HP ZGX Nano kaufen - die AI Station für den Schreibtisch
Petaflop-KI im 15-cm-Format: NVIDIA GB10 Grace Blackwell mit 128 GB Unified Memory fährt Modelle bis 200 Mrd. Parameter lokal - zwei gekoppelte Geräte bis 405 Mrd. Dazu HPs Security-Paket (FIPS-Modus, verschlüsselte SSD, Variante ohne Funk) und das kostenlose ZGX Toolkit. Wir liefern den ZGX Nano kurzfristig - einzeln, als 2er-Cluster oder als Flotte. Angebot in 48 h.
IT-Systemhaus für HPC & AI-Infrastruktur · Lieferung EU-weit · Tagesaktuelle Preise & Verfügbarkeit
Was ist der HP ZGX Nano?
Die HP ZGX Nano G1n AI Station ist ein Desktop-KI-Rechner auf Basis der NVIDIA-DGX-Spark-Plattform: Der GB10 Grace Blackwell Superchip kombiniert eine 20-Kern-Arm-CPU mit einer Blackwell-GPU und 128 GB gemeinsamem LPDDR5x-Speicher - genug für KI-Modelle bis 200 Milliarden Parameter (FP4), lokal in einem 150-mm-Gehäuse mit 240-W-Netzteil. HP ergänzt die Referenzplattform um ein Security-Paket (TPM 2.0 mit FIPS-140-2-Modus, selbstverschlüsselnde SSD, Variante ohne Funkmodule) und das kostenlose ZGX Toolkit. Zwei Geräte lassen sich per ConnectX-7 (200 GbE) zu 256 GB koppeln. Bei Nelpx ist der ZGX Nano auf Anfrage erhältlich und kurzfristig lieferbar - Angebot in der Regel innerhalb von 48 Stunden.
- Preis
- Auf Anfrage bei Nelpx - zur Einordnung: im deutschen Handel Anfang August 2026 ab rund 5.199 € brutto (2 TB) bzw. 5.498 € brutto (4 TB); Nelpx bestätigt tagesaktuell im Angebot.
- Verfügbarkeit
- Kurzfristig lieferbar (Markt: 1–3 Werktage, Stand 08.08.2026) - Neuware aus dem autorisierten Kanal; 1 Jahr HP-Garantie (1/1/0), erweiterbar per Care Pack.
- Plattform
- NVIDIA GB10 · 128 GB Unified · 2 oder 4 TB NVMe (self-encrypting) · ConnectX-7 · NVIDIA DGX OS 7 mit vollem AI-Stack ab Werk.
Stand: 8. August 2026 · Quellen: HP-Produktseite, HP-QuickSpecs (c09212373) & -Datenblatt, NVIDIA-DGX-Spark-Plattformdaten, deutsche Handelspreise - Herstellerclaims sind gekennzeichnet.
Grace Blackwell auf dem Schreibtisch - mit HP-Security obendrauf
Der ZGX Nano bringt die DGX-Spark-Plattform ins HP-Workstation-Portfolio: entwickeln, feintunen und testen wie im Rechenzentrum - beschafft und supportet über den klassischen HP-Kanal.
Blackwell-GPU mit Tensor-Cores der 5. Generation plus 20-Kern-Arm-CPU (10× Cortex-X925 + 10× Cortex-A725), verbunden per NVLink-C2C - CPU und GPU teilen sich 128 GB LPDDR5x als einheitlichen Speicher (273 GB/s). 1.000 AI TOPS in FP4 (Herstellerangabe, mit Sparsity).
Die 128 GB Unified Memory fassen FP4-quantisierte Modelle bis zur 200B-Klasse - MoE-Modelle wie GPT-OSS-120B liegen der Plattform besonders. 2 oder 4 TB selbstverschlüsselnder NVMe-Storage (OPAL); zwei Geräte koppeln sich per ConnectX-7 auf 256 GB für die 405B-Klasse.
TPM 2.0 (in den FIPS-140-2-Modus konvertierbar), Secure-Boot-Kontrollen und eine Ausführung ganz ohne WLAN/Bluetooth für regulierte Umgebungen. Das kostenlose ZGX Toolkit bindet das Gerät per VS Code an den Arbeitsrechner an - inklusive MLflow und Ollama. Fernwartung auf BIOS-Ebene per Remote System Controller (optional).
Werte: HP-QuickSpecs c09212373 (V5, 04/2026) und HP-Datenblatt zur ZGX Nano G1n AI Station, Stand 08.08.2026. Gewichtsangaben variieren je HP-Quelle zwischen 1,18 und 1,25 kg - daher „ca. 1,2 kg". Die 1.000 TOPS nennt HP ohne Sparse/Dense-Zusatz; NVIDIAs Fußnote zum identischen GB10 im DGX Spark weist sie als FP4-Wert mit Sparsity aus.
Ihr ZGX-Nano-Setup.
In 2 Minuten angefragt.
Storage, Ausführung, Stückzahl und Services wählen - als PDF herunterladen oder direkt an uns senden. Angebot mit tagesaktuellem Preis in der Regel innerhalb von 48 Stunden.
= 128 GB Unified Memory · Modelle bis 200 Mrd. Parameter (FP4)
Datenschutz: Konfiguration und Kontaktdaten bleiben beim Ausfüllen vollständig in Ihrem Browser - Daten werden erst beim aktiven Absenden der E-Mail übertragen.
Was läuft auf 128 GB Unified Memory - und wie schnell?
Die ehrliche Antwort vor dem Kauf: Der Speicher ist riesig, die Bandbreite (273 GB/s) begrenzt das Tempo. MoE-Modelle liegen der Plattform deutlich besser als dichte Modelle.
Durchsatzwerte: LMSYS-Messungen auf der DGX-Spark-Referenzplattform (Okt. 2025; hardware-identischer GB10), llama.cpp-Messreihe des ggml-Projekts, StorageReview- und Notebookcheck-Tests am ZGX Nano selbst. NVIDIA gibt an, die Plattform-Performance seit Launch per Software im Schnitt um Faktor 2,5 verbessert zu haben (Herstellerclaim, betrifft v. a. Prompt-Processing). Speicherbedarf: Richtwerte inkl. Overhead. Fine-Tuning: QLoRA bis zur 70B-Klasse auf einem Gerät (NVIDIA-Playbooks), volles SFT für kleine Modelle (NVIDIA-Rezepte ~3B; voller 8B-Durchlauf dokumentiert).
ZGX Nano ehrlich eingeordnet: Speicher top, Bandbreite die Grenze
Kein Marketing-Nebel: Der ZGX Nano schlägt jede Consumer-Grafikkarte beim nutzbaren Modell-Speicher - und verliert beim Durchsatz gegen echte Workstation- und Server-GPUs. Genau dafür ist er gebaut: entwickeln lokal, skalieren im Rechenzentrum.
