NVIDIA RTX Spark: der Arm-Superchip für lokale KI unter Windows

Beide nutzen dieselbe Chip-Architektur - Blackwell-GPU mit 6.144 Kernen, 20-Kern-Grace-CPU, 128 GB Unified Memory - aber verschiedene Chips, Betriebssysteme und Zielgruppen. Der DGX Spark nutzt den GB10, läuft mit DGX OS auf Linux-Basis, hat 273 GB/s Speicherbandbreite, ConnectX-7 zum Koppeln zweier Geräte und ist seit 2025 lieferbar - als NVIDIA-Gerät und von ASUS, MSI, Acer, HP, Dell und Lenovo. RTX Spark nutzt den N1X, läuft mit Windows 11 on Arm, kommt in Notebooks und Mini-PCs ohne ConnectX und ab Oktober 2026 in den Handel. NVIDIA-CEO Jensen Huang hat den RTX Spark (damals noch N1 genannt) im September 2025 als denselben Chip wie im DGX Spark beschrieben; ComputerBase nennt den RTX-Spark-Mini-PC „zu 95 Prozent ein DGX Spark“. Kurz: DGX Spark für den Linux-Entwickler-Stack heute, RTX Spark für Windows-Arbeitsplätze und Notebooks ab Oktober. Die GB10-Geräte stellen wir im GB10-Vergleich gegenüber.

Zwei, und beide heißen RTX Spark N1X - das hat NVIDIA gegenüber ComputerBase bestätigt. Die große Stufe hat 20 CPU-Kerne und 6.144 Blackwell-Kerne und lässt sich mit 24 bis 128 GB Unified Memory konfigurieren; sie ist für Notebooks und Mini-PCs vorgesehen. Die kleine Stufe hat 18 CPU-Kerne und 5.120 Blackwell-Kerne und ist nur für Notebooks gedacht - NVIDIAs Produktseite nennt dafür bis zu 64 GB, das NVIDIA-Briefing zur IFA laut ComputerBase und heise 24 oder 32 GB; Lenovo listet das Yoga 9n 2-in-1 mit bis zu 64 GB. Unter Windows zeigen sich beide als „RTX Spark CPU“ und „NVIDIA RTX Spark N1X“ ohne Zusatz - ähnlich wie Apple die Ausbaustufen seiner M-Chips behandelt. Welche Stufe ein Gerät nutzt, verrät nur die Kernzahl im Datenblatt. Alle fünf Geräte auf unseren Seiten nennen die Eckdaten der großen Stufe; den Codenamen „N1“ für eine noch kleinere Variante hat NVIDIA-CEO Huang zur Computex 2026 vage in die Zukunft verschoben (heise), seitdem spricht NVIDIA nur vom N1X.

Stand 25. September 2026 sind dreizehn Geräte angekündigt: die Notebooks ASUS ProArt P16 und P14, Dell XPS 16, HP OmniBook X 14 und OmniBook Ultra 16, Lenovo Yoga Pro 9n, Microsoft Surface Laptop Ultra, die 2-in-1-Convertibles MSI Prestige N16 Flip AI+ und Lenovo Yoga 9n 2-in-1, die Mini-PCs ASUS ProArt GR1X, MSI EdgeMesa N AI+ und Acer SFF RTX Spark sowie der Desktop HP OmniDesk (laut HP 2027); GIGABYTE hat Modelle angekündigt, aber noch keines gezeigt. NVIDIA nennt für die ersten Geräte den Oktober 2026 und führt ASUS, Dell, HP, Lenovo, Microsoft Surface und MSI als Hersteller der ersten Welle - Acer und GIGABYTE folgen, 2027 sollen viele weitere kommen. Einen Termin je Gerät und Preise hat kein Hersteller veröffentlicht. Fünf Geräte führen wir mit eigener Seite: ProArt P16, Yoga Pro 9n, ProArt GR1X, EdgeMesa N AI+ und Acer SFF RTX Spark; der Geräte-Vergleich stellt sie nebeneinander.

Das hat niemand veröffentlicht - weder NVIDIA, das zur IFA keine Einstiegspreise nannte (ComputerBase nach NVIDIA-Briefing), noch einer der Gerätehersteller. Beträge, die im Netz kursieren, sind Schätzungen von Analysten oder Redaktionen. Zur Orientierung: Die GB10-Geräte der DGX-Spark-Klasse mit demselben Speicherausbau kosten bei Nelpx ab 4.600 Euro netto (ASUS Ascent GX10) beziehungsweise 5.290 Euro netto (DGX Spark) - eine Ableitung auf die RTX-Spark-Preise ist das nicht. Nelpx nennt Preise, sobald die Hersteller Listenpreise und bestellbare Konfigurationen veröffentlichen; die Reservierung über das Anfrage-Tool ist bis dahin unverbindlich.

