Nvidia halbiert den Speicher des DGX Spark
Nvidia führt eine günstigere Version des DGX Spark mit 64 GB Arbeitsspeicher und halbiertem Massenspeicher ein. Das GB10-basierte System soll rund 4.999 US-Dollar kosten und ausschließlich über Hardwarepartner wie Acer, Asus, Dell, Gigabyte, HP und MSI verkauft werden.
Die genaue Kapazität des verbauten Massenspeichers nennt Nvidia bislang nicht. Ebenfalls offen sind Euro-Preise und konkrete Verfügbarkeitstermine für Deutschland, Österreich und die Schweiz.
Hinter der neuen Konfiguration stehen die stark gestiegenen Preise für Arbeitsspeicher. Wie angespannt der Markt bleibt, zeigt auch die Prognose von Micron zur Speicherknappheit bis 2028.
128-GB-Modell wird fast 75 % teurer
Parallel zur Einführung der kleineren Variante hebt Nvidia den Preis des DGX Spark mit 128 GB auf 6.950 US-Dollar an. Das entspricht einem Anstieg von fast 75 % gegenüber dem Preis des Vorjahres.
| Variante | Arbeitsspeicher | Preis | Einordnung |
|---|---|---|---|
| DGX Spark, neue Variante | 64 GB | rund 4.999 US-Dollar | Für lokale Inferenz mittelgroßer Modelle |
| DGX Spark, großes Modell | 128 GB | 6.950 US-Dollar | Mehr Spielraum für große Modelle und Fine-Tuning |
| DGX Spark zum Marktstart | 128 GB | 4.000 US-Dollar | Ursprünglicher Einführungspreis |
| Project Digits, frühe Planung | nicht spezifiziert | rund 3.000 US-Dollar | Ursprünglich angestrebter Preis |
Damit kostet das neue 64-GB-Modell rund 25 % mehr als die doppelt so große Variante bei ihrer Einführung. Der niedrigere Einstiegspreis gilt deshalb nur im Vergleich zum inzwischen stark verteuerten 128-GB-System.
Speicherbandbreite bleibt unverändert
Trotz der halbierten Kapazität bleibt die Speicherbandbreite bei 273 GB/s. Nvidia setzt dafür weiterhin auf LPDDR5x-Module, allerdings mit geringerer Kapazität.
Auch die übrige Plattform bleibt weitgehend unverändert. Verbaut ist ein 20-Kern-Arm-Prozessor von MediaTek. Über ConnectX-7 lassen sich bis zu vier GB10-Systeme mit jeweils 200 Gbps zu einem Cluster verbinden.
| Merkmal | 64-GB-DGX-Spark |
|---|---|
| Speicherbandbreite | 273 GB/s |
| Prozessor | 20-Kern-Arm-Prozessor von MediaTek |
| Netzwerk | ConnectX-7 mit 200 Gbps pro Gerät |
| Cluster-Größe | bis zu vier GB10-Systeme |
| Empfohlene Modellgröße | 26 bis 35 Milliarden Parameter |
Noch in diesem Monat sollen Updates für DGX OS folgen. Sie sollen Cluster-Konfigurationen und Inferenz-Umgebungen vereinfachen. Bisher waren dafür Eingriffe über die Kommandozeile sowie Anpassungen an vLLM oder TensorRT-LLM erforderlich.
64 GB reichen für Inferenz, nicht für jedes Training
Inferenz bezeichnet die Ausführung eines bereits trainierten KI-Modells. Laut Nvidia eignet sich die 64-GB-Version für Modelle mit 26 bis 35 Milliarden Parametern, etwa Qwen 3.8 27B. Damit lassen sich private KI-Agenten und andere lokale Anwendungen betreiben, sofern Modell und Kontextfenster in den verfügbaren Speicher passen.
Die 64-GB-Variante senkt den Einstiegspreis, ist aber in erster Linie eine Maschine für lokale Inferenz. Für umfangreiches Fine-Tuning bleibt der halbierte Arbeitsspeicher ein klarer Engpass.
Fine-Tuning, also die gezielte Anpassung eines Modells mit eigenen Daten, benötigt zusätzlichen Speicher für Modellgewichte, Zwischenergebnisse und Optimierungsdaten. Unternehmen sollten deshalb nicht allein anhand der Parameterzahl dimensionieren. Auch Kontextlänge, Parallelität und Quantisierung beeinflussen den tatsächlichen Bedarf.
Grundsätzlich bleiben kompakte Open-Weight-Modelle eine wirtschaftlich interessante Option. Eine Marktanalyse zeigt, dass Open-Weights-Modelle trotz Leistungsrückstand deutlich günstiger betrieben werden können.
AMD bietet mehr Kapazität zu niedrigeren Preisen
Konkurrenz kommt von AMDs Gorgon-Halo-SoCs. Die Plattform deckt Konfigurationen von 32 GB bis 192 GB ab. Systeme mit dem Ryzen AI Max+ 495 und bis zu 192 GB Arbeitsspeicher werden günstiger angeboten als der DGX Spark mit 128 GB.
Bei der reinen KI-Rechenleistung wird Nvidias GB10 jedoch stärker eingeordnet. Für eine Beschaffung ist deshalb entscheidend, ob Speicherkapazität, Rechenleistung oder die vorhandene Nvidia-Softwareumgebung den größeren Einfluss auf den konkreten Arbeitsablauf hat.
Was die Preisverschiebung für Unternehmen bedeutet
Für Unternehmen im DACH-Raum bleibt lokales Hosting kompakter KI-Modelle grundsätzlich erreichbar. Der Einstieg beginnt bei rund 5.000 US-Dollar, zuzüglich möglicher Steuern, Importkosten und Aufschläge der Vertriebspartner. Einen verbindlichen Euro-Preis gibt es bislang nicht.
Self-Hosting kann laufende API-Kosten reduzieren und sensible Daten im eigenen Einflussbereich halten. Gleichzeitig steigen die Anforderungen an Kapazitätsplanung, Betrieb und Wartung. Der neue DGX Spark zeigt, dass auch eigene KI-Infrastruktur nicht unabhängig von globalen Hardwarepreisen ist.
Die 64-GB-Version ist deshalb kein vollständiger Ersatz für das größere Modell. Sie ist eine enger zugeschnittene Plattform für lokale Agenten und mittelgroße Modelle. Wer Fine-Tuning, hohe Parallelität oder größere Modelle plant, muss weiterhin mehr investieren oder alternative Hardwarekonfigurationen prüfen.