Speicher für KI-Modelle
GB, GPU-zugänglich - mehr ist mehr Modell
Speicherbandbreite
GB/s - bestimmt das Generierungs-Tempo; hier liegt die Grenze der Plattform
Decode-Durchsatz auf der Plattform
Token/s, Einzelanfrage - MoE schlägt dense deutlich (LMSYS / llama.cpp)
Ein Gerät vs. 2er-Cluster
Unified Memory & Modellgrenze (Herstellerangaben)
Quellen: HP-/NVIDIA-Produktdaten, LMSYS-Benchmark der DGX-Spark-Referenz (Okt. 2025), llama.cpp-Messreihe (ggml-Projekt, Stand nach den Software-Optimierungen seit Launch), NVIDIA-Datenblätter (RTX PRO 6000: 1.792 GB/s), Apple-Angabe M3 Ultra. Durchsatz hängt stark von Quantisierung, Runtime und Kontextlänge ab.
Alle technischen Daten anzeigen (HP ZGX Nano G1n AI Station)
| Spezifikation | HP ZGX Nano G1n AI Station |
|---|---|
| Chip | NVIDIA GB10 Grace Blackwell Superchip · NVLink-C2C-Verbindung zwischen CPU und GPU |
| CPU | 20-Kern-Arm: 10× Cortex-X925 + 10× Cortex-A725 · 16 MB L2 |
| GPU | NVIDIA Blackwell-Architektur, Tensor-Cores 5. Gen, RT-Cores 4. Gen · 1× NVENC, 1× NVDEC |
| AI-Leistung | 1.000 AI TOPS (FP4) - Herstellerangabe; laut NVIDIA-Fußnote zum GB10 mit Sparsity |
| Speicher | 128 GB LPDDR5x-8533, unified, 16 Kanäle · 273 GB/s · fest verlötet, nicht erweiterbar |
| Storage | 2 oder 4 TB NVMe M.2 2242 (PCIe Gen4 x4), self-encrypting (OPAL, TLC) · bis 7.000/6.000 MB/s lesen/schreiben · nur beim Kauf wählbar |
| Cluster-Netz | NVIDIA ConnectX-7, 2× QSFP112 (je 200 GbE) - 2 Geräte koppelbar, bis 405B · HP-DAC-Kabel C20MQAA separat |
| LAN / WLAN | 1× RJ-45 10 GbE · WiFi 7 (802.11be, 2×2) · Bluetooth 5.4 · Secure-Variante ohne WLAN/BT verfügbar |
| Anschlüsse | 3× USB-C 3.2 20 Gbit/s (DP 1.4a Alt Mode, 30 W gesamt) + 1× USB-C-Stromanschluss · 1× HDMI 2.1a · Display via USB-C bis 4K@120 / 5K@60 / 8K@30 - höhere Auflösungen/Bildraten über HDMI 2.1a (HP-QuickSpecs) |
| Betriebssystem | NVIDIA DGX OS 7 (Ubuntu 24.04) - kein Windows-Support (HP-QuickSpecs) · vorinstalliert: CUDA 13, RTX-Treiber 580, DGX Dashboard, NVIDIA AI Workbench, NVIDIA Connect |
| HP-Software | HP ZGX Toolkit (kostenlos): VS-Code-Erweiterung für Windows-11-/Ubuntu-Clients, Geräte-Discovery, MLflow, Ollama · HP Remote System Controller optional (kostenpflichtig) |
| Sicherheit | TPM 2.0 (FIPS-140-2-Modus konvertierbar, Common Criteria EAL4+ zertifiziert - HP-QuickSpecs) · selbstverschlüsselnde OPAL-NVMe · Secure-Boot-/PXE-Kontrollen |
| Maße / Gewicht | 150 × 150 × 51 mm (54,5 mm mit Füßen) · ca. 1,2 kg (HP-Angaben variieren: 1,18–1,25 kg) |
| Stromversorgung | Externes 240-W-Netzteil (USB-C, 89 % Effizienz) · gemessen: ~36–38 W Leerlauf, max. ~228 W Last · Betriebstemperatur 5–30 °C (HP-Spezifikation) |
| Lautstärke | 22 dB(A) Leerlauf (HP-QuickSpecs; StorageReview misst 22/27,6 dB(A) idle/Last, Notebookcheck 30–40 dB(A) - Messungen widersprechen sich) |
| Nachhaltigkeit | 75 % des Gehäuse-Aluminiums recycelt (daneben 40 % Recycling-Kunststoff, 20 % Recycling-Stahl), Verpackung bis 93 % recycelt (Herstellerangaben) |
| Artikelnummern | DE: D4DB3ET#ABD (2 TB) · CZ9K4ET#ABD (4 TB) · daneben D4CY3ET (4 TB) · US u. a. CZ2V2UT (1 TB) · Zubehör: QSFP112-DAC-Kabel C20MQAA, Ersatz-Netzteil CM5A0AA |
| Garantie | 1 Jahr eingeschränkte HP-Garantie (1/1/0) · erweiterbar per HP Care Pack - Konditionen weisen wir im Angebot aus; gesetzliche Gewährleistung unberührt |
Vom Schreibtisch bis ins Rechenzentrum - ein Stack
Der eigentliche Trick der DGX-Spark-Plattform: Was auf dem ZGX Nano läuft, läuft unverändert auf DGX- und HGX-Systemen. Skalieren heißt migrieren, nicht neu bauen.
Wenn das Projekt wächst, liefern wir die nächste Stufe aus einer Hand: GPU-Workstations und -Server für mehr Durchsatz, H200-Karten und HGX-Systeme fürs Rechenzentrum - alles auf demselben NVIDIA-Stack, den der ZGX Nano mitbringt. Und wer auf HPs große KI-Station wartet: Die angekündigte ZGX Fury (NVIDIA GB300, 748 GB) beschaffen wir, sobald sie verfügbar ist.
Wofür lohnt sich der HP ZGX Nano?
Prompten, quantisieren, evaluieren - mit 128 GB laufen auch große Modelle, die auf keine Consumer-Grafikkarte passen. Ollama, llama.cpp und vLLM sind auf der Plattform nachweislich im Einsatz; das ZGX Toolkit bindet den Nano direkt an VS Code an.
QLoRA-Fine-Tuning bis zur 70B-Klasse direkt auf dem Gerät (NVIDIAs DGX-Spark-Playbooks liefern fertige Rezepte) - Experimente lokal statt teurer Cloud-Stunden, auf Wunsch verteilt über den 2er-Cluster.
KI-Praxis im Kursraum: 15 × 15 cm, gut 5 cm flach, normale Steckdose, DGX OS vorinstalliert - und die Migration in den Serverraum ist dank identischem Stack inklusive.
HPs Stärke in der GB10-Klasse: TPM 2.0 im FIPS-140-2-Modus, selbstverschlüsselnde OPAL-SSD und - bislang HP-exklusiv - eine Ausführung ganz ohne Funkmodule. KI-Entwicklung auch dort, wo Air-Gap und Compliance-Vorgaben gelten.
Prompts, Dokumente und Modelle bleiben im Haus. Die lokale Alternative zur US-Cloud-API für sensible Daten und Prototypen - mit Verschlüsselung ab Werk.
Der gleiche NVIDIA-Stack wie auf DGX-Systemen: Was lokal entsteht, geht mit minimalen Änderungen in Produktion - auf eigene GPU-Server oder in die Cloud.
ZGX Nano, DGX Spark oder andere GB10-Boxen - was ist der Unterschied?
