- DGX Spark128 GB gemeinsamer Arbeitsspeicher
Alle technischen Daten
- Superchip
- NVIDIA GB10 Grace Blackwell
- CPU
- 20-Kern-Arm (10 × Cortex-X925, 10 × Cortex-A725)
- GPU
- NVIDIA Blackwell, Tensor Cores der 5. Generation
- KI-Leistung
- Bis zu 1 PetaFLOP FP4 (mit Sparsity)
- Speicher
- 128 GB LPDDR5x kohärenter gemeinsamer Arbeitsspeicher, 273 GB/s
- Speicher
- 4 TB NVMe (NVIDIA Founders Edition; Partnerversionen variieren)
- Netzwerk
- NVIDIA ConnectX-7 (200 Gb/s) und 10-Gigabit-Ethernet
- Anschlüsse
- 4 × USB Type-C, 1 × HDMI 2.1a
- Betriebssystem
- NVIDIA DGX OS (auf Ubuntu-Basis)
- Abmessungen
- 150 × 150 × 50,5 mm
- Gewicht
- 1,2 kg
- Netzteil
- 240 W
Gut geeignet für
- CUDA-Entwickler, die Prototypen entwickeln und Modelle per Fine-Tuning anpassen, bevor sie auf größere NVIDIA-Systeme wechseln
- Modelle der 70B- bis 120B-Klasse lokal auf einem leisen Schreibtischrechner ausführen
- Kleine Cluster aus zwei oder vier Geräten über ConnectX-7
Weniger geeignet für
- Schneller Chat mit Modellen unter 30B: Eine Grafikkarte mit 32 GB erzeugt Text schneller
- Einsatz als Windows-Desktop oder reine x86-Software
- Gaming
NVIDIA
NVIDIA DGX Spark
Der DGX Spark ist NVIDIAs KI-Computer für den Schreibtisch, gebaut auf dem GB10 Grace Blackwell Superchip mit 128 GB kohärentem gemeinsamem Arbeitsspeicher. Er wird mit NVIDIAs KI-Software-Stack ausgeliefert, sodass sich hier geschriebener Code mit wenigen Änderungen auf größere DGX-Systeme und in die Cloud übertragen lässt. Zwei Geräte lassen sich über das integrierte ConnectX-7-Netzwerk koppeln.
4.699 €Auf Lager. Versand: 1 bis 3 Werktage.
- 30 Tage Rückgabe
- Kostenloser Versand ab 199 €
- Versand aus unserem Lager im Vereinigten Königreich
- Einfuhrzölle und Einfuhrsteuern inklusive
- Versand, Rückgabe und Garantie
Was er ausführen kann
Bis 120B+ mit 4 Bit, 70B mit 8 Bit (ungefähr)
Basierend auf 128 GB Unified Memory, von denen die GPU etwa 75 % nutzen kann. Alle Rechner nach Modellgröße ansehen
Ratgeber zu diesem Produkt
Lokale KI · 4 Min. Lesezeit
DGX Spark vs Mac Studio: Für wen ist der Spark gedacht?
Lohnt sich der DGX Spark? Was er gut kann, wo er langsamer ist und wie er bei lokaler KI abschneidet: DGX Spark vs Mac Studio, RTX 5090 und RTX PRO 6000.
Ratgeber lesen →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 →NVIDIA DGX Spark im Detail
Der NVIDIA DGX Spark ist ein Desktop-Rechner mit 150 mm Kantenlänge auf Basis des GB10 Grace Blackwell Superchips, mit 128 GB kohärentem gemeinsamem Arbeitsspeicher (Unified Memory) und NVIDIAs KI-Software-Stack, der unter DGX OS vorinstalliert ist. Laut NVIDIA eignet er sich für Modelle mit bis zu 200 Milliarden Parametern. Er lohnt sich, wenn Sie Modelle mit CUDA entwickeln, per Fine-Tuning anpassen oder testen und dieselbe Software nutzen möchten, die später auf größeren NVIDIA-Systemen läuft.
