NVIDIA、RTX Spark（スパーク）搭載PCで「コード・テスト・デプロイを1台で」Intel Panther Lake比でコーディングエージェント4.6倍と主張、Windows on ArmにPyTorch-CUDA

NVIDIAは現地時間2026年10月16日、RTX Spark（スパーク）搭載PCで、ローカルのコーディングエージェントの実行・モデルの微調整・コンパイルまでを1台で行える開発環境を技術ブログで発表しました。ブログの公開は日本時間10月17日午前2時です。NVIDIAはIntel Panther Lake 12Xe（パンサーレイク）と比べて、コーディングエージェントで4.6倍、微調整で2.7倍、コンパイルで1.8倍の性能だと説明しています。あわせてMicrosoftと組み、Windows on Arm向けにPyTorch-CUDAの初のビルドやPython 3.15のネイティブ対応などを出すとしています。

3行まとめ

1. NVIDIAはRTX Spark搭載PCの開発者向け環境を発表。Intel Panther Lake 12Xe比でコーディングエージェント4.6倍・微調整2.7倍・コンパイル1.8倍とNVIDIAが主張
2. NVIDIAによると、MicrosoftとのWindows on Arm拡充で、PyTorch-CUDAの初のビルド、Python 3.15のネイティブ対応、Condaパッケージ2,000超、上位15,000のPythonパッケージの97%超でArm対応版
3. JetBrainsのJunie LocalがRTX Sparkに対応（無料）。RTX Sparkはノートが発売済みで、小型デスクトップは11月

本記事の内容は、日本時間10月17日2時台に公式ページで確認したものです。

RTX Spark搭載ノートの発売そのものは、別の記事で書いています。Nemotron 3.5 Bolt 74Bの公開予定はこちらです。この記事は、開発者向けの新しい情報だけを扱います。

何が発表されたのか

NVIDIAの技術ブログ（著者はNVIDIAのプロダクトマネージャーAnnamalai Chockalingam氏）は、今のソフトウェア開発の流れを「ノートPC、クラウドのモデルAPI、クラウドのVMに分かれている」と整理しています。RTX Sparkはこれを1台にまとめる想定だとNVIDIAは説明しています。

ブログに書かれた要点は次のとおりです。

NVIDIAの製品ページでは、最大構成としてBlackwell GPU 6,144コア、Grace CPU 20コア、128GBのユニファイドメモリが載っています。ブログは、開発の負荷が「CPU中心からGPU中心に変わった」と書き、推論・微調整・コンパイルのすべてにこのチップで足りるとしています。

4.6倍・2.7倍・1.8倍は何を測った数字か

この比較はNVIDIAの測定で、第三者の検証ではありません。ブログの図1の注記によると、基準はIntel Core Ultra X9 388Hを1.0にした値で、テストは次の3つです。

倍率は1つの比較対象（Panther Lake 12Xe）に対する値です。他のチップや、ほかのモデル・ほかのソフトでの値は、今回取得したブログには載っていません。

Windows on Armでは何が変わるのか

NVIDIAによると、MicrosoftとともにWindows on Armの開発環境を広げ、コミュニティが次のものを公開します。

• 初のPyTorch-CUDAビルド
• Python 3.15（Windows on Armでネイティブが既定になる最初のリリースと、ブログは説明）
• すぐ使えるCondaパッケージ2,000超
• 上位15,000のPythonパッケージのうち97%超でArm対応版

既存のWindowsアプリを持ち込む手順も、ブログの末尾に短く載っています。まずWindows on Armでの依存関係を調べ、ネイティブのArm64ビルドにするか、Arm64ECで部品ごとに移すかを選び、NVIDIAとCUDAを使う経路を含めて動作と性能を試す、という流れです。

作業環境の整え方は、NVIDIAのプレイブックに書かれています。Microsoftの「Windows Developer Config」で、PowerShell 7、Git、GitHub CLI、VS Code、Python、uv、Node.js、.NET、WSL（Ubuntu）などを入れます。プレイブックは、きれいなマシンで約30分と案内しています。WSLを有効にするために再起動が入る点も明記されています。

ローカルのコーディングエージェントは何が使えるのか

NVIDIAは、GitHub Copilot、Pi、Hermes、OpenClawと協力して改善したと書いています。改善点として挙げているのは次の3つです。

1. 最適化済みレシピでローカルモデルを簡単に展開
2. NVIDIA OpenShellまたはMicrosoft Execution Containersによる、OSレベルのサンドボックス
3. ローカルとクラウドを振り分けるハイブリッドなプロンプトルーター（ローカルで足りるプロンプトはローカルへ、必要ならクラウドへ。トークン消費を減らす狙い）

Microsoft側については、GitHub CopilotがWindows MLを通じてローカルAIを使えるようになり、そのWindows MLがllama.cppをバックエンドとして使えるようになった、とブログは書いています。プロンプトルーターのHydraFusionがローカルモデルにも対応し、新しいMAI 1.1 Coding FlashモデルがRTX Sparkでローカル実行できるとも説明しています。

