DGX Spark로 nanochat을 학습한 실험에서는 GPU 사용률이 높아도 비효율적인 attention 경로 때문에 처리 성능이 낮을 수 있었다. 20스텝 비교에서 네이티브 FP8은 스텝당 3.149초였지만 Transformer Engine FP8은 3.967초였고 NVFP4도 더 빠르지 않았다. 이는 짧은 구현별 시험이지 모든 장기 학습의 우열은 아니다. 정밀도 이름이나 장비 사양만 보고 선택하기보다 커널 경로, 메모리 사용량과 실제 처리량을 작은 실행으로 먼저 점검해야 한다.