DGX 스파크 다음 모델 RTX 스파크 비교: 기다릴 이유와 지금 사는 이유

DGX 스파크(DGX Spark)는 엔비디아가 2025년 10월에 내놓은 손바닥 크기 AI 컴퓨터입니다. 로컬에서 큰 언어 모델을 돌리려는 분들에게는 이미 익숙한 이름입니다. 통합 메모리는 128GB이고 희소 연산 기준 최대 1페타플롭 FP4를 냅니다. 3,999달러로 나왔다가 2026년 2월에 4,699달러가 됐고, 국내 유통가는 2026년 9월 기준 939만 원입니다.

그다음 모델로 거론되는 것이 RTX 스파크(RTX Spark)입니다. 엔비디아가 2026년 10월 출시를 밝힌 윈도우 PC용 제품군이고, 거기 들어가는 칩 이름도 RTX 스파크입니다. DGX 스파크와 이름이 비슷해서 후속으로 오해하기 쉽습니다. 20코어 Grace CPU와 블랙웰 RTX GPU를 한 칩에 묶었고 통합 메모리는 최대 128GB입니다.

덜 알려진 것은 RTX 스파크가 무엇을 바꾸고 무엇을 그대로 두는지입니다. 이것을 모르고 지나치면 기다릴 만하지 않은 물건을 기다리거나, 반대로 지금 사도 될 상황에서 출시까지 한 달을 흘려보내게 됩니다. DGX 스파크를 지금 살지 다음 모델을 기다릴지, 2026년 9월 16일에 확인한 공식 사양과 공개된 실측값을 놓고 정리했습니다. 장비별 가격과 모델 크기 비교는 DGX 스파크와 RTX 5090 비교 글에 있습니다.

위 사진은 엔비디아가 RTX 스파크를 발표하면서 공개한 것입니다. 노트북 한 대가 그래픽카드 없이 칩 하나로 AI 연산을 처리한다는 점이 사진에 드러납니다.

RTX 스파크가 DGX 스파크와 똑같은 부분

먼저 두 제품의 칩 사양을 나란히 놓겠습니다. 엔비디아 공식 발표에 적힌 값을 기준으로 정리했고, 괄호 안의 코드명과 메모리 종류는 제조사 사양표와 보도 기준입니다.

두 제품은 CUDA 코어 개수까지 같은 Grace Blackwell 1세대라, RTX 스파크는 세대가 올라간 물건이 아니라 같은 세대를 다른 시장에 낸 자매 제품입니다. 컴퓨텍스 2026 키노트 슬라이드를 정리한 보도에 따르면 다음 세대는 2027년에서 2028년 사이의 베라 루빈 스파크(Vera Rubin Spark)입니다. 알려진 것은 메모리를 LPDDR6로 바꾼다는 한 줄뿐이고, 엔비디아 보도자료로 확정된 내용은 아직 없습니다.

달라지는 것은 칩 바깥입니다. RTX 스파크는 윈도우 11이 돌아가는 14~16인치 노트북과 소형 데스크톱으로 나오고, DGX 스파크는 DGX OS라는 우분투 기반 리눅스를 쓰는 고정형 박스입니다. 발표에는 에이수스와 델, HP, 레노버가 제조사로 이름을 올렸습니다. 마이크로소프트와 MSI도 같은 명단에 있고, 에이서와 기가바이트는 앞의 제조사들보다 늦게 내놓습니다.

후속 세대가 아닌데도 메모리 속도는 RTX 스파크가 조금 앞섭니다. 엔비디아 개발자 문서에는 256비트 폭에 300GB/s라고 적혀 있어, DGX 스파크의 273GB/s보다 10%가량 높습니다. 제품 페이지에는 이 수치가 없어 출시 뒤 실측으로 한 번 더 확인할 값입니다.

가격도 RTX 스파크가 더 낮을 것으로 보입니다. 2026년 9월 현재 공식 가격은 어느 제조사도 밝히지 않았고, 유통가 추정치로는 상위 구성이 2,900달러 안팎으로 거론됩니다. 확인된 값이 아니므로 구매 계획의 근거로 삼기는 이릅니다.

스펙표에 나오지 않는 DGX 스파크의 QSFP 포트 두 개

여기까지만 보면 RTX 스파크가 더 싸고 조금 빠를 것으로 보입니다. 그런데 두 제품이 달라지는 곳은 스펙표가 아니라 본체 뒷면입니다.

