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 bağlamları kapsıyoruz. Alternatifler arasında Framework Desktop, Mac Studio ve diğer üreticilerin GB10 sistemleri yer alıyor.

Decode hızı, saniyede üretilen çıktı token'larını ölçer. Daha yüksek değerler daha hızlı yanıt üretimi anlamına gelir. Altı sonucun tümü, LMSYS'nin DGX Spark incelemesinin bağlantı verdiği elektronik tablodaki batch one ayarında Ollama'da GPT-OSS 20B MXFP4 kullanır.¹

Prefill hızı, yanıt üretiminden önce saniyede işlenen girdi token'larını 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

RTX 5090, LMSYS elektronik tablosunda 205.5 token/s üretti; DGX Spark'ta bu değer 60.9 idi. RTX PRO 6000 Blackwell 215.2 token/s değerine ulaştı ve RTX 5080 140.9 değerine ulaştı. Spark, aynı dataset'teki iki Apple yapılandırmasını geride bıraktı; Mac Studio M1 Max'ta 52.7 token/s ve Mac mini M4 Pro'da 46.9 token/s kaydedildi.¹

Elektronik tablo 17 Eylül 2026'da alındı. Bu satırlar için test tarihleri, prompt uzunlukları veya tam Ollama sürümleri verilmemektedir. İnceleme metni Spark için 49.7 token/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 oranında 32.768 token önceki bağlamda düştü

DGX Spark, Şubat 2026 llama.cpp sonuçlarında sıfır ek bağlam derinliğinde 58.72 token/s ile GPT-OSS 120B MXFP4 üretti. 32.768 token önceki bağlamda verim 42.76 token/s değerine düştü; bu %27 bir düşüş. GPT-OSS 20B aynı aralıkta 83.43 token/s'den 61.65 token/s'ye düştü.³

Önceki bağlam, test bağlamında zaten tutulan token sayısıdır. Derinlik arttıkça her iki model de çıktıyı daha yavaş üretti; bu nedenle kısa bağlam oranı, bu yapılandırmalar için uzun bir oturumun ilerleyen bölümlerinde performansı olduğundan yüksek gösterir.

Aynı dosya, ek derinlik olmadan 2.048 token'lık bir prompt için GPT-OSS 120B prefill hızını 2.443.91 token/s olarak bildiriyor. Her biri 32 dizi ve 4.096 girdi token'ı içeren ayrı bir test, toplam 262.20 decode token/s değerine ulaştı. Bu, batch genelindeki birleşik çıktı hızıdır.³

AMD, Mayıs testlerinde 4–%14 Halo avantajı bildiriyor

AMD, dört modelde Ryzen AI Halo için DGX Spark'tan daha yüksek token verimi 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 çalıştırma, 100 token'lık bir bağlam ve 6 Mayıs 2026 itibarıyla mevcut olan Spark yazılımını açıklamaktadır.⁴

Bu, Ryzen AI Max+ 395 ve 128 GB belleğe sahip üretim öncesi bir Halo kullanan bir üretici karşılaştırmasıdır. Genel sayfa, eşdeğer bir testi yeniden oluşturmak için mutlak hızları veya yeterli kuantizasyon ve çalışma zamanı ayrıntısını sağlamamaktadır. Yüzdeler, Halo token/s değerini hesaplamak için Şubat llama.cpp puanlarına uygulanamaz.⁴

DGX Spark alternatifleri

Spark, NVIDIA'nın GB10 çipini, 128 GB tutarlı birleşik belleği ve 273 GB/s bellek bant genişliğini bir araya getirir. NVIDIA'nın yazılım yığınını kullanarak yerel yapay zeka geliştirmeyi hedefler. Tanıtılan model boyutu sınırları desteklenen senaryoları tanımlar. Gerçek uyum ayrıca ağırlık hassasiyetine, bağlama, çalışma zamanı arabelleklerine ve işletim sistemi belleğine bağlıdır.⁵

Kullanılabilirlik bölgeye ve yapılandırmaya göre değişir.⁶⁴⁷⁸

1. Framework Desktop

Framework'ün güncel yapılandırıcısı, isteğe bağlı 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 alındıktan sonra yükseltilemez.⁶

Geliştirici lhl, GPU üzerinde inference çalıştırmak için iki yazılım yolu olan Vulkan ve ROCm kullanarak Framework Desktop'ta GPT-OSS 120B test etti. Yayınlanmış Spark sonuçlarına karşı Ekim karşılaştırması farklı llama.cpp derlemeleri ve ayarlanmış AMD microbatch boyutları kullandı. Bu ayarlar, sonuçların donanım farkını ne kadar yakından yalıttığını sınırlar.⁹