Alle GB10-Geräte teilen dieselbe NVIDIA-Referenzplattform: gleicher Chip, gleiche 128 GB, gleiche Software. Unterschiede gibt es bei Gehäuse, Storage, Security, Preis und Kanal:
- Security-Paket: TPM 2.0 mit FIPS-140-2-Modus, OPAL-SSD - plus funklose Secure-Variante, in der GB10-Klasse bislang HP-exklusiv
- ZGX Toolkit kostenlos: VS-Code-Anbindung, MLflow, Ollama ab Werk
- Gehäuse mit Recycling-Aluminium, zweigeteilt für leichten Zugang
- Klassischer HP-B2B-Kanal, Care Packs optional
- Das NVIDIA-Original - 4 TB, goldenes Referenzgehäuse
- Technisch identische Plattform (GB10, 128 GB, ConnectX-7)
- Die Wahl, wenn es das NVIDIA-Branding sein soll
- ASUS Ascent GX10 (Preisbrecher der Klasse), MSI EdgeXpert, GIGABYTE AI TOP ATOM, Dell Pro Max GB10, Lenovo ThinkStation PGX u. a.
- Gleiche Referenzplattform - Unterschiede bei Kühlung, Storage und Preis
- Wir beschaffen auf Wunsch auch diese Varianten und vergleichen im Angebot
Basis: NVIDIA-DGX-Spark-Plattformdaten und Herstellerangaben der jeweiligen OEMs, Stand 08.08.2026. Unabhängige Tests (ServeTheHome) bestätigen: Die Kern-Hardware aller GB10-Geräte ist identisch - die Kaufentscheidung fällt über Storage, Security, Support und Preis.
HP ZGX Nano kaufen - oder etwas anderes?
Die ehrliche Entscheidungshilfe - denn der ZGX Nano ist ein Entwicklungs-Werkzeug, kein Durchsatz-Monster:
Darum der ZGX Nano
- 128 GB für Modelle: mehr GPU-zugänglicher Speicher als jede Consumer-Grafikkarte - die 200B-Klasse läuft lokal, MoE-Modelle richtig gut.
- Security ab Werk: FIPS-fähiges TPM, verschlüsselte SSD, Variante ohne Funk - die GB10-Box für regulierte Umgebungen.
- Kompletter NVIDIA-Stack: DGX OS 7, CUDA 13, AI Workbench - identisch mit dem Rechenzentrum; dazu HPs kostenloses ZGX Toolkit.
- 150-mm-Würfel, 240 W: Steckdose statt Serverraum - auch als Flotte für Kursraum oder Team.
- Kurzfristig lieferbar: Neuware aus dem autorisierten Kanal, Angebot in 48 h.
Die Alternativen ehrlich betrachtet
- NVIDIA DGX Spark FE: dieselbe Plattform im NVIDIA-Gehäuse (zur DGX-Spark-Seite).
- Andere GB10-Boxen: ASUS Ascent GX10 ist der Preisbrecher der Klasse, der MSI EdgeXpert setzt auf Vapor-Chamber-Kühlung - Kern-Hardware jeweils identisch.
- Workstation mit RTX PRO 6000: 1.792 GB/s statt 273 - um ein Vielfaches schnellerer Token-Durchsatz, dafür teurer und größer (Workstation konfigurieren).
- Apple Mac Studio: bis 819 GB/s Bandbreite (M3 Ultra) - schnellere Antwort-Generierung bei großen Modellen, aber ohne CUDA-Ökosystem und NVIDIA-Toolchain.
- Produktions-Inferenz: für Durchsatz und Multi-User-Serving führt der Weg zu H200- oder RTX-PRO-Servern - der ZGX Nano bleibt die Entwicklungsstufe davor.
- Cluster-Training: jenseits von Fine-Tuning beginnt die HGX-Klasse.
Häufige Fragen zum HP ZGX Nano
Was kostet der HP ZGX Nano?
Bei Nelpx ist der HP ZGX Nano auf Anfrage erhältlich - Angebot in der Regel innerhalb von 48 Stunden über den Konfigurator auf dieser Seite. Zur Einordnung: Im deutschen Handel liegt die 2-TB-Variante (D4DB3ET) Anfang August 2026 ab rund 5.199 € brutto (ca. 4.369 € netto), die 4-TB-Variante (CZ9K4ET) ab rund 5.498 € brutto (ca. 4.620 € netto); der HP Store selbst führt die 4-TB-Variante für 6.849 € brutto. Die Launch-UVP von 3.929 € (Dezember 2025) ist am Markt nicht mehr erreichbar - die Preise der gesamten GB10-Klasse sind 2026 deutlich gestiegen. Nelpx bestätigt den Preis tagesaktuell im Angebot.
Ist der HP ZGX Nano lieferbar?
Ja - der HP ZGX Nano ist kurzfristig lieferbar; im deutschen Handel werden für die 2- und 4-TB-Varianten aktuell 1 bis 3 Werktage genannt, der HP Store liefert in 48 Stunden (Stand: 8. August 2026). In Deutschland ist das Gerät seit dem 8. Dezember 2025 im Handel; die Stückzahlen hängen von NVIDIAs GB10-Kontingenten ab. Nelpx bestätigt Verfügbarkeit und Liefertermin verbindlich im Angebot - in der Regel innerhalb von 48 Stunden.
Welche Varianten und Artikelnummern hat der HP ZGX Nano?
In Deutschland gelistet sind vor allem zwei Varianten der HP ZGX Nano G1n AI Station, beide mit 128 GB Unified Memory: D4DB3ET (2 TB NVMe) und CZ9K4ET (4 TB NVMe); daneben existiert die 4-TB-Listung D4CY3ET, in den USA auch eine 1-TB-Variante. Wichtig: Der Speicher ist fest verlötet und die selbstverschlüsselnde SSD (M.2 2242, OPAL) muss beim Kauf gewählt werden - HP weist das Gerät ausdrücklich als nicht aufrüstbar aus. Zusätzlich bietet HP eine Ausführung für regulierte Umgebungen ohne WLAN und Bluetooth an (Air-Gap-Betrieb); diese Variante beschafft Nelpx auf Anfrage.
Was unterscheidet den HP ZGX Nano vom NVIDIA DGX Spark?
Technisch sind beide dieselbe Plattform: Der ZGX Nano basiert auf der NVIDIA-DGX-Spark-Referenz mit GB10 Grace Blackwell Superchip, 128 GB Unified Memory (273 GB/s), ConnectX-7 und NVIDIA DGX OS - wie auch die GB10-Geräte von ASUS, MSI, GIGABYTE, Acer, Dell und Lenovo. HP differenziert sich über das Gehäuse mit Recycling-Aluminium (laut HP sind bis zu 75 Prozent des Aluminiums recycelt; zweigeteilt für leichteren Zugang), die Security-Ausstattung (TPM 2.0 mit FIPS-140-2-Modus, selbstverschlüsselnde OPAL-SSD, Variante ohne Funkmodule für regulierte Umgebungen), das kostenlose HP ZGX Toolkit mit VS-Code-Anbindung sowie den klassischen HP-B2B-Kanal mit Care-Pack-Optionen. Software und KI-Ökosystem sind identisch - zur DGX-Spark-Seite.
Läuft Windows auf dem HP ZGX Nano?
