DGX Spark oder RTX Spark: technische Daten, VRAM und was NVIDIAs zwei Spark-Rechner unterscheidet

RTX Spark vs DGX Spark: die kurze Antwort

NVIDIA RTX Spark ist eine Arm-basierte Plattform für Laptops und kompakte Desktops mehrerer PC-Hersteller, mit bis zu 128 GB Unified Memory und Windows 11 als dem Betriebssystem, das NVIDIA nennt, für die Person am Schreibtisch. Der DGX Spark teilt sich mit ihr den Namen und einen großen Teil der veröffentlichten technischen Daten des Chips, aber NVIDIA baut ihn für eine andere Aufgabe. Er ist ein Linux-System für die KI-Entwicklung mit 128 GB Unified Memory mit 273 GB/s, NVIDIA DGX OS, NVIDIAs KI-Software-Stack und ConnectX-7-Netzwerk mit 200 Gb/s, um mehrere Systeme zu koppeln.

NVIDIA führt beide Chips mit CUDA Compute Capability 12.1. In ihrer größten Version haben beide 6.144 CUDA-Kerne, eine Arm-CPU mit 20 Kernen und als Kernaussage 1 Petaflop KI-Rechenleistung. Sie unterscheiden sich im Betriebssystem, in der Speicherbandbreite, im Netzwerk und im Vertriebsweg. Dieser Vergleich stützt sich auf NVIDIAs Seiten, gelesen am 16. Oktober 2026. Unser Artikel zu den technischen Daten des DGX Spark enthält das vollständige Datenblatt des DGX Spark.

Für ein Team in einem Unternehmen ist der DGX Spark die bessere Wahl: Er läuft mit demselben Linux und CUDA-Stack wie die GPU-Server, auf die die Modelle des Teams später wechseln, und zwei oder vier Systeme lassen sich zu 256 oder 512 GB koppeln. Ein RTX-Spark-PC passt zu einer einzelnen Person, die lokale KI auf einem tragbaren oder stationären Rechner nutzen will.

Was NVIDIA für RTX Spark angekündigt hat, und wann

NVIDIA hat RTX Spark am 31. Mai 2026 in einer Pressemitteilung angekündigt: einen Superchip mit einer Blackwell-RTX-GPU, die über NVLink-C2C mit einer Grace-CPU mit 20 Kernen verbunden ist, für Laptops und kompakte Desktops. Am 16. Oktober 2026 meldete NVIDIA, in unserer Übersetzung, „RTX-Spark-Laptops sind ab heute weltweit erhältlich“, von sechs PC-Herstellern. NVIDIAs Entwicklerblog vom selben Tag schreibt, dass die Desktops im kleinen Formfaktor „im November kommen“.

NVIDIAs Spezifikationsseite nennt den Chip RTX Spark N1X und führt drei Versionen auf, zwei für Laptops und eine für Desktops. NVIDIAs Portierungsleitfaden für RTX Spark (Version 0.1.0, zuletzt aktualisiert am 10. September 2026) beschreibt ihn als Arm-basiertes System-on-Chip für Laptops. In der größten Version hat die CPU 20 Kerne nach Arm v9.2 in zwei Clustern zu je 10, jeder mit fünf Cortex-X925- und fünf Cortex-A725-Kernen. Für den DGX Spark nennt NVIDIA dieselbe Mischung aus zehn Cortex-X925- und zehn Cortex-A725-Kernen.

Eine NVIDIA-Seite, die den N1X als GB10 bezeichnet, haben wir nicht gefunden. NVIDIAs Liste der CUDA Compute Capability führt beide als zwei Einträge, „NVIDIA GB10 (DGX Spark)“ und „NVIDIA RTX Spark N1X“, beide mit 12.1.

Technische Daten von RTX Spark neben dem DGX Spark

NVIDIA-Produktseite zum DGX Spark (aktualisiert am 7. Oktober 2026) und Hardware-Übersicht (10. September 2026); NVIDIAs Produkt- und Spezifikationsseiten zu RTX Spark, gelesen am 16. Oktober 2026; Portierungsleitfaden für RTX Spark 0.1.0 (10. September 2026); NVIDIAs Liste der CUDA Compute Capability seiner GPUs.