Beides ist in gewisser Weise richtig, und deshalb kennzeichnen wir es. NVIDIA, ASUS, MSI und Acer nennen die CPU in ihren Datenblättern „NVIDIA Grace CPU“ mit bis zu 20 Kernen. ComputerBase schreibt nach dem NVIDIA-Briefing, der Superchip vereine eine Blackwell-GPU von NVIDIA mit einer Arm-CPU von MediaTek auf einem Package - NVIDIA und MediaTek haben die Plattform gemeinsam entwickelt. NVIDIA selbst nennt MediaTek als Partner beim CPU-Design (Pressemitteilung vom 31. Mai 2026). Die Kernaufteilung in 10 Cortex-X925 und 10 Cortex-A725 dokumentiert NVIDIA für den GB10 des DGX Spark; für den N1X nennt sie nur die Fachpresse (heise, c't). Taktraten hat NVIDIA nicht veröffentlicht. Für den Einsatz ist entscheidend: Es ist eine Arm-CPU, also läuft Windows 11 on Arm - native Arm64-Software direkt, x86-Software über Microsofts Prism-Emulation.

RTX Spark läuft mit Windows 11 on Arm. Native Arm64-Anwendungen laufen direkt, darunter laut Microsoft Adobe Photoshop und Premiere Pro, Blender und DaVinci Resolve; klassische x86-Software läuft über Microsofts Prism-Emulation, die laut Microsoft auf den RTX Spark abgestimmt ist. CUDA läuft nativ: NVIDIA hat CUDA 13.4 für Windows on Arm im September 2026 als Developer Preview freigegeben und nennt TensorRT for RTX, PyTorch, llama.cpp und Ollama als native Arm64-Software; Ollama unterstützt CUDA auf Windows Arm64 seit Version 0.32.3, LM Studio gibt es nativ für Windows on Arm. Nicht zugesagt sind vLLM und TensorRT-LLM unter Windows (Linux-Software), ein natives Linux auf RTX Spark und GPU-Beschleunigung für x86-CUDA-Programme unter Emulation. Wer Linux-Werkzeuge braucht, nimmt einen Desktop der DGX-Spark-Klasse; wer x86-Treiber oder Legacy-Tools benötigt, prüft vor dem Kauf die Arm64-Verfügbarkeit.

Mit 128 GB Unified Memory passen in 4-Bit-Quantisierung praktisch alle offenen Modelle bis zur 70B-Klasse komplett in den Speicher - Llama 3.3 70B (42,5 GB), Qwen3 32B (19,8 GB), Gemma 3 27B (16,6 GB) - und dazu die großen Mixture-of-Experts-Modelle: gpt-oss-120b (63,4 GB) und Nemotron 3 Super 120B (83,8 GB), jeweils mit Reserve für Kontext und Betriebssystem. NVIDIA nennt für RTX Spark Sprachmodelle mit bis zu 120 Milliarden Parametern bei einer Million Token Kontext, ohne Modell oder Token/s zu benennen. Die Einschränkung liegt beim Tempo: Dichte Modelle ab 27 Milliarden Parametern generieren auf dieser Speicherbandbreite nur rund 10 Token pro Sekunde, dichte 70B-Modelle 3 bis 4 - Mixture-of-Experts-Modelle mit wenigen aktiven Parametern dagegen 40 bis 80 Token pro Sekunde (Referenzwerte vom DGX Spark, der laut NVIDIA-CEO denselben Chip nutzt). Mit 64 GB endet die Liste praktisch bei der 30B-Klasse (Llama 3.3 70B passt in 4 Bit mit 42,5 GB nur noch mit kleinem Kontext), mit 24 GB bei Modellen bis etwa 20 Milliarden Parametern. Der Praxis-Check auf dieser Seite listet die realen Dateigrößen.

