Alternativen zur DGX Spark: Welche Maschine passt zu Ihren Modellen?
Eine DGX Spark hat 128 GB Unified Memory mit 273 GB/s. Die meisten Alternativen tauschen das eine gegen das andere: mehr Bandbreite und weniger Speicher, oder ähnlich viel Speicher für weniger Geld. Die Tabelle unten fasst dreizehn Vergleichsseiten zusammen, eine Zeile pro Maschine. Jeder Wert einer Zeile stammt von der verlinkten Seite, wo Quellen und Daten stehen.
Dreizehn Maschinen im Vergleich zur Spark
| Maschine | Speicher | Bandbreite | Wo sie vorn liegt | Wo die Spark vorn liegt |
|---|---|---|---|---|
| DGX Station (GB300) | 748 GB kohärent: 252 GB HBM3e plus 496 GB LPDDR5X | 7,1 TB/s (HBM3e) | Ein Gerät neben dem Schreibtisch für Modelle mit mehreren hundert GB, mit etwa der 26-fachen GPU-Bandbreite | Preis (6.950 $ gegenüber ab 104.830 $, wie am 7. November 2026 gelistet); 240 W statt 1.600 W; minutengenau mietbar |
| NVIDIA H100 SXM | 80 GB HBM3 | 3,35 TB/s | Durchsatz pro Anfrage und Batch-Serving dichter 70B-Modelle an viele Nutzer | Speicher pro Dollar; Modelle über etwa 70 GB für einen Nutzer; günstige Evaluierung minutengenau |
| NVIDIA H200 SXM | 141 GB HBM3e | Etwa 4,8 TB/s | Ein gemeinsamer Produktions-Endpoint mit echtem gleichzeitigem Traffic; fast die 18-fache Bandbreite | Modelle unter etwa 100 GB für eine Person oder ein kleines Team; Entwicklung und Evaluierung |
| RTX PRO 6000 Blackwell | 96 GB GDDR7 ECC | 1.792 GB/s | Tempo bei Modellen, die in 96 GB passen; berichtet 215,2 gegenüber 60,9 tok/s bei gpt-oss-20b | Modelle ab 100 GB; ein komplettes Gerät statt einer Karte, die einen Host-PC braucht |
| GeForce RTX 5090 | 32 GB GDDR7 | 1.792 GB/s | Alles unter etwa 30 GB; berichtet 575 tok/s gegenüber 25 bis 32 tok/s bei einem 27B der Qwen3-Klasse mit Concurrency 8; Gaming | Modelle, die auf 32 GB nicht laden, etwa 70B und gpt-oss-120b; ein komplettes 240-W-System |
| Mac Studio (M5 Ultra) | 96 bis 512 GB Unified Memory | 1,2 TB/s | Token-Generierung bei Modellen, die passen; mehr als 128 GB in einem Gehäuse | Prefill und lange Prompts (3,8-mal schneller als ein M3 Ultra im Test von EXO Labs); CUDA; Clustering zweier Geräte |
| AMD Strix Halo (HP Z2 Mini G1a) | 128 GB LPDDR5x | 256 GB/s | Preis (2.949 $ wie getestet); nahezu Gleichstand bei der Token-Generierung für einen Nutzer in llama.cpp | 2- bis 3-mal schnellere Time to First Token; etwa 2-mal schnelleres Fine-Tuning; etwa 2,5-mal bei FLUX.1; CUDA |
| ASUS Ascent GX10 | 128 GB LPDDR5x | 273 GB/s (gleicher Chip) | Gleicher GB10-Chip; vergleichen Sie Preis und Bestand für die benötigte Speichergröße am Tag Ihrer Bestellung | Die Founders Edition erhält DGX-OS-Releases direkt von NVIDIA |
| Jetson AGX Thor | 128 GB LPDDR5X (Developer Kit; das T4000-Modul hat 64 GB) | 273 GB/s (wie die Spark) | Robotik-I/O, 40 bis 130 W am Modul und ein niedrigerer Listenpreis (5.499 $ gegenüber 6.950 $, US-Preise Stand Oktober 2026) | Tempo bei gleichem Speicher: 52,87 gegenüber 41,82 tok/s Decode und etwa das 1,8-fache Prefill bei gpt-oss-120b im llama.cpp-Test von JetsonHacks; ConnectX-7 mit 200 Gb/s für einen Cluster aus zwei Geräten |