2. AMD Ryzen AI Halo

Ryzen AI Halo, Max+ 395, 128 GB birleşik bellek ve ROCm desteğini bir geliştirici platformu olarak paketler. AMD'nin güncel sayfası ürünü Amerika Birleşik Devletleri'nde satın alma ve kullanım için sunmaktadır. Mayıs karşılaştırması $3,999 Halo perakende fiyatı ve Spark için $4,699 kullandı. Bunlar tarihli fiyat girdileridir, doğrulanmış bir Eylül ödeme karşılaştırması değildir.⁴

AMD ayrıca Ryzen AI Max+ PRO 495 tabanlı, yakında çıkacak 192 GB Halo'yu listeliyor. Mayıs benchmark'ı 128 GB Max+ 395 yapılandırmasını kapsıyor. Duyurulan 192 GB sürümün performansı bu karşılaştırmada doğrulanmamıştır.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 teklifi değildir.⁷

Apple, M5 Max için 128 GB'a ve M5 Ultra için 512 GB'a kadar bellek, Ultra'da 1.2 TB/s'ye kadar bellek bant genişliği belirtiyor. Kendi yapay zeka hızlanma iddiaları seçili Apple sistemlerini ve iş yüklerini karşılaştırır. Bunlar bir Spark karşılaştırması oluşturmaz. Bu makalenin benchmark dataset'ine hiçbir yeniden üretilebilir M5 Studio-Spark sonucu kabul edilmedi.⁷

Mevcut M3 Ultra ölçümleri önceki nesli tanımlar. M5 satın alma karşılaştırmaları, yeni donanım ve onun belirli bellek yapılandırması için sonuçlar gerektirir.

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 ve GIGABYTE sistemleriyle karşılaştırdı. vLLM testleri ASUS'un test edilen modellerde diğer sistemlere genel olarak yakın olduğunu bulurken, termal testleri uygulamalar arasındaki farkları inceledi.⁸

Soğutma, depolama, destek koşulları ve komple sistem fiyatı bu uygulamaları birbirinden ayırır. Termal sonuçlar test edilen kasa ve yüke özgü kalmaya devam eder.

5. Ayrık bir RTX iş istasyonu

LMSYS çalışması, iş yükü GPU belleğine sığdığında RTX 5090 veya RTX PRO 6000 Blackwell'i değerlendirmek için kanıt sağlar. Her ikisi de geçmiş 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; ana sistemi, güç kaynağını, soğutmayı ve ek GPU'ları içermelidir. Birkaç kart eklemek toplam kurulu VRAM'i artırır, ancak yürütme yine de model bölümleme ve ara bağlantı davranışına bağlıdır. Kart başına bant genişliği, tek bir birleştirilmiş bellek bant genişliği rakamı olarak sunulmamalıdır.

LLM bellek tahmini ağırlıkları, KV cache'i ve çalışma zamanı ek yükünü içerir. CPU offload, bir iş yükü GPU belleğini aştığında yürütme yolunu değiştirir.

Benchmark metodolojisi

Makale, üç kaynaktan yayınlanmış donanım ölçümlerini kullanır. Her karşılaştırma, sağlandığı yerlerde test tarihleri dahil olmak üzere bildirilen modeli ve iş yükünü korur. Bu makale için yeni donanım veya model kalitesi testi yapılmamıştır.

Spark taraması, 32 token'lık üretim testlerini (tg32) ve 2.048 token'lık prompt işleme testlerini (pp2048) kullanır. Beş önceki bağlam derinliği sıfırdan 32.768 token'a kadar çalışır. 32 dizili sonuç ayrı batch benchmark'tan gelir ve birleşik çıktı verimini ölçer., veri merkezi GPU'larında bu ödünleşimi ele alır.

Benchmark sınırlamaları

Açılış grafiği, LMSYS'nin Ekim 2025 incelemesindeki bağlantılı elektronik tabloyu kullanır. Ollama satırları prompt/çıktı uzunluklarını ve çalışma zamanı sürümlerini atlar; bu nedenle tamamen kontrollü bir karşılaştırma kurulamaz. Tablo inceleme metninden farklıdır ve son ölçüm tarihi bilinmemektedir. NVIDIA, inceleme için Spark'a erken erişim sağladı.

İncelenen kaynaklarda Spark, güncel Apple donanımı, Halo ve RTX'i kapsayan eksiksiz bir Eylül 2026 test matrisi karşılaştırma gereksinimlerini karşılamadı. Model kalitesi eşitliği, güç verimliliği ve toplam sahip olma maliyeti bu araştırmada ölçülmemiştir.

