NVIDIA DGX Spark Nedir? Kimin İşine Yarar, Kimin Parasını Boşa Götürür

Masanın üstünde duran, bir kitap kadar yer kaplayan küçük bir kutu düşün. İçinde, daha düne kadar sadece veri merkezlerinde gördüğümüz cinsten bir yapay zeka çipi var. NVIDIA bu kutuya DGX Spark diyor ve "kişisel AI süper bilgisayarı" diye pazarlıyor. Ocak 2025'te CES'te Project DIGITS adıyla gösterildi, Mart 2025'te DGX Spark adını aldı, Ekim 2025'te satışa çıktı. Aradan geçen sürede hem olgunlaştı hem de gerçek sınırları netleşti — bu yazı tam olarak onu anlatıyor: ne işe yarar, kime gerekir, ve almadan önce bilmen gereken o iki büyük soru.

DGX Spark Tam Olarak Nedir?

Kısaca: kendi başına çalışan, internete bağlı olmadan büyük yapay zeka modellerini çalıştırabilen bir masaüstü cihaz. İçinde NVIDIA'nın GB10 adlı çipi var — bir tarafı normal bilgisayar işlemcisi, diğer tarafı güçlü bir ekran kartı, ikisi tek parçada birleşmiş.

En çok konuşulan özelliği birleşik bellekⁱişlemci ve ekran kartının aynı bellek havuzunu paylaşması ile gelen 128 GB'lık alan. Sıradan bir oyuncu ekran kartında 16-24 GB bellek varken burada 128 GB olması, normalde tek bir bilgisayara sığmayan dev modelleri yükleyebilmen anlamına geliyor. Yanında 4 TB depolama da var.

Boyutu gerçekten avuç içi: yaklaşık 15×15×5 cm. Yani bir router'dan biraz büyük, gürültüsüz, prizden çalışıyor. Fiyatı ise şaka değil — Founders Edition'ın liste fiyatı 4.699 dolar. Cihaz 3.999 dolarla çıkmıştı; NVIDIA Şubat 2026'da bellek tedarik sıkıntısını gerekçe göstererek zam yaptı. Diğer üreticilerin sürümlerinde rakam daha da yukarı çıkabiliyor.

Ne İçin Kullanılır?

Bu cihaz oyun oynamak ya da video düzenlemek için değil. Tek bir işi var: yapay zeka modellerini senin makinende çalıştırmak. Bunu üç ana senaryoda yaparsın.

Birincisi, hazır açık modelleri kendi bilgisayarında çalıştırmak. ChatGPT gibi bir sohbet asistanını, ama buluta veri göndermeden, kendi kutunda. İkincisi, fine-tuningihazır bir modeli kendi verinle yeniden eğitip özelleştirme. Şirketinin kendi dokümanlarıyla konuşan bir model istiyorsan burada eğitirsin. Üçüncüsü, geliştirme ve test: bir uygulamayı buluta yüklemeden önce küçük ölçekte denemek.

Burada kritik bir nokta var ki çoğu kişi atlıyor: DGX Spark "hız canavarı" değil, "kapasite canavarı". Yani amacı en hızlı cevabı vermek değil, başka hiçbir masaüstüne sığmayan büyük modelleri sığdırmak. Bu ayrımı aklında tut, çünkü performans bölümünde tekrar karşına çıkacak.

Kimler İçin Gerçekten Gerekli?

Açık konuşalım: bu cihaz herkes için değil. İşine yarayacak kişiler oldukça belirli.

Yapay zeka ile uygulama geliştiren yazılımcılar için mantıklı — bulut faturası ödemeden, kendi masasında deneme yapabilmek büyük rahatlık. Veri gizliliği kritik olan kurumlar için de öyle: hastane, hukuk bürosu, ya da verisini dışarı çıkaramayan herhangi bir yer. Veri kutudan hiç çıkmıyor. Bir de araştırmacılar ve meraklı teknik kişiler var — modellerin içini kurcalamak, fine-tuning denemek isteyenler.

