RTX Spark有两种形态,一种是笔记本电脑,另一种则是紧凑型桌面主机,这个是大家在Computex 2026上就已经知道的事情。不过发售顺序上,是笔记本电脑先行,接着才到紧凑型桌面主机,这个从我们的评测顺序上也可见一斑——上两周的是华硕ProArt 创16 RTX Spark,这周就是华硕 ProArt GR1X Mini PC的表演时间了。没错,这次测试的RTX Spark桌面主机还是来自华硕的ProArt系列。
RTX Spark桌面主机规格预览由于我已经介绍了N1X芯片两次,这次就不重复了,反正来来去去都是那份Hot Chips 2025的幻灯片——请参考《NVIDIA RTX Spark评测》和《NVIDIA DGX Spark评测》这两篇评测吧。机器内外华硕 ProArt GR1X的尺寸和DGX Spark一致,具体长宽高数值为150 x 150 x 51mm。不过和华硕自家的DGX Spark——Ascent GX10相比,ProArt GR1X的外观设计显然就丰富很多。毕竟RTX Spark的定位还是偏向个人电脑,而不是实验室或者办公室设备。预览在顶部,华硕ProArt GR1X镶嵌了一块磨砂半透明面板,反光程度比铝合金机身更高一些,ProArt Logo、细线装饰以及下面的格栅皆是亮面,这就形成了一个有趣的对比关系,要是这顶部空空如也的话,怕是质感要下降不少。值得一提是这细线装饰,它可不是乱画的,能看出ART这个单词。正面的这个网格应该说是我最喜欢的设计,因为它兼具了外观和功能。网格内的方格倾斜角并非完全一致,你会发现靠右,也就是电源键那一侧的角度更大一点,然后朝着中部角度慢慢降至0度,然后到了左侧,又会倾斜一些。这种设计营造了一种动态感,让人看起来不会觉得太呆板了。至于功能上,每个方格的上面一小块是开孔的,这种倾斜角设计也起到了导流的作用。预览华硕ProArt GR1X的进风口只在正面和底部,两侧什么也没有,因此你可以放心将其立起来而不用担心散热问题。平整的外壳,立着放也很稳。背部是这台机器接口最密集的地方,不过说真的和DGX Spark差不多——出风口底下就是3个USB 3.2 Gen 2×2 Type-C,支持DP Alt视频输出,最左侧那个C口也是USB 3.2 Gen 2×2规格,但看标志就知道是用来供电的。右侧是HDMI 2.1和10G网口,接下来就是一大片空白——如果是DGX Spark,这个位置会放QSFP光口。说真的,相较于之前的笔记本,桌面主机这个原封不动照搬DGX Spark接口的设计还是需要优化一下的。个人觉得USB Type-A、3.5mm音频接口这些还是有必要加上的,而且最好放在正面。现在这样多少要配一个扩展坞。ProArt GR1X在背面四角各有一颗梅花螺丝,拆掉就能看到里面的组件了。在这一面我们只能看到黑色的铁板,让我们先翻个面。设备的整套散热系统就很清楚了,两把酷冷至尊的涡轮风扇,不用量,从编号上能看出它的规格是65 x 65 x 25mm。新鲜的气流从正面和底部进入,然后穿过纯铜鳍片带走热量。预览接下来还是翻到刚才说的,全是铁板的那一面。在左侧有一块独立盖板,由5颗螺丝固定,拆开它之后,ProArt GR1X的第二个M.2插槽就显露出来。是的,这是空的M.2插槽,所以说是第二个。设备本身带了一个2TB的美光NVMe SSD,型号是MTFDKBA2T0QGN-1BN1AABGA,我查了下,是美光的2500系列232层QLC SSD。最后看看电源,我们上次说过RTX Spark笔记本是140W的适配器,这次到了桌面主机就变成240W了,和DGX Spark一样。因此相对于笔记本版本来说,RTX Spark桌面主机的功耗应该会更高。基准测试这部分我们仍然采用Cinebench 2026 ARM64版本和3DMark中拥有ARM64版本的测试去看看RTX Spark桌面主机的性能表现如何。顺便拉了早前的RTX Spark笔记本来做对比,看看不同功耗设置下,两台设备有多大性能差距。不过这结果倒是有点出人意料,CPU这块可以说相差无几,而GPU差异较大的项目普遍带有光追,像Steel Nomad这种纯光栅化的DX12测试倒是拉不开差距。