Was er ist

Der ASUS Ascent GX10 ist ein persönlicher KI-Supercomputer rund um NVIDIAs GB10 Grace Blackwell Superchip, dasselbe Silizium, das auch NVIDIAs Referenzgerät DGX Spark antreibt. Er kombiniert eine Arm-v9.2-Grace-CPU mit 20 Kernen und eine Blackwell-GPU auf einem einzigen Package, verbunden über NVLink-C2C, und versorgt beide aus einem gemeinsamen 128-GB-Pool aus LPDDR5x Unified Memory. In einem Gehäuse von der Größe eines gebundenen Buchs (150 × 150 × 51 mm) hat ASUS rund 1 PetaFLOP FP4-Rechenleistung und genug Speicher untergebracht, um ein Modell mit 200 Milliarden Parametern lokal zu laden.

Das ist kein Mini-PC für alle Zwecke, und man sollte ihn auch nicht wie einen kaufen. Er läuft mit NVIDIA DGX OS (einer Arm-Version von Ubuntu Linux), nicht mit Windows. Seine Daseinsberechtigung ist lokale KI: Feintuning, Inferenz und Prototyping von Modellen, für die man sonst eine Cloud-GPU-Instanz bräuchte. Einen genaueren Blick wert macht den GX10 der Preis. Mit $2,999 für die 1-TB-Konfiguration ist er der bislang am aggressivsten bepreiste Einstieg in die GB10-Klasse, unterbietet das Referenzgerät DGX Spark und bringt zusätzlich ein Metallgehäuse und eine bessere Kühlung mit.

Wofür er taugt: lokale KI und LLM-Entwicklung

Der Kernkniff des GX10 ist, große Modelle in einen einzigen kohärenten Speicherbereich zu laden. Mit 128 GB LPDDR5x Unified Memory teilen sich CPU und GPU einen Pool, sodass man Modelle laden kann, die nie in den VRAM einer Consumer-GPU passen würden:

  • Lokale LLM-Inferenz: quantisierte Modelle bis ~200B Parameter ausführen, ganz ohne Cloud. In den vLLM-Tests von StorageReview lieferte GPT-OSS-120B je nach Workload-Profil etwa 45–680 Token/s, und Llama 3.1 8B FP4 erreichte bei Prefill-lastigen Durchläufen bis zu ~2.750 Token/s.
  • Feintuning und LoRA: Der 128-GB-Pool bietet Spielraum, um mittelgroße Modelle feinzutunen, die auf eine dedizierte Karte mit 24 GB oder selbst 32 GB nicht passen.
  • KI-Entwicklungsumgebung: DGX OS wird mit vorinstalliertem CUDA, PyTorch, TensorFlow, Jupyter, TensorRT, NVIDIA-NIM-Microservices und Ollama ausgeliefert. Für Entwickler, die eine CUDA-Box unter dem Schreibtisch statt auf der Cloud-Rechnung wollen, ist dieser sofort einsatzbereite Stack das eigentliche Verkaufsargument.
  • Clustering mit zwei Knoten: Die integrierte ConnectX-7-NIC erlaubt es, zwei GX10 über eine einzige QSFP-Verbindung mit 200 Gbps zu koppeln und Modelle bis 405B Parameter (Llama 3.1 405B) auf dem Paar auszuführen.

Wer allgemeine Kreativarbeit oder Büroaufgaben im Sinn hat: Der GX10 kann das, aber man zahlt Supercomputer-Preise, um einen Arm-Linux-Desktop zu betreiben. Für diese Zielgruppe ist eine x86-Box wie der Framework Desktop oder ein Strix-Halo-Gerät, das 70B-Modelle ausführt, weit sinnvoller.

Der GB10-Superchip und Unified Memory

Der GB10 ist das Herzstück. Die Grace-CPU mit 20 Kernen übernimmt Orchestrierung und Datenaufbereitung; die Blackwell-GPU mit Tensor Cores der fünften Generation und nativem FP4 erledigt die Schwerarbeit mit bis zu 1.000 TOPS. Da beide über NVLink-C2C verbunden sind (NVIDIA nennt dafür etwa die fünffache Bandbreite von PCIe 5.0), gibt es keinen PCIe-Flaschenhals beim Verschieben von Tensoren zwischen CPU- und GPU-Speicher. Alles liegt in einem kohärenten Adressraum.

