NVIDIA DGX Spark 2025, ARM, 128GB, 4TB SSD, Gold
Der NVIDIA GB10 Grace Blackwell Superchip liefert bis zu 1 Petaflop KI-Leistung bei FP4, mit 128 GB einheitlichem LPDDR5x-Speicher und 4 TB selbstverschlüsselndem NVMe-Speicher. Das kompakte 1,20-kg-Gehäuse mit Thunderbolt, HDMI 2.1 und 10-GbE-Ethernet macht es zu einem tragbaren KI-Arbeitsplatz. Es richtet sich an Entwickler und Forscher, die Modelle mit bis zu 200 Milliarden Parametern lokal prototypisieren, feinabstimmen und inferieren möchten, bevor sie in die Cloud wechseln.
Derzeit kein aktueller Händlerpreis
Überblick
Das Wichtigste in 30 Sekunden
Der NVIDIA DGX Spark ist eine kompakte KI-Workstation auf Basis des GB10 Grace Blackwell Superchips mit 128 GB einheitlichem Speicher und bis zu 1 PetaFLOP FP4-Leistung. Er kann KI-Modelle mit bis zu 200 Milliarden Parametern lokal ausführen und feinabstimmen, was ihn zu einer überzeugenden Alternative zur Cloud-GPU-Miete für Entwickler macht. Er ist teuer und spezialisiert, aber für KI-Arbeit gibt es nichts Vergleichbares in diesem Formfaktor.
Vor- und Nachteile
Vorteile
- 128 GB einheitlicher Speicher sind das Beste, was es bei Mini-PCs gibt 99th
- Bis zu 1 PetaFLOP FP4-KI-Leistung in einem 1,2-kg-Gehäuse 98th
- 4-TB-NVMe-SSD mit Selbstverschlüsselung ist riesig 93rd
- 10GbE-Netzwerk über ConnectX-7-Smart-NIC 84th
- Lokales Ausführen von Modellen mit 200 Milliarden Parametern
Nachteile
- Preis variiert stark zwischen 4.680 und 10.500 US-Dollar
- ARM-CPU bedeutet, dass einige x86-Software nicht läuft
- Keine Gaming-Maschine trotz GPU
- Kundenbewertungen sind bisher kaum vorhanden
- DGX OS hat eine Lernkurve für Nicht-Linux-Nutzer
Die Fakten
Leistung
Reden wir über Zahlen. Die 128 GB einheitlicher Speicher bringen dich bei Mini-PCs ins 99. Perzentil, was schlichtweg verrückt ist. Die 4-TB-SSD liegt im 98. Perzentil. Die 20-Kern-ARM-CPU erreicht das 97. Perzentil. Das sind Spitzenwerte für dieses Formfaktor. Die GPU liegt im 78. Perzentil, was weniger beeindruckend klingt, bis man bedenkt, dass es sich um einen Blackwell-Chip mit 128 GB VRAM handelt, der effektiv mit dem Systemspeicher geteilt wird. Das ist keine Gaming-GPU. Das ist ein Rechenmonster.
Was bringt dir 1 PetaFLOP FP4-Leistung in der Praxis? NVIDIA sagt, du kannst Modelle mit bis zu 200 Milliarden Parametern lokal prototypisieren, feinabstimmen und für Inferenz nutzen. Zum Vergleich: Das deckt eine große Bandbreite an Open-Source-LLMs ab. Du wirst keine GPT-4-Klasse-Modelle auf diesem Ding laufen lassen, aber du kannst definitiv mit Llama 3 70B arbeiten, kleinere Modelle feinabstimmen und ernsthafte Entwicklungsarbeit leisten, ohne eine Cloud-Instanz anzufassen. Das 10GbE-Netzwerk ermöglicht es dir außerdem, größere Aufgaben bei Bedarf an einen Cluster auszulagern. Die Portauswahl liegt mit 57 Perzentil im Mittelfeld, aber du bekommst Thunderbolt, DisplayPort, vier USB-C-Anschlüsse und HDMI 2.1, was die meisten Setups abdeckt.
