DGX Spark 64 GB oder 128 GB: welche Konfiguration welche Modelle ausführt und wann zwei Systeme sinnvoll sind

DGX Spark 64 GB oder 128 GB: was sich unterscheidet und was passt

Der DGX Spark mit 64 GB ist dasselbe System wie der mit 128 GB, mit halb so viel Speicher. Laut NVIDIA behält er den GB10 Grace Blackwell Superchip, DGX OS und den vollständigen KI-Software-Stack von NVIDIA, und NVIDIAs Spezifikationstabelle nennt für beide eine einzige Speicherbandbreite, 273 GB/s. NVIDIA nennt für die Konfiguration mit 64 GB Modelle mit bis zu 100 Milliarden Parametern und für die Konfiguration mit 128 GB bis zu 200 Milliarden; nach unserer Rechnung weiter unten gelten beide Zahlen nur für 4-Bit-Gewichte. Die Konfiguration mit 64 GB verkaufen nur Hersteller, während NVIDIAs eigene Founders Edition mit 128 GB und einem selbstverschlüsselnden Laufwerk mit 4 TB kommt.

Die Wahl ergibt sich daher aus dem größten Modell, das Sie betreiben wollen, und seiner Präzision. Ein dichtes Modell mit etwa 27 Milliarden Parametern in FP8 oder ein 70B-Modell in 4 Bit mit kurzem Kontext passt in 64 GB. gpt-oss-120b, ein 70B-Modell in FP8 und alles in der Nähe von 200 Milliarden Parametern brauchen 128 GB.

Was NVIDIA für die Konfiguration mit 64 GB angekündigt hat

NVIDIA hat die Konfiguration am 2. Oktober 2026 in seinem Blog angekündigt. Laut dem Beitrag behält das Modell mit 64 GB, wie das Modell mit 128 GB, „den GB10 Grace Blackwell Superchip, DGX OS und den vollständigen KI-Software-Stack von NVIDIA“ und „unterstützt Modelle mit bis zu 100 Milliarden Parametern“ (beide Zitate in unserer Übersetzung). Laut dem Blog verkaufen sechs Hersteller, darunter Acer, Dell, HP und MSI, die Konfiguration ab dem 23. Oktober 2026. Lenovo, das ebenfalls GB10-Systeme baut, steht nicht auf dieser Liste. NVIDIAs Produktseite zeigt die Konfiguration als „Coming Soon“, und ihre Fußnote lautet in unserer Übersetzung: „Die Speicherkonfiguration mit 64 GB ist ausschließlich über teilnehmende OEM-Partner erhältlich.“

MSI hat am 2. Oktober einen EdgeXpert mit 64 GB angekündigt, ausgelegt für Modelle mit bis zu 100 Milliarden Parametern und mit dem ConnectX-7-Adapter für Clustering ausgestattet. Acers Seite zum Veriton GN100 bietet „wahlweise 64 GB oder 128 GB Unified Memory“ (übersetzt). Am 9. Oktober 2026 führten Dells Shopseite für GB10 und HPs Seite zum ZGX Nano nur 128 GB, und HPs Seite nannte für zwei gekoppelte Systeme bis zu 405 Milliarden Parameter, wo NVIDIAs Produktseite inzwischen 400 Milliarden nennt.

NVIDIAs Spezifikationstabelle hat für beide Speichergrößen eine einzige Zeile zum Laufwerk, und NVIDIAs einzige Messung für 64 GB ist der weiter unten beschriebene Test mit zwei Systemen. Für das größere System schreibt die Produktseite „Mit 128 GB Unified System Memory Modelle mit bis zu 70 Milliarden Parametern feinabstimmen“ (übersetzt), und für 64 GB hat sie keinen entsprechenden Satz.

DGX Spark 64 GB und 128 GB: Spezifikationen im Vergleich

Die Tabelle führt nur Werte auf, die NVIDIA angibt; wo NVIDIAs Spezifikationstabelle eine Zeile für beide Speichergrößen hat, steht der Wert in beiden Spalten.

