社内資料を外へ送らずに要約したい。大きめのローカルLLMを持ち歩きたい。そんな用途で気になるのが、NVIDIAのRTX Spark搭載ノートPCです。2026年10月16日の発売発表を受け、購入・導入前に確認したい条件を整理しました。
この記事は2026年10月17日に確認した公式仕様を基にした導入判断ガイドです。RTX Spark実機での日本語精度、生成速度、騒音、電池持ちは未測定です。「最大128GB」は製品構成の上限であり、全量をモデル用に自由に確保できる保証ではありません。
今回の新しい点は、発表済みの構想から搭載PCの発売へ
NVIDIAは10月16日付でRTX Spark搭載ノートPCの発売を発表しました。新しいのは搭載製品が販売段階に進んだ点です。RTX Spark自体がこの日に初めて発表されたわけではありません。グローバルの開始価格は2,599米ドルで、地域や構成により異なります。発表の正確な時刻は確認できていません。公式発売発表
RTX SparkはArmベースのCPUとBlackwell世代のGPUをまとめたWindows向けプラットフォームです。公式のSystem Overviewには、CPUとGPUが共有する最大128GBのメモリ、300GB/sのメモリ帯域が記載されています。これは本記事で測った速度ではなく仕様値です。移植ガイド v0.1.0
国内の例として、Microsoftの日本向けSurface Laptop Ultra公式ページは513,480円を表示し、最大128GBの構成を案内しています。ただし、この表示価格の構成が128GBとは限りません。注文する型番ごとにメモリ・SSD・納期・保証を確認してください。米国の開始価格を円換算して国内価格とみなすこともできません。日本向け公式ページ
128GBは「モデルの重みだけに使える容量」ではない
ローカルLLMを動かすときは、保存したモデルだけでなく、入力文脈を扱うキャッシュや作業用バッファにもメモリが必要です。さらに、OSやブラウザー、文書検索などの周辺処理が同じPCを使います。購入前の見積もりでは、これらを分けて考えると不足の原因を探しやすくなります。
| 枠 | 何を置くか | 確認すること |
|---|---|---|
| モデル | 量子化済みの重みや関連データ | モデル名・版・形式・量子化を固定する |
| 文脈と同時利用 | KVキャッシュなど、会話や要求に応じた状態 | 入力長・最大出力・同時要求数を揃える |
| 実行環境 | ランタイムの作業領域や一時バッファ | 実際に使うアプリでピークを測る |
| PC全体 | OS・通常業務・検索や音声などの周辺処理 | 普段のアプリを開いた状態でも試す |
重みの大きさの最初の目安は「パラメーター数 × 1個あたりのビット数 ÷ 8」です。たとえば70Bを一律4bitで表現すると35GB、120Bなら60GBです。これは10億をB、10億バイトをGBとした単純計算で、量子化の補助情報、混在精度、画像部分、キャッシュ、作業領域は含みません。実際の配布ファイルとランタイムの使用量で置き換える必要があります。
この計算だけで「64GB機に120Bが快適に載る」とは言えません。ファイルが収まること、推論が完走すること、必要な速度と精度で仕事が終わることは、それぞれ別の確認項目です。
GPUメモリの表示が違うときは、見ている枠を確認する
NVIDIAのCUDA向けガイドでは、GPU専用の領域をシステムメモリから切り出す枠と、CPU・GPUが共有する枠を区別しています。GPU向けの割り当てが専用枠を使い切ると共有枠へ回る場合があり、配置はドライバーが決めます。共有枠に入った割り当てではアクセスが遅くなる可能性も説明されています。CUDA APIとメモリの説明
| 確認手段 | 公式ガイドが説明する範囲 | 読み違えないために |
|---|---|---|
| cudaMemGetInfo | 専用枠と共有枠のCUDA予算についてtotal/freeを返す | freeを見て、その量を全部確保しない |
| NVMLのnvmlDeviceGetMemoryInfo_v2 | 専用枠を報告する | 共有枠まで含む合計とはみなさない |
| DirectXのQueryVideoMemoryInfo | 統合されたlocal側のBudgetとCurrentUsage | 専用枠・共有枠のサイズとは区別する |
同ガイドは、GPU側で利用できる予算いっぱいまで割り当てるとCPU側の余裕を奪うこと、メモリ予算が他のアプリの状況などで変わることにも注意を促しています。開発時は「起動時に空いていたから大丈夫」と固定せず、変化に対応する設計が必要です。一般の利用者も、メモリ表示が違うだけで故障や性能差と結論づけず、使用したツールとAPIを記録して相談すると確認しやすくなります。予算の扱い
