Strix Halo vs DGX Spark: o duelo das máquinas 128 GB

#Duas máquinas de 128 GB, duas filosofias

O Ryzen AI Max+ 395 é uma APU x86: CPU Zen 5 (16 núcleos), iGPU Radeon 8060S (RDNA 3.5, 40 CU) e NPU XDNA 2, todos compartilhando até 128 GB de LPDDR5X em um barramento de 256 bits. Ele está presente em mini-PCs (Framework Desktop, GMKtec EVO-X2, Beelink GTR9) e alguns laptops. É uma plataforma voltada ao consumidor, com Windows ou Linux, que executa Ollama e LM Studio como qualquer PC.

O DGX Spark é um dispositivo diferente: um chip GB10 (arquitetura Grace Blackwell) com uma CPU ARM de 20 núcleos e uma GPU Blackwell com Tensor Cores, ambos também acoplados a 128 GB de memória LPDDR5X unificada. É um dispositivo voltado prioritariamente para o ecossistema NVIDIA, fornecido com o DGX OS (um Ubuntu personalizado) e toda a stack CUDA. Preço oficial anunciado: 4.699 dólares.

#1. Especificações lado a lado

O ponto que mais surpreende à primeira vista: a largura de banda da memória é quase idêntica. E é ela que determina a velocidade de geração de tokens. Isso explica por que, em conversas por chat, as duas máquinas têm desempenho muito próximo.

Memória

128 GB de LPDDR5X unificada dos dois lados. Suficiente para um modelo de 70B Q4 (~40 GB) com contexto ou um MoE como Qwen3-235B em quantização agressiva.

Largura de banda

Strix Halo: ~256 GB/s teóricos (256 bits, LPDDR5X-8000). DGX Spark: ~273 GB/s. Diferença real desprezível para a geração.

Cálculo com GPU

Radeon 8060S RDNA 3.5, 40 CU, sem núcleos Tensor dedicados. No Spark: GPU Blackwell com núcleos Tensor e suporte nativo a FP4 — uma ordem de grandeza acima em capacidade bruta de cálculo.

CPU

AMD: Zen 5, 16 núcleos x86. NVIDIA: ARM Grace, 20 núcleos. O x86 continua sendo mais simples para softwares voltados ao público em geral.

OS

Strix Halo: Windows 11 ou Linux, à sua escolha. DGX Spark: DGX OS (Ubuntu) com drivers e CUDA pré-instalados.

Consumo

Strix Halo: faixa de potência de 55 a 120 W conforme o chassi. DGX Spark: ~240 W medidos na tomada sob carga, fonte de alimentação dedicada.

#2. Tokens/segundo: uma disputa acirrada

Na geração pura (decodificação), as duas máquinas são limitadas pela largura de banda da memória, não pelo cálculo. Resultado: números próximos, com uma leve vantagem para o Spark devido à sua largura de banda ligeiramente superior e a kernels CUDA muito otimizados. Aqui estão medidas representativas publicadas pela comunidade em 2026, em quantização Q4 equivalente, com prompt curto.

Qwen3-30B-A3B (MoE) — Strix Halo

~100 tok/s na geração. O MoE ativa apenas 3B de parâmetros, o que explica a velocidade elevada apesar do tamanho.

Qwen3-30B-A3B (MoE) — DGX Spark

~100-115 tok/s. Diferença pequena: ambos são limitados pela memória neste MoE leve.

Modelo denso 70B Q4 — Strix Halo

~4-5 tok/s. Um modelo 70B denso satura a largura de banda; a experiência continua utilizável, mas lenta.

Modelo denso 70B Q4 — DGX Spark

~5-6 tok/s. Idem, limitado por memória. A diferença é em frações de token/s.

Modelo 8B Q4 — os dois

50-70 tok/s, uma velocidade mais do que confortável para conversas interativas.

A conclusão desta seção é contraintuitiva: se você olhar apenas para tokens por segundo no chat, as duas máquinas são quase equivalentes, e o Strix Halo — bem mais barato — parece ganhar. Mas esse número conta apenas metade da história.

#3. Processamento de prompt: a verdadeira diferença

O processamento de prompt (ou prefill) é a fase em que o modelo lê e codifica seu prompt de entrada antes de gerar o primeiro token. Diferentemente da geração, essa fase é limitada pelo cálculo, não pela memória. É aqui que os Tensor Cores do DGX Spark fazem toda a diferença.

Strix Halo — prefill

~340 tok/s de processamento de prompt em um modelo típico de 30B. A iGPU RDNA 3.5 não possui unidades matriciais dedicadas, atinge rapidamente o limite.

DGX Spark — prefill

cerca de 5 vezes mais rápido nos mesmos modelos, devido aos Tensor Cores Blackwell e ao suporte FP4. Em contextos grandes, a diferença pode aumentar ainda mais.

Por que isso importa? Porque, assim que você vai além de conversas curtas, o prefill domina o tempo de resposta percebido. Um sistema RAG que injeta 8.000 tokens de contexto, um agente que relê todo o seu histórico a cada turno, uma análise de um documento longo, processamento em lote: em todos esses casos, você espera pelo prefill antes de ver qualquer coisa.

Exemplo concreto: um prompt de 4.000 tokens. A 340 tok/s, o Strix Halo leva cerca de 12 segundos apenas para o prefill antes de começar a responder. O DGX Spark, cerca de 5 vezes mais rápido, conclui a mesma fase em 2 a 3 segundos. Em uma sessão RAG intensa com dezenas de requisições, essa diferença passa a dominar a experiência de uso.