엔비디아가 클러스터 구성 문서에 실은 사진입니다. 사진 오른쪽의 두 구멍이 QSFP 포트입니다. 내장된 ConnectX-7 네트워크 카드에 연결되며 포트마다 최대 200Gb/s를 냅니다.

이 포트가 하는 일을 엔비디아 문서는 이렇게 적었습니다. 한 대에 올라가지 않는 크기의 모델을 실행할 수 있게 합니다. 케이블로 본체를 직접 이으면 모델 하나를 여러 대의 메모리에 나눠 올립니다. 엔비디아는 최대 4대까지 연결해 7,000억 파라미터 모델까지 올릴 수 있다고 안내합니다. 출시 초기 안내는 두 대를 묶어 4,050억 파라미터까지였는데, 그 뒤로 상한이 올라갔습니다. 다만 케이블만으로 직접 잇는 것은 세 대까지이고, 네 대를 묶으려면 QSFP 스위치를 따로 갖춰야 합니다.

RTX 스파크에는 이 포트가 없습니다. 레노버 Yoga Pro 9n과 에이수스 ProArt P14의 사양표에 적힌 것은 USB4와 HDMI, 오디오 단자, SD 카드 슬롯이고 QSFP는 어디에도 보이지 않습니다. 무선은 와이파이 7, 유선은 일반 이더넷입니다.

포트가 없는 대신 엔비디아가 내놓은 것이 PAIR(Personal AI Router)라는 무료 오픈소스 도구인데, QSFP 포트가 하는 일과는 성격이 다릅니다. 공식 FAQ의 문장을 그대로 옮기면 이렇습니다.

“

기기들은 병렬 작업을 처리하는 별개 시스템으로 남습니다. PAIR는 이들을 하나의 가상 GPU로 합치지 않습니다.

PAIR는 같은 네트워크의 컴퓨터들에 요청을 나눠 보내는 도구라서, 큰 모델 하나를 나눠 올리는 데는 쓸 수 없습니다. 정리하면 RTX 스파크는 두 대를 사도 128GB가 상한이고, 그 이상이 필요하면 DGX 스파크를 여러 대 묶거나 748GB짜리 DGX 스테이션으로 가야 합니다. DGX 스테이션은 2026년 9월 기준 리셀러 가격이 9만 달러대로 보도됐습니다. 개인이 고를 물건은 아닙니다.

같은 128GB인데 달라지는 배정 크기와 쓸 수 있는 도구

표에 적힌 128GB를 모델이 다 쓰지는 못합니다. 쓸 수 있는 양이 운영체제에 따라 달라집니다.

엔비디아는 포팅 가이드에서 RTX 스파크의 메모리를 세 영역으로 나눕니다. GPU 전용 영역, CPU와 GPU가 함께 쓰는 공유 영역, CPU 전용 영역입니다. CPU 전용 영역에 붙은 설명은 이렇습니다.

“

남은 시스템 메모리는 CPU만 접근할 수 있고 GPU 할당에는 쓸 수 없습니다.

나누는 기준도 같은 문서에 적혀 있습니다. 공유 영역은 전용 영역을 뺀 용량에서 다시 16GB를 덜어낸 크기로 잡되, 전용 영역을 뺀 용량의 80%를 넘지 못합니다. 남는 만큼이 CPU 전용으로 갑니다. 128GB에서는 16GB를 덜어낸 값보다 80% 상한이 먼저 걸려서, 실제로는 22GB에서 26GB가 GPU에서 차단됩니다. 전용 영역 크기는 문서에 없습니다. 그 값을 0에서 16GB 사이로 잡으면 전용과 공유를 합친 GPU 몫이 102GB에서 106GB에 들어옵니다.

DGX 스파크에는 이 구분 자체가 없습니다. 다만 GPU가 쓸 수 있는 양이 고정된 것도 아니어서, 사용자들이 올린 측정에서는 만든 회사에 따라 119GB에서 122GB 사이로 차이가 났습니다. 펌웨어 업데이트로 2GB가 늘었다는 보고도 있습니다. 엔비디아가 확인한 값은 아닙니다.

