El superchip RTX Spark: ¿puede Nvidia superar al Apple M5 Max en portátiles?

El mercado de los SoCs ARM de alto rendimiento se ha puesto bastante más interesante. Nvidia y MediaTek presentaron en el Computex 2026 el RTX Spark Superchip, y la semana pasada durante el BUILD 3 nuevos tipos de equipo basados en esta tecnología. Se trata de una plataforma pensada para competir con Apple Silicon en eficiencia, IA local y rendimiento gráfico dentro de equipos Windows.

La pregunta obvia es si puede plantar cara al M5 Max. La respuesta corta: depende de la carga de trabajo.

El RTX Spark destaca cuando entra en juego la GPU, CUDA y la inferencia local con modelos grandes. El M5 Max sigue siendo muy fuerte en CPU, eficiencia energética y madurez del ecosistema. Esa diferencia importa más que cualquier cifra aislada de rendimiento.

Pero vamos a verlo con detalle...

¿Qué es el RTX Spark y por qué importa?

El RTX Spark es un SoC (System on a Chip) desarrollado por Nvidia y MediaTek y fabricado con un proceso avanzado de TSMC (el fabricante de chips más grande del mundo, con sede en Taiwan). Combina una GPU Nvidia Blackwell, la misma familia de arquitectura que usan sus tarjetas gráficas recientes, con una CPU ARM de 20 núcleos basada en Grace. Todo va dentro de un único chip orientado a portátiles delgados y mini-PCs.

De todas formas, lo más importante no es solo el silicio, sino el software.

Nvidia lleva a Windows ARM buena parte de su pila de software: CUDA, DLSS, TensorRT, OptiX, Reflex y G-SYNC. Hasta ahora, Windows sobre ARM estaba lastrado por límites en aplicaciones creativas, juegos con sistemas antitrampas y herramientas de IA aceleradas por GPU. Los nuevos equipos basados en RTX Spark intentan cerrar esa brecha.

Los primeros equipos con RTX Spark anunciados en el BUILD llegarán al mercado en otoño de 2026. Nvidia también ha comunicado una hoja de ruta de tres generaciones: la siguiente, con CPU Vera y GPU Rubin, está prevista para 2028.

Especificaciones frente a frente

Para situar la comparación, conviene mirar primero las configuraciones de gama alta de cada plataforma:

En la tabla, el RTX Spark parece ganar con claridad en IA. Pero el dato de 1 PFLOP está medido en FP4, un formato muy cuantizado. El M5 Max se mueve principalmente en FP16 y usa una arquitectura distinta, así que comparar ambas cifras como si midieran lo mismo lleva a conclusiones engañosas.

El ancho de banda de memoria es uno de los datos más útiles de esta comparativa: el M5 Max ofrece 614 GB/s frente a los aproximadamente 400-500 GB/s del RTX Spark en un portátil. En inferencia de LLMs grandes, ese ancho de banda suele traducirse directamente en tókenes por segundo, aunque la arquitectura y el formato de cuantización también pesan mucho.

¿Qué dicen los benchmarks reales?

Estos datos sí pueden darnos una idea mucho mejor para compararlos, y no tanto lo del "Teraflop".

En pruebas de compilación con Clang, un escenario bastante representativo para desarrolladores, el RTX Spark obtiene 43.149 puntos. Supera al Apple M5 de base, que marca 27.996 puntos, por un 54%. El salto es muy grande. Pero el M5 Pro de 15 núcleos queda un 6,95% por encima, y el M5 Pro de 18 núcleos le saca un 21,78%. El M5 Max queda todavía más arriba.

En Geekbench 6.6 Multi-Core ocurre algo parecido: el M5 Max alcanza 29.256 puntos y el M5 Pro 28.436. El RTX Spark se queda por debajo de ambos en carga multihilo general.

La explicación no se debe tan solo al número de núcleos de cada chip sino en el enfoque que le ha dado cada fabricante. Los núcleos Grace del RTX Spark priorizan eficiencia y consumo reducido, no rendimiento máximo en CPU. O sea, Nvidia ha elegido empujar más fuerte en GPU e IA que en CPU de propósito general.

Cuando se prueban con modelos grandes de lenguaje (LLMs), el resultado cambia. En inferencia local de LLMs, el DGX Spark, la versión de escritorio con el mismo silicio Blackwell, genera entre 55 y 65 tókenes por segundo con Llama 3.1 70B cuantizado a 4 bits, frente a los 40-48 tókenes por segundo del M5 Max. En FP4 nativo, exclusivo de Blackwell, sube a 80-95 tókenes por segundo. Con modelos de entre 7B y 32B parámetros, la diferencia se estrecha mucho.

La IA local con modelos grandes es donde CUDA se sale

Aquí es donde realmente destaca y es el enfoque que le han querido dar Nvidia y Microsoft: el uso de IA generativa en local con modelos con muchos parámetros.

La disponibilidad real de CUDA en Windows ARM cambia el tipo de máquina que puedes montar sin recurrir a una GPU "suelta" y extremadamente cara por culpa de la VRam. Si trabajas con herramientas de IA que dependen de CUDA, como PyTorch, llama.cpp con aceleración GPU, ComfyUI o flujos de fine-tuning, hasta ahora las opciones eran limitadas: un Mac con Metal o una estación x86 con GPU Nvidia. Con RTX Spark, Windows ARM entra por fin en esa conversación.

