DGX Spark vs Mac Studio: Für wen ist der Spark gedacht?
Aktualisiert am 17. November 2026 · 4 Min. Lesezeit
Der DGX Spark ist ein CUDA-Entwicklungsrechner mit 128 GB Speicher, nicht der schnellste Weg, mit einem großen Modell zu chatten. Kaufen Sie ihn, wenn Sie Modelle auf NVIDIAs Software-Stack entwickeln, per Fine-Tuning anpassen oder testen und den Code später auf größere DGX-Systeme oder in die Cloud übertragen wollen. Wenn Sie vor allem große Modelle schnell ausführen möchten, passt ein Mac Studio oder eine Grafikkarte oft besser.
Was er ist#
- NVIDIA GB10 Grace Blackwell Superchip.
- Arm-CPU mit 20 Kernen (10 × Cortex-X925, 10 × Cortex-A725).
- Blackwell-GPU mit Tensor-Cores der 5. Generation; bis zu 1 PetaFLOP bei FP4 mit Sparsity.
- 128 GB kohärenter gemeinsamer Arbeitsspeicher (Unified Memory, LPDDR5x) mit 273 GB/s.
- 4 TB NVMe bei der NVIDIA Founders Edition; Partnermodelle unterscheiden sich.
- NVIDIA ConnectX-7 (200 Gb/s) und 10-Gigabit-Ethernet.
- NVIDIA DGX OS auf Basis von Ubuntu.
- 150 × 150 × 50,5 mm.
Was er gut kann#
- Kapazität. In 128 GB passt laut unserem Modell-Ratgeber ein 70B-Modell mit 8 Bit oder ein Modell der 120B-Klasse mit 4 Bit.
- Der CUDA-Stack. Der Rechner wird mit NVIDIAs KI-Software ausgeliefert, sodass hier geschriebener Code mit wenigen Anpassungen auf größere DGX-Systeme und in die Cloud umziehen kann.
- Skalierung. Zwei Geräte lassen sich über das integrierte ConnectX-7-Netzwerk koppeln, wenn eines für die Aufgabe nicht mehr reicht.
- Größe. Ein quadratisches Gehäuse mit 150 mm Kantenlänge, das auf dem Schreibtisch steht – ohne Planung von Tower, Gehäuse oder Netzteil.
Wo er schwächer ist#
Die Speicherbandbreite liegt bei 273 GB/s. Ein Mac Studio mit M3 Ultra schafft 819 GB/s, eine RTX 5090 1.792 GB/s. Da bei der Textgenerierung für jedes Token die Gewichte gelesen werden, generieren große dichte Modelle auf dem Spark langsamer als auf diesen Rechnern. Mixture-of-Experts-Modelle, die pro Token nur einen Teil ihrer Gewichte nutzen, spüren den Unterschied weniger.
Außerdem ist er kein Allzweck-PC. Die CPU basiert auf Arm, das Betriebssystem ist DGX OS, ein Linux-System auf Basis von Ubuntu. Software, die nur für x86-Windows existiert, läuft nicht, und zum Spielen ist er nicht gedacht.
DGX Spark vs. Mac Studio vs. Grafikkarte#
| DGX Spark | Mac Studio (M3 Ultra) | RTX 5090 | RTX PRO 6000 | |
|---|---|---|---|---|
| Speicher | 128 GB gemeinsam (Unified) | 96 GB gemeinsamer Arbeitsspeicher serienmäßig, mehr auf Bestellung | 32 GB GDDR7 | 96 GB GDDR7 mit ECC |
| Bandbreite | 273 GB/s | 819 GB/s | 1.792 GB/s | 1.792 GB/s |
| Software | CUDA, DGX OS | macOS, Metal, MLX | CUDA | CUDA |
| Größtes Modell bei 4 Bit | 120B+ | 70B (Konfiguration mit 96 GB) | 27–34B | 120B+ |
| Was Sie zusätzlich brauchen | Nichts | Nichts | Ein Tower und ein 1.000-W-Netzteil | Ein Workstation-Tower |
Welches System für wen#
- Sie entwickeln Prototypen und betreiben Fine-Tuning mit CUDA, um später auf größere NVIDIA-Systeme zu wechseln: der DGX Spark.
- Sie möchten die größten offenen Modelle schnell auf einem leisen Rechner ausführen: der Mac Studio.
- Sie möchten die höchste Geschwindigkeit bei Modellen bis etwa 30B und spielen außerdem: die RTX 5090.
- Sie möchten den meisten Speicher auf einer einzelnen CUDA-Karte für Ihre vorhandene Workstation: die RTX PRO 6000.
- Sie möchten 128 GB in einem x86-Rechner mit Windows oder Linux: ein Mini-PC mit Ryzen AI Max+.