Ehrliche Antwort: Noch nicht. Für RTX-Spark-Geräte gibt es keine veröffentlichten Messwerte, die Geräte kommen erst im Oktober 2026 in den Handel, und NVIDIA hat weder Taktraten noch Speicherbandbreite veröffentlicht. Die nächste belastbare Referenz ist der DGX Spark mit dem GB10, den NVIDIA-CEO Jensen Huang als denselben Chip beschrieben hat: Dort erreicht gpt-oss-120b 40 bis 55 Token pro Sekunde, gpt-oss-20b 58 bis 83, Qwen3 32B 9,4 und Llama 3.1 70B 2,7 bis 4,4 Token pro Sekunde (Ollama-Blog, NVIDIA-Developer-Blog, llama.cpp-Discussion, Oktober 2025). NVIDIA nennt zur IFA Software-Optimierungen für llama.cpp (bis 1,9-fach, gemessen auf einer GeForce RTX 5090) und vLLM (1,2- bis 1,4-fach auf RTX PRO 6000 bzw. einem DGX-Spark-Verbund) - Herstellerangaben, keine RTX-Spark-Messungen. Die Notebook-TDP von 45 bis 80 W bremst vor allem die Prompt-Verarbeitung; das Generieren hängt an der Bandbreite. Wir reichen unabhängige Messungen nach, sobald es sie gibt.

NVIDIA hat sie nicht veröffentlicht. Was sich belegen lässt: Lenovo nennt für das Yoga Pro 9n LPDDR5X mit 9.400 MT/s, MSI für den EdgeMesa LPDDR5X-9600; bei einem 256-Bit-Interface wie beim GB10 ergäbe das rechnerisch rund 300 GB/s - eine Rechnung, keine Herstellerangabe. Der DGX Spark mit dem GB10 hat offiziell 273 GB/s. Kursierende Werte von 600 GB/s beziehen sich auf die NVLink-C2C-Verbindung zwischen CPU und GPU im Package, nicht auf den Arbeitsspeicher. Zur Einordnung: Eine RTX PRO 6000 liegt bei 1.792 GB/s, eine RTX PRO 5000 Laptop bei 896 GB/s. Die Bandbreite ist der Grund, warum RTX Spark große Modelle laden, aber dichte Modelle nur langsam generieren kann.

Faustregel: Notebook, wenn das Gerät mitmuss - zum Kunden, in den Hörsaal, ins Homeoffice; ASUS ProArt P16 und Lenovo Yoga Pro 9n bieten dieselben 128 GB mit OLED-Display, dafür mit 45 bis 80 W TDP und ohne 10-Gigabit-LAN. Mini-PC, wenn das Gerät am Platz bleibt oder durchlaufen soll: ASUS ProArt GR1X (Doppellüfter für Dauerbetrieb, 10-Gigabit-LAN, vier 4K-Displays) und MSI EdgeMesa N AI+ (10-Gigabit-LAN, 240-W-Netzteil, eine NVMe-SSD bis 4 TB) sind dafür gebaut; der Acer SFF RTX Spark ist bislang eine Designstudie. Wer Linux, ConnectX-Clustering oder das Gerät sofort braucht, nimmt stattdessen ein GB10-Gerät der DGX-Spark-Klasse. Der Geräte-Vergleich stellt alle fünf Geräte mit Anschlüssen, Displays und Besonderheiten nebeneinander.

Beides hat NVIDIA zur IFA am 3. September 2026 vorgestellt. NVIDIA PAIR (Personal AI Router) ist ein Open-Source-Werkzeug, das Inferenz-Anfragen an mehrere PCs im lokalen Netz verteilt - laut NVIDIA über RTX-PCs hinweg und gemeinsam mit Macs ab M4. Für Teams heißt das: Mehrere RTX-Spark-Geräte können zusammen Modelle bedienen, ohne Cluster-Hardware wie ConnectX. Das Windows Agent Framework ist Microsofts Rahmen, in dem lokale KI-Agenten unter Windows laufen und auf Anwendungen zugreifen; NVIDIA nennt Hermes Agent, OpenClaw und Perplexitys „Portable Computer“ als Agenten-Plattformen mit lokaler Unterstützung auf RTX Spark. Beides sind Herstellerankündigungen - Reifegrad und Praxisnutzen zeigen sich erst nach dem Marktstart.

Ja - ab Marktstart liefern wir RTX-Spark-Notebooks und -Mini-PCs EU-weit, und bis dahin merken wir sie unverbindlich vor. Fünf Geräte haben eine eigene Seite mit Reservierungs-Tool (ASUS ProArt P16, Lenovo Yoga Pro 9n, ASUS ProArt GR1X, MSI EdgeMesa N AI+, Acer SFF RTX Spark), die übrigen angekündigten Geräte nehmen wir über das Anfrage-Tool auf. Sie bekommen bei uns die Einordnung dazu: welches Gerät zu Ihren Modellen passt, ob 64 oder 128 GB nötig sind und ob eine KI-Workstation, ein LLM-Server oder ein heute lieferbares GB10-Gerät besser passt. Konfiguration, Angebot und Lieferung aus einer Hand; die Reservierung ist unverbindlich, ohne Anzahlung und ohne Kaufvertrag.