DGX Spark gibt es jetzt in einer neuen Version mit 64GB einheitlichem Speicher, und damit liegt der Einstiegspreis für große Modelle lokal auf dem Desktop bei 4999 US-Dollar. Am 2. Oktober 2026 kündigte NVIDIA die neue Konfiguration in seinem offiziellen Blog an und nannte den 23. Oktober als Verkaufsstart. Wer seine Agenten auf dem eigenen Gerät behalten will, bekommt damit eine günstigere Option.
Gleiche Hardware, nur halb so viel Speicher
Die neue Version nutzt denselben GB10 Grace Blackwell Superchip wie das 128GB-Modell, läuft mit demselben DGX OS und bringt den vollständigen NVIDIA AI Software-Stack mit. Der einzige Unterschied ist der einheitliche Speicher: Die 64GB-Version wird ausschließlich über Partner verkauft — Acer, ASUS, Dell, Gigabyte, HP und MSI —, kostet ab 4999 US-Dollar und kommt am 23. Oktober in den Handel.
Mit ihren 64GB Speicher kann eine einzelne Maschine Modelle mit bis zu 100 Milliarden Parametern lokal ausführen, wobei die Agenten vollständig auf dem Gerät laufen, privat und ohne Abhängigkeit von der Cloud. Für alle, die lokale Inferenz auf dem Desktop schon kennen, ist dieser Weg vertraut: Wie LM Studio beim Einbau großer Modelle in eine Desktop-App mit seinen Abwägungen bei Speicher, Quantisierung und Modellauswahl gezeigt hat, scheitert das Erlebnis meist nicht an der Oberfläche, sondern daran, ob genug Speicher für das Modell vorhanden ist. Genau dort setzt die DGX Spark 64GB-Version an: erst eine Maschine für sich zum Laufen bringen, dann über Erweiterung sprechen.
Softwareseitig ist sie sofort einsatzbereit. Vorinstalliert sind das NVIDIA Agent Toolkit, die CUDA-X-Bibliotheken und die offenen Nemotron-Modelle, und auch Ollama, vLLM und PyTorch funktionieren direkt. Ein vorkonfiguriertes Installationspaket für Blender folgt in Kürze. Wer nicht erst Tage mit Treibern und Frameworks verbringen will, spart mit dieser Vorinstallation mehr als nur Installationsschritte: Sie verringert auch typische Probleme wie nicht zueinander passende Versionen und kollidierende Abhängigkeiten, sodass man nach dem Auspacken schnell Modelle ausprobieren und Agenten bauen kann.
Zwei Maschinen als Cluster, damit ein späterer Ausbau offenbleibt
Reicht eine Maschine nicht, lassen sich zwei zu einem Cluster verbinden. Die beiden DGX Spark-Geräte werden über ihre eingebauten ConnectX-7-Netzwerkadapter per QSFP-Kabel direkt verbunden, und der NVIDIA Sync Cluster Assistant übernimmt die Konfiguration automatisch — niemand muss das Netzwerk von Hand einstellen. Zusammen kommen sie auf 128GB Speicher, genug für Modelle mit bis zu 200 Milliarden Parametern, bei doppelter Speicherbandbreite und bis zu 1,7-facher Leistung einer einzelnen Maschine. Diese 1,7-fache Leistung stammt, das muss dazugesagt werden, aus NVIDIAs eigenem offiziellen Benchmark mit Qwen 3.8 27B; die tatsächlichen Werte hängen von der jeweiligen Arbeitslast ab.
Auch die begleitenden Werkzeuge werden ergänzt. Ende dieses Monats veröffentlicht NVIDIA den NVIDIA Sync Model Launcher, mit dem sich Qwen3.8 27B mit wenigen Klicks herunterladen und starten lässt. Er richtet zudem OpenCode automatisch ein und nimmt einem die manuelle Arbeit an Umgebungen und Parametern ab. Für einzelne Entwicklerinnen und Entwickler ist dieser Weg — erst eine Maschine kaufen, später eine zweite dazustellen — realistischer, als sich von Anfang an die teuerste Konfiguration zuzumuten.
Der Preis von 4999 US-Dollar ergibt nur vor dem Hintergrund steigender Speicherpreise Sinn
Um diesen Preis einzuordnen, braucht es einen Hintergrund. Mehrere Medien berichten unter Berufung auf The Register, dass die 128GB-Version der DGX Spark inzwischen rund 6950 US-Dollar kostet, nach einem ursprünglichen Startpreis von 3999 US-Dollar, und sehen die gestiegenen Speicherpreise als Hauptgrund. Betont werden muss: Diese Preisangaben stammen aus Medienberichten, nicht von NVIDIA selbst.
Vor diesem Hintergrund wird der Sinn der 64GB-Version klar. Die Nachfrage nach lokalen Agenten wird konkreter: Viele möchten einen Agenten, der lange eingeschaltet bleibt und jederzeit bereitsteht, ohne private Daten an die Cloud zu geben. Bei dieser Nutzungsart geht es nicht um Spitzenrechenleistung, sondern darum, ob ein Modell dauerhaft im Speicher bleiben und zuverlässig laufen kann. Kurz gesagt: Die Hürde dieser Generation von Desktop-KI-Maschinen ist der Speicher, nicht die Rechenleistung. In einer Phase steigender Speicherpreise ist es nicht leicht, die 128GB-Version günstiger zu machen — der Schritt auf 64GB ist NVIDIAs Kompromiss, um einen Einstiegspreis zu halten.
Für alle ist sie trotzdem nicht gedacht. Wer auf einer einzelnen Maschine ein Modell mit mehr als 100 Milliarden Parametern ausführen muss, bekommt es in die 64GB-Version nicht hinein und muss zum 128GB-Modell, zu einem Cluster aus zwei Maschinen oder in die Cloud ausweichen; wer stoßweise Lasten hat — meist Leerlauf, nur gelegentlich ein großer Auftrag —, fährt mit nutzungsabhängig abgerechneter Cloud weiterhin günstiger. Umgekehrt gilt: Läuft die Arbeit jeden Tag, sind die Daten sensibel und sollen die Kosten fest bleiben, dann ist eine DGX Spark 64GB-Version auf dem Schreibtisch genau das Gerät, das diese neue Konfiguration erreichen will.