JetBrainsのJunie Local

JetBrainsは同じ10月16日、Junie Local（ジュニー ローカル）がRTX Sparkに発売初日から対応したと発表しました。JetBrainsの説明によると、コードを読み、ファイルを編集し、テストを走らせるコーディングエージェントで、コードはマシンの外に出ません。料金は無料で、登録・サブスクリプション・クレジット・カードは不要です。

どちらも、NVIDIAドライバー581以降と、モデル用に約20GBの空きディスクが必要です。選べるモデルはQwen3.6-27Bと、JetBrainsが統合した「Qwen3.8-3.6-27B-blend」の2つで、追加は今後としています。JetBrains自身の測定では、RTX Sparkで毎秒最大55トークンの生成速度が出ました。これは初期の基準値で、推論の最適化は開発中とのことです。

8月の公開時にはM5 Macと64GBのメモリが必要で、9月に24GBのVRAMを積むRTXカード向けの試験版が出ていた、とJetBrainsは経緯を書いています。今回、Windows対応が試験から安定版になりました。

新モデル Nemotron 3.5 Bolt 74B-A9B

NVIDIAは、RTX Spark向けのローカルエージェント用モデルとして「Nemotron 3.5 Bolt 74B-A9B 24GB」を挙げています。総パラメータ74B・アクティブ9BのMoE（混合専門家）モデルを、2ビット量子化で24GBに収めたものです。発売時点でllama.cpp、vLLM、Ollama、Unsloth、LM Studioで動かせるようになり、HermesやOpenClawからも直接使えるとNVIDIAは説明しています。学習データ・重み・レシピまで完全にオープンソースだとのことです。

「決定モデル」とは何か

ブログは、決定モデル（decision models）が、llama.cppとUnslothでRTX SparkとGeForce RTXで使えるようになったと書いています。NVIDIAの説明では、長い推論ループを経ずに、リクエストの分類や次の行動の選択をほぼ瞬時に行うモデルで、従来のエージェントより最大200倍速く選べるとしています。200倍という数字の測定条件は、今回のブログには載っていません。

llama.cpp側の解説も確認しました。ggml-orgが10月2日にHugging Faceで公開した記事によると、llama.cppのサーバーは/v1/systemoneというエンドポイントで決定モデルに対応します。状態（テキスト、JSON、スクリーンショット）と型のある質問を送ると、選択肢ごとの確率が1回の順伝播で返ります。記事の表には、144Mから27Bまでの6モデルが並び、NVIDIA RTX PRO 6000での1問あたりの応答時間の中央値は、数字が載っている5モデルで3ミリ秒から43ミリ秒です。この記事はRTX Sparkには触れておらず、200倍の根拠にもなりません。

Unsloth側の対応は、NVIDIAのブログの記述です。ブログ内にUnslothの解説ページへのリンクがありましたが、そのページは今回開いていません。

日本の読者は何を見ればいいのか

日本で今すぐ関係するのは、次の点です。

• デスクトップ版: NVIDIAのブログは11月としています。国や価格は書かれていません。
• ノート: 発売済みです。機種と米国価格は発売の記事にあります。
• 日本での提供: 今回確認した5つの公式ページ（ブログ、製品ページ、JetBrains、Hugging Face、プレイブック）を「Japan」「日本」で検索しましたが、日本での販売時期や価格の記載は見つかりませんでした。

日本時間2時台に取得したNVIDIAの製品ページでは、発売イベントの会場として台北、ソウル、北京、イスタンブール、サンフランシスコ、ベルリンが並んでいました。東京は含まれていません。

Copilotの手順はプレイブックでまだ「Coming Soon」、ほかに未確認の点

日本時間10月17日2時台に公式ページを見比べて、1つ気づいた点があります。NVIDIAの技術ブログは「GitHub Copilotがローカルでシームレスに動く」と書いていますが、同じ時刻に取得したNVIDIAのプレイブックでは、GitHub Copilotの節が「Coming Soon」で、「手順は近く追加する」という注記だけでした。手順が載っているのはPiの方で、npmでのインストールとllama.cppのサーバーを立てる流れが書かれています。つまり、取得した時点では、Copilotの設定手順は公式プレイブックでまだ確認できませんでした。

筆者はRTX Sparkの実機を持っておらず、Junie LocalやPi、Windows Developer Configも試していません。この記事の数字や手順はすべて公式ページの記述です。

未確認の点は次のとおりです。

• 4.6倍・2.7倍・1.8倍は、NVIDIAによる測定です。第三者の検証は見つけていません。
• Windows on Armの「初のPyTorch-CUDAビルド」などの配布場所と対応バージョンは、ブログに具体的な記載が見当たりません。
• Nemotron 3.5 Bolt 74B-A9Bは、ブログでは「発売時に動かせるようになる（will be able to）」という未来形です。取得時点で各ツールに並んでいるかは確かめていません。
• 200倍の比較条件は不明です。

今回読んだ5つの公式ページ

• Code, Test, and Deploy on One Machine with NVIDIA RTX Spark（NVIDIA Technical Blog）
• NVIDIA RTX Spark（NVIDIA公式）
• Junie Local Comes to the NVIDIA RTX Spark（JetBrains）
• New in llama.cpp: Decision Models（ggml-org）
• Setup your AI Development Workspace（NVIDIA Build）

確認した時刻は、すべて日本時間2026年10月17日2時5分台です。本記事は続報があり次第更新します。