NVIDIA DGX Spark: prezzo, specifiche e verdetto per l'IA locale (2026)
La workstation IA compatta di NVIDIA, con 128 GB di memoria unificata. Esaminiamo ciò che conta per eseguire gli LLM in locale : memoria, banda passante, velocità, prezzo — e per chi è (o non è) l'acquisto giusto.
Aggiornato il 05/10/2026
Dove acquistarlo
La configurazione del pulsante è quella proposta all'acquisto. Su mini-PC, riserva della memoria per il sistema e verifica il motore di inferenza; macOS/MLX e CUDA non sono intercambiabili.
Link affiliati — QuelLLM può percepire una commissione sugli acquisti, senza costi aggiuntivi per te, il che non influenza queste raccomandazioni (stabilite in modo indipendente). In qualità di Partner Amazon, QuelLLM realizza un guadagno sugli acquisti che soddisfano i requisiti.
Scheda tecnica
- Memoria128 GB unificati (LPDDR5x)
- Larghezza di banda273 GB/s
- Calcolo≈ 1 PFLOP FP4 — GPU Blackwell + CPU Grace 20 core Arm
- Consumo140 W
- Prezzo indicativoCirca 6 100 € presso Materiel.net (DGX Spark PNY a 6 099,95 € il 28/09/2026, tempi di consegna superiori a 15 giorni; la MSI EdgeXpert, con lo stesso chip GB10 e 128 GB, è a 6 599,95 € con consegna entro 7 giorni)
- Modello più grandeNVIDIA lo posiziona «fino a 200B» dall'aggiornamento software del CES 2026; in pratica gestisce agevolmente modelli da ~70B in Q4, ma è limitato dalla larghezza di banda (273 GB/s). Due unità collegate permettono di eseguire un Qwen 3.5-122B a ~40 t/s
Per chi?
Vantaggi e limiti
✓ Punti di forza
- 128 GB di memoria unificata coerente
- Stack CUDA completo, locale
- Formato compatto, 140 W
- Perfetto per ambiente on-premise / air-gapped / conformità
- Aggiornamento software CES 2026: fino a +2,5× in inferenza (TensorRT-LLM, decoding speculativo)
- Estendibile: 2 unità collegate = un 122B a ~40 t/s
✗ Limiti
- Banda passante 273 GB/s moderata (un Mac Studio ne fa circa ~2×)
- Prezzo elevato rispetto alle prestazioni pure
- Disponibilità spesso molto limitata
- Difficile da raccomandare fuori dall'ecosistema CUDA / on-prem
Scelta e limiti — revisione del 12 settembre 2026
Il criterio giusto: il tuo modello e il tuo ambiente
DGX Spark offre 128 GB di memoria unificata in un ambiente NVIDIA. La capacità dichiarata in termini di dimensioni del modello non garantisce né il contesto desiderato né una velocità di generazione adatta all'interazione. Verifica la quantizzazione, il runtime, il numero di utenti e se la misurazione riguarda una o due unità.
Fonti: scheda del produttore NVIDIA et misurazioni esterne e dati grezzi su una coppia di DGX Spark. Questa scheda non dichiara alcun benchmark interno del DGX Spark; non applicare i risultati di una coppia a una singola unità.
Torna alla scelta dell'hardware · Installa una prima IA locale · Esamina il nostro protocollo su una macchina diversa
Denso o MoE: cosa vola e cosa arranca sul DGX Spark
La larghezza di banda della memoria (273 GB/s) è il vero collo di bottiglia della macchina. A ogni token generato, un modello dense rilegge tutti i suoi pesi; un MoE (Mixture of Experts) legge soltanto gli esperti attivi. Sul DGX Spark, la differenza è spettacolare :
| Modello | Architettura | Velocità misurata |
|---|---|---|
| gpt-oss-120B (MXFP4/FP8) | MoE — ~5B attivi/token | ≈ 40-58 tok/s a seconda del motore (llama.cpp, SGLang) |
| Qwen3-Coder 30B-A3B | MoE — 3B attivi/token | Molto fluido, ideale per la programmazione in locale |
| Llama 3.1 70B (FP8) | Dense | ≈ 2,7 tok/s (misurazione LMSYS) — poco pratico nell'uso quotidiano |
Conclusione pratica: su questa macchina, privilegia i modelli MoE — è qui che i 128 GB acquistano pienamente senso. La nostra guida DGX Spark per l'IA locale dettaglia le impostazioni e il catalogo filtra i modelli per VRAM.
Rispetto alle alternative da 128 GB
Tre computer desktop possono oggi ospitare un modello molto grande in memoria unificata:
| Macchina | Memoria | Larghezza di banda | Prezzo indicativo | Ecosistema |
|---|---|---|---|---|
| NVIDIA DGX Spark | 128 GB | 273 GB/s | ≈ 6 100 – 6 600 € (Materiel.net, 28/09/2026) | CUDA completo |
| Mini-PC Ryzen AI Max+ 395 | fino a 128 GB | 256 GB/s | ≈ 1 900-3 900 € a seconda della configurazione | ROCm / Vulkan |
| Mac Studio M5 Max | 36-128 GB | 460-614 GB/s | a partire da 2.999 € (36 GB) | MLX / Metal |
A parità di budget, Strix Halo esegue gli stessi MoE a un costo da 2 a 4 volte inferiore; il Mac è nettamente più veloce in termini di larghezza di banda. Il DGX Spark mantiene un vantaggio unico: lo stack CUDA completo in 140 W. Confronto dettagliato: Strix Halo vs DGX Spark.
