Nei confronti pubblicati da Nick Lewis, un Lenovo Yoga RTX Spark da 64 GB ha registrato valori di generazione dei token superiori a quelli del DGX Spark in ogni prova mostrata. La scelta tra le piattaforme, però, dipende anche dal sistema operativo e dall’uso di più macchine: RTX Spark è proposto per laptop e desktop Windows 11, mentre NVIDIA documenta per DGX Spark una configurazione collegata fino a quattro sistemi. Per il contesto sul desktop NVIDIA, leggi anche il nostro approfondimento precedente su DGX Spark.
Che cosa mostrano i test pubblicati
Nick Lewis ha confrontato un Lenovo Yoga RTX Spark con 64 GB di memoria e 20 core con un DGX Spark. Nei grafici, il Lenovo ha ottenuto valori più alti in ciascun confronto visualizzato. Le prove riguardano Llama 3.1 8B, GPT-OSS 20B e Qwen3 30B-A3B, con grafici per Ollama e llama.cpp e un test etichettato con contesto da 8K token. Lewis ha riassunto il risultato complessivo come circa il 10% di output LLM in più; i margini cambiano però da un modello e da una prova all’altra. È un risultato riferito a quei sistemi e a quei test, non un verdetto valido per ogni configurazione o carico di lavoro.
Per una recensione separata di un portatile RTX Spark, Linus Tech Tips esamina ASUS ProArt P16 H7607 con RTX Spark N1X.
Regola pratica: considera il risultato di generazione insieme al modello e alla prova, poi scegli la piattaforma in base al sistema operativo e alla possibilità di collegare più unità.
RTX Spark con Windows 11, DGX Spark con DGX OS
La differenza più immediata è l’ambiente di lavoro. NVIDIA indica Windows 11 per i laptop e i desktop RTX Spark; DGX Spark è un sistema desktop compatto con NVIDIA DGX OS. NVIDIA afferma inoltre che CUDA funziona in modo nativo su RTX Spark e che DGX Spark include già il suo stack software per l’IA.
| Caratteristica | RTX Spark | DGX Spark |
| Formato e sistema operativo | Laptop e desktop; Windows 11 | Desktop compatto; NVIDIA DGX OS |
| Memoria massima indicata | Fino a 128 GB nelle configurazioni di fascia alta | 128 GB di memoria unificata |
| TDP dichiarato | 45–80 W per i laptop; 140 W per il desktop | 140 W per il chip GB10 |
| Software per l’IA | CUDA esegue in modo nativo | Stack software NVIDIA per l’IA preinstallato |
La tabella riassume le specifiche pubblicate da NVIDIA per RTX Spark e DGX Spark. Per i laptop RTX Spark, NVIDIA elenca anche una configurazione con CPU Grace a 18 core e GPU Blackwell RTX da 5.120 core, oltre a quella da 20 core e 6.144 core; i due modelli hanno limiti di memoria diversi, rispettivamente fino a 64 GB e fino a 128 GB. La configurazione RTX desktop arriva fino a 128 GB.
DGX Spark abbina una CPU Arm a 20 core, composta da 10 Cortex-X925 e 10 Cortex-A725, a 128 GB di memoria unificata LPDDR5x. NVIDIA indica una larghezza di banda di 273 GB/s e fino a 4 TB di archiviazione. Per l’inferenza, la pagina del prodotto descrive modelli fino a 200 miliardi di parametri; per il fine-tuning, modelli fino a 70 miliardi.
La scalabilità documentata per DGX Spark
NVIDIA descrive per DGX Spark una rete ConnectX che permette di collegare fino a quattro sistemi. Nello scenario indicato dall’azienda, la configurazione a quattro unità è destinata a modelli fino a 700 miliardi di parametri. È un percorso concreto per chi pianifica un sistema composto da più macchine, oltre al confronto tra un singolo laptop e un singolo desktop.
Quale piattaforma scegliere per l’IA locale
RTX Spark è la scelta da valutare se il flusso di lavoro richiede Windows 11 e si preferisce un laptop o un desktop RTX. Il test di Nick Lewis offre un dato di confronto per il Lenovo Yoga da 64 GB, ma non dimostra che ogni configurazione RTX Spark generi più token di DGX Spark.
DGX Spark è più adatto a chi cerca un desktop con DGX OS e stack NVIDIA per l’IA già installato, oppure vuole seguire la configurazione multisistema descritta da NVIDIA. La decisione pratica passa quindi dal tipo di ambiente in cui vuoi lavorare e dal fatto che ti serva un singolo computer o una rete di unità DGX Spark.
