DGX Spark alternatifleri: RTX, Ryzen AI Halo ve Mac Studio
Yayınlanmış DGX Spark, RTX ve Ryzen AI Halo inference benchmark'larını karşılaştırıyoruz; prompt işleme, token üretimi ve daha uzun context'leri kapsıyor. Alternatifler arasında Framework Desktop, Mac Studio ve diğer üreticilerin GB10 sistemleri yer alıyor.
Decode hızı, saniyede üretilen çıktı token sayısını ölçer. Daha yüksek değerler daha hızlı yanıt üretimi anlamına gelir. Altı sonucun tümü, LMSYS'nin DGX Spark incelemesinin bağlantı verdiği elektronik tablodan, Ollama'da batch one ile GPT-OSS 20B MXFP4 kullanır.1
Prefill hızı, yanıt üretiminden önce saniyede işlenen girdi token sayısını ölçer. Bir modelin bir prompt'u ne kadar hızlı işlediğini etkiler; decode ise sonraki çıktı aşamasını ölçer.
DGX Spark inference benchmark'ları
RTX 5090, Spark'tan 3.4 kat daha hızlı token üretti
LMSYS elektronik tablosunda RTX 5090 205.5 token/s üretti; DGX Spark'ta bu değer 60.9 oldu. RTX PRO 6000 Blackwell 215.2 token/s değerine, RTX 5080 ise 140.9 değerine ulaştı. Spark, aynı dataset'te iki Apple yapılandırmasını geride bıraktı; Mac Studio M1 Max 52.7 token/s ve Mac mini M4 Pro 46.9 token/s kaydetti.1
Cihaz | Prefill, tokens/s | Decode, tokens/s |
|---|---|---|
RTX PRO 6000 Blackwell | 10.108.0 | 215.2 |
GeForce RTX 5090 | 8.518.6 | 205.5 |
GeForce RTX 5080 | 5.603.8 | 140.9 |
DGX Spark | 2.054.0 | 60.9 |
Mac Studio M1 Max | 869.2 | 52.7 |
Mac mini M4 Pro | 640.6 | 46.9 |
Elektronik tablo 17 Eylül 2026'da alındı. Bu satırlar için test tarihleri, prompt uzunlukları veya tam Ollama sürümleri verilmiyor. İnceleme metni Spark için 49.7 tokens/s değeri bildirirken, bağlantılı tablo 60.906 bildiriyor. Altı çubuğun tümü, kaynağı tutarlı tutmak için tabloyu kullanıyor. Bu sonuçlar M3 Ultra veya duyurulan M5 Studio modellerini kapsamıyor.2
GPT-OSS 120B decode, %27 düştü; 32.768 token önceki context'te
Şubat 2026 llama.cpp sonuçlarında DGX Spark, eklenmiş context derinliği sıfırken GPT-OSS 120B MXFP4 ile 58.72 tokens/s üretti. 32.768 token önceki context'te throughput 42.76 tokens/s değerine düştü; bu %27 bir düşüş. GPT-OSS 20B aynı aralıkta 83.43 tokens/s'den 61.65 tokens/s'ye düştü.3
Önceki context, test context'inde zaten tutulan token sayısıdır. Her iki model de bu derinlik arttıkça çıktıyı daha yavaş üretti; bu nedenle kısa context oranı, bu yapılandırmalar için uzun bir oturumun ilerleyen kısımlarındaki performansı olduğundan yüksek gösterir.
Aynı dosya, ek derinlik olmadan GPT-OSS 120B prefill hızını 2.443.91 tokens/s olarak ve 2.048 token'lık bir prompt için bildiriyor. 32 sequence ve her biri 4.096 girdi token'ı içeren ayrı bir testte toplam 262.20 aggregate decode tokens/s değerine ulaşıldı. Bu, batch genelindeki birleşik çıktı oranıdır.3
AMD, Mayıs testlerinde Halo için 4–%14 avantaj bildiriyor
AMD, dört modelde Ryzen AI Halo için DGX Spark'tan daha yüksek token throughput bildiriyor: %14 GLM 4.7 Flash-30B-A3B için, %12 Qwen 3.5-122B-A10B için, %7 GPT-OSS 120B için ve %4 Qwen 3.6-35B-A3B için. Dipnot, üç çalıştırmayı, 100 token'lık context'i ve 6 Mayıs 2026 itibarıyla mevcut Spark yazılımını açıklıyor.4
Bu, Ryzen AI Max+ 395 ve 128 GB belleğe sahip bir ön üretim Halo kullanan bir üretici karşılaştırmasıdır. Genel sayfa, eşdeğer bir testi yeniden oluşturmak için mutlak oranları veya yeterli quantization ve runtime ayrıntısını sağlamaz. Yüzdeler, Halo tokens/s değerini hesaplamak için Şubat llama.cpp skorlarına uygulanamaz.4
DGX Spark alternatifleri
