Nvidia RTX Spark: 128 GB bellekli laptop, açıklanmayan tek hız sayısı ve kim ne almalı

Belleği, yazıcının önündeki mürekkep şişesine benzetiyorum: şişe kocaman olsa bile boğazı darsa sayfa yavaş çıkar. RTX destekli bu laptop cihazında da durum aynı; Nvidia birleşik bellek havuzunu 128 GB düzeyine çıkardı ama suyun aktığı borunun genişliğini, yani bant genişliğini açıklamadı. Dışarıda 273 ile 300 GB/sn arasında iki rakam dolaşıyor, ikisi de resmiyetten uzak. Ben hesabı şöyle kuruyorum: saniyede akan gigabayt, her kelime parçası için okunan gigabayta bölünür ve sonuç o cihazın tavanı olur. Bu tavan 100 parçayı bulmuyor, bunu tahmin değil üst sınır diye okuyorum. İki laptop cihazını yan yana koyarken de aynı cetveli kullanıyorum: borusu iki kat geniş olanın tavanı iki kat yukarıda durur. Kaynağı belirsiz hız iddialarını bu cetvelle eliyorum.

Yonganın iki tip dizüstü düzeni var: dolu sürümde 20 çekirdekli işlemci ve 6144 çekirdekli GPU bulunuyor, sade sürümde 18 çekirdek ve 5120 grafik birimi yer alıyor. Bellek tarafı asıl ayrımı yaratıyor: giriş düzenleri 24 ve 32 GB ile geliyor, buralara 14B büyüklüğe kadar olan sürümler rahat yerleşiyor, 32B ise kapıyı zorluyor. 64 GB düzeninde 32B nefes alıyor. 120B için 128 GB şart; ağırlıklar tek başına 60-65 GB tutuyor, üstüne sistemin kendine ayırdığı pay ekleniyor. Microsoft cephesinden gelen bilgi de bunu doğruluyor: 128 GB laptop cihazda grafik biriminin gördüğü havuz 110 GB civarında görünüyor. unified havuz demek ayrı ekran belleği yok demek; herkes aynı kaptan içiyor. Benim ölçüm şu: alacağın cihazın belleği, koşmak istediğin en büyük ağırlığın iki katı olmalı.

Gigabayt başına fiyat: aynı para, farklı kap

Her etiketin bellek miktarına bölünmesiyle çıkan fiyat tablosu benim için en dürüst karşılaştırma. 128 GB Surface laptop cihazı 5899 $ ile gigabayt başına 46 $ düzeyinde duruyor; 15 inç ekranı ve 4,5 libreten hafif gövdesiyle bu listedeki tek laptop cihazı. Ön siparişler 7 Ekim günü açıldı, ilk teslimatlar 16 Ekim günü başlıyor. RTX masa kutusu 5999 $ ile gigabayt başına 47 $ yazıyor ve Kasım ayında yollanıyor, içinde geliştirici araçları kurulu geliyor. Nvidia tarafının kendi masa cihazı DGX Spark ise aynı bellekte daha pahalı kaldı: 3000 $ başlangıç fiyatı önce 3999 $ oldu, sonra 4699 $ yazıldı, 2 Ekim günü 6950 $ görüldü. Framework cephesi 128 GB düzeni 3449 $ ile gigabayt başına 27 $ indiriyor; bu listedeki en ucuz bellek. Apple tarafında 128 GB Mac Studio 5399 $ ile gigabayt başına 42 $ tutuyor. Wccftech tarafının derlediği bilgilere göre Asus ve Dell düzenleri de aynı laptop yongasıyla geliyor.