Produktseite und Spezifikationstabelle des NVIDIA DGX Spark (aktualisiert am 7. Oktober 2026), NVIDIA-Blog vom 2. Oktober 2026, Hardware-Übersicht des DGX Spark (aktualisiert am 10. September 2026) für die Bedingung mit Sparsity, NVIDIA Marketplace für das Laufwerk der Founders Edition; alle gelesen am 9. Oktober 2026.

Eine eigene Bandbreitenangabe für 64 GB haben wir weder bei NVIDIA noch bei MSI oder Acer gefunden; die 273 GB/s beruhen also auf dieser einen Tabellenzeile.

Die Token-Generierung folgt der Speicherbandbreite, wie unser Artikel zu den Benchmarks des DGX Spark mit gemessenen Raten zeigt. Llama 3.3 70B in NVFP4 liest je erzeugtem Token etwa 40,6 GB, was einen Nutzer auf beiden Konfigurationen auf unter 7 Token pro Sekunde begrenzt. Die größere Konfiguration bringt Platz für größere Modelle und mehr KV-Cache bei derselben Obergrenze für die Generierung.

Wie viel von 64 GB ein Modell nutzen kann

NVIDIA veröffentlicht für keine der beiden Konfigurationen eine Angabe zur nutzbaren Kapazität. Unser Artikel dazu, was in 128 GB auf einem DGX Spark passt, nimmt die Speicheranteile aus NVIDIAs Serving-Playbooks, 0,8 und 0,9, und wendet sie auf den ganzen Pool an; das ergibt ein Arbeitsbudget von etwa 102 bis 115 GB für Gewichte und KV-Cache. Dieselbe Rechnung ergibt auf 64 GB etwa 51 bis 58 GB. Ein Serving-Playbook von NVIDIA für 64 GB haben wir nicht gefunden, diese Spanne ist also unsere Schätzung.

Der Speicher außerhalb des Arbeitsbudgets halbiert sich mit der Konfiguration nicht. DGX OS, die Desktop-Sitzung, die Reserve für die Anzeige (standardmäßig 2 GB auf dem System mit 128 GB) und die Prozesse auf den Arm-Kernen brauchen auf beiden etwa gleich viel. Auf 128 GB lassen die Anteile aus den Playbooks dafür 13 bis 26 GB, auf 64 GB nur 6 bis 13 GB. Auf einem System mit 64 GB, das jemand auch als Workstation nutzt, planen Sie mit dem unteren Ende, etwa 51 GB.

Bei etwa 55 GB, der Mitte dieser Spanne, erreichen BF16-Gewichte etwa 27 Milliarden Parameter, FP8 etwa 55 Milliarden und die 4-Bit-Formate mit ihren Blockskalierungen etwa 100 Milliarden. NVIDIAs Angabe von 100 Milliarden ist also eine 4-Bit-Angabe. Bei 4,25 bis 4,5 Bit je Gewicht belegen 100 Milliarden Parameter 53 bis 56 GB; das lässt am oberen Ende der Spanne wenige GB für den KV-Cache und am unteren Ende keinen Platz.

Welche Modelle in 64 GB und in 128 GB passen

Die Tabelle wendet die beiden Arbeitsbudgets auf Checkpoints an, die ein Käufer wahrscheinlich vergleicht. „Übrig“ ist der Platz für den KV-Cache, nachdem die Gewichte geladen sind.

Gewichte aus den Dateilisten auf Hugging Face von openai/gpt-oss, Qwen3.8-27B, nvidia/Llama-3.3-70B-Instruct-FP4 und nvidia/Qwen3-235B-A22B-FP4, gelesen am 9. Oktober 2026; die Gewichte für 70B in FP8 und für 200B sind unsere Rechnung mit 1 Byte sowie 4,25 bis 4,5 Bit je Gewicht. Verbleibender Platz gegenüber Arbeitsbudgets von 51 bis 58 GB und 102 bis 115 GB, unsere Schätzung.