소프트웨어 쪽 차이는 더 큽니다. 2026년 9월 기준으로 확인되는 배포본에는 윈도우 온 Arm용 파이토치의 CUDA 빌드가 없고 CPU 전용만 올라와 있습니다. 여러 장비를 묶는 NCCL도 윈도우용 배포본이 없습니다. 하드웨어와 소프트웨어 양쪽에서 묶는 길이 닫혀 있습니다. 엔비디아가 로컬 AI 발표에서 함께 든 것은 Ollama와 LM Studio, llama.cpp, TensorRT-RTX인데, 모두 파이토치 없이도 돌아갑니다. 다만 파이토치로 짠 코드를 옮기려면 CUDA 빌드가 나올 때까지 기다려야 합니다. 같은 포팅 가이드는 통합 메모리에 손쉬워 보이는 할당 방식을 두고 이렇게 적었습니다.

“

cudaMallocManaged를 쓰지 마십시오. 기술적으로는 지원하지만 호환 경로에 기대고 있어 성능이 떨어질 수 있습니다.

RTX 스파크에서는 128GB 가운데 100GB 안팎만 모델에 돌아가고, 파이토치로 짠 코드는 그대로 옮기지 못합니다.

물탱크와 수도관: 두 제품이 똑같이 받는 메모리 대역폭 제약

QSFP 포트와 메모리 배정을 빼면 양쪽이 같은 제약을 받습니다. 이 제약은 물에 빗대면 알기 쉽습니다.

모델이 답을 만드는 과정은 두 단계입니다. 질문을 한꺼번에 읽어 들이는 프리필과 토큰을 하나씩 뱉는 디코드인데, 여기서는 디코드를 다룹니다. 디코드가 돌아가려면 두 가지가 있어야 합니다. 하나는 가중치 전체를 담을 메모리이고 다른 하나는 그 가중치를 계산 장치로 실어 나르는 통로입니다. 메모리 용량은 물탱크 크기에, 메모리 대역폭은 수도관 굵기에 해당합니다. 128GB는 탱크가 크다는 뜻이고, 273GB/s는 관이 가늘다는 뜻입니다. 앞에서 본 대로 이 탱크를 다 쓰지는 못합니다. DGX 스파크는 119GB에서 122GB, RTX 스파크는 102GB에서 106GB가 모델 몫입니다.

관 굵기가 왜 속도를 정하는지는 계산으로 확인할 수 있습니다. 토큰 하나를 만들 때마다 활성 파라미터 전체를 메모리에서 한 번씩 읽어야 하므로, 초당 토큰 수의 상한은 대역폭을 모델 가중치 크기로 나눈 값입니다. 4비트로 압축한 모델을 기준으로 계산하면 이렇게 나옵니다.

오른쪽 열은 공개된 실측값에서 역산한 달성률 68%를 적용한 값이고, 엔비디아가 밝힌 수치가 아닙니다. 다음 절에 나오는 llama.cpp 기록으로 계산하면 밀집 모델인 Qwen2.5-Coder 7B에서 87%, MoE 모델인 gpt-oss 120B에서 62%가 나오는데, 여기서는 그 사이 값을 썼습니다.

이 표를 보면 70B 밀집 모델이 왜 쓸 만한 속도로 돌지 않는지 알 수 있습니다. 표는 4비트 기준이고, 압축을 덜 한 FP8이면 상한이 더 내려갑니다. Llama 3.3 70B를 FP8로 돌린 보고에서 확인된 속도가 초당 2~3토큰인데, FP8은 가중치가 70GB라 상한이 3.9 tok/s입니다. RTX 스파크도 관 굵기가 크게 다르지 않아 이 계산이 거의 그대로 적용될 것으로 보입니다. 한 대 안에서는 이 관을 넓힐 방법이 없습니다. 남는 방법은 보낼 물을 줄이는 것뿐인데, 2026년에 실제로 그 변화가 생겼습니다.

2026년에 DGX 스파크 평가가 뒤집힌 이유

대역폭이 그대로인데도 이 장비를 보는 평가는 2026년 들어 달라졌습니다. 국내 커뮤니티만 봐도 2026년 1월에는 중고가 방어가 어렵겠다는 이야기가 오갔는데, 지금은 매물을 기다린다는 글이 올라옵니다. 실제로 중고 낙찰가가 출시가의 128%에서 143% 사이로 보고됐습니다. 값이 오른 데는 메모리 공급난도 있습니다. 다만 사 둔 사람들이 팔지 않고 계속 쓰는 이유는 하드웨어가 아니라 돌리는 모델의 구조로 보입니다.

