Alternative a DGX Spark: RTX, Ryzen IA Halo e Mac Studio
Confrontiamo i benchmark di inference pubblicati di DGX Spark, RTX e Ryzen IA Halo, coprendo l'elaborazione dei prompt, la generazione dei token e contesti più lunghi. Le alternative includono Framework Desktop, Mac Studio e sistemi GB10 di altri produttori.
La velocità di decodifica misura i token di output generati al secondo. Valori più alti indicano una generazione della risposta più rapida. Tutti e sei i risultati utilizzano GPT-OSS 20B MXFP4 in Ollama con batch one, dal foglio di calcolo collegato dalla recensione di DGX Spark di LMSYS.1
La velocità di prefill misura i token di input elaborati al secondo prima della generazione della risposta. Incide sulla rapidità con cui un model elabora un prompt, mentre la decodifica misura la successiva fase di output.
Benchmark di inference di DGX Spark
RTX 5090 ha generato token 3.4 volte più velocemente di Spark
RTX 5090 ha generato 205.5 tokens/s, rispetto a 60.9 su DGX Spark, nel foglio di calcolo di LMSYS. RTX PRO 6000 Blackwell ha raggiunto 215.2 tokens/s e RTX 5080 ha raggiunto 140.9. Spark ha superato le due configurazioni Apple nello stesso dataset, che hanno registrato 52.7 tokens/s su Mac Studio M1 Max e 46.9 su Mac mini M4 Pro.1
Il foglio di calcolo è stato recuperato il 17 settembre 2026. Non fornisce date dei test, lunghezze dei prompt o versioni esatte di Ollama per queste righe. Il corpo della recensione riporta un valore di Spark di 49.7 tokens/s, mentre il foglio collegato riporta 60.906. Tutte e sei le barre utilizzano il foglio per mantenere coerente la fonte. Questi risultati non coprono M3 Ultra o i model M5 Studio annunciati.2
La decodifica di GPT-OSS 120B è diminuita del 27% a 32.768 token di contesto precedente
DGX Spark ha generato 58.72 tokens/s con GPT-OSS 120B MXFP4 a profondità di contesto aggiunto pari a zero nei risultati di llama.cpp di febbraio 2026. A 32.768 token di contesto precedente, il throughput è sceso a 42.76 tokens/s, con un calo del 27%. GPT-OSS 20B è sceso da 83.43 a 61.65 tokens/s nello stesso intervallo.3
Il contesto precedente è il numero di tokens già presenti nel contesto di test. Entrambi i model hanno generato output più lentamente all'aumentare di tale profondità, quindi il tasso a contesto breve sovrastima le prestazioni più avanti in una sessione lunga per queste configurazioni.
Lo stesso file riporta il prefill di GPT-OSS 120B a 2.443.91 tokens/s per un prompt da 2.048 token senza profondità aggiuntiva. Un test separato con 32 sequenze e 4.096 token di input ciascuna ha raggiunto 262.20 tokens/s aggregati di decodifica. Si tratta del tasso di output combinato nel batch.3
AMD segnala un vantaggio Halo del 4–14% nei suoi test di maggio
AMD segnala un throughput di token più elevato per Ryzen IA Halo rispetto a DGX Spark su quattro model: 14% per GLM 4.7 Flash-30B-A3B, 12% per Qwen 3.5-122B-A10B, 7% per GPT-OSS 120B e 4% per Qwen 3.6-35B-A3B. La nota descrive tre esecuzioni, un contesto da 100 token e il software Spark disponibile al 6 maggio 2026.4
Si tratta di un confronto del produttore che utilizza un Halo pre-produzione con Ryzen IA Max+ 395 e 128 GB di memoria. La pagina pubblica non fornisce i tassi assoluti né dettagli sufficienti su quantizzazione e runtime per riprodurre un test equivalente. Le percentuali non possono essere applicate ai punteggi di llama.cpp di febbraio per calcolare i tokens/s di Halo.4
Alternative a DGX Spark
Spark combina il chip GB10 di NVIDIA, 128 GB di memoria unificata coerente e 273 GB/s di larghezza di banda della memoria. È pensato per lo sviluppo IA locale utilizzando lo stack software di NVIDIA. I suoi limiti dichiarati di dimensione dei model descrivono gli scenari supportati. L'adattamento effettivo dipende anche dalla precisione dei pesi, dal contesto, dai buffer di runtime e dalla memoria del sistema operativo.5
La disponibilità varia in base alla regione e alla configurazione.6478
1. Framework Desktop
Il configuratore attuale di Framework elenca la configurazione da 128 GB con Ryzen IA Max+ 395 a $3,449 prima di storage opzionale e altre selezioni. L'opzione da 32 GB utilizza Max 385. La memoria non è aggiornabile dopo l'acquisto.6
