Podczas wydarzenia NVIDIA w Seulu 6 listopada 2026 r. pokazano montaż wideo z użyciem RTX Spark i lokalnej sztucznej inteligencji. Według relacji ChosunBiz przed rozpoczęciem pracy trzeba było pobrać odpowiedni model i połączyć agenta z programem do montażu. Wyszukanie scen z trzygodzinnego nagrania zajęło około minuty, a materiał skrócono do trzyminutowego klipu.
To kolejny etap historii laptopów RTX Spark. Wcześniej opisywaliśmy laptopy Lenovo Yoga 9n z RTX Spark.
NVIDIA zapowiedziała RTX Spark 31 maja i planowała wtedy dostępność laptopów jesienią 2026 r. ChosunBiz podał datę premiery układu: 16 października. Seulski pokaz odbył się później, 6 listopada.
Co NVIDIA pokazała w Seulu
W jednej z demonstracji polecenie w języku naturalnym wyszukiwało w trzygodzinnym filmie sceny zawierające wskazane słowo. Wybór trwał około minuty, a wynikowy montaż miał trzy minuty. ChosunBiz opisał też demonstrację, w której agent Hermes sterował DaVinci Resolve Studio, zmieniał proporcje obrazu pod kątem YouTube i mediów społecznościowych oraz zapisywał pięć plików. Wśród lokalnie używanych modeli były modele Mistral.
Pokaz obejmował również organizowanie poczty i kalendarza oraz projektowanie ruchów wirtualnego robota w symulacji przypominającej boisko piłkarskie. Przedstawiciel NVIDIA powiedział, że demonstrowane zadania wykonywano na laptopie, bez połączenia z internetem i płatnych wywołań zewnętrznej usługi AI. W przypadku montażu najpierw trzeba było jednak wybrać i pobrać model, a następnie połączyć agenta z odpowiednią aplikacją.
Przy ocenie RTX Spark liczy się cały przepływ pracy: dobrany model, połączenie z programem i zadania, które mają wracać regularnie.
Platforma RTX Spark i jej możliwości
NVIDIA opisuje RTX Spark jako platformę dla komputerów z Windows, łączącą 20-rdzeniowy procesor Grace z układem graficznym Blackwell RTX. GPU ma 6144 rdzenie CUDA i rdzenie Tensor piątej generacji obsługujące FP4. NVIDIA deklaruje do jednego petaflopa mocy obliczeniowej AI oraz do 128 GB pamięci zunifikowanej, współdzielonej przez CPU i GPU. Układy łączy NVLink-C2C, a MediaTek współpracował przy projekcie procesora Arm. To dane platformy i jej maksymalne wartości, a nie specyfikacja każdego laptopa. NVIDIA przedstawiła te parametry w zapowiedzi RTX Spark.
Według relacji ChosunBiz procesor w najwyższej konfiguracji ma 10 rdzeni wydajnościowych i 10 energooszczędnych. NVIDIA zapowiadała wykorzystanie ekosystemu CUDA i RTX, a więc platforma ma służyć nie tylko do lokalnych zadań AI, lecz także do pracy kreatywnej i gier.
Dwa laptopy ASUS z RTX Spark
ASUS podał osobne dane dla wariantów RTX Spark modeli ProArt P16 H7607 i ProArt P14 H7407. Najważniejsze różnice dotyczą przekątnej i rozdzielczości ekranu, masy, grubości, pojemności akumulatora oraz maksymalnej przestrzeni na dysku SSD.
| Model | Ekran | Grubość i masa | Akumulator | Maksymalna pojemność SSD |
| ASUS ProArt P16 H7607 | 16 cali, 16:10, dotykowy Tandem OLED, do 4K | 12,9 mm; około 1,77 kg | 99,9 Wh | do 2 TB |
| ASUS ProArt P14 H7407 | 14 cali, 16:10, dotykowy Tandem OLED, do 3K | 13,9 mm; około 1,48 kg | 90 Wh | do 1 TB |
ASUS podaje dla obu ekranów odświeżanie 120 Hz z VRR, szczytową jasność HDR do 1600 nitów i powłokę antyrefleksyjną. Producent deklaruje także pokrycie 100% przestrzeni DCI-P3, certyfikat Pantone Validated i Delta E < 1. Oba modele mają Windows 11 Pro, Wi-Fi 7 i do 128 GB pamięci zunifikowanej. To specyfikacje podane przez producenta dla konkretnych wariantów. Szczegóły obu modeli ASUS.
Co wnoszą niezależne testy
Linus Tech Tips testował laptopy Microsoft Surface Laptop Ultra i ASUS ProArt P16 w grach, aplikacjach kreatywnych i zadaniach produktywnościowych, a także w obliczeniach AI, próbach baterii i testach termicznych. Wnioski były mieszane: w niektórych zadaniach AI odnotowano mocne wyniki przetwarzania promptów, podczas gdy wydajność w grach i pracy produktywnej wypadała nierówno. Linus Sebastian uznał testowane urządzenia za trudne do polecenia. Te obserwacje dotyczą testowanych konfiguracji i obciążeń.
Kiedy lokalne przetwarzanie może pasować do zadania
Pokaz montażu wymagał wcześniejszego przygotowania modelu i integracji agenta z aplikacją. Wypowiedzi przedstawicieli NVIDIA wskazywały też na znaczenie rodzaju i częstotliwości pracy. Kim, dyrektor zarządzający cytowany przez ChosunBiz, uznał, że okazjonalne porządkowanie poczty można powierzyć usłudze chmurowej, natomiast przy długotrwałych zadaniach, takich jak trening wirtualnych robotów czy nocne przetwarzanie wideo, lokalne wykonanie może być przydatne. Jeff Yen z NVIDIA ocenił, że okres zwrotu kosztów zależy od rodzaju wykonywanej pracy.
