NVIDIA DGX Spark · GB10 Grace Blackwell
Die NVIDIA DGX Spark: ab 0,79 $/h mieten oder kaufen
Die NVIDIA DGX Spark ist ein Desktop-KI-Computer: ein GB10 Grace Blackwell Superchip mit 128 GB Unified Memory bei 273 GB/s, mit NVIDIAs DGX OS. Sie können bei GPUwerk eine DGX Spark mieten für 0,79 $ pro Stunde, minutengenau abgerechnet, oder eine kaufen. Diese Seite erklärt, was sie ist, was sie in GPUwerks Flotte misst und wo sie unterliegt.
Von Samuel Seidel · Aktualisiert am 24. Oktober 2026. Ausführlich: Technische Daten der DGX Spark, Preis der DGX Spark, Benchmarks der DGX Spark und der Spark-Cluster aus zwei verbundenen Maschinen.
GPUwerk vermietet dedizierte NVIDIA DGX Sparks minutengenau in Europa, Nordamerika und Ostasien: eigene Maschinen in Tschechien und Sparks von Partnern in anderen Ländern. Eine Spark kostet 0,79 $ pro Stunde und ein 256-GB-Cluster aus zwei Nodes 1,79 $ pro Stunde, vom Prepaid-Guthaben ohne Abo. Sie arbeiten im Browser-Terminal oder per Root-SSH. Beenden Sie die Instanz, wenn Sie fertig sind, dann endet die Abrechnung. So mieten Sie eine DGX Spark.
NVIDIAs US-Listenpreis beträgt 6.950 $ (geprüft am 11. Oktober 2026), gegenüber 3.999 $ zum Marktstart: siehe Preisentwicklung der DGX Spark und EU-Angebote. NVIDIA DGX Spark im GPUwerk-Store kaufen →
Technische Daten
Die Hardware in einer Tabelle.
Pro Node. Jede GPUwerk-Instanz ist eine ganze Maschine, diese Werte gehören also alle Ihnen. Jeder Wert, mit seiner Bedeutung für LLMs, steht auf der Seite Technische Daten der DGX Spark.
| Superchip | GB10 Grace Blackwell |
|---|---|
| KI-Leistung | 1 PFLOPS FP4 (sparse) |
| Speicher | 128 GB Unified LPDDR5x |
| Speicherbandbreite | 273 GB/s |
| CPU | 20-Kern-Arm (10× X925 + 10× A725) |
| Speicher | 1 TB NVMe auf GPUwerks eigenen Sparks, geteilt mit System und Modell-Cache; einige Partner-Sparks haben 2 oder 4 TB (NVIDIA verkauft 1 TB oder 4 TB) |
| Netzwerk | ConnectX-7 · 200 Gb/s |
| Strom | max. 240 W |
| Betriebssystem | DGX OS 7 · Ubuntu 24.04 |
| CUDA | Kompletter Stack vorinstalliert |
Quellen, gelesen am 24. Oktober 2026: die Produktseite der NVIDIA DGX Spark (CPU, Speicher, 273 GB/s, 1 PFLOP FP4 mit Sparsity, 240-W-Netzteil, bis zu 200B Parameter auf einer Maschine und 400B auf zwei) und die NVIDIA-Hardware-Dokumentation (1 TB oder 4 TB NVMe, 256-Bit-Speicher mit 4266 MHz). Marktstart und Preis: NVIDIA Newsroom, 13. Oktober 2025.
273 GB/s Speicherbandbreite ist die Grenze, die für die Single-Stream-Generierungsgeschwindigkeit von LLMs zählt. Die Stärke der Spark ist die Kapazität: Modelle, die auf Consumer-GPUs schlicht nicht passen, dazu FP4-Rechenleistung für Batch-Serving und Fine-Tuning, wo der Durchsatz weit besser skaliert, als die Single-Stream-Zahlen vermuten lassen.
Preis, Mieten und Kaufen
Eine mieten oder eine kaufen.