Hız tarafında yalnız ölçülmüş rakamları kullanıyorum. GPT OSS 120B üzerinde GB10 yongalı masa cihazı ile Strix Halo yongalı Framework cihazı benzer aralıkta yazıyor: DGX tarafı saniyede 35-60 parça, Halo tarafı 34-55 parça üretiyor ve iki aralık neredeyse tamamen üst üste biniyor. Bağlam uzadıkça hız düşüyor; boş sohbette 53 parça görülen kutuda 32K girdide 39 parçaya iniliyor, yeni yazılım derlemeleriyle 60 üstü boş değerler de raporlandı. Girdiyi okuma işinde Nvidia önde: DGX kutusu saniyede 1956 parçaya kadar okuma yaparken Halo tarafı 835 ile 1230 bandında kalıyor. Uzun belge yapıştırdığında ilk kelimenin bekleme süresi buradan geliyor. Mac tarafında tek bir bağımsız ölçüm M5 Max düzeninde 75,6 parça gösteriyor; motor farklı olduğu için temiz karşılaştırma değil ama 614 GB/sn boru genişliğiyle uyumlu duruyor. GPU belleği okuma hızı yazma hızını belirliyor, işlem gücü değil.

Pazarlama sözleri ile ölçümün söylediği

Her tanıtım slaydında yazan 1 petaflop sözü benim gözümde süs; seyrek FP4 biçimiyle alınmış bir laboratuvar rekoru. Adil karşılaştırma için yoğun BF16 gücü gerekir, o rakam açıklanmıyor. Microsoft cephesinin iki iddiası da koşulsuz okunmamalı: kutunun 120B üzeri ağırlıkları yerelde koştuğu ve 1 milyon girdilik bağlamda akıcı kaldığı söyleniyor, ama hangi sürüm, hangi sıkıştırma ve not defteri belleği nereye yazılıyor, hiçbiri belirtilmiyor. Eylül ayında yayımlanan karşılaştırmada RTX laptop cihazının ilk kelime süresinde 2,1 kat önde olduğu yazıyor; test 27B bir sürümle yapılmış, dil ölçümünü Microsoft ısmarlamış, resim ve görüntü işlerini Nvidia koşmuş. Üstelik rakip olarak 307 GB/sn borulu M5 Pro düzen alınmış, 614 GB/sn borulu M5 Max değil. Yazma hızı, yani belleğe dayanan kısım, tabloda hiç yok. Benim kuralım basit: koşulu yazılmayan iddia, iddia değildir.

İki kutu arasındaki en somut fark yazılım evi: RTX laptop cihazı ARM üzerinde Windows 11 koşuyor, DGX tarafı Linux ile çalışıyor. Yapay zeka araçları laptop cihazda doğal kuruluyor, eski x86 programlar çeviri katmanı Prism üzerinden geçiyor. Nvidia cephesi CUDA Araç Seti 13,4 sürümüyle ARM üzerinde doğal geliştirmeyi açtı; PyTorch paketi firmanın kendi deposundan kuruluyor, Windows ML tarafı TensorRT yolunu kullanıyor. Masa kutusu VS Code ve yardımcı araçlarla kurulu geliyor, WSL üzerinden grafik geçişi de var. Ne çalışmaz listesi henüz yayımlanmadı; çekirdek sürücüleri, hile koruma yazılımları ve bazı sanal ağ istemcileri izlenmesi gereken alanlar. Oyun tarafı açık soru: Temmuz ayında deneme sürücülü bir Surface düzeniyle oynayanların aktardığı pürüzlü sürücü notları var, nihai sürücü sonucu yok. Ayrı ekran kartı takılamadığı bilgisi de tek kaynağa dayanıyor. Alacağın cihaz VPN ile oyun istiyorsa satın almadan önce ikisini de dene.