Spark, NVIDIA'nın GB10 çipini, 128 GB coherent unified memory'yi ve 273 GB/s bellek bant genişliğini bir araya getiriyor. NVIDIA'nın yazılım stack'ini kullanarak yerel AI geliştirmeyi hedefliyor. Reklamı yapılan model boyutu sınırları desteklenen senaryoları tanımlıyor. Gerçek uyum ayrıca ağırlık hassasiyeti, context, runtime buffer'ları ve işletim sistemi belleğine bağlıdır.5
Bulunabilirlik bölgeye ve yapılandırmaya göre değişir.6478
1. Framework Desktop
Framework'in mevcut yapılandırıcısı, opsiyonel depolama ve diğer seçimlerden önce 128 GB yapılandırmayı Ryzen AI Max+ 395 ile $3,449 olarak listeliyor. 32 GB seçeneği Max 385 kullanıyor. Bellek satın alma sonrasında yükseltilemez.6
Geliştirici lhl, GPT-OSS 120B'yi Framework Desktop üzerinde Vulkan ve ROCm kullanarak test etti; bunlar GPU üzerinde inference çalıştırmak için iki yazılım yoludur. Yayınlanmış Spark sonuçlarıyla yapılan Ekim karşılaştırması farklı llama.cpp build'leri ve ayarlanmış AMD microbatch boyutları kullandı. Bu ayarlar, sonuçların donanım farkını ne kadar net izole ettiğini sınırlıyor.9
2. AMD Ryzen AI Halo
Ryzen AI Halo, geliştirici platformu olarak Max+ 395, 128 GB unified memory ve ROCm desteğini paketliyor. AMD'nin güncel sayfası ürünü Amerika Birleşik Devletleri'nde satın alma ve kullanım için sunuyor. Mayıs karşılaştırması Halo için $3,999 perakende fiyatını ve Spark için $4,699 kullandı. Bunlar tarihli fiyat girdileridir; doğrulanmış bir Eylül checkout karşılaştırması değildir.4
AMD ayrıca gelecek olan 192 GB Halo'yu, Ryzen AI Max+ PRO 495 tabanlı olarak listeliyor. Mayıs benchmark'ı 128 GB Max+ 395 yapılandırmasını kapsıyor. Duyurulan 192 GB sürümün performansı bu karşılaştırmada doğrulanmamış olarak kalıyor.4
3. Apple Mac Studio
Apple, 25 Ağustos 2026'da M5 Max ve M5 Ultra Mac Studio'yu duyurdu. ABD başlangıç fiyatları sırasıyla $2,499 ve $5.499. İlk teslimatlar 22 Eylül için planlanırken, 512 GB yapılandırma Ekim sonu için planlanıyor. Bunlar başlangıç fiyatlarıdır; maksimum bellek için fiyat teklifleri değildir.7
Apple, M5 Max için 128 GB'a kadar ve M5 Ultra için 512 GB'a kadar bellek, Ultra'da 1.2 TB/s'ye kadar bellek bant genişliği belirtiyor. Şirketin kendi AI hızlanma iddiaları seçili Apple sistemleri ve iş yüklerini karşılaştırıyor. Bunlar bir Spark karşılaştırması oluşturmaz. Bu makalenin benchmark dataset'ine yeniden üretilebilir bir M5 Studio-Spark karşılaştırması kabul edilmedi.7
Mevcut M3 Ultra ölçümleri önceki nesli tanımlıyor. M5 satın alma karşılaştırmaları, yeni donanım ve onun belirli bellek yapılandırması için sonuçlar gerektiriyor.
4. ASUS Ascent GX10 ve diğer GB10 sistemleri
GB10 OEM sistemleri, aynı çip platformunu korurken NVIDIA'nın kasasına alternatifler sunar. StorageReview, ASUS Ascent GX10'u NVIDIA'nın Founders Edition'ı ve Dell, Acer ile GIGABYTE sistemleriyle karşılaştırdı. vLLM testleri ASUS'un test edilen modeller genelinde diğer sistemlere genel olarak yakın olduğunu bulurken, termal testler uygulamalar arasındaki farkları inceledi.8
Soğutma, depolama, destek koşulları ve komple sistem fiyatı bu uygulamaları birbirinden ayırıyor. Termal sonuçlar test edilen kasaya ve yüke özgü kalmaya devam ediyor.
5. Ayrık bir RTX iş istasyonu
LMSYS çalışması, iş yükü GPU belleğine sığdığında RTX 5090 veya RTX PRO 6000 Blackwell'i değerlendirmek için kanıt sağlıyor. Her ikisi de tarihsel testte GPT-OSS 20B modelini Spark'tan daha hızlı üretti.2 NVIDIA, RTX 5090 için 32 GB ayrılmış GDDR7 bellek belirtiyor.10
Bir iş istasyonu bütçesi host, güç kaynağı, soğutma ve ek GPU dahil etmelidir. Birden fazla kart eklemek toplam kurulu VRAM'i artırır, ancak yürütme yine de model bölümleme ve interconnect davranışına bağlıdır. Kart başına bant genişliği tek bir birleştirilmiş bellek bant genişliği rakamı olarak sunulmamalıdır.
