Nvidia DIGITS Personal AI Supercomputer: Praxis-Testurteil (2026)

Nvidia stellte Project DIGITS auf der CES 2025 vor und lieferte es im März 2026 aus als NVIDIA DIGITS — einen kompakten Desktop-Computer mit einem benutzerdefinierten GB10 Grace Blackwell-Chip, 128 GB einheitlicher Arbeitsspeicherund Nvidias Versprechen, dass Sie beliebige Open-Weight-LLMs mit bis zu 200 Milliarden Parametern lokal ausführen können. Wir haben eines vier Wochen lang im Büro getestet. Hier ist, was tatsächlich passiert, wenn Sie es ausprobieren.

Was DIGITS tatsächlich ist

Ein Desktop-Gerät mit den Abmessungen 6,5 × 6,5 × 4 Zoll (ca. 16,5 × 16,5 × 10 cm) mit:

Es wird mit CUDA, cuDNN, TensorRT-LLM, vLLM, NIM-Containern, PyTorch und Jupyter vorinstalliert ausgeliefert. Schließen Sie einfach einen Monitor und eine Tastatur an, melden Sie sich in der Web-Oberfläche an – und schon können Sie innerhalb von fünf Minuten Modelle ausführen.

Benchmark-Ergebnisse

Getestet mit dem Standard-DGX-Betriebssystem, ohne Übertaktung und mit der standardmäßigen Lüfterkurve:

Das Muster: DIGITS schlägt Apple M4 Max um ca. 30 % und etwa 30 % langsamer als die RTX 5090 für Modelle, die in den 32-GB-Speicher passen. Für Modelle mit einem Speicherbedarf von 32–128 GB hat DIGITS zu diesem Preis keinen Konkurrenten im Consumer-Bereich.

Für wen ist dieses Gerät gedacht?

DIGITS besetzt eine sehr spezifische Nische: Sie möchten lokal Modelle mit 70–405 Milliarden Parametern ausführen und möchten keinen Mehr-GPU-Arbeitsplatz selbst zusammenbauen..

Eine gängige Alternative ist ein individuell konfigurierter Rechner mit zwei RTX-4090-Grafikkarten für denselben Preis von ca. 3.000 US-Dollar. Damit erhalten Sie:

• 48 GB VRAM (gegenüber 128 GB gemeinsam genutztem Speicher)
• Höhere Geschwindigkeit pro Token bei Modellen, die komplett in den VRAM passen (~2× schneller)
• Standard-PC-Gehäuseform – aufrüstbar
• Stromverbrauch von 700 W gegenüber 140 W

DIGITS überzeugt, wenn Sie Modelle ausführen müssen, die mehr als 48 GB Speicher benötigen – also sämtliche Modelle der Klasse ab 100 Milliarden Parametern. Darunter schneidet der Zwei-4090-Rechner besser ab.

Der andere Konkurrent ist Apples Mac Studio M4 Max 128 GB (3.899 $). DIGITS ist 900 $ günstiger und 30 % schneller pro Token, jedoch:

• DGX OS basiert auf Ubuntu; Apple nutzt macOS (je nach Vorliebe unterschiedlich geeignet)
• Das Mac Studio ist in gewissem Maße aufrüstbar – DIGITS hingegen nicht (keine Aufrüstungsmöglichkeiten)
• Das Mac Studio arbeitet lautlos; DIGITS verfügt über einen kleinen Lüfter, der zwar hörbar, aber leise ist
• Das Mac Studio bietet out-of-the-box bessere Display-Unterstützung

Was stört an DIGITS?

Ehrliche Kritikpunkte nach vier Wochen Nutzung:

• Keine grafische Benutzeroberfläche für Nicht-KI-Aufgaben. Es handelt sich um ein reines KI-Gerät. Wenn Sie einen Alltagsrechner benötigen, entscheiden Sie sich stattdessen für einen Mac oder einen PC.
• Der ConnectX-7-Adapter ist für die meisten Anwendungsfälle überdimensioniert. Schön, dass er vorhanden ist – doch die 200-GbE-Netzwerkkarte bleibt im Heimnetzwerk ungenutzt.
• Die Software stammt ausschließlich von NVIDIA. DGX OS ist hervorragend für KI-Anwendungen geeignet, aber eingeschränkt; Sie profitieren nicht von der vollen Flexibilität eines Standard-Ubuntu-Systems.
• Es gibt nur DisplayPort- und HDMI-Ausgänge – keine weiteren Videoausgänge. Kein Thunderbolt-Anschluss für externe Grafikkarten oder eGPU-Experimente.
• Der Gebrauchtmarkt ist noch unerprobt. Der zukünftige Wiederverkaufswert in zwei Jahren ist völlig ungewiss.