Nein. Der ZGX Nano ist ein Arm-System (GB10) und läuft ausschließlich mit NVIDIA DGX OS 7 auf Ubuntu-24.04-Basis - HPs QuickSpecs schließen Microsoft Windows ausdrücklich aus. In der Praxis arbeitet man vom eigenen Windows- oder Linux-Rechner aus: Das kostenlose HP ZGX Toolkit bindet das Gerät per VS-Code-Erweiterung an, alternativ per SSH oder Browser-Tools. Wer eine Windows-fähige KI-Station mit großem Speicher sucht: Die angekündigte HP ZGX Fury (NVIDIA GB300, 748 GB kohärenter Speicher) soll als Windows-System erscheinen - geplant für später in 2026.
Wie schnell ist der HP ZGX Nano bei großen Sprachmodellen wirklich?
Messungen am ZGX Nano selbst: GPT-OSS-120B erreicht rund 40 bis 55 Token pro Sekunde im interaktiven Betrieb (Notebookcheck) - beim Batch-Serving mit vLLM skaliert das Gerät auf über 2.700 Token pro Sekunde aggregiert (StorageReview, Batch 64). Bei komplett gefülltem Kontextfenster bricht die Rate laut Notebookcheck allerdings auf unter 5 Token pro Sekunde ein; große Modelle brauchen bis zu 3 Minuten Ladezeit. Auf der identischen DGX-Spark-Referenz misst LMSYS: Llama 3.1 8B rund 20 Token/s einzeln und 368 Token/s bei Batch 32, ein dichtes 70B-Modell dagegen nur 2,7 Token/s. Der Grund ist die Speicherbandbreite von 273 GB/s: Sie trägt Mixture-of-Experts-Modelle wie GPT-OSS-120B gut, bremst aber dichte Großmodelle. Bis zu 200 Milliarden Parameter (FP4) passen in die 128 GB - für interaktives Arbeiten und Prototyping geeignet, für Produktions-Durchsatz skaliert man auf RTX-PRO- oder H200-Systeme - der Software-Stack bleibt derselbe.
Kann ich zwei ZGX Nano koppeln?
Ja - der ZGX Nano hat einen NVIDIA-ConnectX-7-NIC mit 2× QSFP112 (je 200 GbE). Zwei gekoppelte Geräte bündeln 256 GB Unified Memory und fahren laut HP Modelle bis 405 Milliarden Parameter (z. B. Llama 3.1 405B in FP4). HP führt dafür ein eigenes Direktkabel als Zubehör (HP ZGX 0.4m QSFP112 DAC, P/N C20MQAA - separat erhältlich). Praxis-Hinweis aus unabhängigen Tests: Die interne PCIe-5.0-x4-Anbindung des GB10 reizt die nominellen 200 Gbit/s nicht voll aus - für den 2er-Verbund funktioniert die Kopplung dennoch wie vorgesehen. Im Konfigurator auf dieser Seite lässt sich das 2er-Cluster direkt anfragen.
Ist Fine-Tuning auf dem HP ZGX Nano möglich?
Ja - NVIDIAs DGX-Spark-Playbooks (das Gerät läuft auf demselben DGX OS) dokumentieren QLoRA-Fine-Tuning bis zur 70B-Klasse auf einem einzelnen Gerät, LoRA für mittlere Modellgrößen und volles Supervised-Fine-Tuning für kleine Modelle (NVIDIAs Rezepte nennen die 3B-Klasse; ein voller 8B-Durchlauf mit 16.000 Token Kontext ist dokumentiert). HP nennt Prototyping, Fine-Tuning und Inferenz ausdrücklich als Einsatzzweck. Volles Training großer Modelle ist nicht das Einsatzgebiet - dafür sind DGX- und HGX-Systeme gebaut, auf die sich Projekte dank identischem NVIDIA-Stack ohne Umbau migrieren lassen.
Welche Software läuft auf dem HP ZGX Nano - und was ist das ZGX Toolkit?
Der ZGX Nano kommt mit NVIDIA DGX OS 7 (Ubuntu 24.04) und vorinstalliertem NVIDIA-Stack: CUDA 13, DGX Dashboard, NVIDIA AI Workbench und NVIDIA Connect. Dazu liefert HP das kostenlose ZGX Toolkit: eine VS-Code-Erweiterung für den eigenen Arbeitsrechner (Windows 11 oder Ubuntu), die das Gerät findet, koppelt und Werkzeuge wie MLflow und Ollama einrichtet. In unabhängigen Tests nachweislich im Einsatz: Ollama, llama.cpp und vLLM. Optional verkauft HP den Remote System Controller für Fernwartung auf BIOS-Ebene. Projekte skalieren mit minimalen Änderungen auf NVIDIA-Datacenter- oder Cloud-Infrastruktur - der Stack ist derselbe.
Welche Garantie hat der HP ZGX Nano?
HP gewährt auf den ZGX Nano 1 Jahr eingeschränkte Herstellergarantie (1/1/0: Teile und Arbeit, keine Vor-Ort-Reparatur) - das ist kürzer als bei klassischen HP-Z-Workstations. Eine Erweiterung ist über HP Care Packs möglich; die für Ihre Bestellung geltenden Garantie- und Servicekonditionen weist Nelpx transparent im Angebot aus. Die gesetzliche Gewährleistung gilt unabhängig davon. Geliefert wird ausschließlich Neuware aus dem autorisierten Kanal.
Wie laut ist der HP ZGX Nano?
HPs QuickSpecs nennen 22 dB(A) Schalldruck im Leerlauf; StorageReview hat 22 dB(A) im Leerlauf und 27,6 dB(A) unter Last gemessen, Notebookcheck dagegen rund 30 dB(A) im Leerlauf und bis 40 dB(A) im Stresstest. Die Messungen widersprechen sich also - die Tests beschreiben den Betrieb am Schreibtisch als leise bis moderat hörbar. Zur Einordnung der Rahmenbedingungen: HP spezifiziert den Betrieb für Umgebungstemperaturen von 5 bis 30 °C; die Leistungsaufnahme liegt zwischen rund 36 W im Leerlauf und maximal etwa 228 W.
Für wen lohnt sich der HP ZGX Nano?
Für Entwickler und Data Scientists, die Modelle lokal bauen, feintunen und testen, bevor sie ins Rechenzentrum gehen; für Hochschulen und Labore, die KI-Praxis in Lehre und Forschung bringen (15 × 15 cm klein, normale Steckdose genügt); und für regulierte Branchen: TPM 2.0 mit FIPS-140-2-Modus, selbstverschlüsselnde OPAL-SSD und eine Geräteausführung ganz ohne Funkmodule - Letztere in der GB10-Klasse bislang HP-exklusiv - machen den ZGX Nano fit für Umgebungen mit strengen Compliance-Vorgaben. Nicht gedacht ist er als Produktions-Inferenz-Server - diesen Part übernehmen GPU-Server, auf die der identische NVIDIA-Stack direkt migriert.
Ihr HP ZGX Nano - angefragt in 2 Minuten
Petaflop-KI auf dem Schreibtisch, kurzfristig lieferbar. Ob ein Gerät für die Entwicklung, das 2er-Cluster für die 405B-Klasse oder eine Flotte für den Kursraum: Konfiguration wählen, PDF laden, Angebot in 48 h.