Technische Daten
Alle technischen Daten
Processor
| CPU | ARM |
| Cores | 20 |
| Frequency | 3.2 GHz |
Graphics
| GPU | NVIDIA Blackwell Architecture |
| Type | None |
| VRAM | 128 GB |
| VRAM Type | LPDDR5X |
Memory & Storage
| RAM | 128 GB |
| RAM Generation | DDR5 |
| Storage | 4 TB |
| Storage Type | NVMe SSD |
Build
| Form Factor | mini |
| Weight | 1.2 kg / 2.6 lbs |
Connectivity
| USB-C Ports | 4 |
| USB Ports | 0 |
| Thunderbolt | Thunderbolt 4 x 2 |
| HDMI | 1x HDMI 2.1 |
| DisplayPort | 3x DisplayPort 1.4 |
| Ethernet | 10 GbE |
System
| OS | NVIDIA DGX OS |
Im Vergleich
Der DGX Spark hat im Mini-PC-Bereich keine direkten Konkurrenten. Der HP OMEN GT22-3080 und der Lenovo Legion 90Y6003JUS sind Gaming-Desktops mit diskreten GPUs. Sie werden den DGX Spark in Gaming-Benchmarks schlagen, aber sie können kein 200-Milliarden-Parameter-Modell lokal ausführen. Der ASUS Republic of Gamers GM700TZ-BS978 ist im selben Boot. Das sind verschiedene Werkzeuge für verschiedene Aufgaben. Der Apple Mac Studio M4 Max ist der nächste philosophische Konkurrent. Es ist eine kompakte, leistungsstarke Workstation für Kreative und Entwickler. Das Mac Studio hat eine bessere Software-Kompatibilität für den allgemeinen Gebrauch und ein ausgereifteres Ökosystem, aber sein einheitlicher Speicher ist bei 128 GB gedeckelt und es hat nicht die gleiche KI-spezifische Hardwarebeschleunigung. Der MSI MEG Vision X AI ist interessant, weil er ebenfalls KI-fokussiert ist, aber es ist ein vollwertiger Desktop-Tower, kein Mini-PC. Wenn du etwas willst, das auf einen Schreibtisch passt und ernsthafte KI-Arbeit leistet, ist der DGX Spark in seiner Klasse derzeit praktisch allein.
| Spec | NVIDIA DGX Spark | Apple Mac Studio M5 Max | Lenovo T Series Towers Legion Tower 5a Gen 10 | Dell Desktop ECT1250 | HP OMEN GT16-0285t | ASUS ROG GM700 |
|---|---|---|---|---|---|---|
| CPU | ARM | Apple M5 Max | AMD Ryzen 7 7800X3D | Intel Core Ultra 7 265 | Intel Core Ultra 9 285K | AMD Ryzen 7 9800X3D |
| RAM (GB) | 128 | 64 | 32 | 32 | 64 | 32 |
| Storage (GB) | 4096 | 4096 | 4096 | 2048 | 2048 | 2048 |
| GPU | NVIDIA Blackwell Architecture | Apple (40-Core) | NVIDIA GeForce RTX 5070 Ti | Intel UHD Graphics | NVIDIA GeForce RTX 5080 | NVIDIA GeForce RTX 5070 Ti |
| Form Factor | mini | mini | mid-tower | sff | mid-tower | mid-tower |
| Psu W | - | 480 | 850 | 180 | 850 | 850 |
| OS | NVIDIA DGX OS | macOS | Windows 11 Home | Windows 11 Home | Windows 11 Home | Windows 11 Home |
| Compare | Compare | Compare | Compare | Compare |
| Produkt | CPU | GPU | RAM | Anschlüsse | Speicher | Zuverlässigkeit | Nutzerresonanz |
|---|---|---|---|---|---|---|---|
| NVIDIA DGX Spark | 92.9 | 84.2 | 98.9 | 48.9 | 98.1 | 11.6 | 16 |
| Apple Mac Studio M5 Max Compare | 95.7 | 83.7 | 98.4 | 89.2 | 98.1 | 99.3 | 81.3 |
| Lenovo T Series Towers Legion Tower 5a Gen 10 Compare | 73.4 | 93.1 | 78.1 | 88.5 | 98.1 | 70 | 100 |
| Dell Desktop ECT1250 Compare | 88.4 | 58.7 | 81.8 | 74.6 | 82.8 | 70 | 99.1 |