Peki kimin parasını boşa götürür? Eğer amacın sadece ChatGPT gibi bir asistan kullanmaksa, bunun için 4.700 dolar harcamak anlamsız — aylık 20 dolarlık abonelik çok daha hızlı ve güçlü sonuç verir. Eğer arada bir küçük model denemek istiyorsan, LM Studio ile sıradan bir laptop bile iş görür. DGX Spark, "büyük modeli, lokal, sürekli" üçlüsüne ihtiyacın varsa anlam kazanıyor.

dgx spark arayüzü

Açık Modellerle Çalışmak Zorunda mısın?

Evet — ve bu, cihazı anlamanın anahtarı.

DGX Spark her şeyi senin makinende, internete bağlı olmadan çalıştırdığı için, üzerinde sadece açık modelⁱağırlıkları herkese açık, indirip kendi cihazında çalıştırabildiğin modeller çalıştırabilirsin. ChatGPT'nin arkasındaki GPT-5'i, Claude'u ya da Gemini'yi bu kutuya kuramazsın — onlar kapalı, sadece kendi sunucularında çalışıyorlar.

Ama bu bir kısıtlama gibi görünse de aslında o kadar dar değil. Açık model dünyası son bir yılda inanılmaz büyüdü. Meta'nın Llama 3.3 70B ve Llama 4 Scout modelleri, Alibaba'nın Qwen3 235B ailesi, Google'ın Gemma 3 27B ve Gemma 4 12B modelleri, DeepSeek R1 — hepsi ücretsiz, hepsi indirilip DGX Spark'ta çalıştırılabilir. Pratikte modelleri çalıştırmak için de Ollama gibi araçlar kullanılıyor; cihaz zaten Ollama yüklü geliyor.

Yani "açık model zorunluluğu" bir duvar değil, daha çok bir oyun alanı. Kapalı modellerin en uç performansını alamazsın ama kontrol, gizlilik ve sıfır kullanım ücreti senin olur.

Açık Modellerden Ne Kadar Performans Beklemelisin?

İşte cihazın en yanlış anlaşılan kısmı burası. Cevap tek cümleyle şu: küçük ve orta modellerde akıcı, büyük modellerde yavaş ama çalışır.

Nedenini anlamak için tek bir teknik detayı bilmen yeterli: bant genişliğiⁱbelleğin veriyi ne kadar hızlı taşıyabildiği. DGX Spark'ın belleği bol (128 GB) ama bu belleğin hızı sabit: saniyede 273 GB. Yapay zeka modelleri çalışırken sürekli bu bellekle konuşur, dolayısıyla model büyüdükçe her cevap daha çok veri taşımak demek, o da daha yavaş demek.

Gerçek rakamlarla bakalım. 20 milyar parametrelik bir modelde saniyede 49 tokenimodelin ürettiği metin parçaları, kabaca kelime parçası alıyorsun — bu okuma hızından daha hızlı, yani gayet akıcı. Optimize edilmiş yazılımla bu 70 token/saniyeye kadar çıkıyor. 30 milyar civarındaki modellerde hız 9-10 token/saniyeye düşüyor — kullanılabilir ama artık beklersin. 120 milyar parametrelik dev modellerde ise saniyede 14 token civarı; yani çalışır, ama sabır ister.

Özetle tatlı nokta 8 ile 20 milyar parametre arası. Bu aralıkta DGX Spark gerçekten keyifli. Üstüne çıktıkça "sığıyor ama yavaş" durumuna geçiyorsun — ki bu da bazen yeterli, çünkü hiç çalışmamaktansa yavaş çalışmak çoğu iş için kabul edilebilir.

[mindi_yorum]
💰 Founders Edition 4.699 dolar — Şubat 2026'da 3.999 dolardan zamlandı, gerekçe bellek tedariki.
🟢 8B–20B modellerde gerçekten akıcı (49–70 token/saniye), kendi makinende sıfır kullanım ücretiyle.
🟡 273 GB/s bant genişliği sabit bir tavan — 30B üstünde hız ciddi düşüyor, "süper hızlı" beklentisiyle alma.
🔵 Önce hedef modelini belirle: çalıştıracağın model 20B altındaysa cihaz tam isabet, sürekli 70B+ çalıştıracaksan iki kez düşün.