Die Werte für GPU, CPU und Rechenleistung der größten RTX-Spark-Version entsprechen denen des DGX Spark. NVIDIA gibt dem Laptop-Chip eine TDP von 45 bis 80 W und dem Desktop-Chip 140 W, den Wert, den es für den GB10 im DGX Spark nennt. Zum 1 PFLOP des DGX Spark lautet NVIDIAs Fußnote, in unserer Übersetzung: „Theoretische FP4-TOPS unter Nutzung der Sparsity-Funktion.“ NVIDIAs Seiten zu RTX Spark tragen keine solche Fußnote, und StorageReview berichtete am 7. Oktober 2026, dass die Fußnote eines PC-Herstellers den Wert als theoretische FP4-Leistung mit Sparsity beschreibt.

Für RTX-Spark-PCs hat NVIDIA weder Storage noch Netzwerkanschlüsse, Größe, Gewicht oder die Nennleistung des Netzteils veröffentlicht; diese legt jeder PC-Hersteller fest. Die DGX Spark Founders Edition hat eine feste Konfiguration mit 128 GB und einem Laufwerk mit 4 TB.

VRAM und Speichergeschwindigkeit von RTX Spark

Keines der beiden Systeme hat separaten VRAM. Bei beiden teilen sich CPU und GPU einen Pool aus LPDDR5X, und die Zahl, die sich mit einer Grafikkarte vergleichen lässt, ist der Unified Memory. NVIDIAs Portierungsleitfaden für RTX Spark beschreibt „bis zu 128 GB LPDDR5, gemeinsam genutzt von CPU und iGPU“ und hält fest: „Der Speicher ist vollständig kohärent.“ Auf dem DGX Spark lassen NVIDIAs Playbook-Einstellungen rund 90 bis 115 GB für Gewichte und KV-Cache, wie unser Artikel zu den technischen Daten durchrechnet.

Auf RTX-Spark-PCs kann die GPU nicht den gesamten Speicher nutzen. Das Kapitel des Portierungsleitfadens zum Unified Memory reserviert einen Carveout für die GPU, den das Betriebssystem als dedizierten GPU-Speicher meldet, obwohl er im selben DRAM liegt. NVIDIA nennt die Größe des Carveouts nicht. Der Speicher, der danach übrig bleibt, teilt sich in gemeinsam genutzten Speicher, den CPU und GPU beide verwenden, und reinen CPU-Speicher, der „nicht für GPU-Allokationen genutzt werden kann“. Der gemeinsame Teil ist dieser Rest minus 16 GB, gehalten zwischen 50 und 80 Prozent davon; die GPU kann also den Carveout plus höchstens 80 Prozent des Rests nutzen.

Die Speicherkonfiguration eines RTX-Spark-PCs legt sein Hersteller fest. NVIDIA nennt bis zu 128 GB für die Versionen mit 6.144 Kernen. Für die kleinere Laptop-Version mit 5.120 Kernen widersprechen sich NVIDIAs beide Seiten: Die Produktseite (aktualisiert am 16. Oktober 2026) nennt „bis zu 64 GB LPDDR5X“, die Spezifikationsseite (aktualisiert am 14. Oktober 2026) „bis zu 32 GB LPDDR5X“. Prüfen Sie den Speicher des konkreten PCs, bevor Sie ein Modell darauf planen.

Zur Speichergeschwindigkeit nennen NVIDIAs Produkt- und Spezifikationsseiten zu RTX Spark eine 256-Bit-Schnittstelle und keine Bandbreite. Der Portierungsleitfaden hält fest: „Die Schnittstelle ist 256 Bit breit, mit einer Bandbreite von 300 GB/s.“ StorageReview errechnete 300,8 GB/s aus der Angabe eines Herstellers, LPDDR5X mit 9.400 MT/s.

