Em 6 de novembro de 2026, a NVIDIA apresentou em Seul demonstrações de IA local com RTX Spark, segundo a ChosunBiz. No fluxo de edição de vídeo descrito, era preciso escolher e baixar um modelo adequado e conectar o agente ao aplicativo antes de começar. A NeoTeo já cobriu os notebooks Lenovo Yoga 9n com RTX Spark; esta matéria se concentra no que a empresa demonstrou em Seul e no preparo necessário para executar as tarefas.
A NVIDIA anunciou a plataforma em 31 de maio de 2026 e planejou a chegada de notebooks no outono daquele ano. Mais tarde, a ChosunBiz noticiou o lançamento oficial em 16 de outubro. O evento de Seul ocorreu em novembro, depois desses dois marcos.
O que a NVIDIA demonstrou em Seul
A ChosunBiz descreveu demonstrações de edição de vídeo, organização de e-mails e agenda e criação de movimentos para um robô virtual em uma simulação. No exemplo de edição, uma instrução em linguagem natural buscou trechos de um vídeo de três horas que continham uma palavra específica. A seleção levou cerca de um minuto, e o material foi cortado para gerar um vídeo de três minutos.
Em outra demonstração, o agente Hermes controlou o DaVinci Resolve Studio, ajustou a proporção do vídeo para YouTube e redes sociais e salvou cinco arquivos. Modelos da Mistral estavam entre os usados localmente. Representantes da NVIDIA disseram que as tarefas mostradas rodavam no notebook sem conexão à internet, depois de preparado o fluxo.
O que precisava ser preparado para editar offline
O processo relatado tinha duas etapas antes da edição: selecionar e baixar um modelo apropriado para a tarefa e conectar o agente ao software. Depois disso, a demonstração executou o trabalho localmente. Isso coloca a escolha do modelo e a integração com o aplicativo dentro do próprio fluxo, em vez de tornar a operação automática assim que o notebook é ligado.
A demonstração ilustra um uso possível, mas não equivale a um teste de desempenho reproduzível. O relato não apresenta uma comparação controlada com serviços de nuvem. Os números de tempo e duração descrevem aquele exemplo apresentado em Seul.
A plataforma RTX Spark
A NVIDIA anunciou uma CPU Grace de 20 núcleos junto de uma GPU Blackwell RTX com 6.144 núcleos CUDA e Tensor Cores de quinta geração com precisão FP4. A plataforma tem até 128 GB de memória unificada e, segundo a NVIDIA, capacidade de computação de IA de até um petaflop. A empresa também identifica o NVLink-C2C como a conexão entre CPU e GPU e posiciona RTX Spark como uma plataforma Windows. A apresentação da NVIDIA sobre RTX Spark reúne essas especificações anunciadas.
Memória unificada é um conjunto de memória compartilhado entre CPU e GPU. Para tarefas de IA, isso significa que os dois processadores podem acessar a mesma memória, em vez de depender de áreas separadas de RAM e memória gráfica. O máximo de 128 GB é uma especificação de plataforma; não deve ser tomado como a configuração de todo notebook RTX Spark.
Como diferem as variantes ASUS ProArt
A ASUS publicou especificações para as versões RTX Spark dos ProArt P16 H7607 e P14 H7407. As duas têm tela sensível ao toque Tandem OLED, proporção 16:10, taxa de atualização de até 120 Hz com VRR e memória unificada de até 128 GB. As dimensões, a resolução máxima, a bateria e o armazenamento variam por modelo.
| Modelo | Tela | Dimensões | Peso | Capacidade da bateria | Armazenamento SSD máximo |
| ASUS ProArt P16 H7607 | 16 polegadas, até 4K | 12,9 mm de espessura | 1,77 kg | 99,9 Wh | 2 TB |
| ASUS ProArt P14 H7407 | 14 polegadas, até 3K | 13,9 mm de espessura | 1,48 kg | 90 Wh | 1 TB |
O P14 é mais leve e tem tela menor; o P16 oferece tela de maior resolução e mais capacidade máxima de armazenamento. A ASUS também lista até 1.600 nits de brilho HDR para os dois modelos. Esses valores são especificações divulgadas pela fabricante, não resultados de uma medição independente.
O que os testes independentes acrescentam
A Linus Tech Tips testou o Microsoft Surface Laptop Ultra e o ASUS ProArt P16 em jogos, produtividade, criação de conteúdo e tarefas de IA, além de avaliar bateria e temperatura. A avaliação relatou resultados variados em jogos e produtividade e bom processamento de prompts em algumas tarefas de IA. Linus Sebastian concluiu que era difícil recomendar os dispositivos de forma geral; os resultados citados variam conforme a carga de trabalho.
Quando a execução local pode fazer sentido
O relato de Seul descreveu a nuvem como uma opção para tarefas leves e ocasionais, como organizar e-mails, e apontou trabalhos repetidos de vídeo ou treinamento de robôs como possíveis usos para execução local. Rodar uma tarefa no notebook pode evitar cobranças por chamadas ou créditos de IA na nuvem para aquela execução; o equipamento e a energia, por outro lado, também têm custo. A escolha depende do tipo e da frequência do trabalho.
A proposta local faz mais sentido quando você já sabe qual modelo e aplicativo usará e pretende repetir a tarefa depois de configurá-los.
