Alternativ till DGX Spark: vilken maskin passar dina modeller?
En DGX Spark har 128 GB enhetligt minne med 273 GB/s. De flesta alternativ byter det ena mot det andra: mer bandbredd och mindre minne, eller liknande minne för mindre pengar. Tabellen nedan sammanfattar tretton jämförelsesidor, en rad per maskin. Varje siffra i en rad kommer från den länkade sidan, där källor och datum finns.
Tretton maskiner mot Sparken
| Maskin | Minne | Bandbredd | Var den vinner | Var Sparken vinner |
|---|---|---|---|---|
| DGX Station (GB300) | 748 GB koherent: 252 GB HBM3e plus 496 GB LPDDR5X | 7,1 TB/s (HBM3e) | En maskin vid skrivbordet för modeller på flera hundra GB, med cirka 26 gånger GPU-bandbredden | Pris (6 950 USD mot 104 830 USD och uppåt enligt listning den 7 november 2026); 240 W i stället för 1 600 W; kan hyras per minut |
| NVIDIA H100 SXM | 80 GB HBM3 | 3,35 TB/s | Genomströmning per förfrågan, och batchinferens av täta 70B-modeller till många användare | Minne per dollar; modeller över cirka 70 GB för en användare; billig utvärdering per minut |
| NVIDIA H200 SXM | 141 GB HBM3e | Cirka 4,8 TB/s | En delad produktionsendpoint med verklig samtidig trafik; nära 18 gånger bandbredden | Modeller under cirka 100 GB för en person eller ett litet team; utveckling och utvärdering |
| RTX PRO 6000 Blackwell | 96 GB GDDR7 ECC | 1 792 GB/s | Hastighet på modeller som får plats i 96 GB; rapporterade 215,2 mot 60,9 tok/s på gpt-oss-20b | Modeller på 100 GB eller mer; en komplett maskin i stället för ett kort som behöver en värddator |
| GeForce RTX 5090 | 32 GB GDDR7 | 1 792 GB/s | Allt under cirka 30 GB; rapporterade 575 tok/s mot 25 till 32 tok/s på en 27B i Qwen3-klass vid 8 samtidiga; spel | Modeller som inte laddas på 32 GB, som 70B och gpt-oss-120b; ett komplett system på 240 W |
| Mac Studio (M5 Ultra) | 96 till 512 GB enhetligt | 1,2 TB/s | Tokengenerering på modeller som får plats; mer än 128 GB i en enda maskin | Prefill och långa prompter (3,8 gånger snabbare än en M3 Ultra i EXO Labs test); CUDA; kluster med två enheter |
| AMD Strix Halo (HP Z2 Mini G1a) | 128 GB LPDDR5x | 256 GB/s | Pris (2 949 USD som testad); nästan oavgjort i tokengenerering för en användare i llama.cpp | 2 till 3 gånger snabbare tid till första token; cirka 2 gånger snabbare finjustering; cirka 2,5 gånger på FLUX.1; CUDA |
| ASUS Ascent GX10 | 128 GB LPDDR5x | 273 GB/s (samma chip) | Samma GB10-chip; jämför pris och lager för den lagringsnivå du behöver den dag du beställer | Founders Edition får versioner av DGX OS direkt från NVIDIA |
| Jetson AGX Thor | 128 GB LPDDR5X (utvecklarkit; T4000-modulen har 64 GB) | 273 GB/s (samma som Spark) | I/O för robotik, 40 till 130 W vid modulen och ett lägre listpris (5 499 USD mot 6 950 USD, amerikanska priser per oktober 2026) | Hastighet med samma minne: 52,87 mot 41,82 tok/s avkodning och cirka 1,8 gånger prefill på gpt-oss-120b i JetsonHacks test med llama.cpp; ConnectX-7 på 200 Gb/s för ett kluster med två enheter |
| NVIDIA A100 80 GB | 80 GB HBM2e | 1 935 till 2 039 GB/s | Avkodning och batchinferens: 200,90 mot 56,74 tok/s i llama.cpp:s test med Llama 2 7B | 48 GB mer minne, FP8- och FP4-tensorberäkning, 0,79 USD/h mot 1,19 USD till 2,32 USD/h on demand |
| RTX Spark N1X-laptop | Upp till 128 GB LPDDR5X, delat mellan CPU och GPU | 300 GB/s (NVIDIA) | Bärbar Windows-maskin; 67,64 mot 63,77 tok/s på Qwen3.6-35B-A3B i The Registers test | Linux med DGX OS, vLLM och kluster med två noder; första token på 1 240 mot 1 928 ms i en agentkörning |
| Rigg med 2 eller 4 RTX 3090 | 48 eller 96 GB GDDR6X (24 GB per kort) | 936 GB/s per kort | Tät 70B: 31,3 mot 6,0 tok/s för en användare på två kort med vLLM AWQ | 128 GB i en enda enhet på 240 W mot 700 till 1 400 W med grafikkort; gpt-oss-120b i 58,7 tok/s utan uppdelning |
| NVIDIA GeForce RTX 4090 | 24 GB GDDR6X | 1 008 GB/s | Modeller under cirka 22 GB: 221,95 mot 83,43 tok/s avkodning på gpt-oss-20b i llama.cpp | Modeller på 25 till 110 GB: gpt-oss-120b i 58,7 tok/s mot cirka 22 med RAM-avlastning på en 4090 |
Varje rad är hämtad från den länkade jämförelsesidan. Konkurrenternas hastighetssiffror är tredjepartsrapporter som citeras där, inte GPUwerks mätningar. Sparkens egna siffror finns på specifikationssidan.
Så står vi oss
Jag driver GPUwerk, som hyr ut DGX Sparks och ingen av de andra maskinerna här, så läs varje sida med det i åtanke. Specifikationssiffrorna kommer från varje leverantörs egna sidor. Sparkens hastigheter är GPUwerks egna, uppmätta med vLLM 0.27.1 på en nod i maskinparken den 2 september 2026, med råloggar på benchmarksidan. GPUwerk har inte kört någon av konkurrenterna, så deras hastigheter är tredjepartsrapporter, namngivna på varje sida, eller bandbreddsberäkningar som är märkta som sådana. Priserna har det datum de lästes. Inköpspriserna har rört sig mycket i år: Sparken med 128 GB har listats för 6 950 USD i USA sedan 2 oktober 2026, och prissidan har källa, datum och historik.
Välj efter uppgift, inte efter specifikation
- Flera hundra GB i en enda maskin, med datacenterbandbredd: DGX Station, om budgeten är sexsiffrig.
- En delad endpoint med många samtidiga användare: en datacenter-GPU som H100 eller H200.
- En modell som får plats i 32 GB eller 96 GB och används dagligen: ett snabbt kort, RTX 5090 eller RTX PRO 6000.
- Modeller på 100 GB eller mer, CUDA, långa prompter: Sparken. Jämförelsen av GB10-maskiner täcker de andra tillverkarnas versioner.
- Inte säker än: hyr en Spark per minut och mät din egen modell innan du köper något.