DGX Spark vs Mac Studio：同预算跑本地大模型买哪台（2026 年 10 月）
DGX Spark vs Mac Studio，按官方规格、价格和 llama.cpp 跑分在 2026 年 10 月 28 日核对：Mac Studio 生成速度约是 DGX Spark 的三倍，DGX Spark 的优势是 CUDA 生态。
buffer关于作者约 8 分钟阅读
DGX Spark vs Mac Studio，先说结论：如果你主要是在本地和大模型对话、写代码，同样花 7,000 美元左右，Mac Studio 更值得买。80 核 GPU 的 M5 Ultra 版 Mac Studio 起售价 6,799 美元，llama.cpp 跑分里生成速度是 DGX Spark 的 3 倍多，内存还能加到 256GB 或 512GB。DGX Spark 128GB 版现在卖 6,950 美元，它的优势不在速度，而在 NVIDIA 的 CUDA 软件栈：要用 vLLM、TensorRT-LLM、做微调，或者想把两台机器连起来，选 DGX Spark。预算只有 3,000 美元出头的话，40 核 GPU 的 M5 Max 版 Mac Studio 生成速度也是 DGX Spark 的两倍。下面的规格来自 NVIDIA 和 Apple 官网，价格来自两家的商店和价格追踪页，速度来自 llama.cpp 官方仓库的跑分帖，我在 2026 年 10 月 28 日（北京时间）逐条核对过。
简短回答
- 生成速度：Mac Studio 快。同一个测试里，DGX Spark 每秒生成 57.2 个 token，M5 Max 版是 119.9 个，M5 Ultra 版是 179.1 个。
- 读提示词：差距小一些。DGX Spark 是每秒 3,062 个 token，M5 Max 版 3,220 个，M5 Ultra 版 4,945 个。
- 能装多大的模型：DGX Spark 固定 128GB；Mac Studio 的 M5 Ultra 版可以选 256GB，80 核 GPU 版最高 512GB。
- 软件：DGX Spark 用 CUDA，大部分 AI 框架直接能跑；Mac Studio 用 Metal 和 MLX，llama.cpp、Ollama、LM Studio 都支持，但 vLLM、TensorRT-LLM 这类 CUDA 工具不能用。
- 怎么买：自己用来跑模型，买 Mac Studio；工作要用 CUDA，买 DGX Spark。
DGX Spark 和 Mac Studio 的规格对比
按 NVIDIA DGX Spark 用户指南，DGX Spark 用的是 GB10 芯片，有 128GB LPDDR5X 统一内存，带宽 273GB/s，带 4TB 固态硬盘和一块 ConnectX-7 网卡，网速最高 200Gb/s，两台可以连起来当一台用。GB10 的设计功耗是 140W，机器配 240W 电源适配器。
按 Apple 官网 Mac Studio 技术规格页，现在的 Mac Studio 有两种芯片。M5 Max 版的 32 核 GPU 配 36GB 内存，带宽 460GB/s；40 核 GPU 版带宽 614GB/s，内存最高 128GB。M5 Ultra 版 96GB 内存起，带宽 1.2TB/s，可以选配 256GB，36 核 CPU、80 核 GPU 的版本还能选 512GB。Apple 购买页上写着 512GB 选项 10 月下旬开售。
带宽是这场对比里最重要的数字。生成 token 时，每生成一个 token 都要把模型权重从内存里读一遍，带宽越高，生成越快。M5 Ultra 的 1.2TB/s 是 DGX Spark 273GB/s 的 4 倍多，M5 Max 40 核 GPU 版的 614GB/s 也是 DGX Spark 的 2 倍多。
2026 年 10 月的价格
DGX Spark 的价格这一年涨了好几次。2025 年 10 月首发价是 3,999 美元。按 gpuwerk 的价格追踪页，NVIDIA 官方商店的 128GB、4TB 版现在是 6,950 美元（10 月 11 日核对）。NVIDIA 在 2026 年 10 月 2 日还发布了 64GB 版，10 月 23 日起由合作厂商销售，4,999 美元起，NVIDIA 说它能跑最多 1000 亿参数的模型（NVIDIA 博客）。DGX Spark 在中国没有官方零售价，下面只列美国价格。