Framework ve Halo AMD alternatifleri sunar; Mac Studio ise Apple'ın GPU yazılım yığınını kullanır. GB10 OEM sistemleri Spark platformunu farklı kasalar ve destek düzenlemeleriyle korur. Aralıklı iş yükleri için bulut GPU kiralama seçenekleri, yerel-bulut karşılaştırmasına kullanım ve aktarım maliyetleri ekler.

Kıyaslamalarımızı ve veri odaklı içgörülerimizi kaçırmayın. Düğme Google'ı açar; AIMultiple'ı seçmeniz, Google arama sonuçlarında AIMultiple'ı daha sık görmek istediğinizi onaylar.

Tercih edilen kaynak olarak ekle

İleri okuma

• LLM VRAM Hesaplayıcı (Self-Hosting için)
• GPU Eşzamanlılık Benchmark'ı: H100 vs H200 vs B200 vs MI300X
• 2026'da En İyi 70+ Bulut 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: 17 Eylül 2026}
}

Değişiklik günlüğü

3 güncelleme

20262025

1. 13 Nis

   Alternatifler karşılaştırmasına bir AMD Ryzen AI Halo Mini-PC bölümü eklendi.

2. 22 Oca

   Head-to-Head karşılaştırma (GPT-OSS 120B Model) bölümü kaldırıldı.

Referans Linkleri

1.

NVIDIA DGX Spark Benchmarks - Google Sheets

2.

NVIDIA DGX Spark In-Depth Review: A New Standard for Local AI Inference - LMSYS Org

LMSYS Org

3.

llama.cpp/benches/dgx-spark/dgx-spark.md at master · ggml-org/llama.cpp · GitHub

4.

AMD Ryzen™ AI Halo for AI Developers

5.

Personal AI Supercomputer Powered by Blackwell | NVIDIA DGX Spark

6.

Framework | Configure Framework Desktop DIY Edition (AMD Ryzen™ AI Max

7.

Apple introduces new Mac Studio with M5 Max and M5 Ultra - Apple

Apple

8.

ASUS Ascent GX10 Review - StorageReview.com

StorageReview.com

9.

GitHub - lhl/strix-halo-testing · GitHub

10.

GeForce RTX 5090 Graphics Cards | NVIDIA

NVIDIA

Cem Dilmegani

Baş Analist

Takip Et

Cem, 2017'den beri AIMultiple bünyesinde baş analisttir. Cem'in AIMultiple'daki çalışmaları; Business Insider, Forbes, Morning Brew ve Washington Post gibi önde gelen küresel yayınlar, Deloitte ve HPE gibi küresel firmalar, Dünya Ekonomik Forumu gibi STK'lar ve Avrupa Komisyonu gibi uluslarüstü kuruluşlar tarafından alıntılanmıştır. [1], [2], [3], [4], [5] Kariyeri boyunca Cem; teknoloji danışmanı, teknoloji alıcısı ve teknoloji girişimcisi olarak görev yaptı. On yılı aşkın süre boyunca McKinsey & Company ve Altman Solon'da işletmelere teknoloji kararlarında danışmanlık yaptı. Ayrıca dijitalleşme üzerine bir McKinsey raporu yayımladı. CEO'ya rapor verirken bir telekom şirketinin teknoloji stratejisini ve satın alma süreçlerini yönetti. Ayrıca 2 yıl içinde 0'dan 7 haneli yıllık yinelenen gelire ve 9 haneli değerlemeye ulaşan derin teknoloji şirketi Hypatos'un ticari büyümesini yönetti. Cem'in Hypatos'taki çalışmaları TechCrunch ve Business Insider gibi önde gelen teknoloji yayınları tarafından ele alındı. Cem, uluslararası teknoloji konferanslarında düzenli olarak konuşma yapmaktadır. Boğaziçi Üniversitesi'nden bilgisayar mühendisi olarak mezun oldu ve Columbia Business School'dan MBA derecesine sahiptir.

Tam Profili Görüntüle

Teknik olarak inceleyen

Ekrem Sarı

Yapay Zeka Araştırmacısı

Takip Et

Ekrem, AIMultiple'da Yapay Zeka Araştırmacısı ve Veri Bilimcidir. Yapay zeka ve LLM sistemleri için uygulamalı benchmark'lar tasarlar ve yürütür.

Tam Profili Görüntüle

Yorum yapan ilk kişi olun

E-posta adresiniz yayınlanmayacak. Tüm alanlar gereklidir. Yorumlar orijinal dilinde bırakılır.

Ad

E-posta Adresi

Yorum

0/450

Yorumu Gönder