Apple sigue un enfoque distinto a Nvidia. El M5 Max integra hardware de multiplicación de matrices dentro de cada núcleo de GPU, no solo en una NPU separada. Eso permite ejecutar cargas de IA, como Transformers o mecanismos de atención, sin depender de un único bloque especializado. La Fusion Architecture de Apple conecta entre sí dos pastillas de circuito integrado de 3 nm con empaquetado avanzado y alcanza 614 GB/s de ancho de banda de memoria.

Para modelos de menos de 32B parámetros, el M5 Max sigue siendo competitivo y normalmente más eficiente. Para modelos de 70B o más, Blackwell empieza a tener una ventaja más clara.

El equipo más alto de gama de Apple, con un M5 Max y 128GB de RAM, supera de largo los 6.000€ de precio. No tenemos precios todavía de los PCs anunciados en el BUILD, pero viendo el precio de los actuales DGX Spark, podrían estar en menos de la mitad de eso. Y esto sí marcará una gran diferencia para muchos.

El ecosistema: el punto débil histórico de Windows ARM

Es más que sabido que Apple lleva años puliendo la relación entre hardware, sistema operativo y aplicaciones. macOS está preparado para Apple Silicon desde el primer día de cada generación, y el M5 Max se beneficia de esa continuidad.

Windows sobre ARM no ha tenido esa ventaja. Ha sufrido problemas de compatibilidad, juegos bloqueados por sistemas antitrampas, aplicaciones creativas sin optimización real y herramientas de IA sin aceleración GPU suficiente. Nvidia parece haber entendido que el chip por sí solo no basta, y por eso ahora la apuesta incluye software, socios y soporte nativo:

• Nvidia OpenShell (en colaboración con Microsoft): permite ejecutar agentes de IA de forma nativa en Windows ARM.
• Adobe está adaptando Photoshop y Premiere para RTX Spark, con el objetivo de mejorar tareas de IA generativa como el relleno generativo y conseguir rendimientos muchísimo mejores.
• Videojuegos: soporte nativo de antitrampas y de la cadena RTX completa, con ray tracing, DLSS 4, Frame Generation y Reflex. Jensen Huang lo mostró ejecutando Forza Horizon 6 y 007: First Light en batería.

El M5 Max, por su parte, vive dentro del ecosistema Apple. Es potente y eficiente, pero también cerrado. Si tu flujo de trabajo depende de herramientas que solo existen en Windows o que funcionan mejor en el sistema de los de Redmond, ya no hay comparación que valga: necesitas un equipo de estos para lograr el mejor rendimiento. Y si desarrollas videojuegos, el soporte de antitrampas no es un detalle: puede decidir si una plataforma sirve o queda descartada.

Rendimiento por vatio y costes de energía

El RTX Spark consume en torno a unos 80 W bajo carga. Es más eficiente que una combinación equivalente de CPU y GPU "suelta" en Windows (por ejemplo, mi ordenador de sobremesa con un Intel Core i7-10700 a 2,9GHz y una GPU RTX 4060 de 8Gb de VRAM, ya consume 120W casi en reposo 😱).

El M5 Max suele consumir menos en muchas cargas reales centradas en CPU. Por ejemplo, en tareas cotidianas (navegación, ofimática, desarrollo con el editor abierto, compilaciones ligeras), el M5 Max consume entre 10 y 25 W aproximadamente según las pruebas (en contraste, y por tener otro dato de primera mano, mi Mac Mini M2, mucho menos potente, no sube de 9W jamás). Sin embargo, y aquí hay una cierta laguna, hay pruebas que indican que en tareas multihilo intensivas y muy largas se pone también en unos 80W, e incluso otras pruebas hablan de rendimiento y consumo inconsistentes que pueden llegar a 212W (me parece una cosa rarísima, pero me fío bastante de la gente de NotebookCheck).

O sea, en uso normal parece que Apple se lleva el gato al agua, pero en usos muy intensivos, la cosa no está tan clara.

¿A quién le interesa cada chip?

Si eres de los que sobre todo compila proyectos grandes, ejecuta test, trabaja muchas horas con el editor y necesita batería, el M5 Max sigue teniendo una ventaja clara en consumo y rendimiento. Para quien entrena modelos pequeños, ejecuta LLMs locales grandes o desarrolla pipelines de IA con CUDA, el RTX Spark ofrece algo que antes no existía en un portátil Windows ARM y que seguramente superará en coste y rendimiento al equipo más caro de Apple.

Si trabajas en macOS y tus herramientas ya están optimizadas para Metal y Apple Silicon, como Xcode, Final Cut, estás acostumbrado al flujo habitual del Mac y vas sobrado de pasta, el M5 Max sigue siendo una apuesta estupenda. Es una plataforma madura, rápida y con un consumo difícil de igualar.

Si trabajas en Windows, necesitas CUDA, haces inferencia local con modelos grandes o quieres un portátil delgado capaz de mover juegos o programas de diseño con ray tracing, el RTX Spark es la primera opción ARM realmente seria en ese entorno. Hasta Computex 2026 y el DGX y a finales de 2026 cuando los equipos anunciados en el BUILD se pongan a la venta, realmente no tenías mucha opción.

Los próximos puntos críticos serán la disponibilidad real, el precio de los primeros equipos y el estado de las aplicaciones nativas cuando lleguen al mercado. Sobre el papel, Nvidia ha construido una plataforma potente y convincente. Ahora toca esperar para comprobar si los fabricantes, los desarrolladores y los compradores la acompañan.