Die 64-GB-Version des NVIDIA DGX Spark ist am 23. Oktober 2026 in den Verkauf gegangen, ausschließlich über die sechs OEM-Partner Acer, ASUS, Dell, Gigabyte, HP und MSI, ab 4.999 US-Dollar. Zuerst das Fazit: Sie nutzt denselben GB10-Chip wie die 128-GB-Version, doch der Speicher wurde von 128 GB auf 64 GB halbiert, und die Obergrenze der lauffähigen Modelle sinkt von 200 Milliarden auf 100 Milliarden Parameter. Gleichzeitig kostet sie 1.000 US-Dollar mehr als der Einführungspreis der 128-GB-Version von 3.999 US-Dollar. Man kauft hier, dass es überhaupt verfügbar ist, nicht, dass es günstiger wäre.
Der echte Verkaufsgrund: kleine Box, großer Speicherpool
Der DGX Spark ist ein 1,2 Kilogramm schwerer Desktop-Rechner, 150 × 150 × 50,5 Millimeter groß. Ein 20-Kern-Arm-Prozessor und eine Blackwell-Grafikkarte teilen sich einen einheitlichen Speicher, mit 273 GB/s Bandbreite und bis zu 1 PFLOP KI-Leistung (FP4-Genauigkeit). Die 64-GB-Version schafft Inferenz bis 100 Milliarden Parameter und Fine-Tuning bis 70 Milliarden. Zwei Geräte lassen sich mit einem Kabel zu 128 GB verbinden und Modelle der 400-Milliarden-Klasse betreiben. Das System ist NVIDIAs DGX OS, ein Linux auf Ubuntu-Basis, mit CUDA-Ökosystem und Tools wie vLLM direkt einsatzbereit, sodass Entwickler ihren Workflow nicht umbauen müssen.
Hürden und Kosten: drei Rechnungen vorher aufmachen
Erstens gibt es das System nur mit Linux, kein Windows. Wer es als alltäglichen Hauptrechner nutzen will, kann es vergessen. Zweitens sind 4.999 US-Dollar nur der Einstiegspreis der OEM-Partner; Speicher, Gehäuse und Ausstattung unterscheiden sich je nach Hersteller, der Endpreis richtet sich nach dem aktuellen Markt. Der Einführungspreis der 128-GB-Version von 3.999 US-Dollar gehört längst der Vergangenheit an, im Handel werden Berichten zufolge bis zu 6.950 US-Dollar aufgerufen, ein Vergleich mit dem alten Einführungspreis ist also sinnlos. Drittens gilt die Herstellerangabe, dass 64 GB für 100 Milliarden Parameter reichen, nur bei passender Quantisierung. Wer ein volles großes Modell betreiben will, sollte zuerst die Speicherrechnung aufmachen: Ein Modell, das nicht hineinpasst, ist umsonst billig.
Kaufen, warten oder nicht kaufen
Entwickler, die Modelle bis 100 Milliarden Parameter lokal betreiben, bis 70 Milliarden feinabstimmen und auf das CUDA-Ökosystem angewiesen sind, können darüber nachdenken. Wer die 128-GB-Version zu einem vernünftigen Preis bekommt, sollte nicht die 64-GB-Version nehmen: doppelt so viel Speicher und eine doppelt so hohe Obergrenze pro Gerät. Wer nur kleine Modelle mit 7 oder 14 Milliarden Parametern betreibt, kommt mit einer normalen Grafikkarte und Open-Source-Lösungen deutlich günstiger weg. Wer auf Windows angewiesen ist oder damit nur chatten und arbeiten will, braucht es überhaupt nicht.