| HP OMEN GT16-0285t Compare | 98.1 | 95.9 | 97.6 | 93.8 | 90.1 | 70 | 70.3 |
| ASUS ROG GM700 Compare | 80.5 | 93.1 | 81.8 | 96.3 | 90.1 | 37.3 | 99.6 |
Preis
Preis-Leistungs-Verhältnis
Was den Wert des DGX Spark angeht: Wenn du ihn mit anderen Mini-PCs vergleichst, wirkt er absurd teuer. Aber du kaufst nicht wirklich einen Mini-PC. Du kaufst eine lokale KI-Entwicklungsworkstation, die die Kosten für Cloud-GPU-Mieten ersetzt. Eine einzelne A100-Instanz auf AWS kann dich 3 bis 4 US-Dollar pro Stunde kosten. Wenn du ernsthafte KI-Arbeit machst, amortisiert sich dieses Gerät in ein paar Monaten. Die Preisspanne zwischen den Händlern ist allerdings verrückt. Wir sehen 4.680 US-Dollar am unteren Ende und 10.500 US-Dollar am oberen Ende. Best Buy hat derzeit das beste Angebot, das wir gefunden haben. Wenn du kaufst, fang dort an. Im Vergleich zu etwas wie dem Apple Mac Studio M4 Max, das ebenfalls auf Kreative und Entwickler abzielt, ist der DGX Spark spezialisierter. Das Mac Studio ist das bessere Allround-Gerät, aber es kann dem DGX Spark bei lokaler LLM-Arbeit nicht das Wasser reichen.
Mehr erfahren
Überblick
Der NVIDIA DGX Spark ist kein typischer Mini-PC. Dieses Gerät wurde für eine Sache gebaut: das lokale Ausführen von KI-Modellen. Wenn du nach einer kompakten KI-Workstation suchst, die große Sprachmodelle bewältigen kann, ohne Cloud-GPUs zu mieten, ist das die Art von Hardware, die auf deinem Radar auftaucht. Das Herzstück ist der GB10 Grace Blackwell Superchip, der eine 20-Kern-ARM-CPU mit NVIDIAs neuester Blackwell-GPU-Architektur und satten 128 GB einheitlichem LPDDR5x-Speicher kombiniert. Das ist die Art von Speicherkapazität, die man normalerweise in einem Server findet, nicht in etwas, das 1,2 kg wiegt und auf deinem Schreibtisch steht.
NVIDIA gibt bis zu 1 PetaFLOP FP4-KI-Leistung an, eine Zahl, die vor ein paar Jahren für einen Desktop noch absurd gewesen wäre. Die 4-TB-NVMe-SSD bietet reichlich Platz für Modellgewichte, Datensätze und alles andere, was du so ausbrütest. Und die ConnectX-7-Smart-NIC mit 10GbE sorgt dafür, dass du Daten schnell verschieben kannst, egal ob du von einem NAS ziehst oder Modelle an einen Cluster schickst. Das Ganze läuft auf DGX OS, NVIDIAs Linux-basiertem Betriebssystem, das für KI-Workloads optimiert ist.
Die Preise sind derzeit überall. Wir sehen Angebote zwischen 4.680 und 10.500 US-Dollar, je nach Händler, das ist eine riesige Spanne. Diese Preisschwankungen sind typisch für neue, knapp verfügbare Hardware. Wenn du ernsthaft über einen Kauf nachdenkst, vergleiche die Preise. Und zwar gründlich.
Häufige Fragen
Q: Ist der NVIDIA DGX Spark gut zum Spielen geeignet?
Nein, der DGX Spark ist nicht für Gaming ausgelegt. Die Blackwell-GPU ist für KI-Compute-Workloads optimiert, nicht für das Rendern von Bildern, und die ARM-CPU bedeutet, dass viele PC-Spiele nicht nativ laufen. Wenn du eine kompakte Gaming-Maschine willst, schau dir den HP OMEN GT22-3080 oder den Lenovo Legion 90Y6003JUS an.