Diese Architektur ist der Grund, warum eine so kleine Box Modelle mit 200B Parametern ausführen kann, während eine Desktop-RTX-5090 mit ihren 32 GB GDDR7 sie schlicht nicht fassen kann. Der Preis dafür ist die Bandbreite, dazu gleich mehr.

Aufbau, Konnektivität und Clustering

ASUS hat das Referenzdesign offensichtlich genau studiert und verbessert. Der GX10 nutzt ein Aluminiumgehäuse statt des Kunststoffs beim DGX Spark, ergänzt Lüftungsöffnungen an Unter- und Rückseite und verlegt den Einschaltknopf nach vorne, eine Kleinigkeit, bis man einen Stapel geclusterter Geräte verwaltet. Gekühlt wird mit drei Lüftern und einer doppelten Vapor Chamber mit siebenstufiger Regelung, und das Gerät hat mehrere Tests nach MIL-STD 810H bestanden. Für das Design gab es sogar einen Taiwan Excellence Award 2026.

Die Konnektivität ist auf eine KI-Workstation ausgerichtet, nicht auf einen Medien-PC:

  • NVIDIA-ConnectX-7-NIC: zwei QSFP-Ports mit 200 Gbps für Scale-out-Clustering, dazu 10 GbE LAN
  • 4× USB-C (20 Gbps, DisplayPort 2.1 Alt Mode); einer dient zugleich als Stromeingang mit 180W EPR Power Delivery
  • HDMI 2.1b, Wi-Fi 7, Bluetooth 5.4, Kensington-Schloss
  • 240W-USB-C-Netzteil

Speicherbandbreite: die Grenze in der Praxis

Jetzt der ehrliche Teil. Die Speicherbandbreite des GX10 liegt bei etwa 273 GB/s (LPDDR5x mit 8533 MT/s). Verglichen mit einer CPU ist das enorm, aber nur ein Bruchteil dessen, was eine dedizierte GPU liefert: Eine RTX 5090 schafft deutlich über 1,7 TB/s. Bei der Token-Generierung von LLMs, die an der Speicherbandbreite hängt, ist diese Obergrenze der begrenzende Faktor, nicht die Rechenleistung der Blackwell-GPU.

In der Praxis heißt das: Der GX10 ist hervorragend darin, ein riesiges Modell zu halten, und bei Prefill- und durchsatzlastigem Serving, doch die interaktive Token-Generierung in einem einzelnen Stream fühlt sich bei großen Modellen bescheiden an im Vergleich zu einer dedizierten High-End-GPU mit einem Modell, das klein genug für ihren VRAM ist. Der GX10 gewinnt, wenn das Modell zu groß ist, um anderswo hineinzupassen; ein Wettrennen um Token pro Sekunde gegen eine 5090 bei einem Modell, das in 32 GB passt, gewinnt er nicht. StorageReview stellte fest, dass der GX10 eng mit allen anderen Systemen der Spark-Klasse übereinstimmt, da sie alle identisches Kernsilizium nutzen; die Unterschiede zwischen den Herstellern liegen bei Gehäuse, Kühlung, SSD und Preis, nicht bei der reinen Geschwindigkeit.

ASUS Ascent GX10 vs. NVIDIA DGX Spark

Beide nutzen denselben GB10-Superchip, dieselben 128 GB Unified Memory und dieselben 273 GB/s Bandbreite, die KI-Leistung ist also praktisch identisch. Was für den GX10 spricht, ist alles rund um den Chip: ein Metallgehäuse, ein aufwendigerer Kühler mit drei Lüftern und Vapor Chamber, der Einschaltknopf an der Front und, am wichtigsten, ein niedrigerer Einstiegspreis. Wer zwischen Boxen der Spark-Klasse wählt, entscheidet nach Verarbeitungsqualität, Speicherstufe und Kosten. Passend dazu: unsere Tests des MSI EdgeXpert MS-C931 und des GIGABYTE AI TOP ATOM.

