Alternatieven voor de DGX Spark: welke machine past bij je modellen?
Een DGX Spark heeft 128 GB unified memory op 273 GB/s. De meeste alternatieven ruilen het ene in voor het andere: meer bandbreedte en minder geheugen, of vergelijkbaar geheugen voor minder geld. De tabel hieronder vat dertien vergelijkingspagina's samen, één rij per machine. Elk getal in een rij komt van de gelinkte pagina, waar de bronnen en data staan.
Dertien machines tegenover de Spark
| Machine | Geheugen | Bandbreedte | Waar het wint | Waar de Spark wint |
|---|---|---|---|---|
| DGX Station (GB300) | 748 GB coherent: 252 GB HBM3e plus 496 GB LPDDR5X | 7,1 TB/s (HBM3e) | Eén machine naast je bureau voor modellen van enkele honderden GB, met ongeveer 26 keer de GPU-bandbreedte | Prijs ($ 6.950 tegenover $ 104.830 en hoger zoals vermeld op 7 november 2026); 240 W in plaats van 1.600 W; per minuut te huur |
| NVIDIA H100 SXM | 80 GB HBM3 | 3,35 TB/s | Doorvoer per request, en batch-serving van dense 70B-modellen aan veel gebruikers | Geheugen per dollar; modellen boven ongeveer 70 GB voor één gebruiker; goedkoop evalueren per minuut |
| NVIDIA H200 SXM | 141 GB HBM3e | Ongeveer 4,8 TB/s | Een gedeeld productie-endpoint met echt gelijktijdig verkeer; bijna 18 keer de bandbreedte | Modellen onder ongeveer 100 GB voor één persoon of een klein team; ontwikkeling en evaluatie |
| RTX PRO 6000 Blackwell | 96 GB GDDR7 ECC | 1.792 GB/s | Snelheid bij modellen die in 96 GB passen; gemeld 215,2 tegenover 60,9 tok/s op gpt-oss-20b | Modellen van 100 GB of meer; een complete machine in plaats van een kaart die een host-pc nodig heeft |
| GeForce RTX 5090 | 32 GB GDDR7 | 1.792 GB/s | Alles onder ongeveer 30 GB; gemeld 575 tok/s tegenover 25 tot 32 tok/s bij een 27B van de Qwen3-klasse met concurrency 8; gaming | Modellen die niet laden op 32 GB, zoals 70B en gpt-oss-120b; een compleet systeem van 240 W |
| Mac Studio (M5 Ultra) | 96 tot 512 GB unified | 1,2 TB/s | Tokengeneratie op modellen die passen; meer dan 128 GB in één machine | Prefill en lange prompts (3,8 keer sneller dan een M3 Ultra in de test van EXO Labs); CUDA; clusters van twee machines |
| AMD Strix Halo (HP Z2 Mini G1a) | 128 GB LPDDR5x | 256 GB/s | Prijs ($ 2.949 zoals getest); vrijwel gelijk bij tokengeneratie voor één gebruiker in llama.cpp | 2 tot 3 keer snellere time to first token; ongeveer 2 keer snellere fine-tuning; ongeveer 2,5 keer bij FLUX.1; CUDA |
| ASUS Ascent GX10 | 128 GB LPDDR5x | 273 GB/s (dezelfde chip) | Dezelfde GB10-chip; vergelijk op de dag van je bestelling prijs en voorraad voor de opslaggrootte die je nodig hebt | De Founders Edition krijgt releases van DGX OS rechtstreeks van NVIDIA |
| Jetson AGX Thor | 128 GB LPDDR5X (developer kit; de T4000-module heeft 64 GB) | 273 GB/s (net als de Spark) | I/O voor robotica, 40 tot 130 W op de module, en een lagere adviesprijs ($ 5.499 tegenover $ 6,950, Amerikaanse prijzen per oktober 2026) | Snelheid bij hetzelfde geheugen: 52,87 tegenover 41,82 tok/s decode en ongeveer 1,8 keer de prefill op gpt-oss-120b in de llama.cpp-test van JetsonHacks; ConnectX-7 op 200 Gb/s voor een cluster van twee machines |
| NVIDIA A100 80 GB | 80 GB HBM2e | 1.935 tot 2.039 GB/s | Decode en batch-serving: 200,90 tegenover 56,74 tok/s in de Llama 2 7B-test van llama.cpp | 48 GB meer geheugen, FP8- en FP4-tensorberekeningen, $ 0,79/uur tegenover $ 1,19 tot $ 2,32/uur on-demand |
| RTX Spark N1X-laptop | Tot 128 GB LPDDR5X, verdeeld tussen CPU en GPU | 300 GB/s (NVIDIA) | Draagbare Windows-machine; 67,64 tegenover 63,77 tok/s op Qwen3.6-35B-A3B in de test van The Register | Linux met DGX OS, vLLM en clusters van twee nodes; eerste token in 1.240 tegenover 1.928 ms in een agentrun |
| Rig met 2x of 4x RTX 3090 | 48 of 96 GB GDDR6X (24 GB per kaart) | 936 GB/s per kaart | Dense 70B: 31,3 tegenover 6,0 tok/s voor één gebruiker op twee kaarten met vLLM AWQ | 128 GB in één kastje van 240 W tegenover 700 tot 1.400 W aan kaarten; gpt-oss-120b op 58,7 tok/s zonder opsplitsen |
| NVIDIA GeForce RTX 4090 | 24 GB GDDR6X | 1.008 GB/s | Modellen onder ongeveer 22 GB: 221,95 tegenover 83,43 tok/s decode bij gpt-oss-20b in llama.cpp | Modellen van 25 tot 110 GB: gpt-oss-120b op 58,7 tok/s tegenover ongeveer 22 met RAM-offload op een 4090 |
Elke rij komt van de gelinkte vergelijkingspagina. Snelheden van concurrenten zijn daar geciteerde metingen van derden, geen metingen van GPUwerk. De eigen cijfers van de Spark staan op de specspagina.
Hoe we ons verhouden tot anderen
Ik run GPUwerk, dat DGX Sparks verhuurt en geen van de andere machines hier, dus lees elke pagina met dat in je achterhoofd. Specificaties komen van de eigen pagina's van elke leverancier. Spark-snelheden zijn die van GPUwerk zelf, gemeten met vLLM 0.27.1 op één node van de vloot op 2 september 2026, met ruwe logs op de benchmarkpagina. GPUwerk heeft geen van de concurrenten zelf gedraaid, dus hun snelheden zijn metingen van derden, op elke pagina met naam genoemd, of berekeningen op basis van bandbreedte die als zodanig zijn aangeduid. Prijzen dragen de datum waarop ze zijn gelezen. Aankoopprijzen zijn dit jaar flink veranderd: de Spark met 128 GB staat sinds 2 oktober 2026 in de VS voor $ 6,950, en de prijspagina heeft de bron, datum en geschiedenis.
Kies op taak, niet op specs
- Enkele honderden GB in één machine, met datacenterbandbreedte: het DGX Station, als het budget zes cijfers heeft.
- Een gedeeld endpoint met veel gelijktijdige gebruikers: een datacenter-GPU zoals de H100 of H200.
- Een model dat in 32 GB of 96 GB past en dagelijks wordt gebruikt: een snelle kaart, de RTX 5090 of RTX PRO 6000.
- Modellen van 100 GB of meer, CUDA, lange prompts: de Spark. De vergelijking van GB10-machines behandelt de versies van andere fabrikanten.
- Nog niet zeker: huur een Spark per minuut en meet je eigen model voordat je iets koopt.