NVIDIA
NVIDIA DGX Spark
Schafft bis zu 120B+ bei 4 Bit
- 128 GB Unified
- NVIDIA GB10 Grace Blackwell
Seine Speicherbandbreite (273 GB/s) ist geringer als die einer High-End-Grafikkarte, daher erzeugen große dichte Modelle Text langsamer als auf einer RTX 5090. Seine Stärken sind die Kapazität und der CUDA-Software-Stack.
4.699 €
Apple
Apple Mac Studio (M3 Ultra)
Schafft bis zu 70B bei 4 Bit
- 96 GB Unified
- 60 Kerne; optional 80 Kerne
macOS reserviert einen Teil des gemeinsamen Arbeitsspeichers für das System, die GPU kann also den Großteil nutzen, aber nicht alles. Wählen Sie die Konfiguration mit etwas Reserve über der Modellgröße.
3.999 €
NVIDIA
NVIDIA GeForce RTX 5090
Schafft bis zu 30–34B bei 4 Bit
- 32 GB
- NVIDIA Blackwell (GB202)
Mit 32 GB laufen Modelle der 30B-Klasse in 4 Bit problemlos, ein 70B-Modell passt aber nicht auf eine Karte. Für 70B sollten Sie zwei Karten oder ein System mit großem gemeinsamem Arbeitsspeicher einplanen.
1.999 €
NVIDIA
NVIDIA RTX PRO 6000 Blackwell Workstation Edition (96 GB)
Schafft bis zu 120B+ bei 4 Bit
- 96 GB
- NVIDIA Blackwell (GB202)
Dies ist die Workstation Edition mit 600 W und Double-Flow-Through-Kühler. Sie benötigt ein 16-Pin-Stromkabel, ein Gehäuse, das Karten mit 12 Zoll Länge aufnimmt, und einen guten Luftstrom.
13.250 €Fine-Tuning auf dem Spark#
Fine-Tuning braucht mehr Speicher als das Ausführen eines Modells, weil das Training für jedes aktualisierte Gewicht zusätzliche Daten vorhält. Parametereffiziente Verfahren wie LoRA trainieren nur eine kleine Menge zusätzlicher Gewichte und senken den Bedarf deutlich – so betreiben die meisten Fine-Tuning großer Modelle auf einem einzelnen Rechner. Die 128 GB des Spark bieten dafür Platz auch bei Modellgrößen, die mit einer 32-GB-Karte nicht erreichbar sind.
Wenn Sie Modelle nur ausführen und nicht selbst entwickeln, reicht ein günstigerer Rechner. Für Chat und Programmierhilfe mit Modellen bis 14B genügt eine Karte mit 16 GB oder ein Mac mini mit 24 GB.
Häufige Fragen
Läuft Windows auf dem DGX Spark?
Er wird mit NVIDIA DGX OS ausgeliefert, einem auf Ubuntu basierenden Linux-System, und läuft auf einer Arm-CPU. Software, die nur für Windows auf x86 entwickelt wurde, läuft darauf nicht.
Ist die DGX Spark schneller als eine RTX 5090?
Nicht bei Modellen, die in den Speicher der RTX 5090 passen. Die Karte hat eine Speicherbandbreite von 1.792 GB/s, der Spark 273 GB/s. Dafür fasst der Spark mit 128 GB statt 32 GB deutlich größere Modelle.
Kann ich zwei DGX Spark verbinden?
Ja. Zwei Geräte lassen sich über das integrierte NVIDIA-ConnectX-7-Netzwerk (200 Gb/s) koppeln, für Modelle oder Aufgaben, die für ein einzelnes Gerät zu groß sind.
Wie viel Speicherplatz hat er?
Die NVIDIA Founders Edition hat 4 TB NVMe-Speicher. Partnerversionen unterscheiden sich, prüfen Sie daher die Produktseite der Version, die Sie kaufen.
Passende Produkte: KI-Beschleuniger · Apple · Hardware für lokale KI
Passende Ratgeber
Lokale KI · 5 Min. Lesezeit
Mac, NVIDIA oder Ryzen AI Max+ für lokale KI
Mac, NVIDIA oder Ryzen AI Max+: CUDA bei NVIDIA, gemeinsamer Arbeitsspeicher beim Mac oder 128 GB im Mini-PC. Speicher, Software und Kompromisse.
Ratgeber lesen →Grafikkarten · 5 Min. Lesezeit
GPU für lokale KI wählen: RTX 5090, R9700, B60
GPU für lokale KI nach Speicher, Software und Bandbreite wählen: RTX 5090, Radeon AI PRO R9700, Arc Pro B60 sowie Workstation-Karten mit 48 und 96 GB.
Ratgeber lesen →Lokale KI · 5 Min. Lesezeit
Wie viel Arbeitsspeicher braucht ein lokales LLM?
So ermitteln Sie, wie viel Arbeitsspeicher ein lokales LLM braucht: 7B- bis 120B+-Modelle mit 4 und 8 Bit, Unified Memory vs. VRAM und passende Rechner.
Ratgeber lesen →