바뀐 것은 돌릴 만한 모델 쪽입니다. 2026년에 공개된 큰 모델 상당수가 MoE(Mixture of Experts), 즉 전문가를 나눠 쓰는 구조로 나왔습니다. 모든 가중치를 매번 쓰는 대신 토큰마다 일부 전문가만 깨워 쓰는 방식이라, 메모리에는 전체가 올라가야 하지만 읽어 오는 것은 활성 파라미터뿐입니다. 탱크에 물을 가득 채워 두더라도 토큰 하나를 만들 때 관으로 보내는 물은 많지 않은 것과 같습니다.

DGX 스파크 한 대에서 모델만 바꿔 측정한 값을 보면 이 차이가 그대로 드러납니다. llama.cpp 저장소의 공식 벤치 기록이고, 컨텍스트를 비운 상태에서 잰 디코드 속도입니다.

총 파라미터가 15배 큰 쪽이 오히려 두 배 빠릅니다. 토큰마다 읽는 양이 8.1GB에서 2.9GB로 줄었기 때문입니다. 디코드 속도를 정하는 것은 총 파라미터가 아니라 활성 파라미터입니다. 이 구조가 널리 쓰이면서 메모리가 크고 대역폭이 낮은 장비의 약점이 덜 드러나게 됐습니다. RTX 스파크도 MoE 모델에서 같은 이득을 볼 것으로 보입니다.

소프트웨어도 같은 방향으로 움직였습니다. NVFP4라는 4비트 형식이 블랙웰 텐서 코어에서 하드웨어로 처리되면서 읽어야 할 바이트 자체가 줄었고, 추측 디코딩과 MTP(Multi-Token Prediction)가 붙으면서 한 번 읽은 가중치를 여러 토큰에 나눠 쓰게 됐습니다. 셋 다 디코드 속도를 겨냥한 기법입니다.

같은 하드웨어에서 숫자가 움직인다는 것은 기록으로도 확인됩니다. llama.cpp 저장소에 같은 명령으로 쌓아 온 벤치를 보면 2025년 11월과 2026년 2월 사이에 gpt-oss-120b의 프리필 속도가 27% 올랐고 디코드는 조금 내려갔습니다. 이 기록은 위 세 가지 기법을 쓰지 않은 실행 경로라 그 효과까지 보여 주지는 않지만, 하드웨어를 바꾸지 않아도 성능이 달라진다는 것은 분명합니다.

엔비디아 직원이지만 자비로 구입했고 대가를 받지 않았다고 밝힌 한 개발자는 이 장비가 시간이 갈수록 나아졌다고 적었습니다.

“

초기 리뷰들이 메모리 대역폭에 발목 잡힌 평범한 성능이라고 혹평했지만, 일련의 새로운 기법들이 출시 때보다 말 그대로 몇 배 빠르게 만들었습니다.

DGX 스파크 두 대를 묶었을 때 실제로 달라지는 것

두 대 구성이 국내외에서 사실상 표준처럼 언급되는데, 실측값을 보면 무엇이 좋아지고 무엇이 그대로인지 분명합니다.

한 실사용자가 같은 조건에서 한 대와 두 대를 견준 기록입니다.

이 기록에서 이득은 약 1.2배에서 1.7배 사이이고 두 배가 나온 사례는 없습니다. 반면 표 아래쪽 두 모델은 한 대로는 아예 실행되지 않습니다. 두 번째 장비를 두는 이유가 여기서 드러납니다.

반대 방향의 기록도 있습니다. 다른 실사용자가 llama.cpp로 측정한 값에서는 Qwen3-235B의 디코드 속도가 한 대 15.51 tok/s에서 두 대 14.57 tok/s로 오히려 느려졌습니다. 측정자는 이미 한 대에서 돌아가는 모델을 빠르게 하는 데는 맞지 않는다고 적었습니다. 같은 기록에서 명목 256GB 가운데 실제로 쓸 수 있었던 것은 약 170GB였고, 204GB짜리 모델은 두 대로도 올리지 못했습니다.