Wichtigste Merkmale
- NVIDIA GB10 Grace Blackwell Superchip: Arm-CPU mit 20 Kernen und Blackwell-GPU
- 128 GB kohärenter gemeinsamer LPDDR5x-Arbeitsspeicher, 256 Bit, 273 GB/s
- Bis zu 1 PetaFLOP KI-Leistung in FP4 (mit Sparsity)
- ConnectX-7-Netzwerk mit 200 Gb/s zur Kopplung von bis zu vier Geräten, dazu 10-Gigabit-Ethernet
- Bis zu 4 TB selbstverschlüsselnder NVMe-Speicher
- DGX OS (auf Ubuntu-Basis) mit CUDA und NVIDIA-KI-Tools
- 150 × 150 × 50,5 mm, 1,2 kg, 240-W-Netzteil
Welche Modelle laufen
Rechnet man etwa 75 % der 128 GB als für Modelle nutzbar, schafft der DGX Spark 70B-Modelle mit 8 Bit und Modelle der 120B-Klasse mit 4 Bit. Ein 120B-Modell mit 8 Bit braucht rund 140 GB und passt nicht auf ein einzelnes Gerät. NVIDIA nennt Modelle mit bis zu 200 Milliarden Parametern pro System; unsere Faustregel lässt mehr Platz für den Kontext, daher sehen wir die praktische Obergrenze bei der 120B-Klasse. Wie andere Rechner abschneiden, zeigt unser Modell-Check.
| Modellgröße | 4-bit | 8-bit |
|---|---|---|
| 7–8B | Passt | Passt |
| 13–14B | Passt | Passt |
| 30–34B | Passt | Passt |
| 70B | Passt | Passt |
| 120B+ | Passt | Passt nicht |
Leistung im Vergleich
Die Speicherbandbreite liegt bei 273 GB/s und damit deutlich unter der einer High-End-Grafikkarte. Ein Dense-Modell, das in eine Karte mit 32 GB passt, erzeugt Text auf dieser Karte schneller. Der DGX Spark lohnt sich, wenn das Modell für eine einzelne Karte zu groß ist, wenn Sie Modelle per Fine-Tuning anpassen statt sie nur auszuführen, oder wenn Sie ausdrücklich den CUDA-Stack benötigen. Unser Ratgeber zum DGX Spark erklärt, für wen er passt und wann Sie besser darauf verzichten.
Geräte koppeln
Jedes Gerät hat zwei QSFP-Ports an der ConnectX-7-Netzwerkkarte mit je bis zu 200 Gb/s. Zwei oder drei Geräte verbinden Sie direkt mit einem einzelnen QSFP-Kabel, für vier Geräte ist ein 200-GbE-Switch nötig. NVIDIA empfiehlt für die beste Lastverteilung eine Zweierpotenz, also zwei oder vier Geräte statt drei.
Anschlüsse
- 4 × USB Type-C, davon bis zu drei DisplayPort-Ausgänge über USB-C
- 1 × HDMI 2.1a mit Mehrkanalton
- 1 × 10-Gigabit-Ethernet (RJ-45)
- 2 × QSFP (ConnectX-7, 200 Gb/s)
- Wi-Fi 7 und Bluetooth 5.4
Stromverbrauch und Lautstärke
Der GB10-Chip hat eine thermische Verlustleistung (TDP) von 140 W, das System läuft an einem 240-W-Netzteil. NVIDIA gibt einen Schalldruck von 29 dB an der Bedienerposition unter Last und 13 dB im Leerlauf an, das Gerät eignet sich also für den Schreibtisch.
Software
DGX OS ist eine Linux-Distribution auf Ubuntu-Basis und entspricht dem System auf NVIDIAs größeren DGX-Rechnern. Ab Werk erhalten Sie CUDA und Zugriff auf NVIDIAs Container-Katalog, darunter NeMo für Fine-Tuning, RAPIDS für Data Science, NIM-Inferenzdienste, PyTorch und Jupyter. Die CPU basiert auf Arm, daher läuft reine x86-Software für Windows oder Linux nicht nativ. Hardware-Support leistet der Händler, der das System verkauft hat.