Minutengenaues Mieten zeigt Ihnen, ob Ihr Modell passt und schnell genug läuft, bevor Sie Tausende für die Hardware ausgeben. Eine gemietete Spark bietet ein Browser-Terminal oder Root-SSH in Ihren eigenen Container, das vorinstallierte CUDA-13.0-Toolkit (und auf einigen Maschinen Docker) und einen OpenAI-kompatiblen Endpoint aus einem Modell-Image: womit Sie arbeiten.
Gemessen in GPUwerks Flotte
Flotten-Benchmarks.
Die zwei Modelle, die auf jedem Node der Flotte bereitliegen, gemessen mit vllm bench serve auf einem von GPUwerks eigenen Nodes, ohne sonst etwas auf seiner GPU. Die Roh-Logs stehen unten, und weitere Modelle auf der Seite Benchmarks der DGX Spark. Werte Dritter für andere Modelle sind im Kaufratgeber gesammelt und diskutiert.
| Modell | Quantisierung | Framework | Prefill tok/s | Generierung tok/s | Max. Kontext |
|---|---|---|---|---|---|
| Qwen3-Coder 30B-A3B | AWQ | vLLM 0.27.1 | 5.705 tok/s | 80,9 tok/s | 262.144 |
| Llama 3.3 70B | AWQ | vLLM 0.27.1 | 391 tok/s | 6,0 tok/s | 131.072 |
So lesen Sie das.
Prefill ist die mittlere Time to First Token bei einem Prompt mit 8.192 Tokens. Generierung ist ein Stream, 128 rein und 512 raus, ohne andere parallele Anfragen. Max. Kontext ist ein Prompt dieser Länge, der tatsächlich bedient wurde, kein aus der KV-Cache-Größe abgeleiteter Wert. Prefill wird mit wachsendem Prompt langsamer, weil die Attention-Kosten quadratisch sind: Das 30B schafft 5.705 tok/s bei 8k und 586 tok/s beim Füllen seiner vollen 262.144.
Die Batch-Größe ändert die Antwort völlig.
Ein einzelner Stream ist auf dieser Hardware der ungünstigste Fall, und bei dieser Zahl hören die meisten Vergleiche auf. Mit parallelen Anfragen erreicht das 30B bei 256 gleichzeitigen 3.235 tok/s insgesamt, und das 70B erreicht 485 tok/s bei 128, fällt dann auf 300 bei 256, wobei die mittlere Time to First Token von 8 auf 40 Sekunden steigt. Das Mixture-of-Experts-Modell sättigt jenseits seines Knicks; das dichte bricht jenseits seines Knicks ein. Beide Kurven stehen in den Logs.
Gemessen auf einem ungenutzten Node.
Jeder Lauf erfolgte auf einem ansonsten ungenutzten Node, ohne ein anderes Modell auf der GPU. Jedes Log unten beginnt mit der Prozessliste der GPU und dem freien Speicher zum Startzeitpunkt des Laufs, sodass Sie das prüfen können, statt es zu glauben.
Roh-Logs, jeder Lauf, unverändert bis auf zusammengefasste Fortschrittsbalken: Qwen3-Coder 30B-A3B · Llama 3.3 70B. Für eigene Läufe: Laden Sie beim ersten Mal 20 $ auf und erhalten Sie 30 $ Guthaben, genug für einen Evaluierungstag auf einem dedizierten Node.
Workloads
Was sollte ich darauf ausführen?
Klare Empfehlungen aus dem Betrieb einer Flotte dieser Maschinen.
Coding-Assistent fürs Team
Qwen3-Coder 30B-A3B (AWQ, das Modell, das GPUwerk benchmarkt) lässt Platz für lange Kontexte und mehrere gleichzeitige Nutzer. Liefern Sie es mit vLLM hinter einem OpenAI-kompatiblen Endpoint aus und richten Sie Ihre Editoren darauf.