预览var title_text = "Cinebench 2026 ARM64"; // 标题文字 var subtitle_text = "www.expreview.com | Higher is better "; // 副标题文字 var unit_text = " "; //单位 var leftside = "8%"; //左边空白 var topside = 50; //每组间距 var mblur = 0.05; //模糊效果 var bgopacity = 0; //背景透明度,0为全透明 var mysort = 0; //是否排序 var myper = 1; //是否显示百分比 var mylengend = true; //是否显示图例 var toplegend = 50; //图例上端空白 var labelcolor = '#fff'; // 标签文字颜色 var legendwidth = '90%'; //图例宽度 var titlecolor = '#222'; //标题文字颜色 var barheight = 35; //柱高度,当为7倍数时,不显示刻度线 var bargap = 3; //柱间距,相当于百分值,即2% var xaxismax = null; //指定X轴最大值,null时为自动 var autocolor = 1; //是否自动判断颜色,0为否,1根据品牌生成颜色 ,如果 >1 则为AMD NV Intel 标准色, var mycolor = []; //自动生成随机颜色 也可ANIColor("NVIDIA",3)可以生成三种NV绿,可替换成AMD Intel //var mycolor = ANIColor('AMD',4); //这样自动生成4种AMD红色,其它如NVIDIA、Intel同理 //var mycolor=['#953f61', '#72355f', '#d77169']; //自定义颜色 AMD红 '#9F1417', NV绿 '#82B41B', Intel蓝 '#0075C5', //var mycolor = ['#0dcc47', '#969696', '#6f7b80','5A94DF']; var data_arr = [ {"type":"单核","RTX Spark Desktop":"542","RTX Spark Laptop":"543"}, {"type":"多核","RTX Spark Desktop":"7215","RTX Spark Laptop":"7121"} ]; TDInit(title_text, subtitle_text, unit_text, leftside, topside, mblur, bgopacity, mysort, myper, mylengend, toplegend, labelcolor, legendwidth, titlecolor, barheight, bargap, mycolor, data_arr, autocolor, xaxismax);
预览
AI性能测试和体验
在测试之前,我们把华硕 ProArt GR1X的显存占用划到96GB,以确保它能运行足够大的模型而不报错。
首先还是UL Procyon和MLPerf Client两家的测试,因为它们是基准测试的定位,所以用的模型一般不会特别大,也不会是上两个月刚出的。以MLPerf Client为例,LLM部分用的是Qwen 3 8B,画图则是Fluix 2 Klein 4B。对于Qwen 3 8B Q4这一类模型,RTX Spark桌面主机能做到50 tok/s以上。而从MLPerf图像生成测试中,我们能很明显地看到NVFP4带来的速度提升。和早前测试过的RTX Spark笔记本相比,形态对于N1X芯片的发挥似乎造成不了决定性的影响,以Qwen 3 8B Q4为例,RTX Spark桌面主机的TPS是54.1,笔记本电脑是53.8。
预览
预览
预览
由Artificial Analysis推出的aa-agentperf-local也是聚焦于本地AI Agent的测试套件。我们选择的后端是llama.cpp-b11901,模型是Qwen3.8-27B-UD-Q4_K_M.gguf并开启了DFlash推测解码,根据测试指南,上下文被设置成66536。整个测试总共168轮跑完用了905秒,也就是15分钟,TPS是39。和RTX Spark笔记本相比的话,桌面主机确实更快一点——差距在2分钟多一点,但这可能是两个原因的叠加:1、我更新了llama.cpp;2、桌面主机有着更好的散热系统以至于能在长时间AI任务中保持稳定的性能输出。
AI Agent体验
当然,华硕ProArt GR1X的128GB的统一内存完全可以跑更大参数量的模型,比如Qwen3.8-Flash-Next这款180B的模型,我们用的是UD-IQ4_XS量化版,加上推测解码,上下文开了256K。运行时显存占用在76GB左右。
左上角是llama.cpp的窗口,右上角是nvidia-smi
我们接上DeepSeek Harness,让它one-shot了个RTX Spark的介绍网页,同时特别要求加上“炫酷的前端特效”。然后Agent便会自己去NVIDIA官方网站拿素材,写前端,并用截图来检验视觉效果并修bug。可以看到,这最后的效果还挺不错,挺灵动,还适配多种设备的屏幕尺寸。
