Class / DGX Spark, GB10 systems
DGX Spark: สเปกและโมเดลที่รันได้
NVIDIA DGX Spark และระบบ GB10: หน่วยความจำรวม 128 GB, bandwidth 273 GB/s, โมเดลที่พอดี, ข้อจำกัดเรื่องความเร็ว และวิธีที่เราส่งมอบพร้อม Mimir Suites
DGX Spark คือเดสก์ท็อป GB10 ที่ให้หน่วยความจำรวม 128 GB ในเครื่องขนาดวางบนโต๊ะ จึงรันโมเดล 70B ถึง 120B แบบ 4-bit ได้ทั้งตัวบนปลั๊กบ้านธรรมดา สิ่งที่แลกไปคือ bandwidth 273 GB/s ซึ่งช้ากว่าการ์ดเดสก์ท็อประดับสูงหลายเท่า เลือกเครื่องนี้เมื่อคุณต้องการความจุและระบบนิเวศ CUDA ไม่ใช่เมื่อต้องการความเร็วต่อคนสูงสุด
| SPEC | DGX Spark (GB10) |
|---|---|
| Superchip | NVIDIA GB10 Grace Blackwell: CPU Arm 20 คอร์ + GPU Blackwell บนแพ็กเกจเดียว |
| Memory | 128 GB unified LPDDR5x, CPU และ GPU ใช้ร่วมกัน |
| Bandwidth | 273 GB/s |
| AI compute | สูงสุด 1 PFLOP FP4 (sparse) ตามที่ผู้ผลิตระบุ |
| Storage | NVMe 1 TB หรือ 4 TB แล้วแต่รุ่นและผู้ผลิต |
| Networking | ConnectX-7 200 Gb/s สำหรับต่อ 2 เครื่อง, 10GbE, Wi-Fi 7 |
| Power | ประมาณ 240 W, ปลั๊กบ้านธรรมดา |
| Size | ราว 150 × 150 × 50 มม. วางบนโต๊ะทำงานได้ |
| OS | DGX OS (Ubuntu) พร้อม CUDA และ NVIDIA AI stack |
| Price band | ประมาณ 3,000 ถึง 4,500 USD ต่อเครื่อง แล้วแต่ผู้ผลิตและ storage |
เหมาะกับใคร และไม่เหมาะกับใคร
DGX Spark คือเครื่องที่แลกความเร็วกับความจุ ถ้างานของคุณคือ “อยากรันโมเดลใหญ่ให้ได้ที่ออฟฟิศ โดยไม่ต้องคิดเรื่องไฟและเสียง” นี่คือคำตอบที่ตรงที่สุดในราคาระดับนี้
เหมาะเมื่อ
- ต้องการรันโมเดล 70B ถึง 120B ทั้งตัวบนเครื่องเดียว สำหรับทีม 1 ถึง 5 คน
- ทีมพัฒนาต้องการสภาพแวดล้อม CUDA เหมือนบนเซิร์ฟเวอร์ DGX ใหญ่ เพื่อทดสอบก่อนขยาย
- ออฟฟิศไม่มีห้องเซิร์ฟเวอร์ ต้องการเครื่องเงียบที่ใช้ปลั๊กบ้าน
- งานเป็นเอกสารภายใน, RAG, ผู้ช่วยเขียน หรือวิเคราะห์ ซึ่งความเร็ว 5 ถึง 15 tok/s ต่อคนยอมรับได้
ไม่เหมาะเมื่อ
- ผู้ใช้หลายสิบคนพร้อมกัน หรือต้องการเวลาตอบสั้นแบบแชตบอตหน้าร้าน: bandwidth 273 GB/s เป็นคอขวด
- งานหลักคือสร้างภาพหรือวิดีโอ ซึ่ง RTX 5090 ให้ผลลัพธ์เร็วกว่ามากในราคาใกล้กัน
- โมเดลที่ต้องการอยู่ในช่วง 7B ถึง 32B อยู่แล้ว: RTX 5090 หรือ RTX PRO 6000 ให้ความเร็วหลายเท่า
128 GB รันโมเดลอะไรได้บ้าง
ประมาณจากจำนวนพารามิเตอร์และ byte ต่อพารามิเตอร์ ระบบปฏิบัติการใช้หน่วยความจำส่วนหนึ่ง เราจึงวางแผนที่ราว 110 GB สำหรับโมเดลและ KV cache ปรับตัวเลขของคุณเองได้ใน เครื่องคำนวณ
| SPEC | Quantization | หมายเหตุ |
|---|---|---|
| Qwen3 32B, DeepSeek-R1 Distill 32B | FP8 | คุณภาพใกล้ต้นฉบับ พร้อม context ยาวสำหรับหลายคน |