Privater Chat + RAG
Ein Instruct-Modell der 70B-Klasse mit Q4 passt auf einen Node, mit Reserven für ein Embedding-Modell und einen Vektorspeicher auf derselben Maschine – ein kompletter privater Assistent auf einer Maschine. Zum privaten ChatGPT-Setup →
Fine-Tuning
LoRA-Fine-Tunes von Modellen der 70B-Klasse passen in den Unified Memory, ohne Akrobatik mit Modellparallelität. Pro Schritt langsamer als eine Rechenzentrums-GPU, aber es läuft dort, wo Consumer-Karten einfach nicht können.
Mieten für einen Job
Wofür Menschen eine Spark mieten.
Drei Aufgaben, jeweils mit Befehlen, gemessenen Zahlen und Grenzen auf einer Seite.
Vergleiche
Im Vergleich.
Vergleiche mit dem Urteil vorweg, gegenüber den Maschinen, die Käufer tatsächlich parallel prüfen. Jeder sagt, wo der Konkurrent vorn liegt.
Alle acht im direkten Vergleich, mit Speicher, Bandbreite und wo jeder Konkurrent vorn liegt: Alternativen zur DGX Spark im Vergleich.
Guides
Guides & Analysen.
Für alle, die eine DGX Spark evaluieren, kaufen oder einrichten, geschrieben aus dem Serverraum, nicht aus einer Pressemappe.
Alle Guides, gruppiert nach Kauf, Modellen und Engines, Clustern und Betrieb: alle Guides zur DGX Spark.
Fragen.
Was ist die NVIDIA DGX Spark?
Die NVIDIA DGX Spark ist ein Desktop-KI-Computer auf Basis des NVIDIA GB10 Grace Blackwell Superchip: eine Blackwell-GPU und eine 20-Kern-Arm-CPU, die sich 128 GB Unified Memory mit 273 GB/s teilen, mit bis zu 1 PFLOP Sparse-FP4-Rechenleistung. Sie läuft mit NVIDIAs DGX OS, einem Ubuntu-basierten System mit vorinstalliertem CUDA-Stack, und nimmt höchstens 240 W auf. Bestellungen begannen am 15. Oktober 2025 zu 3.999 $; NVIDIAs US-Listenpreis lag bei der Prüfung am 11. Oktober 2026 bei 6.950 $ (Preisentwicklung). ASUS, Dell, HP, Lenovo, MSI, Gigabyte und Acer verkaufen Maschinen mit demselben GB10-Chip unter eigenem Namen: alle GB10-Maschinen im Vergleich.
Bekomme ich eine ganze DGX Spark für mich allein?
Ja. Jede GPUwerk-Instanz ist ein dedizierter Node, kein Teil einer geteilten GPU. Die 128 GB Unified Memory, die vollen 273 GB/s Bandbreite und die 1 PFLOPS Sparse-FP4-Rechenleistung gehören für die Dauer der Miete Ihnen, ohne dass sonst etwas auf der Maschine läuft.
Worin unterscheidet sich eine DGX Spark von einer gemieteten Cloud-GPU-Instanz?
Eine typische Cloud-GPU-Instanz bietet 24 bis 80 GB VRAM auf einer Rechenzentrumskarte. Eine DGX Spark bietet 128 GB Unified Memory auf einer Maschine, genug für Modelle der 70B-Klasse, ohne sie auf mehrere GPUs aufzuteilen, und GPUwerk vermietet sie minutengenau abgerechnet – von eigenen Sparks in Tschechien und Partner-Sparks in Europa, Nordamerika und Ostasien.
Wo ist der Haken bei 273 GB/s Speicherbandbreite?
Sie ist die Obergrenze der Single-Stream-Generierungsgeschwindigkeit: weniger Tokens pro Sekunde als bei einer dedizierten GPU mit schnellerem VRAM, weshalb der Kaufratgeber und der Vergleich mit der RTX 5090 beide damit beginnen. Der Vorteil der Spark ist Kapazität und Batch-Durchsatz, nicht rohe Geschwindigkeit für einen einzelnen Nutzer.
Kann ich eine DGX Spark kaufen, statt sie zu mieten?