두 대를 묶으면 탱크가 커지고 관도 하나 더 생깁니다. 장비마다 자기 탱크에 가중치를 나눠 담고 각자 관으로 흘려보내기 때문입니다. 그런데 탱크 사이를 잇는 배관은 200Gb/s, 초당 약 25GB로 장비 안의 273GB/s보다 열 배 넘게 가늡니다. 토큰을 하나 만들 때마다 중간 결과가 그 가는 배관을 건너야 해서 이득이 두 배에 이르지 못합니다.

그래서 전송 방식이 결과를 크게 바꿉니다. 여기에 쓰이는 RDMA는 CPU를 거치지 않고 장비의 메모리끼리 데이터를 직접 주고받는 방식인데, RDMA를 켜지 않으면 배관이 더 좁아집니다. 한 측정에서는 같은 모델을 텐서 병렬로 돌렸을 때 한 대가 65 tok/s, 같은 200G 회선을 RDMA 없이 쓴 두 대가 56 tok/s, RDMA로 쓴 두 대가 76 tok/s였습니다. RDMA가 잡히지 않고 TCP 소켓으로 연결되면 위의 56 tok/s처럼 두 대가 한 대보다 느려집니다. RTX 스파크에는 이 배관이 아예 없어서 묶는 선택 자체가 없습니다. 커뮤니티에서는 DGX 스파크를 두고 큰 모델을 올리려면 묶고, 처리량을 늘리려면 같은 구성을 하나 더 둔다는 말로 정리합니다.

지금 DGX 스파크를 사지 말라는 근거

여기까지가 이 장비를 사도 된다고 보는 쪽의 근거입니다. 반대쪽 주장도 만만치 않아 함께 적어 둡니다.

• 소프트웨어 지원이 여전히 고르지 않습니다. 공개된 릴리스 기록을 보면 vLLM 배포 빌드에 GB10용 커널이 제대로 들어가기 시작한 것이 2026년 8월이고, TensorRT-LLM은 DGX 스파크 출시 석 달 뒤에야 단일 노드를 베타로 지원하기 시작했습니다.
• CUDA 생태계 안이라고 해서 최적화된 커널이 그대로 따라오지는 않습니다. GB10은 SM121이라는 파생 아키텍처라, flash-attention을 빌드해도 기본 SDPA보다 2% 느렸다는 측정이 있습니다. 엔비디아 리뷰어는 별도 컴파일이 필요 없다고 판단해 PyTorch 변경 요청을 닫았습니다. 그 뒤에 별도 컴파일 없이 쓰면 처리량이 25~30% 줄었다는 보고가 올라와, 설명 둘이 서로 맞지 않습니다.
• 국내 가격이 크게 뛰었습니다. 2025년 7월 예약 당시 715만 원이던 것이 지금은 939만 원으로, 1년 남짓에 224만 원 비싸졌습니다. 메모리 부품값이 오른 탓으로 보도됐습니다. 두 대를 맞추면 1,800만 원을 넘깁니다.
• API와 견주면 수지가 쉽게 맞지 않습니다. 128GB에 올라가는 크기의 모델은 API 단가가 낮습니다. 2026년 9월 기준 GLM-4.5-Air 단가로 하루에 입력 100만 토큰과 출력 20만 토큰을 쓴다고 하면 요금이 한 달에 13달러 안팎으로 계산됩니다. 더 큰 모델을 두 대로 하루 종일 돌릴 만한 분량을 API로 쓰면 한 달에 수십 달러라는 계산도 해외 커뮤니티에 여러 번 올라왔습니다. 사용량이 적으면 사지 말라는 쪽으로 의견이 기우는 편입니다.
• 수리 대기가 깁니다. 국내에서 두 대를 6개월 쓰며 전원부 문제로 두 번 수리를 맡긴 사용자는 대기가 5주 이상이라고 적었습니다.

한 대만 써 본 사람과 두 대를 운용하는 사람의 평이 서로 다르다는 것도 같이 봐 둘 만합니다. 해외 포럼에는 한 대만 쓰면 그저 그런데 두 대에서 네 대는 다르다는 후기가 있고, 같은 게시판에 두 대를 사느니 클라우드를 쓰라는 계산도 올라와 있습니다. 출시 때보다 나아졌다는 평과 여전히 느리다는 평이 나란히 나옵니다.

128GB 구성이 유독 많이 오르고 전력은 그래픽카드보다 적게 드는 이유

지금 사야 한다고 보는 쪽은 값과 전력을 듭니다. 이 둘을 넣으면 앞 절의 판단이 한 번 더 달라집니다.

