Op 6 november 2026 demonstreerde NVIDIA in Seoul lokale AI-taken op RTX Spark-laptops, waaronder videobewerking met een AI-agent. Voor die offline workflow moesten gebruikers eerst een geschikt model kiezen en downloaden en de agent aan de bewerkingssoftware koppelen, meldt ChosunBiz. De demonstraties lieten dus ook zien hoeveel voorbereiding eraan voorafging.
De nieuwe demonstraties bouwen voort op onze eerdere bespreking van Lenovo’s RTX Spark Yoga 9n-laptops: ze maken zichtbaar welke AI-taken NVIDIA met het platform voor ogen heeft en welke voorbereiding daarvoor nodig was.
Wat NVIDIA in Seoul demonstreerde
Een van de voorbeelden begon met drie uur videomateriaal. Een opdracht in gewone taal selecteerde scènes waarin een opgegeven woord voorkwam. Dat selecteren duurde ongeveer een minuut; het resultaat werd vervolgens teruggebracht tot een video van drie minuten, aldus ChosunBiz.
In een andere demonstratie bestuurde de AI-agent Hermes DaVinci Resolve Studio. De agent paste beeldverhoudingen aan voor YouTube en sociale media en sloeg vijf videobestanden op. Daarbij werden onder meer Mistral-modellen lokaal gebruikt. NVIDIA-vertegenwoordigers zeiden dat de bewerking op de laptop zelf draaide, zonder internetverbinding of betaalde aanroepen naar een externe AI-dienst.
ChosunBiz beschreef ook het ordenen van e-mail en agenda’s en het ontwerpen van bewegingen voor een virtuele robot in een voetbalveldachtige simulatie. Die voorbeelden waren demonstraties tijdens het evenement.
Waarom de demo voorbereiding vroeg
De volgorde was belangrijk: eerst een geschikt model selecteren en downloaden, daarna de AI-agent aan het relevante programma koppelen en pas dan de bewerking uitvoeren. Een model moet passen bij de taak en binnen de beschikbare middelen werken. De demonstratie liet daarmee een voorbereide workflow zien, geen handeling die zonder configuratie begint.
Bij lokale AI begint de praktische vraag niet alleen bij de chip, maar ook bij de modellen en programma’s die je vooraf klaarzet.
Wat er in het RTX Spark-platform zit
NVIDIA kondigde RTX Spark op 31 mei 2026 aan als een Windows-platform voor laptops en compacte desktops. Het bedrijf zei destijds dat de systemen in de herfst van 2026 beschikbaar zouden komen. ChosunBiz meldde later dat NVIDIA RTX Spark op 16 oktober officieel lanceerde; het evenement met de Seoul-demonstraties volgde op 6 november.
Volgens NVIDIA’s aankondiging combineert het platform een 20-core Grace-processor met een Blackwell RTX-gpu met 6.144 CUDA-cores en Tensor Cores van de vijfde generatie die FP4 ondersteunen. Het gedeelde LPDDR5X-geheugen kan volgens NVIDIA oplopen tot 128 GB. De CPU en gpu gebruiken dezelfde geheugenpool, verbonden via NVLink-C2C. NVIDIA noemt bovendien maximaal één petaflop aan AI-rekenkracht.
MediaTek werkte volgens NVIDIA mee aan het aangepaste Arm-CPU-ontwerp. Het platform is bedoeld voor Windows en gebruikt onder meer CUDA en RTX-technologieën. De genoemde maxima zijn platformkenmerken; ze geven niet automatisch aan hoeveel geheugen of opslag elk laptopmodel krijgt.
Twee ASUS ProArt-modellen naast elkaar
ASUS beschrijft RTX Spark-uitvoeringen van de ProArt P16 H7607 en ProArt P14 H7407. De fabrikant geeft voor beide modellen afzonderlijke specificaties op:
| Model | Scherm | Afmetingen | Gewicht | Accucapaciteit | Maximale SSD-opslag |
| ASUS ProArt P16 H7607 | 16 inch, 16:10 OLED-touchscreen, tot 4K | 12,9 mm dik | 1,77 kg | 99,9 Wh | Tot 2 TB |
| ASUS ProArt P14 H7407 | 14 inch, 16:10 OLED-touchscreen, tot 3K | 13,9 mm dik | 1,48 kg | 90 Wh | Tot 1 TB |
ASUS noemt voor beide schermen Tandem OLED, maximaal 1.600 nits HDR-piekhelderheid, 120 Hz met variabele verversingssnelheid en een ontspiegelende coating. Ook noemt de fabrikant tot 128 GB gedeeld geheugen, Windows 11 Pro en wifi 7. De P16 heeft het grotere scherm en de hogere maximale SSD-opslag; de P14 weegt minder.
Wat onafhankelijke tests toevoegen
Linus Tech Tips testte onder meer de Surface Laptop Ultra en ASUS ProArt P16 in games, productiviteits- en creatieve toepassingen en AI-workloads. De bevindingen liepen uiteen: sommige AI-taken verwerkten prompts sterk, terwijl de resultaten voor gaming en productiviteit gemengd waren. De reviewer concludeerde dat de geteste apparaten lastig aan te bevelen waren. Die uitkomst gaat over de geteste systemen en workloads, niet automatisch over iedere RTX Spark-configuratie.
Wanneer lokaal draaien bij een taak kan passen
Een tijdens het evenement geciteerde senior directeur maakte onderscheid tussen lichte, incidentele taken en werk dat vaak of langdurig wordt uitgevoerd. E-mail organiseren kan volgens hem ook via clouddiensten; herhaalde robottraining en videoproductie werden genoemd als mogelijke lokale workloads. Dat maakt de keuze afhankelijk van het soort werk: een taak die je af en toe uitvoert vraagt iets anders van de computer dan een langdurige AI-workflow.