更重要的是,这14.3M个Token完全是本地生成,花的只是电费。速度方面,在40 tok/s左右。从最终结果和耗时、速度来看,RTX Spark桌面主机完全可以承担一些日常和工作中的稍复杂任务,当然,更大型的项目个人建议还是切去智能更高的云端大模型——应该说,灵活地切换本地和云端模型本来就是RTX Spark的推荐用法,比如让云端大模型做规划,本地模型打下手之类的bot系用法也很适合RTX Spark。
这次使用DeepSeek Harness一方面是因为平时用得比较多,而且本地Agent能顺便拉起Web Search工具;另一方面是这个会话统计能很好地监测模型性能。你也可以接其他的Agent,比如Hermes、OpenClaw,以及大家更加熟悉的WorkBuddy。
WorkBuddy已经针对RTX Spark开发了一个本地模型功能,在设置中的模型选项可以看到。只需要把开关打开,WorkBuddy就会下载好所需的llama推理引擎和模型,然后直接在主界面选择使用即可。
AI创作测试
接下来是ComfyUI这款AI创作软件的测试。对于视频/图像生成模型来说,RTX Spark支持的NVFP4格式是个很大的优势:首先显存占用可以降低,其次生成速度会加快——这一点在图像生成模型上体现尤为明显,真的是半分钟不到就有结果,如果用8步加速LoRA,会更快。
预览
预览
预览
游戏测试
这次我们在2K分辨率测了四款游戏,数量不算多,但每一款都有其侧重点:《007初露锋芒》代表的是光栅化游戏,《赛博朋克2077》是光追游戏,而《漫威争锋》则是ARM64原生版,RTX Spark已经支持其反作弊系统。
从结果上来看,DLSS超分辨率、帧生成和Reflex可以说是RTX Spark在游戏方面的利器,特别是帧生成,几乎可以说是必开。不过测试归测试,就实际游玩来说,个人觉得还是把设置降低一到两档比较好,无论是帧率还是延迟表现都会更好一些。
预览
预览
预览
功耗和温度测试
目前GPU-Z在RTX Spark上还是一个功能不全的状态,应用能打开,但是读取数据和传感器这块只能说是很初始的状态——NVIDIA目前还在解决这个问题。这次我们另辟蹊径,或者说采用第一性原理去思考,叫鲸鱼写了个轮询nvidia-smi的脚本,并把数据输出成csv。
烤机我们用的是aa-agentperf-local,配置跟上面测试时一样,采用Qwen3.8-27B-UD-Q4_K_M.gguf。原因有两个:第一,我们发现在168轮次的测试中GPU是可以保持高负载的;第二,个人还是希望把它当成是一台AI设备而不是游戏机。我们记录了它10分钟内的温度/功耗数据,环境温度为26摄氏度。
总的来说RTX Spark桌面主机的温度表现有点像GeForce RTX显卡:不会超过80摄氏度,大部分时间维持在75摄氏度。至于功耗方面,RTX Spark桌面主机最高可以到达114W,平均下来则是92W左右。图表上你可能会看见有些地方是比较低的,那跟aa-agentperf-local有关,比如说在加载prompt,所以负载也就相应降低了,跟硬件本身没有关系。
预览
总结
虽然RTX Spark桌面主机在形态上和DGX Spark相近,但它带给我的体验却是更接近个人电脑,而不像在操作服务器。因为平时用的应用、玩的游戏,大部分都能正常运行上RTX Spark上,就和其他的X64 Windows PC一样,这点是很好的。特别是游戏,在x86上怎么开的DLSS,在RTX Spark上也能照用,连DLSS 5都能开。当然,一些游戏诸如《使命召唤》、《三角洲行动》还需要解决反作弊的问题,而NVIDIA已经和厂商在着手解决了。
而在提供相似的个人电脑体验的同时,RTX Spark又能提供一般单显卡台式机难以提供的独特功能:128GB的超大统一内存意味着可以完整把Qwen3.8-Flash-Next、NVIDIA-Nemotron-3.5-Bolt-74B-A9B-24GB这些放到显存内直接运行,在ComfyUI里面也不用反复卸载加载模型,这省略了不少优化操作,也提高了生成效率。另外,别忘了Blackwell和CUDA 13这道“护城河”,这意味着很多新模型一出,RTX Spark都能立马吃上。
总的来说,RTX Spark 结合了 Windows环境的易用和广泛的兼容性,以及 Blackwell 的高性能,是一台对本地 AI 概念贯彻到底的设备。 对于 AI 创作者和开发者来说,RTX Spark 提供了更自由的 Token 使用方式,而对于预算充足的 AI 爱好者来说,RTX Spark 也很可能成为家庭的第一台 AI 服务器。而随着新模型的推出和NVIDIA的驱动优化,相信RTX Spark在后面会给我们带来更多的惊喜和玩法。
热门跟贴