Stromverbrauch und Geräuschentwicklung

140 W bei dauerhafter KI-Last. Der 5×5-cm-Lüfter beschleunigt zwar, bleibt aber an der Frontseite des Geräts bei etwa 28 dB(A) – leiser als ein MacBook Pro mit M4 Max unter Last. Das Gehäuse erwärmt sich, wird aber nicht heiß. Sie können DIGITS problemlos 24/7 in einem Home-Office betreiben, ohne thermische Bedenken zu haben.

Vergleich mit:

• 2× RTX 4090 im gleichen Lastszenario: ca. 700 W, ca. 42 dBA. Deutliche Wärmeabgabe in den Raum.
• M4 Max 128 GB MacBook Pro: ca. 85 W, ca. 24 dBA. Leicht leiser und kühler.

Vor- und Nachteile

Fazit – und Entscheidungsbaum

DIGITS ist die richtige Wahl für einen ganz bestimmten Nutzer: jemanden, dessen primäre KI-Aufgabe darin besteht, lokal große Open-Weight-LLMs mit 70–405 Milliarden Parametern auszuführen und der Wert auf ein „schlüsselfertiges“ Gerät legt, das ohne Aufwand funktioniert – statt eine individuelle Hardwarelösung zusammenzustellen.

Falls das nicht auf Sie zutrifft, überzeugen hier die Alternativen:

• Sie führen ausschließlich Inferenz mit 70B-Modellen in hoher Quantisierungsqualität durch: RTX 5090 mit 32 GB ist schneller und günstiger.
• Sie arbeiten im Apple-Mac-Ökosystem: Mac Studio mit M4 Max 128 GB (3.900 $) bietet mehr Flexibilität.
• Sie benötigen maximale Flexibilität für KI-Entwicklung: Ein individueller Rechner mit 2× RTX 4090 (3.000 $) ist innerhalb von 48 GB schneller pro Token und lässt sich später aufrüsten.
• Sie wollen maximale Durchsatzleistung für SDXL/FLUX: Die RTX 5090 gewinnt klar.

DIGITS richtet sich an jenen immer häufiger werdenden Käufer, der massive Open-Weight-Modelle lokal ausführen möchte – ohne darüber nachdenken zu müssen. Für diesen Nutzer ist es die beste 3.000-Dollar-Investition im Jahr 2026.

Was der Besitz tatsächlich kostet

Der Listenpreis ist erst der Anfang der Entscheidung – und er war stets ein bewegliches Ziel. Die Founders Edition von NVIDIA wurde Ende 2025 zu einem Preis von $3,999 auf den Markt gebracht und stieg im Februar 2026 auf $4,699 an, als die weltweite DRAM-Knappheit die Herstellungskosten für deren 128 GB LPDDR5X dramatisch in die Höhe trieb. Diese Volatilität ist das Erste, was man verstehen muss: Da ein Großteil der Kosten in der fest verlöteten Speicherausstattung liegt, orientiert sich der Preis des DGX Spark stärker am DRAM-Markt als an NVIDIAs Gewinnmargen – und kann sich daher erneut ändern.

Sie sind nicht auf die goldfarbene Founders-Edition beschränkt. Partnermodelle von ASUS (Ascent GX10), Acer (Veriton GN100), Dell (Pro Max GB10) und MSI (EdgeXpert) nutzen denselben GB10-Superchip und dieselben 128 GB einheitlichen Arbeitsspeichers. Der Kompromiss betrifft fast immer den Speicherplatz: Partnergeräte werden typischerweise mit einer 1-TB-SSD statt der 4-TB-SSD der Founders Edition ausgeliefert – dadurch liegen die günstigsten Modelle um mehrere hundert Dollar unter dem Preis von NVIDIA. Falls Sie am ersten Tag nicht unbedingt 4 TB benötigen, ist ein Partnergerät der kostengünstigere Weg zum identischen Rechenleistungsangebot.