Preise und Bezugsquellen

Der Ascent GX10 wird in drei Stufen verkauft, die sich nur beim Speicher unterscheiden:

  • $2,999: 1 TB PCIe Gen4 NVMe (die preiswerte Wahl, ~$333/TB im Einstieg)
  • $3,499: 2 TB PCIe Gen4 NVMe
  • $3,999: 4 TB PCIe Gen5 NVMe

Alle drei haben denselben GB10-Superchip und 128 GB Speicher; man zahlt nur für die SSD-Kapazität und in der höchsten Stufe für ein schnelleres Gen5-Laufwerk. Für die meisten Käufer ist das 1-TB-Modell für $2,999 der kluge Einstieg: Es ist der günstigste Weg ins GB10-Ökosystem, und Modelle werden schnell genug vom Speicher geladen, dass das Gen4-Laufwerk die Inferenz selten ausbremst. Die Stufe mit 4 TB Gen5 lohnt sich nur, wenn man lokal mit vielen großen Modell-Checkpoints jongliert.

Was wir anmerken

Für seine Nische ist das ein starkes Produkt, doch ein paar ehrliche Einschränkungen gibt es:

  • Er ist ein Linux-Entwicklergerät, kein Desktop. DGX OS ist Arm-Ubuntu. Wer einen Windows-Rechner erwartet, ist hier falsch.
  • 273 GB/s sind der Flaschenhals. Die Token-Generierung bei großen Modellen ist bandbreitenbegrenzt; man sollte keine Interaktivität wie bei einer dedizierten GPU erwarten. Kaufen sollte man ihn für Kapazität, nicht für rohe Geschwindigkeit.
  • Das 1-TB-Modell kommt mit einer Gen4-SSD mit relativ langsamen Schreibraten. Für Inferenz reicht das, weniger ideal ist es, wenn man ständig große Checkpoints schreibt.
  • Die Temperaturen werden in Lastspitzen hoch. StorageReview maß bei Prefill-lastigen Spitzen bis zu 87,3°C an der CPU und 82°C an der GPU, unter Dauerlast stabilisierte sich das System jedoch. Der Kühler mit drei Lüftern kommt damit zurecht, doch unter Last ist dies eine heiße kleine Box.
  • Er ist eine Investition für einen einzigen Zweck. Bei $3,000+ lohnt er sich nur, wenn lokale KI wirklich Ihr Arbeitsschwerpunkt ist. Wer sich eher beiläufig für lokale LLMs interessiert, findet mit einem Strix-Halo-Mini-PC, einem Mac mini M4 Pro oder sogar den von uns vorgestellten NPU/iGPU-Optionen deutlich günstigere Einstiege.

Fazit zum ASUS Ascent GX10

Der ASUS Ascent GX10 ist derzeit der vernünftigste Weg in NVIDIAs GB10-Grace-Blackwell-Plattform. Er nutzt dasselbe Silizium wie der DGX Spark, bringt 128 GB Unified Memory und einen vollständigen CUDA-Entwicklerstack in einer Aluminiumbox im Buchformat unter und lässt sich für Arbeiten mit 405B Parametern mit einem zweiten Gerät clustern, alles ab $2,999, dem niedrigsten Einstiegspreis seiner Klasse.

Kaufen sollte man ihn nur aus dem richtigen Grund. Sein Wert liegt in der Fähigkeit, sehr große Modelle lokal zu halten und damit zu entwickeln, mit einem schlüsselfertigen NVIDIA-Softwarestack und integriertem Clustering. Ein Geschwindigkeitswunder bei der interaktiven Generierung ist er nicht (dafür sorgt die Speicherbandbreite von 273 GB/s), und ein PC für alle Zwecke ist er auch nicht. Doch wer als KI-Entwickler, Forscher oder Kreativer eine persönliche Grace-Blackwell-Workstation will, ohne Cloud-GPUs zu mieten, sollte den GX10 als GB10-Box ganz oben auf die Liste setzen.