Jetzt konfigurieren & Angebot einholenKurzfristig lieferbar · Angebot in der Regel innerhalb von 48 h · Lieferung & Integration EU-weit
HP ZGX Nano kaufen - die AI Station für den Schreibtisch
Petaflop-KI im 15-cm-Format: NVIDIA GB10 Grace Blackwell mit 128 GB Unified Memory fährt Modelle bis 200 Mrd. Parameter lokal - zwei gekoppelte Geräte bis 405 Mrd. Dazu HPs Security-Paket (FIPS-Modus, verschlüsselte SSD, Variante ohne Funk) und das kostenlose ZGX Toolkit. Wir liefern den ZGX Nano kurzfristig - einzeln, als 2er-Cluster oder als Flotte. Angebot in 48 h.
IT-Systemhaus für HPC & AI-Infrastruktur · Lieferung EU-weit · Tagesaktuelle Preise & Verfügbarkeit
Was ist der HP ZGX Nano?
Die HP ZGX Nano G1n AI Station ist ein Desktop-KI-Rechner auf Basis der NVIDIA-DGX-Spark-Plattform: Der GB10 Grace Blackwell Superchip kombiniert eine 20-Kern-Arm-CPU mit einer Blackwell-GPU und 128 GB gemeinsamem LPDDR5x-Speicher - genug für KI-Modelle bis 200 Milliarden Parameter (FP4), lokal in einem 150-mm-Gehäuse mit 240-W-Netzteil. HP ergänzt die Referenzplattform um ein Security-Paket (TPM 2.0 mit FIPS-140-2-Modus, selbstverschlüsselnde SSD, Variante ohne Funkmodule) und das kostenlose ZGX Toolkit. Zwei Geräte lassen sich per ConnectX-7 (200 GbE) zu 256 GB koppeln. Bei Nelpx ist der ZGX Nano auf Anfrage erhältlich und kurzfristig lieferbar - Angebot in der Regel innerhalb von 48 Stunden.
- Preis
- Auf Anfrage bei Nelpx - zur Einordnung: im deutschen Handel Anfang August 2026 ab rund 5.199 € brutto (2 TB) bzw. 5.498 € brutto (4 TB); Nelpx bestätigt tagesaktuell im Angebot.
- Verfügbarkeit
- Kurzfristig lieferbar (Markt: 1–3 Werktage, Stand 08.08.2026) - Neuware aus dem autorisierten Kanal; 1 Jahr HP-Garantie (1/1/0), erweiterbar per Care Pack.
- Plattform
- NVIDIA GB10 · 128 GB Unified · 2 oder 4 TB NVMe (self-encrypting) · ConnectX-7 · NVIDIA DGX OS 7 mit vollem AI-Stack ab Werk.
Stand: 8. August 2026 · Quellen: HP-Produktseite, HP-QuickSpecs (c09212373) & -Datenblatt, NVIDIA-DGX-Spark-Plattformdaten, deutsche Handelspreise - Herstellerclaims sind gekennzeichnet.
Grace Blackwell auf dem Schreibtisch - mit HP-Security obendrauf
Der ZGX Nano bringt die DGX-Spark-Plattform ins HP-Workstation-Portfolio: entwickeln, feintunen und testen wie im Rechenzentrum - beschafft und supportet über den klassischen HP-Kanal.
Blackwell-GPU mit Tensor-Cores der 5. Generation plus 20-Kern-Arm-CPU (10× Cortex-X925 + 10× Cortex-A725), verbunden per NVLink-C2C - CPU und GPU teilen sich 128 GB LPDDR5x als einheitlichen Speicher (273 GB/s). 1.000 AI TOPS in FP4 (Herstellerangabe, mit Sparsity).
Die 128 GB Unified Memory fassen FP4-quantisierte Modelle bis zur 200B-Klasse - MoE-Modelle wie GPT-OSS-120B liegen der Plattform besonders. 2 oder 4 TB selbstverschlüsselnder NVMe-Storage (OPAL); zwei Geräte koppeln sich per ConnectX-7 auf 256 GB für die 405B-Klasse.
TPM 2.0 (in den FIPS-140-2-Modus konvertierbar), Secure-Boot-Kontrollen und eine Ausführung ganz ohne WLAN/Bluetooth für regulierte Umgebungen. Das kostenlose ZGX Toolkit bindet das Gerät per VS Code an den Arbeitsrechner an - inklusive MLflow und Ollama. Fernwartung auf BIOS-Ebene per Remote System Controller (optional).
Werte: HP-QuickSpecs c09212373 (V5, 04/2026) und HP-Datenblatt zur ZGX Nano G1n AI Station, Stand 08.08.2026. Gewichtsangaben variieren je HP-Quelle zwischen 1,18 und 1,25 kg - daher „ca. 1,2 kg". Die 1.000 TOPS nennt HP ohne Sparse/Dense-Zusatz; NVIDIAs Fußnote zum identischen GB10 im DGX Spark weist sie als FP4-Wert mit Sparsity aus.
Ihr ZGX-Nano-Setup.
In 2 Minuten angefragt.
Storage, Ausführung, Stückzahl und Services wählen - als PDF herunterladen oder direkt an uns senden. Angebot mit tagesaktuellem Preis in der Regel innerhalb von 48 Stunden.
= 128 GB Unified Memory · Modelle bis 200 Mrd. Parameter (FP4)
Datenschutz: Konfiguration und Kontaktdaten bleiben beim Ausfüllen vollständig in Ihrem Browser - Daten werden erst beim aktiven Absenden der E-Mail übertragen.
Was läuft auf 128 GB Unified Memory - und wie schnell?
Die ehrliche Antwort vor dem Kauf: Der Speicher ist riesig, die Bandbreite (273 GB/s) begrenzt das Tempo. MoE-Modelle liegen der Plattform deutlich besser als dichte Modelle.
Durchsatzwerte: LMSYS-Messungen auf der DGX-Spark-Referenzplattform (Okt. 2025; hardware-identischer GB10), llama.cpp-Messreihe des ggml-Projekts, StorageReview- und Notebookcheck-Tests am ZGX Nano selbst. NVIDIA gibt an, die Plattform-Performance seit Launch per Software im Schnitt um Faktor 2,5 verbessert zu haben (Herstellerclaim, betrifft v. a. Prompt-Processing). Speicherbedarf: Richtwerte inkl. Overhead. Fine-Tuning: QLoRA bis zur 70B-Klasse auf einem Gerät (NVIDIA-Playbooks), volles SFT für kleine Modelle (NVIDIA-Rezepte ~3B; voller 8B-Durchlauf dokumentiert).
ZGX Nano ehrlich eingeordnet: Speicher top, Bandbreite die Grenze
Kein Marketing-Nebel: Der ZGX Nano schlägt jede Consumer-Grafikkarte beim nutzbaren Modell-Speicher - und verliert beim Durchsatz gegen echte Workstation- und Server-GPUs. Genau dafür ist er gebaut: entwickeln lokal, skalieren im Rechenzentrum.
