Technische Daten

Architektur: NVIDIA Grace Blackwell
GPU: Blackwell-Architektur
CPU: 20‑core Arm: 10 Cortex‑X925 + 10 Cortex‑A725
CUDA-Kerne: Blackwell Generation
Tensor-Kerne: 5. Generation
RT-Kerne: 4. Generation
Tensor-Leistung: Up to 1 PFLOP FP4
Systemspeicher: 128 GB LPDDR5x, kohärent einheitlich
Speicherbusbreite: 256‑bit
Speicherbandbreite: 273 GB/s
Speicher: 4 TB NVMe‑M.2 mit selbstverschlüsselung
USB: 4× USB‑Type‑C
Ethernet: 1× RJ‑45 10 GbE
NIC: ConnectX‑7 @ 200 Gbps
Wi‑Fi: Wi‑Fi 7
Bluetooth: BT 5.4
Audioausgabe: HDMI Mehrkanal-Audioausgabe
Stromversorgung: 240 W
GB10 TDP: 140 W
Anzeigeanschlüsse: 1× HDMI 2.1a, bis zu 3× DisplayPort über USB‑C (DP Alt Mode)
NVENC: 1×
NVDEC: 1×
Betriebssystem: NVIDIA DGX OS
Abmessungen: 150 mm L × 150 mm W × 50,5 mm H
Gewicht: 1,2 kg

Was Reviewer sagen

Tom’s Hardware bewertet den NVIDIA DGX Spark als gut abgerundete lokale KI-Plattform, die dank seines GB10 SoC, großzügigen 128 GB RAM und vollständiger CUDA-Unterstützung solide Leistung liefert. Der Test hebt das polierte Software‑Ökosystem und die einzigartigen Konnektivitätsoptionen hervor, weist aber darauf hin, dass er teuer für Nutzer ist, die nicht alle Funktionen benötigen, und noch kein Windows läuft.
www.tomshardware.com ↗
Signal65s Review stellt den NVIDIA DGX Spark als kompakter, hochspeicherfähiger KI-Supercomputer dar, der leistungsstarke GPU‑CPU-Integration für einzelne Entwickler demokratisiert. Der Artikel lobt die 128 GB einheitlichen Speicher, das ausgewogene CPU/GPU-Leistungsprofil, den sofort einsatzbereiten Software‑Stack und die Clusterfähigkeit, weist aber auf den Preis von 3 999 USD als potenziellen Nachteil im Vergleich zu typischen Consumer-PCs hin.
signal65.com ↗
Team Vast bewertet den NVIDIA DGX Spark als kompakter persönlicher KI-Supercomputer, der bei Prototyping, Feinabstimmung und dem lokalen Betrieb großer Sprachmodelle dank seines GB10 Grace Blackwell Superchips, 128 GB einheitlichem Speicher und integrierten Software‑Stacks überzeugt. Der Test weist auf Leistungssteigerungen durch aktuelle Softwareupdates hin, hebt jedoch Einschränkungen wie moderaten Speicherbandbreite, frühe Zuverlässigkeitsprobleme (Latenz, Throttling, Neustart) und einen hohen Preis hervor, der die Investition für produktionsreife Inferenz oder groß angelegte Trainings nicht rechtfertigen könnte.
vast.ai ↗
Der Test lobt das kompakte All‑in‑One-Design des DGX Spark sowie den beeindruckenden 128 GB kohärenten einheitlichen Speicher, der sehr große Modelle ohne VRAM‑Transferüberschuss ausführen lässt. Er merkt an, dass das System für kleinere, batchweise Arbeitslasten glänzt und sich gut für Prototyping und Experimentieren eignet, nicht jedoch für produktionsreife Inferenz. Der Hauptnachteil ist die begrenzte LPDDR5x Speicherbandbreite (273 GB/s), die rohe Leistung im Vergleich zu vollwertigen discrete GPU‑Systemen einschränkt.
www.lmsys.org ↗

Unser Fazit

Basierend auf 4 Rezensionen

Alle vier Testberichte stimmen überein, dass der NVIDIA DGX Spark mit seinen 128 GB einheitlichen Speicher und dem kompakten All‑in‑One-Design eine leistungsfähige lokale KI-Plattform für Prototyping und Experimentieren darstellt. Tom’s Hardware, Signal65, Vast und LM Sys betonen seine sofort einsatzbereiten Software‑Stacks und die GB10‑Integration als Schlüsselstärken für Entwickler. Basierend auf ihren Tests ist er am besten geeignet für einzelne Forscher und Entwickler, die Portabilität und einheitlichen Speicher über rohe Durchsatzleistung priorisieren.

Allerdings teilen sich die Rezensenten hinsichtlich Wertigkeit und Leistungsengpässen: Vast und LM Sys verweisen auf moderaten 273 GB/s Speicherbandbreite und frühe Zuverlässigkeitsprobleme wie Throttling, während Tom’s Hardware und Signal65 das polierte Ökosystem und die Clusterpotenziale hervorheben. Das bedeutet, dass Käufer hohe Kosten und Bandbreitenlimits gegen den Komfort eines kompakten, software‑bereiten Systems für kleine Batch‑Aufträge abwägen sollten, anstatt große Produktionsaufgaben zu übernehmen.

Pro

128 GB einheitlicher Speicher reduziert VRAM‑Überschuss
Kompaktes All‑in‑One-Design ermöglicht Portabilität
Sofort einsatzbereiter Software‑Stack vereinfacht Einrichtung
GB10‑Integration balanciert CPU und GPU-Leistung

Contra

Hoher Preis limitiert die Zugänglichkeit für manche Nutzer
273 GB/s Speicherbandbreite begrenzt Durchsatz
Frühe Zuverlässigkeitsprobleme beinhalten Throttling und Latenz

Ideal für: Einzelne Entwickler und Forscher, die große Modelle lokal prototypisieren; nicht geeignet für groß angelegte Produktionsinferenz oder preisbewusste Käufer.