메모리 공급난으로 값이 올랐는데, 오른 폭은 제품마다 고르지 않았습니다. 같은 제품군 안에서도 용량이 큰 구성에서 인상 폭이 컸습니다.

128GB 구성은 128Gbit 부품을 여덟 개 써야 합니다. 32GB 구성의 네 배라 부품값이 오르면 완제품 값에 붙는 몫도 그만큼 커집니다. 맥 스튜디오에서 메모리를 96GB에서 256GB로 올리는 값도 2,000달러에서 4,000달러가 됐다고 보도됐습니다. 로컬에서 큰 모델을 돌리려면 필요한 것이 바로 이 용량이고, 2026년 10월에 나올 RTX 스파크도 같은 구성이라 오른 값을 그대로 달고 나옵니다.

그 위로 올라가면 개인이 살 수 있는 제품 자체가 줄어듭니다. 데이터센터용 베라 루빈은 랙 단위 시스템으로 나오고 초기 배포처도 클라우드 사업자들로 알려져 있습니다. 개인이 살 만한 형태는 이름이 한 낱말 더 붙은 베라 루빈 스파크인데, 2027년 이후 로드맵에 한 줄로 언급됐을 뿐입니다.

전력에서는 장비 사이의 간격이 더 벌어집니다. 24시간 켜 두면 그 간격이 매달 요금으로 돌아옵니다.

앞에서 본 구조가 전력에서는 이득입니다. 그래픽카드를 따로 꽂지 않으니 상주 전력이 낮습니다. 2026년 9월 기준 주택용 전기요금으로 계산하면, 월 300kWh를 쓰는 집에 추론 상주 50W짜리를 24시간 더할 때 요금이 월 9,300원가량 늘어납니다. 어댑터 정격인 240W로 잡으면 5만 8천 원대가 나옵니다. 전력은 4.8배인데 요금이 6.2배로 벌어지는 것은 누진 구간이 한 단계 올라가기 때문입니다.

실측 상주 50W와 카드 정격 575W는 기준이 다른 수치입니다. 정격끼리 대도 DGX 스파크 어댑터 240W와 575W로 두 배가 넘습니다.

기다릴 값이 있는 것과 없는 것

정리하면 무엇을 기다리는지에 따라 답이 달라집니다.

RTX 스파크를 기다리는 것은 성능 때문이 아니라 가격과 운영체제 때문이라고 보는 편이 맞습니다. 칩과 메모리 용량은 같지만 GPU에 배정되는 양은 RTX 스파크 쪽이 13GB에서 20GB만큼 적습니다. 102GB 안에 들어가는 모델이라면 한 대로 할 수 있는 일은 크게 다르지 않습니다. 윈도우 환경이나 노트북 형태가 필요할 때라야 살 이유가 생깁니다. 앞에서 적은 대로 파이토치 CUDA 빌드와 NCCL이 윈도우에 없어, 리눅스에서 쓰던 도구를 그대로 옮길 수 있는지는 출시 뒤에 확인해야 합니다. 반대로 그보다 큰 모델이 목표라면 2026년 10월을 기다려도 답이 나오지 않습니다. 128GB를 넘기는 길은 지금도 DGX 스파크 쪽에만 열려 있습니다.

다만 기다리는 데도 값이 붙습니다. 앞에서 적은 중고 낙찰가에 더해 국내가도 계속 오르는 중이며, 엔비디아 스토어에서도 2026년 9월 현재 주문이 막혀 있는 것으로 확인됩니다. 로컬에서 큰 모델을 돌리려는 수요가 더 늘면 이 방향이 이어질 가능성이 있습니다.

판단할 것을 하나로 좁히면 이렇게 됩니다. 여러 대를 묶을 생각이 있는지 먼저 정합니다. 없다면 QSFP 포트에 값을 치를 이유가 없습니다. 묶을 생각이 있더라도 앞에서 적은 소프트웨어 지원과 수리 대기를 감당할 수 있을 때만 DGX 스파크가 남습니다. 그 포트에 쓰이는 ConnectX-7 카드는 2026년 9월 유통가 기준 단품이 900달러에서 1,700달러 사이로 알려져 있어, DGX 스파크 가격에 이 카드값이 이미 들어가 있다고 보는 시각이 있습니다. 쓰지 않으면 그만큼을 그냥 버리게 됩니다.