Speicher für KI-Modelle
GB, GPU-zugänglich - mehr ist mehr Modell
Speicherbandbreite
GB/s - bestimmt das Generierungs-Tempo; hier liegt die Grenze der Plattform
Decode-Durchsatz auf der Plattform
Token/s, Einzelanfrage - MoE schlägt dense deutlich (LMSYS / llama.cpp)
Ein Gerät vs. 2er-Cluster
Unified Memory & Modellgrenze (Herstellerangaben)
Quellen: HP-/NVIDIA-Produktdaten, LMSYS-Benchmark der DGX-Spark-Referenz (Okt. 2025), llama.cpp-Messreihe (ggml-Projekt, Stand nach den Software-Optimierungen seit Launch), NVIDIA-Datenblätter (RTX PRO 6000: 1.792 GB/s), Apple-Angabe M3 Ultra. Durchsatz hängt stark von Quantisierung, Runtime und Kontextlänge ab.
Alle technischen Daten anzeigen (HP ZGX Nano G1n AI Station)
| Spezifikation | HP ZGX Nano G1n AI Station |
|---|---|
| Chip | NVIDIA GB10 Grace Blackwell Superchip · NVLink-C2C-Verbindung zwischen CPU und GPU |
| CPU | 20-Kern-Arm: 10× Cortex-X925 + 10× Cortex-A725 · 16 MB L2 |
| GPU | NVIDIA Blackwell-Architektur, Tensor-Cores 5. Gen, RT-Cores 4. Gen · 1× NVENC, 1× NVDEC |
| AI-Leistung | 1.000 AI TOPS (FP4) - Herstellerangabe; laut NVIDIA-Fußnote zum GB10 mit Sparsity |
| Speicher | 128 GB LPDDR5x-8533, unified, 16 Kanäle · 273 GB/s · fest verlötet, nicht erweiterbar |
| Storage | 2 oder 4 TB NVMe M.2 2242 (PCIe Gen4 x4), self-encrypting (OPAL, TLC) · bis 7.000/6.000 MB/s lesen/schreiben · nur beim Kauf wählbar |
| Cluster-Netz | NVIDIA ConnectX-7, 2× QSFP112 (je 200 GbE) - 2 Geräte koppelbar, bis 405B · HP-DAC-Kabel C20MQAA separat |
| LAN / WLAN | 1× RJ-45 10 GbE · WiFi 7 (802.11be, 2×2) · Bluetooth 5.4 · Secure-Variante ohne WLAN/BT verfügbar |
| Anschlüsse | 3× USB-C 3.2 20 Gbit/s (DP 1.4a Alt Mode, 30 W gesamt) + 1× USB-C-Stromanschluss · 1× HDMI 2.1a · Display via USB-C bis 4K@120 / 5K@60 / 8K@30 - höhere Auflösungen/Bildraten über HDMI 2.1a (HP-QuickSpecs) |
| Betriebssystem | NVIDIA DGX OS 7 (Ubuntu 24.04) - kein Windows-Support (HP-QuickSpecs) · vorinstalliert: CUDA 13, RTX-Treiber 580, DGX Dashboard, NVIDIA AI Workbench, NVIDIA Connect |
| HP-Software | HP ZGX Toolkit (kostenlos): VS-Code-Erweiterung für Windows-11-/Ubuntu-Clients, Geräte-Discovery, MLflow, Ollama · HP Remote System Controller optional (kostenpflichtig) |
| Sicherheit | TPM 2.0 (FIPS-140-2-Modus konvertierbar, Common Criteria EAL4+ zertifiziert - HP-QuickSpecs) · selbstverschlüsselnde OPAL-NVMe · Secure-Boot-/PXE-Kontrollen |
| Maße / Gewicht | 150 × 150 × 51 mm (54,5 mm mit Füßen) · ca. 1,2 kg (HP-Angaben variieren: 1,18–1,25 kg) |
| Stromversorgung | Externes 240-W-Netzteil (USB-C, 89 % Effizienz) · gemessen: ~36–38 W Leerlauf, max. ~228 W Last · Betriebstemperatur 5–30 °C (HP-Spezifikation) |
| Lautstärke | 22 dB(A) Leerlauf (HP-QuickSpecs; StorageReview misst 22/27,6 dB(A) idle/Last, Notebookcheck 30–40 dB(A) - Messungen widersprechen sich) |
| Nachhaltigkeit | 75 % des Gehäuse-Aluminiums recycelt (daneben 40 % Recycling-Kunststoff, 20 % Recycling-Stahl), Verpackung bis 93 % recycelt (Herstellerangaben) |
| Artikelnummern | DE: D4DB3ET#ABD (2 TB) · CZ9K4ET#ABD (4 TB) · daneben D4CY3ET (4 TB) · US u. a. CZ2V2UT (1 TB) · Zubehör: QSFP112-DAC-Kabel C20MQAA, Ersatz-Netzteil CM5A0AA |
| Garantie | 1 Jahr eingeschränkte HP-Garantie (1/1/0) · erweiterbar per HP Care Pack - Konditionen weisen wir im Angebot aus; gesetzliche Gewährleistung unberührt |
Vom Schreibtisch bis ins Rechenzentrum - ein Stack
Der eigentliche Trick der DGX-Spark-Plattform: Was auf dem ZGX Nano läuft, läuft unverändert auf DGX- und HGX-Systemen. Skalieren heißt migrieren, nicht neu bauen.
Wenn das Projekt wächst, liefern wir die nächste Stufe aus einer Hand: GPU-Workstations und -Server für mehr Durchsatz, H200-Karten und HGX-Systeme fürs Rechenzentrum - alles auf demselben NVIDIA-Stack, den der ZGX Nano mitbringt. Und wer auf HPs große KI-Station wartet: Die angekündigte ZGX Fury (NVIDIA GB300, 748 GB) beschaffen wir, sobald sie verfügbar ist.
Wofür lohnt sich der HP ZGX Nano?
Prompten, quantisieren, evaluieren - mit 128 GB laufen auch große Modelle, die auf keine Consumer-Grafikkarte passen. Ollama, llama.cpp und vLLM sind auf der Plattform nachweislich im Einsatz; das ZGX Toolkit bindet den Nano direkt an VS Code an.
QLoRA-Fine-Tuning bis zur 70B-Klasse direkt auf dem Gerät (NVIDIAs DGX-Spark-Playbooks liefern fertige Rezepte) - Experimente lokal statt teurer Cloud-Stunden, auf Wunsch verteilt über den 2er-Cluster.
KI-Praxis im Kursraum: 15 × 15 cm, gut 5 cm flach, normale Steckdose, DGX OS vorinstalliert - und die Migration in den Serverraum ist dank identischem Stack inklusive.
HPs Stärke in der GB10-Klasse: TPM 2.0 im FIPS-140-2-Modus, selbstverschlüsselnde OPAL-SSD und - bislang HP-exklusiv - eine Ausführung ganz ohne Funkmodule. KI-Entwicklung auch dort, wo Air-Gap und Compliance-Vorgaben gelten.
Prompts, Dokumente und Modelle bleiben im Haus. Die lokale Alternative zur US-Cloud-API für sensible Daten und Prototypen - mit Verschlüsselung ab Werk.
Der gleiche NVIDIA-Stack wie auf DGX-Systemen: Was lokal entsteht, geht mit minimalen Änderungen in Produktion - auf eigene GPU-Server oder in die Cloud.
ZGX Nano, DGX Spark oder andere GB10-Boxen - was ist der Unterschied?