Mac Studio 的价格来自 Apple 中国官网购买页和美国官网购买页，10 月 28 日核对：
- M5 Max（18 核 CPU、32 核 GPU、36GB、512GB）：RMB 19,999 起，美国 2,499 美元起。
- M5 Max（18 核 CPU、40 核 GPU、64GB、1TB）：RMB 24,499 起，美国 3,099 美元起。
- M5 Ultra（30 核 CPU、64 核 GPU、96GB、1TB）：RMB 46,999 起，美国 5,499 美元起。
- M5 Ultra（36 核 CPU、80 核 GPU）：RMB 56,749 起，美国 6,799 美元起。
加内存要另外付钱，具体价格以 Apple 下单页为准。所以同预算的对比是这样的：6,950 美元的 DGX Spark，对面是 6,799 美元起的 80 核 GPU M5 Ultra 版 Mac Studio。
实测速度：同一个测试谁更快
不同机器的跑分，最好用同一个模型、同一个测试来比。llama.cpp 官方仓库有两个长期更新的跑分帖：NVIDIA CUDA 跑分帖 #15013 和 Apple 芯片跑分帖 #4167。两个帖子都用 Llama 2 7B 的 Q4_0 版本，pp512 是读一段 512 个 token 的提示词的速度，tg128 是生成 128 个 token 的速度。
生成速度：Mac Studio 快 2 到 3 倍
DGX Spark 128GB 每秒生成 57.2 个 token。M5 Max 40 核 GPU 版是 119.9 个，约为 DGX Spark 的 2.1 倍；M5 Ultra 80 核 GPU 版是 179.1 个，约为 3.1 倍。这个差距和带宽的差距基本一致。
读提示词：差距没那么大
读提示词主要看算力。DGX Spark 不开 Flash Attention 时是每秒 3,062 个 token，开了以后是 3,661 个。M5 Max 版是 3,220 个，M5 Ultra 版是 4,945 个。M5 系列的 GPU 每个核心都加了神经网络加速器，所以 Mac Studio 在这一项上也不落后。两个帖子用的 llama.cpp 版本不同，这一项的数字适合看大致差距，不适合精确到百分比。
大模型上的数字
DGX Spark 跑 gpt-oss-120b 的成绩在 llama.cpp 官方的 DGX Spark 跑分文件里：上下文为空时每秒生成 58.7 个 token，读 2048 个 token 的提示词是每秒 2,444 个；上下文有 32K 时，生成降到 42.8 个。我没有找到同一个测试下 M5 Ultra 的官方数字，所以这里不做对比。按带宽推算，Mac Studio 在大模型上也会生成得更快。
DGX Spark vs Mac Studio：能装多大的模型
判断一个模型能不能跑，先看文件大小。下表的数字来自 Ollama 的 gpt-oss 模型页、Llama 3.3 模型页和 Qwen3 模型页。实际占用比文件大一些，上下文和系统都要占内存。
- 64GB（64GB 版 DGX Spark、M5 Max 起步款）：Llama 3.3 70B 的 Q4_K_M 版 43GB 能跑，65GB 的 gpt-oss-120b 装不下。
- 96GB 和 128GB（M5 Ultra 起步款、DGX Spark）：gpt-oss-120b 和 75GB 的 Llama 3.3 70B Q8_0 版都能跑。
- 256GB（选配内存的 M5 Ultra）：142GB 的 Qwen3 235B 4bit 版能跑。DGX Spark 单机装不下，要两台连起来。
如果你想跑的是 2000 亿参数以上的模型，Mac Studio 是更直接的选择，一台机器就够了。
软件生态：CUDA 和 Metal
DGX Spark 预装 NVIDIA 的 DGX OS，CUDA、PyTorch、vLLM、TensorRT-LLM 都有官方支持。如果你的工作要在 NVIDIA 的数据中心 GPU 上部署，在 DGX Spark 上写好的代码可以直接搬过去。做模型微调和训练，CUDA 的工具也比 Mac 上多得多。
Mac Studio 跑本地模型主要靠 llama.cpp、Ollama、LM Studio 和 Apple 的 MLX。只是下载模型来聊天、写代码、做问答，这些工具都够用，装好就能跑。它的问题是不能用 CUDA，很多研究代码要改过才能在 Mac 上跑。