Lo sviluppatore lhl ha testato GPT-OSS 120B su Framework Desktop utilizzando Vulkan e ROCm, due percorsi software per eseguire l'inference sulla GPU. Il confronto di ottobre con i risultati pubblicati di Spark ha utilizzato build di llama.cpp diverse e dimensioni di microbatch AMD ottimizzate. Tali impostazioni limitano la precisione con cui i risultati isolano la differenza hardware.9
2. AMD Ryzen IA Halo
Ryzen IA Halo combina Max+ 395, 128 GB di memoria unificata e supporto ROCm come piattaforma per sviluppatori. La pagina attuale di AMD offre il prodotto per l'acquisto e l'uso negli Stati Uniti. Il suo confronto di maggio ha utilizzato un prezzo al dettaglio di $3,999 per Halo e $4,699 per Spark. Si tratta di dati di prezzo datati, non di un confronto verificato al momento del checkout di settembre.4
AMD elenca inoltre un Halo da 192 GB in arrivo basato su Ryzen IA Max+ PRO 495. Il benchmark di maggio copre la configurazione da 128 GB Max+ 395. Le prestazioni della versione annunciata da 192 GB rimangono non verificate in questo confronto.4
3. Apple Mac Studio
Apple ha annunciato Mac Studio M5 Max e M5 Ultra il 25 agosto 2026. I prezzi di partenza negli Stati Uniti sono rispettivamente $2,499 e $5.499. Le prime consegne sono previste per il 22 settembre, mentre la configurazione da 512 GB è prevista per fine ottobre. Si tratta di prezzi di partenza, non di preventivi per la memoria massima.7
Apple specifica fino a 128 GB per M5 Max e 512 GB per M5 Ultra, con una larghezza di banda della memoria fino a 1.2 TB/s su Ultra. Le sue dichiarazioni di accelerazione IA confrontano sistemi e carichi di lavoro Apple selezionati. Non stabiliscono un confronto con Spark. Nessun risultato riproducibile M5 Studio contro Spark è stato accettato nel dataset di benchmark di questo articolo.7
Le misurazioni esistenti di M3 Ultra descrivono la generazione precedente. I confronti di acquisto per M5 richiedono risultati per il nuovo hardware e la sua specifica configurazione di memoria.
4. ASUS Ascent GX10 e altri sistemi GB10
I sistemi GB10 OEM offrono alternative all'enclosure di NVIDIA mantenendo la stessa piattaforma chip. StorageReview ha confrontato ASUS Ascent GX10 con la Founders Edition di NVIDIA e sistemi di Dell, Acer e GIGABYTE. I suoi test vLLM hanno rilevato che ASUS è complessivamente vicino agli altri sistemi nei model testati, mentre i test termici hanno esaminato le differenze tra le implementazioni.8
Il raffreddamento, lo storage, i termini di supporto e il prezzo del sistema completo distinguono queste implementazioni. I risultati termici rimangono specifici per l'enclosure e il carico testati.
5. Una workstation con RTX discreta
Lo studio LMSYS fornisce elementi per considerare RTX 5090 o RTX PRO 6000 Blackwell quando il carico di lavoro rientra nella memoria della GPU. Entrambe hanno generato GPT-OSS 20B più velocemente di Spark nel test storico.2 NVIDIA specifica 32 GB di memoria dedicata GDDR7 per RTX 5090.10
Il budget di una workstation deve includere l'host, l'alimentatore, il raffreddamento e qualsiasi GPU aggiuntiva. L'aggiunta di più schede aumenta la VRAM totale installata, ma l'esecuzione dipende ancora dal partizionamento del model e dal comportamento dell'interconnessione. La larghezza di banda per singola scheda non deve essere presentata come un'unica cifra di larghezza di banda di memoria aggregata.
La LLM stima della memoria include pesi, cache KV e overhead di runtime. L'offload della CPU modifica il percorso di esecuzione quando un carico di lavoro supera la memoria della GPU.
Metodologia del benchmark
L'articolo utilizza misurazioni hardware pubblicate da tre fonti. Ogni confronto mantiene il model e il carico di lavoro riportati, con le date dei test incluse dove fornite. Non è stato condotto alcun nuovo test hardware o sulla qualità dei model per questo articolo.
La sweep di Spark utilizza test di generazione da 32 token (tg32) e test di elaborazione prompt da 2.048 token (pp2048). Le cinque profondità di contesto precedente vanno da zero a 32.768 token. Il risultato con 32 sequenze proviene dal benchmark batch separato e misura il throughput di output combinato.3
Il serving concorrente richiede anche misurazioni di latenza per valutare l'effetto di richieste aggiuntive. Il GPU benchmark di concorrenza separato copre questo compromesso sulle GPUs dei data center.
