NVIDIA DGX Spark 64GB Gibt Entwicklern mehr Möglichkeiten, lokale KI zu entwickeln und zu skalieren

Kurzfassung#

NVIDIA bringt diesen Monat eine neue DGX-Spark-Variante mit 64 GB Arbeitsspeicher auf den Markt. Ab dem 23. Oktober ist sie über die Hersteller Acer, ASUS, Dell, Gigabyte, HP und MSI erhältlich, ausgestattet mit DGX OS und dem kompletten NVIDIA-KI-Software-Stack. Lokale KI wird demnach zunehmend nützlicher, je mehr offene Modelle schrumpfen und auf mehr Geräten lauffähig werden, während KI-Agenten vom Experiment zum Alltag in der Entwicklung werden. nvidia

Quelle: NVIDIA Blog, „NVIDIA DGX Spark 64GB Gives Developers More Ways to Build and Scale Local AI", 2. Oktober 2026, von Allen Bourgoyne — https://blogs.nvidia.com/blog/local-ai-dgx-spark-64gb-sync/

Was ist passiert?#

NVIDIA erweitert die DGX-Spark-Reihe um eine günstigere 64-GB-Variante, die exklusiv über Hardwarepartner verkauft wird und preislich bei 4.999 US-Dollar startet. Technisch bleibt sie beim bewährten GB10-Grace-Blackwell-Superchip, läuft unter DGX OS und bringt denselben KI-Software-Stack mit wie das bisherige 128-GB-Modell – unterstützt werden damit Modelle bis etwa 100 Milliarden Parameter direkt auf dem Gerät. Der eigentliche Clou liegt im Zusammenschalten: Zwei 64-GB-Einheiten lassen sich über eingebautes ConnectX-7-Networking und die neue Software NVIDIA Sync Cluster Assistant automatisch zu einem Cluster mit 128 GB gemeinsamem Speicher verbinden, ganz ohne manuelle Netzwerkkonfiguration. In einem Test mit dem Modell Qwen 3.8 27B lieferte ein solcher Zwei-Geräte-Cluster laut NVIDIA bis zu 1,7-fache Leistung gegenüber einem Einzelsystem. Ergänzend kündigt NVIDIA für Ende des Monats einen „Sync Model Launcher" an, der das Herunterladen und Starten lokaler Modelle per Klick ermöglichen soll, inklusive automatischer Einrichtung von OpenCode für browserbasiertes Coding.

Warum ist das relevant?#

Die bisherige Einstiegshürde für DGX Spark lag beim Preis des 128-GB-Modells, das zuletzt sogar teurer wurde. Mit 64 GB schafft NVIDIA einen zugänglicheren Einstiegspunkt, ohne an der grundlegenden Softwareplattform oder Architektur zu sparen. Dass zwei güns­tigere Einheiten bei Bedarf zu einem leistungsfähigeren Cluster verschmelzen, verschiebt die Kaufentscheidung von „maximale Leistung sofort kaufen" zu „bei Bedarf nachrüsten" – ein für Einzelentwickler und kleine Teams attraktiveres Modell.

Was bedeutet das für Entwickler?#

Wer heute mit kleineren bis mittelgroßen Modellen arbeitet (bis ~100B Parameter), bekommt eine vollwertige lokale Entwicklungsumgebung, ohne vorab in die teurere 128-GB-Variante investieren zu müssen. Für Workflows wie Code-Review-Agenten, Dokumentenanalyse oder das parallele Betreiben eines Modells neben der eigentlichen Entwicklungsmaschine (DGX Spark übernimmt die Inferenz, der eigene Rechner bleibt frei) sinkt die Einstiegshürde spürbar. Wächst der Bedarf später, lässt sich ohne Software-Umbau auf einen Cluster skalieren.

Was bedeutet das für lokale AI?#

Der Trend geht klar in Richtung modularer, erschwinglicherer lokaler KI-Hardware, die trotzdem denselben professionellen Software-Unterbau nutzt wie die teureren Varianten. Das senkt die Eintrittsschwelle für lokale Agenten-Workflows insgesamt und könnte dazu beitragen, dass mehr Entwickler aus Kostengründen von Cloud-APIs auf lokale Inferenz umsteigen – gerade bei Modellen im 30B-Bereich, die für viele Aufgaben bereits ausreichen.

Meine Einschätzung#

Die Cluster-Lösung ist der eigentlich interessante Teil der Ankündigung, nicht die reine Speicherreduktion. Dass zwei 64-GB-Geräte zusammen fast 10.000 Dollar kosten (2× 4.999 $) und dabei „nur" 1,7-fache statt 2-facher Leistung liefern, zeigt aber auch: Wer von Anfang an weiß, dass er die volle Kapazität braucht, fährt preislich womöglich besser mit einem einzelnen 128-GB-System – vorausgesetzt, dessen Preis bleibt stabil. Der eigentliche Vorteil der 64-GB-Variante liegt daher im niedrigeren Einstiegspreis und der Möglichkeit, erst später nachzurüsten, nicht in besserer Preis-Leistung bei Volllast.