Windows on Armでは、いつもの導入手順をそのまま前提にしない
発売発表ではWindows on Arm向けのPyTorch-CUDAビルドなど、開発環境の整備が紹介されています。ただし、これは自分の使うアプリ、拡張機能、モデル形式がすべて動くという保証ではありません。WindowsネイティブとWSLのどちらを使うかも含め、目的のランタイムが案内するRTX Spark向け手順を確認します。開発環境の公式説明
- 1やりたい業務を1つに決め、使いたいモデルの正式名・版・量子化形式を記録する。
- 2アプリの公式配布ページで、Windows on ArmとRTX Sparkへの対応を確認する。MacのMLX用ファイルやx86向け手順を、そのまま流用できるとは考えない。
- 3GPUバックエンド、ドライバー、Pythonなどの組み合わせを記録する。「起動した」だけでなくGPUを使っているかも確認する。
- 4短い入力を1件試し、正常に終わってから文脈長や同時要求数を段階的に増やす。
- 5普段の業務アプリを開いた条件でも、メモリ不足・待ち時間・出力の欠落を再確認する。
日本語への対応も、PCではなくモデルとアプリの組み合わせで判断します。日本語の文章が返ること、指定した事実を落とさないこと、業務用語を扱えることは同じではありません。音声用途なら、文字起こし側の対応言語も別に確認します。
ふくふくのBonsai 2の日本語実測では、Mac上で応答しても作業メモの担当者が一人抜けました。これはRTX Sparkの性能を示す結果ではありませんが、ハードウェアの容量確認と業務の正確さの検証を分ける理由になります。
身近な仕事で判断する：まず「短い1件」を同じ条件で比べる
次の3つは、導入評価に使うための試行案です。RTX Sparkで成功した実績ではありません。社内の本物の機密資料を使う前に、同じ構造の架空データで期待結果を用意します。
| 用途 | 最初の入力 | 採用前に見るところ |
|---|---|---|
| 作業メモの整理 | 2人分の担当・作業・期限を含む短文 | 人物を落とさないか、未定の期限を作らないか |
| 問い合わせの分類 | 請求・納期・操作方法の短文を数件 | 分類の正解、曖昧なときの扱い、修正時間 |
| 社内文書の検索付き回答 | 短い規程と、答えが載っていない質問 | 出典を示せるか、資料にないことを不明とできるか |
次のメモから担当者・作業・期限を抽出し、1人につき1要素のJSON配列にしてください。期限が未定ならnullにし、本文にない情報は足さないでください。
佐藤さんは見積書を確認します。期限は2026年10月20日です。鈴木さんは請求先を確認します。期限は未定です。この教材で期待するのは2要素です。佐藤さんの作業は見積書確認、期限は2026年10月20日。鈴木さんの作業は請求先確認、期限はnullです。JSONの文法だけでなく、この4つの事実と人数が保たれているかを確認します。本記事ではこの指示をRTX Sparkへ送っていません。
速度は「最初の出力が出るまで」と「全部終わるまで」を分け、入力・出力の長さも残します。大きなモデルを使うほど正しい、最大FP4演算性能が高いほど常に速い、といった置き換えはできません。同じ課題を数回繰り返し、待ち時間だけでなく人が直す時間も比較します。
記録用に空の導入確認表CSVを用意しました。UTF-8対応の表計算ソフトへ読み込み、機種・メモリ・実行環境・モデル・文脈長・測定値・欠落を残せます。未測定の欄は空欄のままにし、他人の実測値と自分の結果を混ぜない使い方を想定しています。
購入判断は、容量・動作条件・日本語の成果をそろえてから
日本語情報は既にあり、Zennの仕様整理では価格・帯域・メモリ配分を、the比較の実機記事では搭載PCの性能を扱っています。本記事は、それらの測定を自分の実測に置き換えず、自分の仕事で確認するための手順を加えています。
Windows業務を保ちながら持ち運べるローカルAI環境を検討している人には、RTX Sparkが新しい候補になります。一方、既存PCで必要な仕事が終わるなら、先に同じ評価表を埋めておくと買い替え理由を説明しやすくなります。クラウドへの従量課金が減る可能性と、端末購入・電力・保守の負担は分けて見積もります。
「ローカルAI」という呼び名だけで、すべての処理が端末内に閉じるとは限りません。Web検索、外部モデルへの切り替え、ログ送信などはアプリの設定次第です。業務上の情報を持ち込む段階では、使う構成の通信先と保存先まで確認してから運用を決めます。