Ja. GPUwerks Store listet die NVIDIA DGX Spark selbst, bepreist aus dem Bestand tschechischer Lieferanten, wenn einer sie liefern kann, und dieselbe GB10-Maschine von sieben anderen Herstellern, darunter die Lenovo ThinkStation PGX ab 5.330 € zzgl. MwSt. GPUwerk versendet sie an Sie oder bringt sie, wenn Sie möchten, in seinem Rechenzentrum unter und vermietet sie für Sie. Sie können auch bei NVIDIA oder seinen Partnern kaufen oder GPUwerk nach einer Maschine für Ihren eigenen Standort fragen. Wenn Sie zuerst minutengenau mieten, wissen Sie vor einem Kauf ab etwa 4.000 €, ob die Hardware zu Ihrem Workload passt, und jede GPUwerk-Cloud-Instanz läuft auf identischer GB10-Hardware.
Alles zur DGX Spark auf dieser Website.
Jede Seite auf GPUwerk zur DGX Spark, gruppiert nach dem, was Sie vorhaben.
Kaufen und Mieten
- Preis der DGX Spark: kaufen oder mieten
- Technische Daten, mit gemessenen Einschränkungen
- Verfügbarkeit und Lieferzeiten in Europa
- Wo Sie in Europa kaufen
- So mieten Sie eine minutengenau
- Mieten oder kaufen: Break-even-Rechner
- Cloud-Anbieter für die DGX Spark im Vergleich
- Mieten bei Enverge vs. GPUwerk
- Speicherrechner: Passt ein Modell?
- Preise
- NVIDIA DGX Spark kaufen
- Eine GB10-Maschine kaufen, die GPUwerk hostet
- On-Premise
Sie besitzen schon eine Spark?
Vergleiche
Benchmarks und Modelle
- Benchmarks der DGX Spark: was Sie erwarten können
- Wie GPUwerk die Spark benchmarkt
- Was in 128 GB passt
- DeepSeek-V4-Flash ausführen
- gpt-oss-120b ausführen
- gpt-oss-20b ausführen
- Llama 3.3 70B ausführen
- Nemotron-3-Super-120B ausführen
- Nemotron Super 49B ausführen
- Qwen3-Coder 30B-A3B ausführen
- Qwen3-235B-A22B ausführen
- GLM-5.3-Flash ausführen
- Gemma 4 26B-A4B ausführen
- Qwen3.6-35B-A3B ausführen
- Qwen3.8-Flash-Next ausführen
Guides: Erste Schritte
Guides: Serving und Modelle
- Qwen3 mit vLLM ausliefern
- llama.cpp vs. vLLM vs. SGLang
- Strukturierte Ausgabe und Function Calling
- Embeddings und Vektorsuche
- Vision- und multimodale Modelle
- Bildgenerierung mit ComfyUI
- Die besten Open-Weight-Modelle
- Fine-Tuning auf Ihren eigenen Daten
- Quantisiert vs. volle Präzision
- Prompt-Caching zum Kostensparen
- Modellqualität vor dem Wechsel bewerten
- Modellversionierung und Rollback
- Modell-Updates ohne Ausfallzeit
- Wie GPUwerk benchmarkt
Guides: Betrieb
- Monitoring und Observability
- GPU-Auslastung und Right-Sizing
- Backup und Disaster Recovery
- Ihren Disaster-Recovery-Plan testen
- Zugang für Teams und mehrere Nutzer
- Rate Limiting und Kontingente
- API-Schlüsselrotation
- Sicherheitshärtung einer gemieteten GPU
- Audit-Logging für Compliance
- GPU-Speicherverwaltung, Multi-Tenant
- Zur Flotte skalieren
Hören Sie auf, Benchmarks zu lesen.
Führen Sie Ihre eigenen aus.
Mieten Sie eine dedizierte Spark für 0,79 $/h, minutengenau abgerechnet. Erste Aufladung: Sie zahlen 20 $ und erhalten 30 $ Guthaben, etwa 37 Stunden Rechenzeit.
Konto erstellen