| Llama 3.3 70B, DeepSeek-R1 Distill Llama 70B | Q4 / NVFP4 | พอดีสบาย เหลือที่ให้ KV cache ราว 60 GB |
| gpt-oss-120b | MXFP4 (ตามที่ปล่อยมา) | ใช้ราว 65 GB และเร็วเพราะ active เพียง 5B ต่อ token |
| Mistral Large 2 123B | Q4 | พอดีที่ context สั้นถึงกลาง เหมาะกับผู้ใช้ไม่กี่คน |
| Qwen3 235B-A22B | Q4 | ตึงมาก (ราว 140 GB) ต้องต่อ 2 เครื่อง หรือเลือกเครื่อง 2x RTX PRO 6000 |
| DeepSeek-V3 / R1 671B | ทุกระดับ | ไม่พอ: ต้องการราว 400 GB ที่ 4-bit เกินความจุของเครื่องเดียวและของสองเครื่องรวมกัน |
สิ่งที่เราส่งมอบพร้อมเครื่อง
- เครื่องที่ทดสอบแล้ว: DGX OS อัปเดตล่าสุด, ไดรเวอร์, และ burn-in ด้วยโมเดลที่คุณจะใช้จริง
- โมเดลและ inference server: vLLM หรือ llama.cpp ตามงาน พร้อม OpenAI-compatible API สำหรับทีมพัฒนา
- Mimir Suites: แชตส่วนตัว ค้นเอกสารของบริษัท OCR และเครื่องมือธุรกิจ ตั้งค่าบัญชีและสิทธิ์ให้เรียบร้อย
- การเข้าถึงระยะไกล: VPN หรือ Tailscale, การสำรองข้อมูล, และแผนอัปเดต
- อบรมและซัพพอร์ต: สอนทีมเป็นภาษาไทย พร้อมช่องทางติดต่อเมื่อมีปัญหา
สนใจรันโมเดลเล็กให้เร็ว? ดู RTX 5090 หรือกำลังเทียบกับ Apple? อ่าน DGX Spark vs Mac Studio
คำถามที่ถูกถามบ่อย
- DGX Spark ต่างจาก ASUS Ascent GX10 หรือ Dell Pro Max GB10 อย่างไร
- ทุกรุ่นใช้ GB10 Grace Blackwell Superchip และหน่วยความจำ 128 GB เท่ากัน ต่างกันที่ตัวเครื่อง storage ที่ให้มา ราคา และการรับประกันของผู้ผลิต เราเสนอทั้งรุ่นของ NVIDIA และของพาร์ตเนอร์ตามสต็อกและงบประมาณ
- DGX Spark เร็วกว่า RTX 5090 ไหม
- ไม่ ถ้าโมเดลใส่ใน 32 GB ได้ RTX 5090 มี bandwidth 1.79 TB/s เทียบกับ 273 GB/s จึงเร็วกว่าราว 6 เท่าในการสร้าง token แต่ถ้าโมเดลใหญ่กว่า 32 GB RTX 5090 รันไม่ได้เลย ส่วน DGX Spark รันได้ถึงราว 110 GB นี่คือการแลกระหว่างความจุกับความเร็ว
- ต่อ DGX Spark สองเครื่องแล้วได้อะไร
- ConnectX-7 บนเครื่องเชื่อมสองเครื่องเข้าด้วยกันที่ 200 Gb/s ทำให้หน่วยความจำรวม 256 GB พอสำหรับโมเดลระดับ 400B ที่ FP4 ตามที่ NVIDIA เผยแพร่ ความเร็วต่อ token ยังถูกจำกัดด้วย bandwidth ของแต่ละเครื่อง
- เราเป็นตัวแทนจำหน่ายที่ได้รับการแต่งตั้งจาก NVIDIA หรือไม่
- ไม่ใช่ เราเป็นผู้วางระบบ (integrator) ที่จัดหาเครื่องผ่านผู้จัดจำหน่ายในไทย ติดตั้งซอฟต์แวร์ โมเดล และ Mimir Suites ให้พร้อมใช้ ชื่อ DGX และ NVIDIA เป็นเครื่องหมายการค้าของ NVIDIA Corporation ที่ใช้เพื่อระบุตัวสินค้าเท่านั้น
อยากรู้ว่า DGX Spark พอสำหรับทีมคุณไหม
บอกโมเดล จำนวนผู้ใช้ และงานที่จะทำ เราตอบกลับพร้อมสเปกที่แนะนำ ทางเลือก และช่วงราคาที่รวมการติดตั้ง Mimir Suites