| NVIDIA A100 80 GB | 80 GB HBM2e | 1.935 bis 2.039 GB/s | Decode und Batch-Serving: 200,90 gegenüber 56,74 tok/s im Llama-2-7B-Test von llama.cpp | 48 GB mehr Speicher, FP8- und FP4-Tensor-Rechenleistung, 0,79 $/h gegenüber 1,19 $ bis 2,32 $/h on demand |
| RTX-Spark-N1X-Laptop | Bis zu 128 GB LPDDR5X, aufgeteilt zwischen CPU und GPU | 300 GB/s (NVIDIA) | Tragbarer Windows-Rechner; 67,64 gegenüber 63,77 tok/s bei Qwen3.6-35B-A3B im Test von The Register | Linux mit DGX OS, vLLM und Clustern aus zwei Nodes; erster Token in 1.240 gegenüber 1.928 ms bei einem Agentenlauf |
| Rig mit 2 oder 4 RTX 3090 | 48 oder 96 GB GDDR6X (24 GB pro Karte) | 936 GB/s pro Karte | Dichtes 70B: 31,3 gegenüber 6,0 tok/s für einen Nutzer auf zwei Karten mit vLLM AWQ | 128 GB in einem 240-W-Gehäuse gegenüber 700 bis 1.400 W an Karten; gpt-oss-120b mit 58,7 tok/s ohne Aufteilung |
| NVIDIA GeForce RTX 4090 | 24 GB GDDR6X | 1.008 GB/s | Modelle unter etwa 22 GB: 221,95 gegenüber 83,43 tok/s Decode bei gpt-oss-20b in llama.cpp | Modelle von 25 bis 110 GB: gpt-oss-120b mit 58,7 tok/s gegenüber etwa 22 mit RAM-Offload auf einer 4090 |
Jede Zeile stammt von der verlinkten Vergleichsseite. Geschwindigkeitswerte der Konkurrenz sind dort zitierte Berichte Dritter, keine Messungen von GPUwerk. Die eigenen Werte der Spark stehen auf der Datenseite.
Wie wir abschneiden
Ich betreibe GPUwerk, das DGX Sparks und keine der anderen Maschinen hier vermietet; lesen Sie jede Seite also mit diesem Wissen. Die technischen Daten stammen von den Seiten der jeweiligen Hersteller. Die Spark-Geschwindigkeiten sind GPUwerks eigene, gemessen mit vLLM 0.27.1 auf einem Flotten-Node am 2. September 2026, mit Roh-Logs auf der Benchmark-Seite. GPUwerk hat keinen der Konkurrenten betrieben, deren Geschwindigkeiten sind also Berichte Dritter, auf jeder Seite benannt, oder als solche gekennzeichnete Bandbreitenrechnungen. Preise tragen das Datum, an dem sie gelesen wurden. Die Kaufpreise haben sich dieses Jahr stark bewegt: Die 128-GB-Spark ist in den USA seit dem 2. Oktober 2026 mit 6.950 $ gelistet, und die Preisseite nennt Quelle, Datum und Verlauf.
Nach Aufgabe wählen, nicht nach Datenblatt
- Mehrere hundert GB in einem Gehäuse, mit Rechenzentrumsbandbreite: die DGX Station, wenn das Budget sechsstellig ist.
- Ein gemeinsamer Endpoint mit vielen gleichzeitigen Nutzern: eine Rechenzentrums-GPU wie die H100 oder H200.
- Ein Modell, das in 32 GB oder 96 GB passt, täglich genutzt: eine schnelle Karte, die RTX 5090 oder die RTX PRO 6000.
- Modelle ab 100 GB, CUDA, lange Prompts: die Spark. Der Vergleich der GB10-Maschinen behandelt die Versionen der anderen Hersteller.
- Noch unentschlossen: Mieten Sie eine Spark minutengenau und messen Sie Ihr eigenes Modell, bevor Sie etwas kaufen.