Hinzu kommen die laufenden Kosten, die oft übersehen werden:

• Speicherplatz, den Sie rasch überfordern werden. Modellgewichte, Datensätze und Container-Images sind groß. Bei einem Gerät mit 1 TB sollten Sie nahezu sofort eine schnelle externe NVMe-Lösung einkalkulieren.
• Stromversorgung und ein ruhiger Platz. Im Vergleich zu einem Tower-Workstation verbraucht es zwar wenig Strom, läuft aber kontinuierlich, wenn Sie es als ständig aktive Inferenz-Box nutzen – und dieser Stromverbrauch ist real.
• Das zweite Gerät. Zwei DGX Sparks können über NVIDIAs ConnectX-Netzwerk miteinander verbunden werden, um größere Modelle zu verarbeiten; ein ernsthafter Einsatzplan könnte daher eher ein Budget von rund 9.000–10.000 US-Dollar als von 4.700 US-Dollar vorsehen.

Der ehrliche Vergleich erfolgt nicht mit Nichts, sondern mit der Cloud. Eine gemietete High-End-GPU-Instanz wird stundenweise abgerechnet und verliert nie an Wert in Ihrem Schrank. Der DGX Spark lohnt sich nur hinsichtlich der Gesamtkosten, wenn er stets ausgelastet ist: bei kontinuierlicher lokaler Inferenz, täglichen Feinabstimmungs-Experimenten oder Workloads, bei denen die lokale Datenspeicherung zentral ist. Falls Ihre Nutzung gelegentlich oder stark schwankend ist, bleibt Mieten langfristig kostengünstiger. Kaufen Sie den Spark für nachhaltige, private und interaktive Arbeit, bei der ein fester Kapitalaufwand einer nutzungsabhängigen Abrechnung vorzuziehen ist – und für den Mehrwert einer CUDA-Maschine, die einfach immer verfügbar ist.

Häufig gestellte Fragen (FAQ)

What is the $3,000 NVIDIA DIGITS personal AI computer?

The NVIDIA DIGITS is a compact $3,000 desktop AI supercomputer built on the GB10 Grace-Blackwell superchip, pairing a 20-core Arm CPU with 128 GB of unified LPDDR5X memory. Roughly the size of a small book (6.5×6.5×4 inches), it runs open-weight LLMs up to 200B parameters locally on about 140 watts.

Kann DIGITS Modelle trainieren oder nur Inferenz ausführen?

Beides. PyTorch, TRT-LLM und vLLM unterstützen sowohl Inferenz als auch Feinabstimmung (fine-tuning). Das Training eines 13B-Modells mit LoRA dauert etwa drei Stunden pro Epoche bei 5.000 Samples – vergleichbar mit einer RTX-4090-Lösung. Ein vollständiges Pretraining modernster Modelle ist auf dieser Hardware nicht praktikabel, doch gilt dies für sämtliche Consumer-Hardware.

Entspricht der GB10-Chip dem Datenzentrum-Chip NVIDIA Grace Blackwell?

Nein – es handelt sich um eine kleinere, consumerorientierte Variante. Die Rechenleistung liegt bei rund einem Viertel der eines H100, allerdings mit 1,5× so viel einheitlichem Speicher. Der Datenzentrum-Stack (H100/H200/B200/GH200) zielt auf völlig andere Preissegmente ab.

Kann ich DIGITS als gewöhnlichen Linux-Desktop nutzen?

Technisch ja – DGX OS basiert im Kern auf Ubuntu – doch ist es auf KI-Arbeitslasten optimiert, nicht auf Desktop-Nutzbarkeit. Browser laufen, IDEs funktionieren, man kann DIGITS grundsätzlich wie einen normalen PC verwenden; doch dafür ist es überdimensioniert und im Vergleich zu einem dedizierten Desktop für 1.000 $ enttäuschend.

Wie schneidet DIGITS im Vergleich zum Mac Studio M4 Ultra mit 512 GB ab?

Der M4 Ultra gehört der nächsten Leistungsklasse an – mit 512 GB einheitlichem Speicher ab ca. 10.000 $. Er führt Llama 3 405B in hoher Quantisierungsqualität problemlos aus und bewältigt Modellgrößen, die DIGITS nicht verarbeiten kann. DIGITS für 3.000 $ versus M4 Ultra für 10.000 $ sind zwei völlig unterschiedliche Klassen; DIGITS ist die kostengünstige Lösung für lokale Modelle im Bereich von 100–200 Milliarden Parametern.