Peki Tavan Nerede? Tek Kutuya En Büyük Ne Sığar?

Şimdiye kadar hep "tatlı nokta"dan konuştuk. Bir de üst sınır var, çünkü bu cihazı alma sebebin büyük ihtimalle o.

NVIDIA'nın resmi rakamı net: tek DGX Spark, FP4ⁱmodelin sayılarını 4 bitte tutan sıkıştırma biçimi; belleği ciddi ölçüde küçültür, kaliteden az miktarda götürür ile 200 milyar parametreye kadar model çalıştırabiliyor. İki kutuyu arkalarındaki ConnectX-7 ağ kartıyla (saniyede 200 gigabit) doğrudan kabloyla bağlarsan tavan 405 milyara çıkıyor. Dört kutuya kadar ölçekleniyor ama üçüncüden itibaren araya 200 GbE switch girmesi gerekiyor — o noktada iş masaüstü olmaktan çıkıp küçük bir kümeye dönüşüyor.

Tek kutuda pratikte bu ne demek? NVIDIA'nın kendi Nemotron 3 Super modeli Q4 sıkıştırmayla yaklaşık 64 GB yer kaplıyor — 128 GB'lık havuzun yarısı, bol bol rahat. Nemotron 3.5 Lightning ise NVFP4 sürümüyle doğrudan DGX Spark için işaretlenmiş durumda. En uç örnek Qwen3 235B A22B: Q4'te ~130 GB istiyor, yani 128 GB'ın tam sınırında — daha agresif sıkıştırmayla giriyor ama nefes payı bırakmıyor.

Burada çoğu incelemenin atladığı bir incelik var ve DGX Spark özelinde tam isabet: MoEⁱmodelin her soruda tüm parametrelerini değil, sadece ilgili uzman bölümünü çalıştırdığı mimari modellerde belleği toplam parametre belirler, hızı ise aktif parametre. Qwen3 235B'nin 235 milyarının yalnızca 22 milyarı her kelimede devreye giriyor. Yani modeli belleğe sığdırabildiğin anda, 70 milyarlık yoğun bir modelden daha hızlı cevap alabiliyorsun. Bol bellekli ama sabit bant genişlikli bir cihazda MoE mimarisi, tam da doğru tarafa denk düşüyor.

Sığmayanlar tarafı da net olsun: Nemotron 3 Ultra ~275 GB istiyor, Kimi K2.6 350 GB'ın altına inmiyor, Mistral Large 3 675 milyar parametresiyle sunucu sınıfı donanım şart koşuyor. Bunlar tek kutunun değil, kümenin ya da bulutun işi. Bir de sık karışan bir nokta: yukarıda andığımız DeepSeek R1'in tam sürümü 671 milyar parametre, o da bu gruba giriyor — DGX Spark'ta çalıştırdığın, 70 milyarlık damıtılmış sürümü olur.

Modeller Büyüdükçe Cihazın Ömrü Ne Kadar?

Bu, 4.700 dolar harcamadan önce sorulması gereken en akıllı soru. Cevap iki katmanlı.

İyi haber: 128 GB bellek cömert. Modeller büyümeye devam edecek ama sen bugün alıp yıllarca daha büyük modelleri yükleyebileceksin — kapasite tarafında uzun süre sıkışmazsın. Çoğu rakip masaüstü çözümün takıldığı yerde DGX Spark hâlâ modeli belleğe alabiliyor.

Dikkatli haber: yükleyebilmek ile akıcı çalıştırmak aynı şey değil. O 273 GB/s bant genişliği bir donanım gerçeği, yazılım güncellemesiyle değişmiyor. Modeller büyüdükçe cihazın onları çalıştırma hızı düşmeye devam edecek. Yani cihazın "ömrü" aslında senin sabır eşiğine bağlı: 2-3 yıl sonraki orta boy modeller bugünün büyük modelleri gibi yavaş çalışacak. Tatlı nokta hep var olacak ama o noktanın ne kadar "küçük" sayıldığı zamanla kayacak.