Q: Kann der DGX Spark große Sprachmodelle lokal ausführen?
Ja, der DGX Spark kann KI-Modelle mit bis zu 200 Milliarden Parametern lokal ausführen, dank seiner 128 GB einheitlichem Speicher und der Blackwell-GPU. Das deckt die meisten Open-Source-LLMs wie Llama 3 70B und viele feinabgestimmte Varianten ab.
Q: Wie schneidet der DGX Spark im Vergleich zum Apple Mac Studio M4 Max ab?
Das Mac Studio M4 Max ist die bessere Allround-Workstation für allgemeine kreative Arbeit und hat eine breitere Software-Kompatibilität. Der DGX Spark ist spezialisierter auf KI-Entwicklung, mit schnellerer KI-spezifischer Hardware und der Fähigkeit, größere Modelle lokal auszuführen. Entscheide dich je nachdem, ob KI deine Hauptarbeitslast ist.
Q: Welches Betriebssystem verwendet der DGX Spark?
Der DGX Spark läuft mit NVIDIA DGX OS, einem Linux-basierten Betriebssystem, das für KI- und Machine-Learning-Workloads optimiert ist. Es wird mit NVIDIAs KI-Software-Stack vorinstalliert geliefert, aber es kann eine Lernkurve geben, wenn du nicht mit Linux vertraut bist.
Für wen es nicht geeignet ist
Lass den DGX Spark aus, wenn du keine ernsthafte KI- oder Machine-Learning-Arbeit machst. Gamer werden von der ARM-CPU und der KI-fokussierten GPU enttäuscht sein. Allgemeine Content-Ersteller sollten sich das Apple Mac Studio M4 Max ansehen, das eine bessere Software-Kompatibilität und ein ausgereifteres Ökosystem für kreative Apps bietet. Geschäftsanwender, die nur einen zuverlässigen Bürorechner brauchen, sollten etwas viel Günstigeres kaufen. Und wenn du ein knappes Budget hast, ist die Preisspanne von 4.680 bis 10.500 US-Dollar schwer zu rechtfertigen, es sei denn, KI-Entwicklung ist buchstäblich dein Job oder dein Haupt-Hobby. Für alle anderen ist das ein spezialisiertes Werkzeug, das Staub ansetzen wird.
Fazit
Solltest du den NVIDIA DGX Spark kaufen? Wenn du ein KI-Entwickler, ML-Ingenieur oder Forscher bist, der große Modelle lokal ausführen möchte, ohne sich mit Cloud-Kosten und Latenz herumzuschlagen, dann ja. Das ist die leistungsfähigste kompakte KI-Workstation, die wir gesehen haben. Allein die 128 GB einheitlicher Speicher heben ihn in eine eigene Klasse. Du kannst Modelle mit bis zu 200 Milliarden Parametern von deinem Schreibtisch aus prototypisieren, feinabstimmen und bereitstellen, und das 10GbE-Netzwerk macht es einfach, bei Bedarf auf einen Cluster zu skalieren.
Wenn du ein Gamer, allgemeiner Content-Ersteller oder jemand bist, der einfach nur einen schnellen Desktop will, such woanders. Die ARM-CPU bedeutet, dass einige Software nicht läuft, die GPU ist nicht für Gaming optimiert, und du würdest einen Aufpreis für KI-Fähigkeiten zahlen, die du nicht nutzt. Das Mac Studio M4 Max ist für die meisten Kreativen die bessere Wahl, und jeder der genannten Gaming-Desktops bedient Gamer besser. Aber für die KI-Gemeinde ist dieses Gerät ein Blick in die Zukunft, und es ist jetzt erhältlich.
Bewertung nach Einsatzbereich
- Gesamt60.6
- AI/LLM76.8
- Gaming67.7
- Mobilität54.2
- Kreative72.6
- Business47.8
- Entwicklung69
- Home Office60.5
- Workstation69