Die Token-Generierung für einen Nutzer folgt der Speicherbandbreite, weil jedes neue Token eines dichten Modells jedes Gewicht einmal liest. Für ein dichtes 70B-Modell mit 8-Bit-Gewichten, etwa 70,6 GB, liegt die Obergrenze nach unserer Rechnung bei etwa 3,9 Token pro Sekunde mit 273 GB/s und bei etwa 4,2 mit 300 GB/s. LMSYS hat im Oktober 2025 auf dem DGX Spark 2,7 Token pro Sekunde für Llama 3.1 70B in FP8 gemessen. Stand 16. Oktober 2026 hat NVIDIA auf den Seiten, die wir gelesen haben, keinen Wert in Token pro Sekunde für RTX Spark veröffentlicht, und einen Lauf Dritter mit Angabe von Modell, Engine und Datum haben wir nicht gefunden. Unser Benchmark-Artikel zum DGX Spark sammelt die gemessenen Werte des DGX Spark.

Die Prompt-Verarbeitung hängt von der Rechenleistung ab und in einem Laptop von der Leistung, die der Hersteller innerhalb von 45 bis 80 W zulässt. NVIDIAs Produktseite zu RTX Spark verspricht, man könne „Modelle mit bis zu 120B Parametern und 1M Kontext ausführen“, während die Seite des DGX Spark Inferenz für Modelle mit bis zu 200 Milliarden Parametern nennt. Für mehr Geschwindigkeit je Nutzer, als beide Spark-Rechner bieten, ist eine Workstation-Karte der nächste Schritt, wie unser Vergleich von RTX PRO 5000 72 GB und DGX Spark zeigt.

Wir liefern den DGX Spark und auf Bestellung gebaute Workstations mit Karten vom Typ RTX PRO 5000 oder RTX PRO 6000. Nennen Sie uns das Modell und die Zahl der Personen, die es nutzen werden, und wir antworten innerhalb eines Werktages mit einer Konfiguration und einem Angebot.

Betriebssystem und KI-Software auf jedem Spark

DGX OS ist NVIDIAs Ubuntu-basiertes Linux für Arm und bringt den CUDA-Stack von NVIDIAs Rechenzentrums-GPUs mit, und die Playbooks für vLLM, TensorRT-LLM und NIM, die NVIDIA für den Spark veröffentlicht, nutzen Engines, die auch auf Servern mit RTX PRO 6000 und H200 NVL laufen. Die Founders Edition erhält ihre Updates und ihr Recovery-Image von NVIDIA, wie unser Artikel zum Kauf eines DGX Spark in der EU erklärt.

Für RTX-Spark-PCs nennt NVIDIA Windows 11 als Betriebssystem aller drei Versionen. NVIDIAs Produktseite schreibt, CUDA „läuft nativ auf RTX Spark“, und nennt CUDA, TensorRT und NVFP4 als Stack; die Spezifikationsseite markiert „NVIDIA AI Stack“ als unterstützt, ohne dessen Bestandteile aufzuführen. NVIDIAs Pressemitteilung vom 16. Oktober 2026 nennt den ersten PyTorch-CUDA-Build für die Arm-Version dieses Betriebssystems unter den Entwicklerwerkzeugen. NVIDIAs Entwicklerblog verweist auf das in das Betriebssystem integrierte Linux-Subsystem, das Entwicklern „dieselbe Umgebung und dieselben Abhängigkeiten“ gibt, „die sie beim Deployment in die Cloud verwenden werden“. Derselbe Blog schreibt, dass es für mehr als 97 Prozent der 15.000 meistgenutzten Python-Pakete Arm-Builds gibt. NVIDIA nennt llama.cpp, vLLM, Ollama, Unsloth und LM Studio als Laufzeitumgebungen für sein Modell Nemotron 3.5 Bolt zum Start. Auf den Seiten, die wir gelesen haben, nennt NVIDIA weder NIM noch TensorRT-LLM für RTX Spark.