자주 묻는 질문

RTX 스파크 두 대를 사면 DGX 스파크 두 대와 같아지나요?

같아지지 않습니다. RTX 스파크에는 QSFP 포트가 없어서 두 대를 사도 각각 128GB 안에서 따로 돌아갑니다.

지금 DGX 스파크를 사면 다음 모델이 나왔을 때 손해인가요?

예고된 다음 세대는 2027년 이후에 나오고 스펙도 공개되지 않아서 손해인지 아닌지를 지금 따질 근거가 없습니다. 오히려 2026년에 일어난 변화는 하드웨어 교체가 아니라 소프트웨어 최적화였습니다. 같은 하드웨어에서도 석 달 사이에 숫자가 달라졌으니, 지금 사는 장비의 성능도 그대로 머물지는 않습니다. 다만 국내 가격이 오르는 중이라 구매 시점의 유통가는 직접 확인하는 편이 안전합니다.

로컬 장비 대신 API를 쓰는 편이 낫지 않나요?

무엇과 견주느냐에 따라 답이 다릅니다. 939만 원을 3년에 나눠 쓴다고 보면 월 26만 원입니다. 2026년 9월 환율로 월 200달러대 구독은 28만 원 안팎이라, 그만한 구독을 이미 쓰고 있다면 3년 기준으로는 장비 쪽이 오히려 쌉니다. 차이가 크게 벌어지는 쪽은 오픈 모델 API입니다. 앞에서 적은 GLM-4.5-Air 기준이면 월 10달러대입니다. 커뮤니티에서도 이 차이를 어떻게 보느냐로 결론이 나뉩니다. 자료를 밖으로 내보내기 어렵거나 토큰 요금 없이 종일 돌려야 한다면 판단이 달라집니다.

3줄 요약

1. RTX 스파크는 DGX 스파크와 같은 20코어 Grace CPU와 CUDA 코어 6,144개를 쓰는 1세대 Grace Blackwell 제품입니다. 세대가 올라간 후속기는 보도 기준으로 2027년 이후에 나올 베라 루빈 스파크이고 스펙과 가격은 아직 없습니다.
2. 두 제품의 실질적 차이는 성능이 아니라 후면 QSFP 포트와 모델에 배정되는 메모리 크기입니다. DGX 스파크는 200Gb/s로 최대 4대를 묶어 7,000억 파라미터 모델까지 올릴 수 있고, RTX 스파크는 한 대 128GB 가운데 100GB 안팎만 GPU에 배정됩니다. 가격과 운영체제도 다릅니다.
3. 두 대를 묶어도 디코드 속도는 약 1.2배에서 1.7배까지만 오르고, 한 대에 올라가는 모델에서는 오히려 느려진 기록도 나왔습니다. 두 번째 장비는 속도를 올리려고 두는 것이 아니라 한 대에 올라가지 않던 모델을 실행하려고 두는 것입니다.

Sources

• NVIDIA 공식 페이지: DGX Spark
• NVIDIA 공식 문서: DGX Spark ConnectX-7 Networking
• NVIDIA 공식 문서: DGX Spark Hardware
• NVIDIA 공식 문서: RTX Spark 포팅 가이드 개요
• NVIDIA 공식 문서: RTX Spark 통합 메모리 구조
• NVIDIA 공식 문서: RTX Spark CUDA API 사용
• NVIDIA 보도자료: NVIDIA and Microsoft Reinvent Windows PCs with RTX Spark
• NVIDIA GeForce 뉴스: COMPUTEX 2026 RTX 스파크 발표
• NVIDIA 공식 블로그: Local AI at IFA 2026 (RTX 스파크 출시 시점, NVIDIA PAIR)
• NVIDIA 공식 FAQ: Personal AI Router
• NVIDIA 기술 블로그: Run Local AI Agents with Multi-Node Clustering on DGX Spark
• NVIDIA 기술 블로그: How DGX Spark's Performance Enables Intensive AI Tasks
• NVIDIA 기술 블로그: Introducing NVFP4 for Efficient and Accurate Low-Precision Inference
• NVIDIA 개발자 포럼 공지: 2026-02-23 가격 변경
• llama.cpp 공식 저장소: DGX Spark 벤치마크 기록
• vLLM 공식 저장소: 릴리스 기록
• Z.ai 공식 문서: 모델 API 가격
• Framework 공식 스토어: Desktop 구성별 가격