Bir de ufukta yeni nesil var. NVIDIA, Computex 2026'da RTX Spark yol haritasını açıkladı: 2027'de LPDDR6 bellekli Vera Rubin, 2029-2030 civarında Rosa Feynman. Burada bir ayrımı atlamamak lazım — bu hat DGX Spark'ın doğrudan devamı değil, tüketici tarafındaki laptop ve masaüstü çipleri; DGX Spark'ın kurumsal muadili DGX Station ve o farklı çip kullanıyor. Yine de yön belli: daha hızlı bellek geliyor ve bugün aldığın cihaz birkaç yıl içinde "eski nesil" olacak. Bu kötü bir şey değil, her teknoloji böyle; ama "10 yıl idare eder" beklentisiyle değil, "2-3 yıl boyunca işimi rahat görür" beklentisiyle bakmak daha gerçekçi.

Lansmandan Bu Yana: Söz Verdiğini Tuttu mu?

Cihaz çıktığında ilk incelemeler ortak bir şey söylüyordu: "donanım harika, yazılım çiğ." Yani kutu güçlüydü ama içindeki yazılım, sürücüler ve araçlar tam oturmamıştı. Lansmanın üstünden yaklaşık bir yıl geçti, peki ne değişti?

Epey şey. En çarpıcısı: donanım hiç değişmeden, sadece yazılım optimizasyonlarıyla bazı işlerde 2,5 kata kadar hızlanma geldi. Aynı kutu, bugün çıktığı güne göre belirgin daha hızlı. Kurulum deneyimi sadeleşti, cihaz artık Ollama yüklü ve hazır araçlarla geliyor, çalıştırabildiğin modellerin listesi genişledi.

Konumlanması da değişti. Başta "geliştirici oyuncağı" gibiydi; şimdi kurumsal kullanıma da hitap eden, ciddi işlere koşulabilen bir cihaza dönüştü. Yani başlangıçtaki "potansiyeli var ama erken" eleştirisinin büyük kısmı kapandı.

Tamamen kusursuz mu? Hayır. Hâlâ belirli senaryolarda hayal kırıklığı yaşayan kullanıcılar var, ve bant genişliği sınırı baki. Ama dürüst cevap şu: DGX Spark verdiği sözün büyük kısmını tuttu — sabırlı olanlar ödüllendirildi.

[mindi_yorum]
💰 Fiyat çıkıştan bu yana 700 dolar arttı, ama cihaz da hızlandı — daha pahalı, ama daha yetenekli bir kutu alıyorsun.
🟢 Yazılım tarafı olgunlaştı: hazır kurulum, geniş model desteği, donanım değişmeden 2,5× hıza kadar kazanım.
🟡 Vera Rubin 2027'de yolda ama o RTX Spark hattı — DGX tarafı için açıklanmış doğrudan halef takvimi yok.
🔵 İkinci el alacaksan sorun değil, donanım aynı; asıl değer yazılım güncellemelerinde ve onlar herkese açık.

Sonuç: Almalı mıyım?

Karar aslında üç soruya iniyor.

Birincisi: çalıştıracağın model 20 milyar parametre civarında mı? Öyleyse DGX Spark senin için akıcı ve keyifli olacak. İkincisi: verini dışarı çıkaramıyor ya da çıkarmak istemiyor musun? Öyleyse cihazın en güçlü kozu tam da bu. Üçüncüsü: bunu sürekli mi kullanacaksın? Ara sıra deneme için pahalı kalır, ama günlük iş akışının parçası olacaksa bulut faturalarından çok daha ucuza gelir.

Eğer üç soruya da "evet" diyorsan, başlamak için şunları yap: hedeflediğin açık modeli seç ve model sayfalarımızdan boyutuna ve gereksinimlerine bak. Ardından Ollama ya da LM Studio ile o modeli nasıl çalıştıracağını öğren — DGX Spark almadan önce bu araçları sıradan bir bilgisayarda küçük modellerle deneyerek işin mantığını kavrayabilirsin. Cihazı almadan akışı anlamak, 4.700 doları doğru yere harcamanın en iyi yolu.