Beide Systeme haben Arm-CPUs. Auf dem DGX Spark braucht eine reine x86-Binärabhängigkeit einen Arm-Build für Linux. Für RTX Spark schreibt NVIDIAs Portierungsleitfaden, dass „viele bestehende x86- und x86_64-Anwendungen laufen können“, und zwar unter dem Emulator des Betriebssystems; die Kompatibilität hängt von der Anwendung und ihren Abhängigkeiten ab. Der Leitfaden ergänzt, dass emulierter Code „Emulations-Overhead und Leistungseinbußen verursacht“. GPU-Kernel, die für Compute Capability 12.1 gebaut sind, zielen auf beide Chips, und die Programme um sie herum werden für jedes Betriebssystem separat gebaut.

Systeme koppeln und ein Modell im Team teilen

Der DGX Spark hat zwei QSFP-Ports an seinem ConnectX-7-Adapter. NVIDIAs Produktseite nennt für zwei gekoppelte Systeme 256 GB für Modelle mit bis zu 400 Milliarden Parametern und für vier Systeme 512 GB für bis zu 700 Milliarden. Drei Systeme lassen sich direkt verkabeln, vier brauchen einen Switch, wie unser Artikel zu zwei gekoppelten DGX-Spark-Systemen samt Verkabelung beschreibt.

NVIDIAs Spezifikationsseite zu RTX Spark führt weder einen ConnectX-Adapter noch eine Netzwerkschnittstelle auf. Mit NVIDIA PAIR, einem Open-Source-Werkzeug, das NVIDIA am 13. Oktober 2026 aus der Beta-Phase genommen hat, kann ein RTX-Spark-PC laut NVIDIAs Pressemitteilung KI-Inferenz für andere kompatible Computer in einem Heimnetz bereitstellen. NVIDIAs Blog schreibt, PAIR „verteilt KI-Workloads auf verfügbare Systeme“, und sagt nicht, dass sich ein Modell auf mehrere PCs aufteilen lässt.

DGX Spark oder RTX Spark für ein Entwicklerteam

Die Wahl folgt daraus, wo der Code des Teams im Produktivbetrieb laufen wird.

Unsere Auswertung der oben genannten Seiten von NVIDIA zu DGX Spark und RTX Spark, Stand 16. Oktober 2026; RTX PRO 6000 Server Edition nach NVIDIAs Produktseite.

Ein Beispiel ist ein Team von 12 Entwicklern, das einen internen Assistenten baut, der auf Servern mit RTX PRO 6000 Server Edition oder H200 NVL laufen wird. Zwei DGX-Spark-Systeme geben dem Team eine gemeinsame Testumgebung auf demselben Linux- und CUDA-Stack wie diese Server; jedes fasst ein 4-Bit-Modell mit bis zu etwa 200 Milliarden Parametern, beide zusammen eines mit bis zu 400 Milliarden. Entwickler mit RTX-Spark-Laptops können kleinere Modelle lokal ausführen, und die Spark-Systeme bleiben die Referenz für den Server-Stack. Systeme mit anderen Chips mit Unified Memory behandelt unser Vergleich von DGX Spark, Mac Studio und Ryzen AI Max.

Wir liefern die DGX Spark Founders Edition unter einem EU-Vertrag und auf einer Rechnung, mit Herstellergarantie. Schreiben Sie uns, was Ihre Entwickler bauen und wo es im Produktivbetrieb laufen wird, und wir antworten innerhalb eines Werktages mit einer Konfiguration und einem Angebot.

Was wir liefern

Wir liefern den NVIDIA DGX Spark in der Founders Edition (128 GB, 4 TB) EU-weit unter einem Vertrag und auf einer Rechnung, mit Herstellergarantie, zum Beispiel zwei Systeme für ein Modell über 128 GB oder vier für eine gemeinsame Testumgebung eines Teams. NVIDIA AI Enterprise für DGX Spark kann im selben Angebot stehen. Braucht ein Team interaktive Geschwindigkeit für viele Nutzer, bauen wir KI-Server auf Bestellung mit Karten vom Typ RTX PRO 6000 Server Edition oder H200 NVL, und wir prüfen Rack, Strom und Luftführung, bevor wir ein Angebot erstellen.

FAQ