Bei Modellen, die in beide passen, unterscheidet der KV-Cache die beiden Konfigurationen. Llama 3.3 70B hat 80 Schichten, 8 KV-Köpfe und eine Kopfdimension von 128; ein Gespräch mit 8.192 Token belegt damit in einem FP8-Cache 1,25 GiB. Mit geladenen NVFP4-Gewichten fassen 64 GB etwa 6 bis 11 solcher Gespräche gleichzeitig und 128 GB etwa 44 bis 54, vor Aktivierungen und Laufzeit-Overhead. Das passt für einen Entwickler auf 64 GB; ein Team oder Agenten mit langen Prompts brauchen 128 GB.

Auf 128 GB dokumentiert NVIDIAs PyTorch-Playbook ein volles Fine-Tuning bei 3 Milliarden Parametern, LoRA bei 8 Milliarden und QLoRA bei 70 Milliarden. NVIDIAs Playbook für Fine-Tuning mit NeMo startet seinen Container mit „dem 64-GB-Limit, das für die Validierung des Spark mit weniger Speicher verwendet wird“ (übersetzt) und führt darin LoRA-Rezepte für 8B-Modelle und ein QLoRA-Rezept für Llama 3.3 70B aus. Es sagt nicht, dass diese Rezepte auf einem System mit 64 GB liefen, und ein Container-Limit ist nicht dasselbe wie 64 GB gemeinsamer Speicher. Nach unserer Rechnung braucht ein volles Fine-Tuning eines 3B-Modells in BF16 mit Adam vor Aktivierungen etwa 48 GB, am Rand eines Arbeitsbudgets von 51 bis 58 GB, während QLoRA auf einem 70B-Modell von einer 4-Bit-Basis mit rund 40 GB ausgeht. Testen Sie beides auf einem System mit 64 GB, bevor Sie damit planen. Für größere Modelle nennt unser Leitfaden zu den LLM-Hardware-Anforderungen je Modell Checkpoint-Größen und Cache-Werte für jedes davon.

Wir liefern den DGX Spark als Founders Edition mit 128 GB. Nennen Sie uns die Modelle, ihre Präzision und die Kontextlänge im Formular unten, und wir antworten, ob ein Spark, zwei DGX Spark oder vier für die Arbeit passen.

Zwei Systeme mit 64 GB oder ein System mit 128 GB

NVIDIA nennt für beide Varianten Modelle mit bis zu 200 Milliarden Parametern. Laut NVIDIAs Blog können zwei Systeme mit 64 GB, gekoppelt über das 200-GbE-Netz mit dem NVIDIA Sync Cluster Assistant, „ihren Speicher auf 128 GB zusammenlegen“ und dabei „die doppelte Speicherbandbreite liefern“ (in unserer Übersetzung). In NVIDIAs Test mit Qwen 3.8 27B erreichten zwei solche Systeme bis zum 1,7-Fachen der Leistung eines Systems allein. Der Blog nennt die Speichergröße dieses Systems nicht, und eine Messung von NVIDIA mit zwei Systemen mit 64 GB gegen ein System mit 128 GB haben wir nicht gefunden.

Die doppelte Bandbreite ist die Summe zweier lokaler Pools mit je 273 GB/s. Daten, die zwischen den beiden Systemen wandern, laufen über die QSFP-Verbindung, für die NVIDIAs eigener RDMA-Test insgesamt 189,85 Gb/s meldet. Das sind etwa 24 GB/s, weniger als ein Zehntel der lokalen Speicherbandbreite. Ein auf zwei Systeme verteiltes Modell wird nur dort schneller, wo die parallele Aufteilung den Großteil des Verkehrs lokal hält, und unser Artikel zum Koppeln von zwei Spark-Systemen zeigt, dass ein zweites System vor allem Kapazität bringt und Geschwindigkeit je Anfrage höchstens teilweise.