Bu laptop cihazı nerede öne geçiyor

Yine de bu laptop cihazının listedeki yeri boş değil: CUDA uyumu ile 128 GB belleği aynı taşınır gövdede veren başka düzen yok. Eskiden bu ikili için masa kutusu şarttı, şimdi çantaya giriyor. Fiyat da kendi evini dövüyor: 128 GB laptop ve masa kutusu, aynı bellekli DGX düzeninden ucuza geliyor. Üstüne hazır kullandığın Windows programları var; ayrı bir Linux kutusu yönetmiyorsun. Pazara çıkış hızı da dikkat çekici: duyurudan ilk teslime 4,5 ay geçmiş, DGX tarafında aynı adım 9 ay sürmüştü. Girdi okuma gücü de muhtemel artı: GB10 kutusu Halo düzeninden önde, Microsoft ölçümleri RTX tarafını aynı yönde işaret ediyor. GB10 gibi davranırsa uzun belge ve büyük yazılım depoları hızlı açılmalı. Hepsi bağımsız ölçüm gelene kadar koşullu cümle; 16 Ekim günü ilk kutular ele geçince tablo netleşir.

Bekleyeyim mi sorusuna yol haritası ve bellek fiyatları birlikte yanıt veriyor. Nvidia cephesi 2027-2028 aralığında Vera işlemcili ve Rubin grafikli, LPDDR6 bellekli yeni Spark düzenlerini, 2029-2030 aralığında Rosa Feynman kuşağını işaret ediyor; boru genişliği rakamı bu slaytlarda da yok. TrendForce cephesinin raporları bellek fiyatlarının 2026 üçüncü çeyreğinde 13-18, dördüncü çeyreğinde 10-15 yukarı gittiğini yazıyor; üretici cephesi darlığın 2028 yılına uzayabileceğini söylüyor. DGX kutusu aynı donanımla iki kez zam gördü bile. Buradan çıkardığım sonuç: yeni yonga daha güçlü gelir ama daha ucuz gelmez. Beklemek fiyatı düşürmez, yalnız kararın bilgisini artırır. StorageReview cephesinin aktardığı güç değerleri de tabloyu tamamlıyor: laptop düzenleri 45-80W bandında, masa kutusu 140W yazıyor.

Kime ne derim, onu da net yazayım. CUDA uyumu, Windows ortamı ve 128 GB bellek bir arada şartsa bu laptop cihazından başkası yok; 128 GB Surface ya da Asus düzenine bakardım ama 2-3 hafta beklerdim, 16 Ekim sonrası ölçümler gelmeden 5899 $ bağlamazdım. CUDA uyumlu masa geliştirme kutusu isteyen Dev Box düzenini DGX kutusuna tercih ederim: aynı bellek daha ucuza geliyor, araçlar kurulu. İşi Linux üzerinde olan, birkaç kutuyu birbirine bağlayan ya da gece boyu arka plan işi koşan DGX tarafında kalır; 256 eşzamanlı işte toplam 863 parça değeri orada anlam kazanıyor. Evde özel sohbet kutusu isteyen RTX tarafını atlayıp 3449 $ Framework düzenine bakar; yazma hızı aynı sınıfta, fiyatı yarı düzeyde. Yazma hızı önceliği ve Apple sistemi uyuyorsa 614 GB/sn borulu M5 Max Mac Studio en hızlı kalem. 128 GB yetmezse 192 GB Gorgon Halo düzeni listedeki tek seçenek, teslimatlar yeni başlıyor. 64 GB DGX düzeni ile 24-32 GB giriş düzenlerini büyük ağırlık için almam: ilki gigabayt başına en pahalı, ikincisine 120B sığmıyor.

Aylık üyelikler ölür mü sorusunun yanıtı bende hayır. 120B sınıfına kadar olan açık sürümler evde özel sohbet ve dışarı vermek istemediğin belgeler için yeterli; OpenAI cephesinin gpt-oss 120B sürümü 5,1B etkin parametreyle bu sınıfın ölçütü. Ama en öndeki modeller, üst düzey görüntü ve video işleri hala bulut istiyor. Bu cihazlar yığının bir kısmını üstleniyor, tamamını değil. Benim çıkarımım şu: öğrenen, kurcalayan ve verisini cihazdan çıkarmak istemeyen için yerel kutu gerçek seçenek; her işi tek kutuya yıkmak isteyen için değil. Fiyatlar ayda bir değiştiği için buradaki rakamları karar günü yeniden kontrol ederim.