Passendes Zubehör
Eines der freigegebenen QSFP-Kabel, falls Sie ein zweites Gerät planen, und ein 10-Gigabit-Netzwerk für die Übertragung von Datensätzen. Wenn Sie 128 GB gemeinsamen Arbeitsspeicher mit x86-Architektur und Windows-Unterstützung möchten, vergleichen Sie den Beelink GTR9 Pro; als schnellste Einzelkarte für Modelle bis 30B ist die RTX 5090 flotter unterwegs.
Gut geeignet für
- CUDA-Entwickler, die Prototypen entwickeln und Modelle per Fine-Tuning anpassen, bevor sie auf größere NVIDIA-Systeme wechseln
- Modelle der 70B- bis 120B-Klasse lokal auf einem leisen Schreibtischrechner ausführen
- Kleine Cluster aus zwei oder vier Geräten über ConnectX-7
Weniger geeignet für
- Schneller Chat mit Modellen unter 30B: Eine Grafikkarte mit 32 GB erzeugt Text schneller
- Einsatz als Windows-Desktop oder reine x86-Software
- Gaming
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.
Für wen
Entwickler, die Modelle unter CUDA prototypisch entwickeln, feinabstimmen und testen, bevor sie auf größere Hardware wechseln.
Alle technischen Daten
- Superchip
- NVIDIA GB10 Grace Blackwell
- CPU
- 20-Kern-Arm (10 × Cortex-X925, 10 × Cortex-A725)
- GPU
- NVIDIA Blackwell, Tensor Cores der 5. Generation
- KI-Leistung
- Bis zu 1 PetaFLOP FP4 (mit Sparsity)
- Speicher
- 128 GB LPDDR5x kohärenter gemeinsamer Arbeitsspeicher, 273 GB/s
- Speicher
- 4 TB NVMe (NVIDIA Founders Edition; Partnerversionen variieren)
- Netzwerk
- NVIDIA ConnectX-7 (200 Gb/s) und 10-Gigabit-Ethernet
- Anschlüsse
- 4 × USB Type-C, 1 × HDMI 2.1a
- Betriebssystem
- NVIDIA DGX OS (auf Ubuntu-Basis)
- Abmessungen
- 150 × 150 × 50,5 mm
- Gewicht
- 1,2 kg
- Netzteil
- 240 W
Im Einsatz ansehen
Offizielle Videos vom Kanal des Herstellers. Sie laden erst, wenn Sie auf Wiedergabe drücken.


Bewertungen
Was Tester sagen
StorageReview
Gelobt wurden der fertige, von NVIDIA getestete Software-Stack, 128 GB Unified Memory in einem 240-W-Gehäuse und wie wenig Einrichtung vor der eigentlichen Arbeit nötig ist.
Test lesen
Kundenbewertungen bei Atomrig
Noch keine Kundenbewertungen. Bei uns gekauft? Erzählen Sie uns, wie er läuft.
Ähnliche Produkte

Tenstorrent
Tenstorrent Blackhole p150a
Schafft bis zu 30–34B bei 4 Bit
- 32 GB
- Tenstorrent Blackhole
Dies ist keine CUDA-Karte. Prüfen Sie vor dem Kauf, ob die benötigten Modelle in der Open-Source-Modellbibliothek von Tenstorrent unterstützt werden.
1.399 €
Tenstorrent
Tenstorrent Wormhole n300s
Schafft bis zu 30–34B bei 4 Bit
- 24 GB
Die 24 GB verteilen sich auf zwei Chips (je 12 GB), größere Modelle müssen also auf beide aufgeteilt werden. Prüfen Sie, ob es für Ihr gewünschtes Modell eine funktionierende Multi-Chip-Version gibt.
1.399 €
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 €
PowerColor
PowerColor AMD Radeon AI PRO R9700 32GB
Schafft bis zu 30–34B bei 4 Bit
- 32 GB
- AMD RDNA 4 (Navi 48)
Prüfen Sie vor dem Kauf, ob Ihre Tools ROCm auf Ihrem Betriebssystem unterstützen. PyTorch und llama.cpp tun das; einige Nischen-Tools setzen noch CUDA voraus.
1.299 €