Nvidia DGX Spark vs. AMD Strix Halo: a 4.000 dolláros AI szuperszámítógépet a 2199 dolláros mini PC jobb valós idejű teljesítményével hívja ki

Az Nvidia 4000 dolláros DGX Spark belép a kompakt AI-arénába

Az Nvidia bemutatta a DGX Spark első próbálkozásként a kompakt mesterséges intelligencia rendszerek terén. Az asztali méretű munkaállomás a vállalat GB10-es szuperchipjével működik, és FP4-en akár 1 PFLOP-ot is képes elérni. Az Nvidia "személyes AI szuperszámítógépként" pozícionálja, amely támogathatja a nagyméretű generatív modellekkel dolgozó kutatókat és fejlesztőket.

Bár mindez papíron remekül hangzik, a meglehetősen borsos árat nehéz lehet lenyelni. A DGX Spark ára 4000 dollár, és sok rajongónak alaposan meg kell fontolnia a költség-haszon arányt.

Az AMD Strix Halo kihívja az Nvidia-t az ár-teljesítmény arány tekintetében

Belép a kihívó.

A GMKtec teljesítményű mini PC-ket gyárt. A vállalat nemrég mérte össze saját EVO-X2 az Nvidia DGX Sparkkal, és közzétette az eredményeket. Az EVO-X2 az AMD Ryzen AI Max+ 395 Strix Halo APU-jára épül.

A GMKtec szerint a Strix Halo felülmúlta a DGX Spark rendszert a több nyílt forráskódú nagy nyelvi modellt, köztük a Llama 3.3 70B, a Qwen3 Coder, a GPT-OSS 20B és a Qwen3 0.6B modelleket használó benchmarking teszteken. Az AMD rendszere jobb teljesítményt nyújtott a tokengenerálás sebessége és az első válaszkésleltetés tekintetében.

A GMKtec kijelentette, hogy EVO-X2 mini PC-je a Ryzen chip CPU + GPU + NPU elrendezésének és az XDNA 2 AI-motor kombinációjának köszönhetően kiemelkedett az alacsony késleltetésű teljesítményben a valós idejű következtetési munkaterhelésekben. Az Nvidia AI szuperszámítógépe ehelyett a nyers áteresztőképességet helyezte előtérbe.

Hasonló teljesítmény feleannyiért

Az EVO-X2 csúcsmodellje 2199 dollárba kerül, ami nagyjából a DGX Spark árának a fele. Míg a GMKtec tesztje azt mutatja, hogy az Nvidia felállása továbbra is a hardver, amelyet a nagy modellekkel végzett, nagy áteresztőképességű műveletekhez meg kell verni, az AMD Strix Halo jobb ár-érték arányt kínálhat az AI-fejlesztők és a rajongók számára, akik az eszközön belüli AI-val és a token-hatékony munkaterhelésekkel dolgoznak.