所有しているのに、手元にないように感じる不思議さ　ミニスパコン「NVIDIA DGX Spark」と過ごした1カ月：本田雅一のクロスオーバーデジタル（3/5 ページ）

メモリ帯域の“狭さ”をカバーするのは「ソフトウェア」の最適化

　現状において、DGX Sparkの実質的なライバルはM3 Ultraチップ搭載のMac Studioということになる。

　理論的な性能を比べると、行列演算のスループットはNVIDIA GB10に軍配が上がる。一方で、ユニファイドメモリの帯域はM3 Ultraチップの方が広い。

　実測値を淡々と並べると、DGX Spark（NVIDIA GB10）では「gpt-oss（MXFP4）」で生成を行うと、20B（200億）パラメーターのモデルで毎秒49.7トークン、120B（1200億）パラメーターのモデルで毎秒38.5トークンとなる。

　「Llama 3.3 70B（Q4_K_M）」（700億パラメーター）だと毎秒4.4トークン、NVFP4＋TensorRT-LLMに切り替えると毎秒5.4トークン。「Qwen3 235B」（2350億パラメーター）を2台分散で走らせると、毎秒11～12トークンとなる。70Bクラスのモデルで毎秒5トークン程度となると、プロンプトを使った「会話」を成立させるには遅い。

　一方、M3 Ultraチップ搭載のMac Studio M3 UltraをApple独自の「MLX」フレームワークを使って演算させると、「DeepSeek-V3 685B」（6850億パラメーター）は毎秒20トークン以上、「R1 671B」（6710億パラメーター）だとを毎秒17～18トークンで回す。

　この差が生まれる原因は、NVIDIA GB10の「毎秒273GB」というメモリ帯域の“狭さ”にある。M3チップ（毎秒819GB）の3分の1で、GeForce RTX 5090（毎秒1792GB）と比べるとわずか6分の1だ。

　トランスフォーマーモデルにおける「生成」のプロセスは帯域律速（※1）なので、メモリ帯域の差が、ほぼそのままスループットの差として出てしまうのだ。

（※1）律速：物事の進行や性能を左右するポイント

　加えて、エンジニアのジョン・カーマック氏は自身のhttps://x.com/ID_AA_Carmack/■□Xアカウント■で「DGX Sparkは公称240Wに対して、実負荷が100W止まりと、理論値の半分しか出ていない」という旨のポストをしている。

　本件に対して、Business Insiderによると、2026年1月に入手したNVIDIAの社内メールでファン氏自身が「すぐ出てきて『直す』と言え」と指示する記述があったという。

　加えて、DGX Sparkを購入した製薬大手のAstraZeneca（アストラゼネカ）の研究者や脳腫瘍研究を行う医師から受けた指摘に対して、数時間で修正パッチが出るということもあった。

• →CEO Jensen Huang stepped in as criticism mounted over a key Nvidia product launch, internal emails show（Business Insider）

　そして「CES 2026」のNVIDIAステージでは、ソフトウェアだけで最大2.6倍の性能向上を果たした旨が発表された。「vLLMのNVFP4対応」「Speculative Decoding／Eagle3／TensorRT-LLMのSM121カーネルへの最適化」の積み上げた結果だ。

　ハードのメモリ帯域は毎秒273GBで固定されているのに、同じ“箱”で発揮できる実効性能が“半年”で別物になったということになる。

• →CES 2026における発表内容の概要（日本語）

　実際にDGX Sparkを触っていて気付いたのだが、評価軸そのものがまだ定まっていないことが、このマシンに対する評価が大きく割れている原因だと思われる。

　カーマック氏もジェフ・ギアリング氏（※2）も、DGX Sparkを“ベンチマークスコア”を使って評価している。一方で、ServeTheHomeのパトリック・ケネディ氏や、Level1Techsのウェンデル氏はDGX Sparkを使って2週間で何を組み上げられたかで採点している。

　ベンチマークだけ見れば平凡に映るDGX Sparkだが、2週間を費やして何を作れたかで評価すると、別の側面が見えてくる――AIを稼働するハードウェアを測る物差しそのものが、まだ揺れていることを象徴する出来事といえる。