Bei RTX Spark kann ein gemeinsamer physischer Speicherpool für CPU und integrierte GPU in Windows trotzdem in mehrere Bereiche aufgeteilt erscheinen. Bei 128 GB Arbeitsspeicher und einer GPU-Zuweisung von 96 GB bleiben rechnerisch 32 GB. Nach NVIDIAs nominaler Aufteilungsregel entfallen davon 16 GB auf gemeinsam nutzbaren und 16 GB auf CPU-exklusiven Speicher.
Was Paul Thurrott am RTX Spark kritisierte
Paul Thurrott bewertete RTX Spark in seinem am 31. Oktober 2026 veröffentlichten Review als enttäuschend. Er schrieb, er habe das ASUS ProArt P16, das HP OmniBook Ultra 16 und das Lenovo Pro 9n mehr als zwei Wochen genutzt. Zu seinen Kritikpunkten zählten Preis, Wärme, Gewicht und Geräuschentwicklung, die Speicherverwaltung, Windows-11-Funktionen und die praktische Nutzung lokaler KI.
Unser Bericht zum Lenovo Yoga 9n mit RTX Spark behandelt einen separaten Coding- und Belastungstest.
Ein physischer Speicherpool, drei Bereiche in Windows
NVIDIA beschreibt RTX Spark als System mit einem gemeinsamen physischen Speicher für CPU und integrierte GPU. Windows weist diesem Pool drei logische Bereiche zu: GPU-reservierten Speicher, gemeinsam nutzbaren Systemspeicher und CPU-exklusiven Speicher. Die NVIDIA-Dokumentation zur Unified Memory Architecture erläutert diese Aufteilung.
Eine veränderbare GPU-Zuweisung ändert die logische Aufteilung, nicht den gemeinsamen physischen Speicherpool. Der gemeinsam nutzbare Anteil stammt aus dem installierten Arbeitsspeicher und kann von CPU und GPU verwendet werden.
Was bei 128 GB und 96 GB GPU-Zuweisung übrig bleibt
ETA PRIME zeigt in einem Video ein ASUS ProArt P16 mit 128 GB Arbeitsspeicher und einer Einstellung, die 96 GB der GPU zuweist. Die Rechnung ergibt 32 GB nach Abzug der GPU-Zuweisung. Nach NVIDIAs nominaler Formel entfallen in diesem Beispiel 16 GB auf den gemeinsamen Bereich und 16 GB auf den CPU-exklusiven Bereich. Die Formel setzt den gemeinsamen Anteil auf die verbleibende Kapazität minus 16 GB an, begrenzt auf 50 bis 80 Prozent dieser Kapazität.
| Speicherbereich | Menge im nominalen Beispiel | Funktion |
| GPU-reserviert | 96 GB | Für die GPU vorgesehener Anteil |
| Gemeinsam für CPU und GPU | 16 GB | Systemspeicher, auf den CPU und GPU zugreifen können |
| CPU-exklusiv | 16 GB | Für CPU, Windows und Anwendungen reservierter Anteil |
| Gesamt | 128 GB | Physisch installierter Arbeitsspeicher im Beispiel |
Die Aufteilung ist eine Berechnung aus der NVIDIA-Formel, keine Messung der aktuell nutzbaren Speichermenge. Windows- und Hardware-Reservierungen beeinflussen, wie viel tatsächlich verfügbar ist. NVIDIA empfiehlt, mindestens 16 GB für CPU, Windows und grundlegende Anwendungen zu belassen.
Was die Aufteilung für lokale KI bedeutet
NVIDIA zufolge können große Sprachmodelle (LLMs) und KI-Agenten zusätzlichen Systemspeicher nutzen, wenn ihr Bedarf über die GPU-Zuweisung hinausgeht. Die CUDA-Dokumentation weist zugleich darauf hin, dass Zugriffe auf gemeinsam genutzten Speicher langsamer sein können als auf GPU-reservierten Speicher. Ob ein Modell zusätzlichen Speicher nutzen kann, hängt auch von der verwendeten Software ab (NVIDIA zur Speicherzuweisung und NVIDIA zur Nutzung mit CUDA).