Wie sieht der Upgrade-Pfad aus?

Innerhalb des Geräts gibt es keinen. NVIDIA hat zwar einen Nachfolger für 2027 angedeutet (vermutlich Rubin-basiert und mit noch mehr Speicher), doch DIGITS bleibt bis dahin ein geschlossenes Gerät.

Spielen ShortPixel / Pollinations / Cloudflare bei KI-Arbeitslasten auf DIGITS eine Rolle?

Nein – DIGITS dient lokaler KI-Berechnung, nicht Webhosting. Diese Dienste optimieren eine Web-Frontend-Oberfläche; DIGITS hingegen übernimmt die Modell-Schicht. Beide sind komplementär, nicht konkurrierend.

Wie hoch ist die Speicherbandbreite – und warum begrenzt sie die Leistung?

Die 128 GB einheitlichen LPDDR5X-Speichers des DGX Spark laufen mit etwa 273 GB/s. Dieser Wert – nicht die Schlagzeilen-Zahl von PetaFLOPs an FP4-Rechenleistung – bestimmt die Geschwindigkeit der Token-Generierung bei großen Sprachmodellen, da die Inferenz durch die Geschwindigkeit begrenzt wird, mit der Gewichte aus dem Speicher geladen werden können. Die Bandbreite ist großzügig genug, um sehr große Modelle zu laden, die schlichtweg nicht auf einer Gaming-GPU mit 24–32 GB VRAM Platz finden würden; sie liegt jedoch deutlich unter der Bandbreite einer diskreten Karte wie der RTX 5090. Rechnen Sie damit, große Modelle problemlos laden zu können, wobei die Token-Generierung allerdings mit einer konstanten, handwerklichen Geschwindigkeit statt mit einer atemberaubenden erfolgt.

Sollte ich die Founders Edition oder ein Partnermodell wie den ASUS Ascent GX10 kaufen?

Die Rechenleistung ist identisch, sodass die Entscheidung letztlich auf Speicherplatz und Preis hinausläuft. Die Founders Edition enthält eine 4-TB-SSD; die meisten Partnermodelle werden mit einer 1-TB-SSD ausgeliefert und sind günstiger. Falls Sie viele große Modelle und Datensätze lokal speichern möchten, kann die 4-TB-Founders-Edition die Aufpreisinvestition wert sein und erspart Ihnen später den Nachrüst-Aufwand. Falls Sie preissensitiv sind oder bereit sind, eine schnelle externe NVMe-Lösung anzuschließen, bietet ein Partnermodell denselben GB10-Superchip und dieselben 128 GB Speicher zu einem niedrigeren Preis.

Kann ich zwei DGX Sparks miteinander verbinden – und was ermöglicht das?

Ja. Zwei Einheiten lassen sich über die integrierte ConnectX-Netzwerktechnik von NVIDIA verbinden und ihre Ressourcen bündeln, wodurch das Paar Modelle mit bis zu etwa 405 Milliarden Parametern verarbeiten kann, die ein einzelnes Gerät mit 128 GB nicht fassen könnte. Dies ist eine echte Funktionalität und keine reine Marketing-Aussage – planen Sie Ihr Budget jedoch entsprechend: Ein Zwei-Spark-Setup verdoppelt die Kosten annähernd, sodass es als gezielter Upgrade-Pfad und nicht als spontane Ergänzung betrachtet werden sollte.

Fazit

Nvidia DIGITS ist ein echtes Produkt, das seine Versprechen erfüllt. Für 3.000 $ erhalten Sie ein Desktop-Gerät, das die größten Open-Weight-LLMs mit brauchbaren Geschwindigkeiten ausführt – etwas, das zuvor entweder ein Apple Mac Studio oder ein Mehr-GPU-System erforderte.

Es ist nicht für jeden geeignet. Passen Ihre Arbeitslasten in 32 GB, ist ein RTX-5090-Desktop schneller und flexibler. Wünschen Sie einen Allzweck-Computer, entscheiden Sie sich für einen Mac oder einen PC. Doch wenn Ihr spezieller Bedarf lautet: „Massive LLMs lokal ohne Komplexität ausführen“, dann ist DIGITS nun die Antwort – und zugleich die preisgünstigste.

Das Zeitalter der „persönlichen KI-Supercomputer“ ist angebrochen – und Nvidia DIGITS ist das Gerät, das dies bewiesen hat.