Zwei Systeme bedeuten außerdem zwei Installationen im Betrieb. Jedes läuft mit seinem eigenen DGX OS, zwei Betriebssysteme belegen also Platz in den gemeinsamen 128 GB. Die Founders Edition wird ohne QSFP-Kabel geliefert, und NVIDIA führt für sie keinen BMC, wie unser Leitfaden zum Kauf eines DGX Spark in der EU beschreibt; prüfen Sie beide Punkte bei jedem System mit 64 GB eines Herstellers.

Ausgehend von einem System mit 128 GB führt NVIDIAs Seite weiter zu zwei Systemen mit 256 GB, ausgelegt für bis zu 400 Milliarden Parameter, und zu vier mit 512 GB, bis zu 700 Milliarden. Für die Konfiguration mit 64 GB endet die Seite bei zwei Systemen. NVIDIAs Clustering-Leitfaden, aktualisiert am 10. September 2026, unterstützt bis zu drei Systeme per Kabel und vier über einen Switch, erwähnt aber weder die Konfiguration mit 64 GB noch gemischte Speichergrößen. Eine Aussage von NVIDIA oder einem Hersteller, dass Systeme mit 64 GB und 128 GB in einem Cluster zusammenarbeiten können oder dass sich der Speicher nach dem Kauf erweitern lässt, haben wir nicht gefunden.

Wir liefern die Founders Edition mit 128 GB für einen Entwickler, als zwei DGX Spark, gekoppelt auf 256 GB, oder als vier für ein Team. Beschreiben Sie das größte Modell, das Sie betreiben wollen, im Formular unten, und wir nennen im Angebot die Zahl der Systeme, die es braucht.

Founders Edition oder ein GB10-System eines Herstellers

Jede Founders Edition hat 128 GB Speicher, und NVIDIAs Marketplace führt ihr Laufwerk als „4TB NVME.M2 with self-encryption“. Andere Seiten von NVIDIA beschreiben das Laufwerk anders. Die Spezifikationstabelle auf der Produktseite (aktualisiert am 7. Oktober 2026) nennt für beide Speichergrößen „Up to 4 TB NVME.M2 with self-encryption“, und die Hardware-Übersicht im User Guide (aktualisiert am 10. September 2026) nennt „1 TB or 4 TB NVMe M.2 with self-encryption“. GB10-Partnersysteme gibt es auch mit 1 oder 2 TB. Weder NVIDIAs Blog noch MSIs Ankündigung nennen eine Laufwerksgröße für die Systeme mit 64 GB, und Acer nennt für beide Speichergrößen „bis zu 4 TB“; prüfen Sie also Laufwerksgröße und Verschlüsselung jedes Systems mit 64 GB vor der Bestellung.

Der andere Unterschied ist der Support. NVIDIAs Release Notes und Recovery-Images gelten für die Founders Edition, während Systeme der Hersteller Updates und Recovery-Medien von ihren Herstellern bekommen, unter deren Garantie. Der oben verlinkte Kaufleitfaden behandelt den Zeitpunkt der Updates und die Garantietexte.

Was wir liefern

Wir liefern den NVIDIA DGX Spark in der Founders Edition, mit 128 GB Unified Memory und einem selbstverschlüsselnden Laufwerk mit 4 TB, EU-weit unter einem Vertrag und auf einer Rechnung, mit Herstellergarantie. Die Konfiguration mit 64 GB liefern wir nicht. Ob Sie einen Spark brauchen, zwei DGX Spark, gekoppelt auf 256 GB, oder vier für ein Team: Wir bieten genau das an, was Sie anfragen. Wo ein Modell mehr Generierungsgeschwindigkeit braucht, als 273 GB/s erlauben, liefern wir auch professionelle NVIDIA-GPUs wie die RTX PRO 6000 und die H200 NVL, als Karten oder in KI-Servern, die wir auf Bestellung bauen.

FAQ