DGX Spark in azienda: costo totale, soglia di redditività e cluster di due unità
Contenuto ripreso dalla guida « DGX e Spark: analisi dei costi per i responsabili dei sistemi informativi » (integrata in questa scheda l'08/09/2026). Il prezzo ufficiale è passato da 3 999 $ a 4 699 $ il 27 febbraio 2026 (+17,5 %); NVIDIA ha motivato l'aumento con le difficoltà di approvvigionamento della LPDDR5X. In Francia, il prezzo rilevato presso i rivenditori terzi rimane nettamente superiore (vedi il riquadro dei prezzi qui sopra).
- Punto di pareggio : non appena una fattura cloud per l'inferenza supera regolarmente circa 300-500 € al mese, l'acquisto diventa razionale su un orizzonte di 12-18 mesi — prima ancora di considerare la sovranità (dati soggetti al GDPR, medici o legali che non lasciano mai l'edificio). Si tratta di un CAPEX una tantum ammortizzato in 3-4 anni, a fronte di una fattura cloud ricorrente.
- Cosa permettono veramente 128 GB : un modello da 70B in Q4_K_M occupa ≈ 40 GB, un modello da 120B fortemente quantizzato ≈ 70-80 GB; resta ancora spazio per il contesto e il KV-cache, dove una scheda da 24 GB si ferma intorno ai 32B.
- Incremento delle prestazioni via software al CES 2026 : fino a ×2,5 sulla stessa macchina tramite TensorRT-LLM e lo speculative decoding — guadagno massimo con gli output prevedibili (codice, JSON, testo strutturato), più modesto con il testo creativo.
- Due unità collegate (ConnectX): 256 GB aggregati, Qwen 3.5-122B a ~40 token/s; budget ≈ 9 400 $ IVA esclusa. Il collegamento in catena raddoppia la memoria accessibile, non necessariamente il throughput di un modello che già si poteva eseguire su una sola macchina.
- Criterio di scelta : CUDA + clustering → DGX Spark ; budget limitato → mini-PC Ryzen AI Max+ 395 (128 GB, ecosistema ROCm meno maturo); larghezza di banda e versatilità → Mac Studio (> 800 GB/s, MLX/Metal).
Per un'azienda che preferisce delegare l'integrazione piuttosto che montare da sola questo tipo di macchina, IAPRO propone un pacchetto hardware + IA chiavi in mano per PMI : scelta del server, deployment dei modelli e formazione dei team.
Verdetto
Domande frequenti
Il NVIDIA DGX Spark può eseguire localmente un LLM da 70B?
NVIDIA lo presenta come capace di gestire modelli «fino a 200B» a partire dall'aggiornamento software del CES 2026; in pratica, gestisce agevolmente modelli da ~70B in Q4, ma è limitato dalla banda passante (273 GB/s). Due unità collegate in cascata fanno girare un Qwen 3.5-122B a ~40 t/s.
Quanto costa il NVIDIA DGX Spark?
Prevedere circa 6 100 € su Materiel.net (DGX Spark PNY a 6 099,95 € il 28/09/2026, tempi di consegna superiori a 15 giorni; la MSI EdgeXpert, con lo stesso chip GB10 e 128 GB, costa 6 599,95 € con consegna entro 7 giorni) (prezzo ufficiale di 4 699 $, aumentato rispetto ai 3 999 $ il 27 febbraio 2026). I prezzi cambiano rapidamente: verifica il prezzo del giorno tramite i link d'acquisto.
Per chi è fatto il NVIDIA DGX Spark?
Sviluppatori legati all'ecosistema CUDA, fine-tuning locale, ambienti on-premise / air-gapped.
Dove acquistare il DGX Spark in Francia?
Materiel.net lo ha a catalogo: il DGX Spark PNY vi era proposto a 6 099,95 € il 28/09/2026, con un tempo di consegna superiore a 15 giorni. Altrove, si trova soprattutto presso venditori terzi, a prezzi più elevati e volatili. Un'alternativa valida: le macchine GB10 dei partner (Asus Ascent GX10, Dell, HP, Lenovo…), con lo stesso chip e la stessa memoria, spesso più facilmente reperibili — l'elenco completo si trova in la nostra guida DGX Spark.
DGX Spark o RTX 5090 per l'IA locale?
Due filosofie: la RTX 5090 offre 32 GB di GDDR7 a circa 1,8 TB/s — qualsiasi modello che rientra in 32 GB funzionerà molto più velocemente su questa GPU. Il DGX Spark offre 4 volte la capacità (128 GB), ma a 273 GB/s: ospita modelli che la 5090 non può caricare, eseguendoli più lentamente. Se i modelli che vuoi usare occupano meno di 32 GB, scegli la GPU; vedi scegliere la propria GPU per l'IA locale.
Conviene aspettare i PC «RTX Spark» anziché acquistare un DGX Spark?
I RTX Spark (chip derivato dal GB10, fino a 128 GB di memoria unificata) sono confermati per l'autunno 2026 presso Asus, Dell, HP, Lenovo, MSI e Microsoft — otto macchine annunciate, tra cui portatili. Ma al 31 agosto 2026 non è stato pubblicato alcun prezzo e non è aperto alcun preordine. Se hai un'esigenza immediata che richiede CUDA, il DGX Spark resta l'unica opzione disponibile per la consegna; altrimenti, aspettare l'autunno amplierà nettamente l'offerta.