Alle GB10-Geräte teilen dieselbe NVIDIA-Referenzplattform: gleicher Chip, gleiche 128 GB, gleiche Software. Unterschiede gibt es bei Gehäuse, Storage, Security, Preis und Kanal:
- Security-Paket: TPM 2.0 mit FIPS-140-2-Modus, OPAL-SSD - plus funklose Secure-Variante, in der GB10-Klasse bislang HP-exklusiv
- ZGX Toolkit kostenlos: VS-Code-Anbindung, MLflow, Ollama ab Werk
- Gehäuse mit Recycling-Aluminium, zweigeteilt für leichten Zugang
- Klassischer HP-B2B-Kanal, Care Packs optional
- Das NVIDIA-Original - 4 TB, goldenes Referenzgehäuse
- Technisch identische Plattform (GB10, 128 GB, ConnectX-7)
- Die Wahl, wenn es das NVIDIA-Branding sein soll
- ASUS Ascent GX10 (Preisbrecher der Klasse), MSI EdgeXpert, GIGABYTE AI TOP ATOM, Dell Pro Max GB10, Lenovo ThinkStation PGX u. a.
- Gleiche Referenzplattform - Unterschiede bei Kühlung, Storage und Preis
- Wir beschaffen auf Wunsch auch diese Varianten und vergleichen im Angebot
Basis: NVIDIA-DGX-Spark-Plattformdaten und Herstellerangaben der jeweiligen OEMs, Stand 08.08.2026. Unabhängige Tests (ServeTheHome) bestätigen: Die Kern-Hardware aller GB10-Geräte ist identisch - die Kaufentscheidung fällt über Storage, Security, Support und Preis.
HP ZGX Nano kaufen - oder etwas anderes?
Die ehrliche Entscheidungshilfe - denn der ZGX Nano ist ein Entwicklungs-Werkzeug, kein Durchsatz-Monster:
Darum der ZGX Nano
- 128 GB für Modelle: mehr GPU-zugänglicher Speicher als jede Consumer-Grafikkarte - die 200B-Klasse läuft lokal, MoE-Modelle richtig gut.
- Security ab Werk: FIPS-fähiges TPM, verschlüsselte SSD, Variante ohne Funk - die GB10-Box für regulierte Umgebungen.
- Kompletter NVIDIA-Stack: DGX OS 7, CUDA 13, AI Workbench - identisch mit dem Rechenzentrum; dazu HPs kostenloses ZGX Toolkit.
- 150-mm-Würfel, 240 W: Steckdose statt Serverraum - auch als Flotte für Kursraum oder Team.
- Kurzfristig lieferbar: Neuware aus dem autorisierten Kanal, Angebot in 48 h.
Die Alternativen ehrlich betrachtet
- NVIDIA DGX Spark FE: dieselbe Plattform im NVIDIA-Gehäuse (zur DGX-Spark-Seite).
- Andere GB10-Boxen: ASUS Ascent GX10 ist der Preisbrecher der Klasse, der MSI EdgeXpert setzt auf Vapor-Chamber-Kühlung - Kern-Hardware jeweils identisch.
- Workstation mit RTX PRO 6000: 1.792 GB/s statt 273 - um ein Vielfaches schnellerer Token-Durchsatz, dafür teurer und größer (Workstation konfigurieren).
- Apple Mac Studio: bis 819 GB/s Bandbreite (M3 Ultra) - schnellere Antwort-Generierung bei großen Modellen, aber ohne CUDA-Ökosystem und NVIDIA-Toolchain.
- Produktions-Inferenz: für Durchsatz und Multi-User-Serving führt der Weg zu H200- oder RTX-PRO-Servern - der ZGX Nano bleibt die Entwicklungsstufe davor.
- Cluster-Training: jenseits von Fine-Tuning beginnt die HGX-Klasse.
Häufige Fragen zum HP ZGX Nano
Was kostet der HP ZGX Nano?
Bei Nelpx ist der HP ZGX Nano auf Anfrage erhältlich - Angebot in der Regel innerhalb von 48 Stunden über den Konfigurator auf dieser Seite. Zur Einordnung: Im deutschen Handel liegt die 2-TB-Variante (D4DB3ET) Anfang August 2026 ab rund 5.199 € brutto (ca. 4.369 € netto), die 4-TB-Variante (CZ9K4ET) ab rund 5.498 € brutto (ca. 4.620 € netto); der HP Store selbst führt die 4-TB-Variante für 6.849 € brutto. Die Launch-UVP von 3.929 € (Dezember 2025) ist am Markt nicht mehr erreichbar - die Preise der gesamten GB10-Klasse sind 2026 deutlich gestiegen. Nelpx bestätigt den Preis tagesaktuell im Angebot.
Ist der HP ZGX Nano lieferbar?
Ja - der HP ZGX Nano ist kurzfristig lieferbar; im deutschen Handel werden für die 2- und 4-TB-Varianten aktuell 1 bis 3 Werktage genannt, der HP Store liefert in 48 Stunden (Stand: 8. August 2026). In Deutschland ist das Gerät seit dem 8. Dezember 2025 im Handel; die Stückzahlen hängen von NVIDIAs GB10-Kontingenten ab. Nelpx bestätigt Verfügbarkeit und Liefertermin verbindlich im Angebot - in der Regel innerhalb von 48 Stunden.
Welche Varianten und Artikelnummern hat der HP ZGX Nano?
In Deutschland gelistet sind vor allem zwei Varianten der HP ZGX Nano G1n AI Station, beide mit 128 GB Unified Memory: D4DB3ET (2 TB NVMe) und CZ9K4ET (4 TB NVMe); daneben existiert die 4-TB-Listung D4CY3ET, in den USA auch eine 1-TB-Variante. Wichtig: Der Speicher ist fest verlötet und die selbstverschlüsselnde SSD (M.2 2242, OPAL) muss beim Kauf gewählt werden - HP weist das Gerät ausdrücklich als nicht aufrüstbar aus. Zusätzlich bietet HP eine Ausführung für regulierte Umgebungen ohne WLAN und Bluetooth an (Air-Gap-Betrieb); diese Variante beschafft Nelpx auf Anfrage.
Was unterscheidet den HP ZGX Nano vom NVIDIA DGX Spark?
Technisch sind beide dieselbe Plattform: Der ZGX Nano basiert auf der NVIDIA-DGX-Spark-Referenz mit GB10 Grace Blackwell Superchip, 128 GB Unified Memory (273 GB/s), ConnectX-7 und NVIDIA DGX OS - wie auch die GB10-Geräte von ASUS, MSI, GIGABYTE, Acer, Dell und Lenovo. HP differenziert sich über das Gehäuse mit Recycling-Aluminium (laut HP sind bis zu 75 Prozent des Aluminiums recycelt; zweigeteilt für leichteren Zugang), die Security-Ausstattung (TPM 2.0 mit FIPS-140-2-Modus, selbstverschlüsselnde OPAL-SSD, Variante ohne Funkmodule für regulierte Umgebungen), das kostenlose HP ZGX Toolkit mit VS-Code-Anbindung sowie den klassischen HP-B2B-Kanal mit Care-Pack-Optionen. Software und KI-Ökosystem sind identisch - zur DGX-Spark-Seite.
Läuft Windows auf dem HP ZGX Nano?