LLM bellek tahmini ağırlıklar, KV cache ve runtime ek yükünü içerir. CPU offload'u, iş yükü GPU belleğini aştığında yürütme yolunu değiştirir.
Benchmark metodolojisi
Makale, üç kaynaktan yayınlanan donanım ölçümlerini kullanıyor. Her karşılaştırma, sağlandığı yerlerde test tarihleri dahil olmak üzere bildirilen modeli ve iş yükünü koruyor. Bu makale için yeni donanım veya model kalitesi testi yapılmadı.
Spark taraması 32 token'lık üretim testleri (tg32) ve 2.048 token'lık prompt işleme testleri (pp2048) kullanıyor. Beş önceki context derinliği sıfırdan 32.768 token'a kadar uzanıyor. 32 sequence sonucu ayrı batched benchmark'tan geliyor ve birleşik çıktı throughput'unu ölçüyor.3
Eşzamanlı serving, ek isteklerin etkisini değerlendirmek için latency ölçümlerini de gerektirir. Ayrı GPU concurrency benchmark, veri merkezi GPU'larındaki bu dengeyi kapsar.
Benchmark sınırlamaları
Açılış grafiği, LMSYS'nin Ekim 2025 incelemesinden bağlantılı elektronik tabloyu kullanıyor. Ollama satırları prompt/çıktı uzunluklarını ve runtime sürümlerini atlıyor, bu nedenle tam kontrollü bir karşılaştırma kurulamıyor. Tablo inceleme metninden farklıdır ve son ölçüm tarihi bilinmiyor. NVIDIA, inceleme için Spark'a erken erişim sağladı.2
Şubat Spark ölçümleri farklı bir runtime ve test tarihi kullanıyor. Eşdeğer peer ölçümleri olmadan güncellenmiş bir RTX-Spark oranı oluşturamazlar. AMD'nin Mayıs yüzdeleri satıcı tarafından bildirilmiştir; mutlak oranlar ve tam quantization'lar açıklanmamıştır. Üç kaynak tek bir kontrollü sıralama oluşturmaz.
İncelenen kaynaklarda Spark, güncel Apple donanımı, Halo ve RTX'i kapsayan eksiksiz bir Eylül 2026 test matrisi karşılaştırma gereksinimlerini karşılamadı. Bu araştırmada model kalitesi eşdeğerliği, güç verimliliği ve toplam sahip olma maliyeti ölçülmedi.
Yerel AI donanım seçimi
Bağlantılı LMSYS dataset'inde RTX 5090, GPT-OSS 20B modelini Spark'tan yaklaşık 3.4 kat daha hızlı üretti. Spark'ın 128 GB paylaşımlı bellek yapılandırması, RTX 5090'ın 32 GB ayrılmış belleğinden farklı bir kapasite gereksinimini destekliyor. Model uyumu ve yazılım uyumluluğu, bir dağıtımda hangi benchmark'ın geçerli olduğunu belirler.
Framework ve Halo AMD alternatifleri sunarken, Mac Studio Apple'ın GPU yazılım stack'ini kullanıyor. GB10 OEM sistemleri, farklı kasalar ve destek düzenlemeleriyle Spark platformunu koruyor. Aralıklı iş yükleri için bulut GPU kiralama seçenekleri, yerel-bulut karşılaştırmasına kullanım ve transfer maliyetleri ekliyor.
Tercih edilen kaynak olarak ekleİleri okuma
- LLM Self-Hosting için VRAM Hesaplayıcı
- GPU Concurrency Benchmark: H100 vs H200 vs B200 vs MI300X
- 2026'da En İyi 70+ Cloud GPU Sağlayıcıları
Bu benchmarkı kaynak gösterin
Yayınlayacağınız yere uygun formatı seçin. Bağlantılı sürümü CMS'inize yapıştırmak, geri bağlantıyı korur.
@misc{dilmegani2026,
author = {Dilmegani, Cem and Sarı, Ekrem},
title = {{DGX Spark alternatifleri: RTX, Ryzen AI Halo ve Mac Studio}},
year = {2026},
month = sep,
howpublished = {\url{https://aimultiple.com/dgx-spark-alternatives}},
note = {AIMultiple. Erişim tarihi: 16 Eylül 2026}
}39 veri noktasının sonuçları ve zaman damgaları. Bu makaledeki grafik ve tablolarda gösterilen özet verileri, 7 CSV dosyası içeren ZIP dosyası olarak indirin.
Arkasındaki ayrıntılı veriyi ister misiniz? Premium'a katılın
Değişiklik günlüğü
3 güncellemeAlternatifler karşılaştırmasına bir AMD Ryzen AI Halo Mini-PC bölümü eklendi.
Head-to-Head karşılaştırma (GPT-OSS 120B Model) bölümü kaldırıldı.
Referans Linkleri
Yorumlar 1
Düşüncelerinizi Paylaşın
E-posta adresiniz yayınlanmayacak. Tüm alanlar gereklidir. Yorumlar orijinal dilinde bırakılır.
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.