Limiti dei benchmark
Il grafico di apertura utilizza il foglio di calcolo collegato dalla recensione di LMSYS dell'ottobre 2025. Le sue righe Ollama omettono le lunghezze di prompt/output e le versioni di runtime, quindi non è possibile stabilire un confronto completamente controllato. Il foglio differisce dal corpo della recensione e la data dell'ultima misurazione è sconosciuta. NVIDIA ha fornito accesso anticipato a Spark per la recensione.2
Le misurazioni di Spark di febbraio utilizzano un runtime e una data di test diversi. Non possono stabilire un rapporto RTX-Spark aggiornato senza misurazioni equivalenti tra pari. Le percentuali di maggio di AMD sono dichiarate dal vendor, con tassi assoluti e quantizzazioni esatte non divulgati. Le tre fonti non formano una singola classifica controllata.
Nessuna matrice di test completa di settembre 2026 che coprisse Spark, l'hardware Apple attuale, Halo e RTX ha soddisfatto i requisiti di confronto nelle fonti esaminate. La parità di qualità dei model, l'efficienza energetica e il costo totale di proprietà non sono stati misurati in questa ricerca.
Selezione di hardware IA locale
RTX 5090 ha generato GPT-OSS 20B circa 3.4 volte più velocemente di Spark nel dataset LMSYS collegato. La configurazione con memoria condivisa da 128 GB di Spark supporta un requisito di capacità diverso dalla memoria dedicata da 32 GB di RTX 5090. La compatibilità con il model e con il software determina quale benchmark si applica a un deployment.
Framework e Halo offrono alternative AMD, mentre Mac Studio utilizza lo stack software Apple GPU. I sistemi GB10 OEM mantengono la piattaforma Spark con enclosure e accordi di supporto diversi. Per carichi di lavoro intermittenti, le cloud GPU opzioni di noleggio aggiungono costi di utilizzo e di trasferimento al confronto locale contro cloud.
Aggiungi come fonte preferitaUlteriori letture
- LLM Calcolatore VRAM per il self-hosting
- GPU Benchmark di concorrenza: H100 vs H200 vs B200 vs MI300X
- I migliori 70+ cloud GPU provider nel 2026
Cita questo benchmark
Scegli il formato adatto a dove pubblicherai. Incollare la versione con link nel tuo CMS preserva il backlink.
@misc{dilmegani2026,
author = {Dilmegani, Cem and Sarı, Ekrem},
title = {{Alternative a DGX Spark: RTX, Ryzen IA Halo e Mac Studio}},
year = {2026},
month = sep,
howpublished = {\url{https://aimultiple.com/dgx-spark-alternatives}},
note = {AIMultiple. Consultato il 16 settembre 2026}
}Risultati e timestamp di 39 punti dati. Scarica i dati di sintesi mostrati nei grafici e nelle tabelle di questo articolo come file ZIP contenente 7 file CSV.
Vuoi i dati granulari che ci stanno dietro? Passa a Premium
Registro delle modifiche
3 aggiornamentiAggiunta una sezione sull'AMD Ryzen AI Halo Mini-PC nel confronto delle alternative.
Rimossa la sezione Confronto diretto (modello GPT-OSS 120B).
Collegamenti di riferimento
Il lavoro di Cem presso AIMultiple è stato citato da importanti testate internazionali tra cui Business Insider, Forbes, Morning Brew e Washington Post, da aziende globali come Deloitte e HPE, da ONG come il World Economic Forum e da organizzazioni sovranazionali come la Commissione europea. [1], [2], [3], [4], [5]
Nel corso della sua carriera, Cem ha lavorato come consulente tecnologico, acquirente tecnologico e imprenditore tecnologico. Ha consigliato le aziende sulle loro decisioni tecnologiche presso McKinsey & Company e Altman Solon per più di un decennio. Ha inoltre pubblicato un report McKinsey sulla digitalizzazione.
Ha guidato la strategia tecnologica e gli approvvigionamenti di una società di telecomunicazioni rispondendo direttamente al CEO. Ha inoltre guidato la crescita commerciale dell'azienda deep tech Hypatos, che ha raggiunto ricavi ricorrenti annuali a 7 cifre e una valutazione a 9 cifre partendo da zero in 2 anni. Il lavoro di Cem in Hypatos è stato ripreso da importanti testate tecnologiche come TechCrunch e Business Insider.
Cem interviene regolarmente a conferenze tecnologiche internazionali. Si è laureato come ingegnere informatico presso l'Università di Bogazici e possiede un MBA della Columbia Business School.
Commenti 1
Condividi i tuoi pensieri
Il tuo indirizzo email non verrà pubblicato. Tutti i campi sono obbligatori. I commenti vengono lasciati nella loro lingua originale.
Good to see someone actually mentioning the Mac mini as a DGX Spark alternative. I've been looking into affordable options for local LLMs, and surprisingly, most comparison articles seem to overlook it. Many blogs on DGX Spark alternatives covers Mac Studio and several other machines but doesn't mention the Mac mini. Any idea why that is? Is it because of the memory and performance limitations?
Yes, it is mainly a memory issue. You can only fit quite small models in 16 or 32GB.