. La empresa anuncia hasta 1 petaflop de rendimiento de IA FP4. Son especificaciones máximas del fabricante, no una medida del rendimiento en una aplicación concreta. La ficha de GIGABYTE también separa las capacidades según el número de sistemas: hasta 200.000 millones de parámetros en uno y hasta 405.000 millones al conectar dos mediante ConnectX-7. La marca permite agrupar hasta cuatro equipos.
Gadget Pilipinas atribuye a una configuración de cuatro sistemas la capacidad de manejar modelos de hasta 700.000 millones de parámetros. Esa cifra corresponde a la afirmación de la evaluación; las cifras de GIGABYTE para uno y dos sistemas se refieren a configuraciones distintas. Para una compra o un despliegue, importa ajustar el número de equipos al límite asociado a esa configuración.
Qué probó la evaluación y qué concluyó
Gadget Pilipinas evaluó una unidad de 128 GB con Qwen 3.8 27B UD Q4_K_M y Qwen 3.6 35B-A3B Q4_K_M. La evaluación indica una ventana de contexto nativa de 262.144 tokens para ambos modelos y describe cinco pruebas: llama benchy, llama.cpp, Agent Perf, Speedbench y LLMPerf.
Según la descripción de las pruebas, llama.cpp mide el procesamiento de instrucciones y la generación de tokens; Agent Perf examina el uso de herramientas, las llamadas a funciones y los flujos de varios pasos. Speedbench y LLMPerf someten el sistema a cargas concurrentes, mientras que llama benchy observa la latencia de respuesta y su variación al crecer el contexto. La evaluación no ofrece puntuaciones legibles y comparables para construir un resultado numérico fiable. Su conclusión favorece el uso sostenido para investigación, inferencia local, ajuste fino y trabajos por lotes.
Formato compacto, conexiones y acceso al SSD
Gadget Pilipinas da unas dimensiones de 150 × 150 × 50 mm para el equipo evaluado. En la parte trasera, su descripción enumera una entrada USB-C para alimentación, tres puertos USB 3.2 Type-C, HDMI 2.1a, Ethernet RJ45 de 10 Gb y un puerto QSFP112 ConnectX-7 de 400 Gb/s. La reseña describe NVIDIA DGX OS como una distribución de Linux basada en Ubuntu y menciona herramientas como DGX Dashboard, NVIDIA AI Workbench, JupyterLab con CUDA 13 y PyTorch, Docker y NVIDIA NGC Access.
La evaluación señala que el SSD es el único componente ampliable y que para acceder a él hay que abrir el soporte. También indica que GIGABYTE recomienda elegir la capacidad de almacenamiento al comprar, porque las unidades SSD emplean cifrado por hardware. La página del fabricante indica, además, que el cable AI TOP QSFP se vende por separado.
IA local sostenida, no experimentos esporádicos
El criterio práctico de Gadget Pilipinas es la frecuencia de uso. Para un equipo dedicado a inferencia local, investigación, ajuste fino o lotes de trabajo recurrentes, la evaluación considera que la inversión puede tener sentido. Para pruebas ocasionales o experimentación informal con prompts, juzga que el equipo puede resultar excesivo y apunta al pago por uso en la nube como alternativa para ese perfil.
La evaluación no presenta un cálculo que permita fijar un punto de equilibrio entre el coste del equipo y los servicios en la nube. La decisión depende, por tanto, de que la carga local sea habitual y de que la capacidad del sistema tenga una función concreta en el trabajo.
GIGABYTE publica límites distintos para uno y dos sistemas; elige la configuración según la carga que necesitas ejecutar de forma recurrente.
A2K dedica un vídeo en inglés a usos locales del AI TOP ATOM y menciona herramientas como Ollama, Open WebUI y VS Code Server, además de flujos de trabajo con Cursor y Home Assistant.
Qué cuentan algunos propietarios
Los relatos de usuarios del NVIDIA Developer Forums son variados y corresponden a experiencias individuales. Un propietario comparó dos AI TOP ATOM con dos DGX Spark y dijo que los Atom registraron una temperatura media 5 °C menor bajo la misma carga y en una disposición al aire libre descrita en su publicación. Otros usuarios contaron un apagado térmico en una unidad antes de una actualización de BIOS, congelaciones con pantalla negra y una fuente Delta averiada en uno de sus equipos.
Estos episodios ofrecen señales concretas sobre experiencias de uso, pero no permiten calcular una tasa de fallos del producto. Las publicaciones incluyen también valoraciones positivas sobre el funcionamiento y la refrigeración, sin que esos testimonios constituyan pruebas comparables entre sí.