#4. Preço e disponibilidade

É nessa área que o Strix Halo recupera a vantagem, e por uma boa margem. A relação preço/memória é seu grande trunfo.

DGX Spark

4.699 dólares, preço oficial da NVIDIA. Disponível pela NVIDIA e por parceiros (Dell, Asus, HP, Lenovo). Voltado a profissionais e desenvolvedores.

Strix Halo — mini-PC

Framework Desktop, GMKtec EVO-X2, Beelink GTR9: dependendo da configuração com 128 GB, o preço geralmente fica entre ~1.700 e ~2.500 dólares/euros. Aproximadamente metade do preço do Spark para a mesma quantidade de memória.

Strix Halo — laptop

Alguns notebooks (por exemplo, HP ZBook Ultra e Asus ROG Flow Z13) vêm com essa APU, uma vantagem rara para executar LLMs com 128 GB de memória em mobilidade.

Disponibilidade

O Strix Halo está à venda ao público em várias montadoras de computadores desde meados de 2026. O DGX Spark segue um cronograma da NVIDIA com mais restrições, dependendo da região.

#5. Ecossistema de software

Além do hardware, a stack de software pesa muito no conforto de uso diário — e é aí que a NVIDIA aproveita os anos de vantagem acumulados com CUDA.

DGX Spark — CUDA

Todo o ecossistema NVIDIA funciona nativamente: vLLM, TensorRT-LLM, PyTorch, os containers NGC. Para fine-tuning, serving em lote ou pesquisa, é o ambiente mais bem estruturado.

Strix Halo — ROCm / Vulkan

A inferência funciona bem via Ollama e llama.cpp (backend Vulkan ou ROCm). O fine-tuning e o uso de frameworks avançados ainda exigem mais trabalho manual em RDNA 3.5 do que em CUDA.

Simplicidade para o público em geral

Vantagem do Strix Halo para o usuário comum: Windows, Ollama com um único comando, LM Studio com um clique. O Spark pressupõe familiaridade com Linux/Ubuntu.

Atendimento a múltiplos clientes

Vantagem do DGX Spark: vLLM e TensorRT-LLM oferecem batching e uma taxa de processamento agregada muito superiores para atender uma equipe ou uma aplicação.

#6. Qual perfil para qual máquina

1. 01
   Você usa principalmente chat local e modelos MoE

   Strix Halo. A quantidade de tokens por segundo na geração está no nível do Spark, o preço é metade, e Windows + Ollama torna o uso trivial. Um Qwen3-30B-A3B a ~100 t/s é uma excelente opção para uso diário.
2. 02
   Você está montando um RAG ou agentes de longo contexto

   DGX Spark. O processamento de prompts 5 vezes mais rápido transforma a experiência quando você fornece contextos extensos repetidamente. Esse é o cenário em que o custo adicional se justifica.
3. 03
   Você quer fazer fine-tuning ou pesquisa

   DGX Spark. A stack CUDA (PyTorch, TensorRT-LLM, containers NGC) é incomparavelmente melhor equipada do que o ROCm em APU para treinamento.
4. 04
   Você busca a melhor relação entre memória e preço em euros

   Strix Halo, sem hesitar. 128 GB unificados (preço muito variável, a verificar), geralmente mais barato que o Spark, com a versatilidade x86 de um verdadeiro PC de mesa.
5. 05
   Você quer 128 GB em uma máquina portátil

   Strix Halo, via um laptop equipado com a APU — uma categoria que o DGX Spark, dispositivo de mesa, não cobre.

#Veredito

Veredito assumido: empate. Este duelo não tem um único vencedor, e isso não é uma saída evasiva — é o resultado das medições. Os dois chips oferecem 128 GB de memória unificada e uma velocidade de geração comparável; cada um vence metade da disputa. O Strix Halo vence na relação preço/memória, na versatilidade (também é um excelente PC) e no chat interativo; o GB10 vence no processamento de prompts, no fine-tuning, no clustering e no ecossistema CUDA. Duas filosofias, dois vencedores — a única perdedora é a GPU convencional com VRAM limitada.

O número que engana

~100 tok/s de geração dos dois lados no Qwen3-30B → parece um empate, vantagem de preço no Strix Halo.

O número que decide

Processamento de prompt a ~340 tok/s (Strix Halo) contra cerca de 5 vezes mais (DGX Spark). Esse desempenho é decisivo quando você deixa de usar apenas chats curtos.

Regra simples

Contexto curto + orçamento apertado → Strix Halo. Contexto longo, agentes, RAG, fine-tuning → DGX Spark.

#Perguntas frequentes

#Para se aprofundar

Para analisar cada máquina e o contexto de hardware envolvido nesse duelo:

Ryzen AI Max+ 395 (Strix Halo)

Guia dedicado à APU AMD: mini-PCs e laptops disponíveis, modelos 70B+ acessíveis e desempenho real em comparação com as GPUs dedicadas e os Macs.

NVIDIA DGX Spark

O mini-PC para IA com 128 GB analisado em detalhe em comparação com as GPUs convencionais: referências de desempenho, casos de uso e limitações.

Escolher sua quantização (Q4, Q5, Q8, FP16)

Para entender por que um 70B cabe em 40 GB em Q4 e o que cada nível custa em qualidade nessas máquinas com memória unificada.