Nein. Der ZGX Nano ist ein Arm-System (GB10) und läuft ausschließlich mit NVIDIA DGX OS 7 auf Ubuntu-24.04-Basis - HPs QuickSpecs schließen Microsoft Windows ausdrücklich aus. In der Praxis arbeitet man vom eigenen Windows- oder Linux-Rechner aus: Das kostenlose HP ZGX Toolkit bindet das Gerät per VS-Code-Erweiterung an, alternativ per SSH oder Browser-Tools. Wer eine Windows-fähige KI-Station mit großem Speicher sucht: Die angekündigte HP ZGX Fury (NVIDIA GB300, 748 GB kohärenter Speicher) soll als Windows-System erscheinen - geplant für später in 2026.
Wie schnell ist der HP ZGX Nano bei großen Sprachmodellen wirklich?
Messungen am ZGX Nano selbst: GPT-OSS-120B erreicht rund 40 bis 55 Token pro Sekunde im interaktiven Betrieb (Notebookcheck) - beim Batch-Serving mit vLLM skaliert das Gerät auf über 2.700 Token pro Sekunde aggregiert (StorageReview, Batch 64). Bei komplett gefülltem Kontextfenster bricht die Rate laut Notebookcheck allerdings auf unter 5 Token pro Sekunde ein; große Modelle brauchen bis zu 3 Minuten Ladezeit. Auf der identischen DGX-Spark-Referenz misst LMSYS: Llama 3.1 8B rund 20 Token/s einzeln und 368 Token/s bei Batch 32, ein dichtes 70B-Modell dagegen nur 2,7 Token/s. Der Grund ist die Speicherbandbreite von 273 GB/s: Sie trägt Mixture-of-Experts-Modelle wie GPT-OSS-120B gut, bremst aber dichte Großmodelle. Bis zu 200 Milliarden Parameter (FP4) passen in die 128 GB - für interaktives Arbeiten und Prototyping geeignet, für Produktions-Durchsatz skaliert man auf RTX-PRO- oder H200-Systeme - der Software-Stack bleibt derselbe.
Kann ich zwei ZGX Nano koppeln?
Ja - der ZGX Nano hat einen NVIDIA-ConnectX-7-NIC mit 2× QSFP112 (je 200 GbE). Zwei gekoppelte Geräte bündeln 256 GB Unified Memory und fahren laut HP Modelle bis 405 Milliarden Parameter (z. B. Llama 3.1 405B in FP4). HP führt dafür ein eigenes Direktkabel als Zubehör (HP ZGX 0.4m QSFP112 DAC, P/N C20MQAA - separat erhältlich). Praxis-Hinweis aus unabhängigen Tests: Die interne PCIe-5.0-x4-Anbindung des GB10 reizt die nominellen 200 Gbit/s nicht voll aus - für den 2er-Verbund funktioniert die Kopplung dennoch wie vorgesehen. Im Konfigurator auf dieser Seite lässt sich das 2er-Cluster direkt anfragen.
Ist Fine-Tuning auf dem HP ZGX Nano möglich?
Ja - NVIDIAs DGX-Spark-Playbooks (das Gerät läuft auf demselben DGX OS) dokumentieren QLoRA-Fine-Tuning bis zur 70B-Klasse auf einem einzelnen Gerät, LoRA für mittlere Modellgrößen und volles Supervised-Fine-Tuning für kleine Modelle (NVIDIAs Rezepte nennen die 3B-Klasse; ein voller 8B-Durchlauf mit 16.000 Token Kontext ist dokumentiert). HP nennt Prototyping, Fine-Tuning und Inferenz ausdrücklich als Einsatzzweck. Volles Training großer Modelle ist nicht das Einsatzgebiet - dafür sind DGX- und HGX-Systeme gebaut, auf die sich Projekte dank identischem NVIDIA-Stack ohne Umbau migrieren lassen.
Welche Software läuft auf dem HP ZGX Nano - und was ist das ZGX Toolkit?
Der ZGX Nano kommt mit NVIDIA DGX OS 7 (Ubuntu 24.04) und vorinstalliertem NVIDIA-Stack: CUDA 13, DGX Dashboard, NVIDIA AI Workbench und NVIDIA Connect. Dazu liefert HP das kostenlose ZGX Toolkit: eine VS-Code-Erweiterung für den eigenen Arbeitsrechner (Windows 11 oder Ubuntu), die das Gerät findet, koppelt und Werkzeuge wie MLflow und Ollama einrichtet. In unabhängigen Tests nachweislich im Einsatz: Ollama, llama.cpp und vLLM. Optional verkauft HP den Remote System Controller für Fernwartung auf BIOS-Ebene. Projekte skalieren mit minimalen Änderungen auf NVIDIA-Datacenter- oder Cloud-Infrastruktur - der Stack ist derselbe.
Welche Garantie hat der HP ZGX Nano?
HP gewährt auf den ZGX Nano 1 Jahr eingeschränkte Herstellergarantie (1/1/0: Teile und Arbeit, keine Vor-Ort-Reparatur) - das ist kürzer als bei klassischen HP-Z-Workstations. Eine Erweiterung ist über HP Care Packs möglich; die für Ihre Bestellung geltenden Garantie- und Servicekonditionen weist Nelpx transparent im Angebot aus. Die gesetzliche Gewährleistung gilt unabhängig davon. Geliefert wird ausschließlich Neuware aus dem autorisierten Kanal.
Wie laut ist der HP ZGX Nano?
HPs QuickSpecs nennen 22 dB(A) Schalldruck im Leerlauf; StorageReview hat 22 dB(A) im Leerlauf und 27,6 dB(A) unter Last gemessen, Notebookcheck dagegen rund 30 dB(A) im Leerlauf und bis 40 dB(A) im Stresstest. Die Messungen widersprechen sich also - die Tests beschreiben den Betrieb am Schreibtisch als leise bis moderat hörbar. Zur Einordnung der Rahmenbedingungen: HP spezifiziert den Betrieb für Umgebungstemperaturen von 5 bis 30 °C; die Leistungsaufnahme liegt zwischen rund 36 W im Leerlauf und maximal etwa 228 W.
Für wen lohnt sich der HP ZGX Nano?
Für Entwickler und Data Scientists, die Modelle lokal bauen, feintunen und testen, bevor sie ins Rechenzentrum gehen; für Hochschulen und Labore, die KI-Praxis in Lehre und Forschung bringen (15 × 15 cm klein, normale Steckdose genügt); und für regulierte Branchen: TPM 2.0 mit FIPS-140-2-Modus, selbstverschlüsselnde OPAL-SSD und eine Geräteausführung ganz ohne Funkmodule - Letztere in der GB10-Klasse bislang HP-exklusiv - machen den ZGX Nano fit für Umgebungen mit strengen Compliance-Vorgaben. Nicht gedacht ist er als Produktions-Inferenz-Server - diesen Part übernehmen GPU-Server, auf die der identische NVIDIA-Stack direkt migriert.
Ihr HP ZGX Nano - angefragt in 2 Minuten
Petaflop-KI auf dem Schreibtisch, kurzfristig lieferbar. Ob ein Gerät für die Entwicklung, das 2er-Cluster für die 405B-Klasse oder eine Flotte für den Kursraum: Konfiguration wählen, PDF laden, Angebot in 48 h.
Jetzt konfigurieren & Angebot einholenKurzfristig lieferbar · Angebot in der Regel innerhalb von 48 h · Lieferung & Integration EU-weit