DGX Spark vs RTX 5090：跑大模型谁更快
不少人拿 DGX Spark 和 RTX 5090 比，而不是和 Mac 比。先说结论：模型能放进 32GB 时，RTX 5090 快约 5 倍，还便宜得多。只有模型超过 32GB，DGX Spark 才占优势。
| DGX Spark | RTX 5090 | |
|---|---|---|
| 内存/显存 | 128GB 统一内存 | 32GB GDDR7 |
| 带宽 | 273 GB/s | 1,792 GB/s |
| Llama 2 7B Q4_0，tg128 | 57.2 tok/s | 290 tok/s |
| 功耗 | 芯片 140W（240W 电源） | 显卡 575W，另加整机 |
| 价格 | 6,950 美元（NVIDIA 官网） | 显卡 1,999 美元（首发价） |
两个速度来自 llama.cpp 官方的 CUDA 跑分汇总里的同一项测试。差距和带宽一致：5090 每秒能搬运的数据约是 Spark 的 6.6 倍。5090 的价格是 NVIDIA 的首发价，只是一张卡，还要另配整机。
显存大小会让结果反过来。gpt-oss-120b 原生 4 位格式也要 60GB 以上，一张 5090 装不下，大部分只能放到系统内存，速度会慢很多。DGX Spark 能把它整个放进内存，按 llama.cpp 的 DGX Spark 跑分，每秒 58.7 个 token。所以 32B 以内的模型买 5090；要在一台安静的小机器上跑 70B 到 120B，再看 DGX Spark 或 Mac Studio。数据于 2026 年 10 月 28 日核对。
怎么选：按用途对号入座
这些情况买 Mac Studio
- 主要用途是本地对话、写代码、处理文档，用 Ollama 或 LM Studio 就够了。
- 在意生成速度。同价位的 M5 Ultra 版生成速度是 DGX Spark 的 3 倍左右。
- 想跑 2000 亿参数以上的模型，需要 256GB 或 512GB 内存。
- 预算 3,000 美元左右，40 核 GPU 的 M5 Max 版已经比 DGX Spark 快。
这些情况买 DGX Spark
- 工作离不开 CUDA、vLLM 或 TensorRT-LLM。
- 要做微调或训练，或者代码最后要部署到 NVIDIA 服务器上。
- 打算以后把两台连起来跑更大的模型。
这些情况看看别的方案
只要 128GB 内存、又不想花这么多钱，可以看 AMD 的 Ryzen AI Max+ 395 主机，我在 AI Max 395 和 DGX Spark 怎么选里比过它和 DGX Spark。想用独立显卡跑 32B 以内的模型，可以看 RTX 5090 显存与本地大模型。还在几款 M5 Mac 之间犹豫的话，先读 M5 跑本地大模型指南；预算更低，可以看 mac mini 可以跑大模型吗。
常见问题
DGX Spark 和 Mac Studio 哪个跑大模型更快？
生成速度是 Mac Studio 快。llama.cpp 的同一个测试里，M5 Ultra 80 核 GPU 版每秒生成 179.1 个 token，DGX Spark 是 57.2 个。读提示词时 M5 Ultra 版也快一些。
DGX Spark 和 Mac Studio 价格差多少？
DGX Spark 128GB 版现在 6,950 美元。Mac Studio 的 M5 Ultra 版 5,499 美元起，80 核 GPU 版 6,799 美元起，M5 Max 40 核 GPU 版 3,099 美元起。
DGX Spark 能跑 gpt-oss-120b 吗？
能。llama.cpp 官方跑分里，DGX Spark 跑 gpt-oss-120b 每秒生成 58.7 个 token。96GB 以上的 Mac Studio 也能跑这个模型。
DGX Spark 比 RTX 5090 快吗？
不快。模型能放进 32GB 时，RTX 5090 每秒生成的 token 约是 DGX Spark 的 5 倍（Llama 2 7B Q4_0 上 290 对 57.2）。只有跑 gpt-oss-120b 这类超过 32GB 的模型，DGX Spark 才更合适。
64GB 版 DGX Spark 值得买吗？
它 4,999 美元起，比 64GB 的 M5 Max 版 Mac Studio 贵 1,900 美元，带宽还低得多。除非你需要 CUDA，否则不划算。