¿Es el DGX Spark más rápido que el M3 Ultra para LLM?

El M3 Ultra lee la memoria alrededor de un 200 % más rápido que el DGX Spark (819 frente a 273 GB/s), así que escribe alrededor de un 200 % más rápido con cualquier modelo que quepa en ambos. En la prueba medida de llama.cpp, el DGX Spark lee un prompt unas 2,1× más rápido (3062 frente a 1471 tokens por segundo). Leer un prompt depende de la potencia de cálculo de la GPU, no del ancho de banda de memoria, y marca la espera hasta la primera palabra con un documento largo o una base de código.

¿Cuál ejecuta modelos más grandes, el M3 Ultra o el DGX Spark?

El M3 Ultra tiene unos 384 GB para modelos y el DGX Spark, unos 96 GB. 60 de 73 modelos abiertos populares funcionan bien en el M3 Ultra, y 39 en el DGX Spark.

¿Funciona MLX Node en el DGX Spark?

No. MLX Node y MLX Harness solo funcionan en Macs con Apple Silicon, con el framework MLX de Apple.

M3 Ultra vs DGX Spark para LLM: memoria, velocidad y cuál comprar

Lado a lado

	M3 Ultra	DGX Spark
Qué es	Mac Studio (2025)	Un ordenador pequeño completo
Tamaños de memoria	96, 256, 512 GB	128 GB
Ancho de banda de memoria	819 GB/s	273 GB/s
Para modelos, como máximo	unos 384 GB	unos 96 GB
Modelos que van bien	60 de 73	39 de 73
Medido: escritura	92 tok/s	57 tok/s
Medido: lectura del prompt	1471 tok/s	3062 tok/s

Filas medidas: el mejor resultado de cada equipo en los benchmarks públicos de llama.cpp con Llama 2 7B Q4_0, escribiendo 128 tokens (tg128) y leyendo un prompt de 512 tokens (pp512), en tokens por segundo. El Mac usó Metal y el DGX Spark, CUDA. Resultados de Apple Silicon · Resultados del DGX Spark Para los modelos contamos alrededor del 75 % de la memoria en ambos, el valor por defecto de macOS, porque el DGX Spark también comparte una sola memoria entre CPU y GPU. Cuánta puede usar de verdad su GPU depende del sistema operativo y de su configuración.

Dónde gana cada uno

Velocidad de escritura. El M3 Ultra lee la memoria alrededor de un 200 % más rápido que el DGX Spark (819 frente a 273 GB/s), así que escribe alrededor de un 200 % más rápido con cualquier modelo que quepa en ambos.
Tamaño de modelo. El M3 Ultra tiene unos 384 GB para modelos y el DGX Spark, unos 96 GB. 60 de 73 modelos abiertos populares funcionan bien en el M3 Ultra, y 39 en el DGX Spark.
Lectura de prompts largos. En la prueba medida de llama.cpp, el DGX Spark lee un prompt unas 2,1× más rápido (3062 frente a 1471 tokens por segundo). Leer un prompt depende de la potencia de cálculo de la GPU, no del ancho de banda de memoria, y marca la espera hasta la primera palabra con un documento largo o una base de código.
Software. El DGX Spark usa CUDA de NVIDIA, que la mayoría del software de IA admite primero, incluido el código de entrenamiento y muchas herramientas de imagen y vídeo. En un Mac, los modelos se ejecutan con MLX, el backend Metal de llama.cpp o el backend MPS de PyTorch.
Lo que necesita alrededor. Los dos son ordenadores completos que guardan el modelo en una sola memoria compartida por CPU y GPU.
El Mac. También es un ordenador para el día a día, y ejecuta MLX Harness y MLX Node, hechos para Apple Silicon.

Velocidad con modelos populares

Tokens por segundo en una conversación, cada chip con su mayor tamaño de memoria (512 GB y 128 GB), con la mejor versión del modelo que cabe.

Modelo	M3 Ultra	DGX Spark
Llama 3.1 8B Instruct8B	43–77 8 bits	14–26 8 bits
gpt-oss-20b21B · 3,6B activos	194–345 4,25 bits nativo	65–115 4,25 bits nativo
Qwen3.6 35B A3B35B · 3B activos	115–205 8 bits	38–68 8 bits
Qwen3.8 27B27B	13–23 8 bits	4–8 8 bits
Llama 3.3 70B Instruct70B	5–9 8 bits	2–3 8 bits
gpt-oss-120b117B · 5,1B activos	137–243 4,25 bits nativo	45–81 4,25 bits nativo
Qwen3.5 122B A10B122B · 10B activos	35–62 8 bits	22–39 4 bits
DeepSeek V4 Flash 0731284B · 13B activos	27–47 8 bits	30–53 2 bits menor calidad

Preguntas

¿Es el DGX Spark más rápido que el M3 Ultra para LLM?: El M3 Ultra lee la memoria alrededor de un 200 % más rápido que el DGX Spark (819 frente a 273 GB/s), así que escribe alrededor de un 200 % más rápido con cualquier modelo que quepa en ambos. En la prueba medida de llama.cpp, el DGX Spark lee un prompt unas 2,1× más rápido (3062 frente a 1471 tokens por segundo). Leer un prompt depende de la potencia de cálculo de la GPU, no del ancho de banda de memoria, y marca la espera hasta la primera palabra con un documento largo o una base de código.
¿Cuál ejecuta modelos más grandes, el M3 Ultra o el DGX Spark?: El M3 Ultra tiene unos 384 GB para modelos y el DGX Spark, unos 96 GB. 60 de 73 modelos abiertos populares funcionan bien en el M3 Ultra, y 39 en el DGX Spark.
¿Funciona MLX Node en el DGX Spark?: No. MLX Node y MLX Harness solo funcionan en Macs con Apple Silicon, con el framework MLX de Apple.

Más comparaciones

El M3 Ultra para IA local · Compara todos los modelos · La mejor Mac para LLM en local

Cómo se calcula

Memoria: los parámetros del modelo a 8, 6, 4, 3 o 2 bits por peso más las escalas por grupo de MLX (medio bit por peso), o su formato nativo, con espacio extra para el contexto. De forma predeterminada, macOS deja que la GPU use alrededor del 75 % de la memoria unificada. Velocidad: el ancho de banda de memoria dividido entre los bytes leídos por token es el techo para una conversación; en los benchmarks públicos de Apple Silicon de llama.cpp, las ejecuciones reales alcanzan entre el 45 % y el 80 % de ese techo, que es el rango que se muestra. Son estimaciones, no mediciones: mide tu propia Mac en MLX Bench. Datos de los modelos tomados de cada ficha oficial; datos de los chips, de las especificaciones técnicas de Apple. Revisado el 2026-10-19. Los mismos datos que mlx.app/compare.

Datos del DGX Spark: NVIDIA: DGX Spark (specs).