RTX Spark, komputer z RTX 5090 czy MacBook Pro? Co wybrać do lokalnego AI
Trzy drogi do dużych modeli lokalnie za 25-35 tys. zł. Zestawiam pamięć, przepustowość i ceny z danych producentów i mówię, komu co pasuje.

Spis treści 9
👁 132 przeczytań
Za około 25-35 tys. zł masz dziś trzy drogi do poważnego lokalnego AI: laptop z RTX Spark i 128 GB pamięci wspólnej, komputer z kartą RTX 5090 albo MacBook Pro z M5 Max. Każda wygrywa w czymś innym, a o wyborze decydują w praktyce dwie liczby: ile gigabajtów dostanie model i jak szybko układ czyta pamięć. Poniżej zestawiam je z danych producentów, przeliczam na szybkość generowania na podstawie moich pomiarów z RTX 4090 i mówię, kto powinien kupić co. Żadnego z tych trzech urządzeń jeszcze nie testowałem, laptop z RTX Spark od ASUS jest w drodze.
Dwie liczby, które decydują
Pojemność mówi, jaki model w ogóle się zmieści. Model, który nie wchodzi w pamięć grafiki, nie zwalnia o kilka procent, tylko kilkukrotnie: na mojej RTX 4090 Qwen 3.8 27B zrobił 47,4 tokena na sekundę w całości na karcie i 6,9, gdy na kartę weszła tylko część warstw, a resztę liczył procesor.
Przepustowość pamięci mówi, jak szybko model, który się zmieścił, będzie pisał. Przy każdym tokenie układ czyta wszystkie aktywne wagi, więc górna granica szybkości to przepustowość podzielona przez rozmiar modelu. Na RTX 4090 mój pomiar wyszedł 73% tej granicy i tę sprawność przyjmuję w szacunkach niżej.
Zestawienie z danych producentów
| Sprzęt | Pamięć dla modelu | Przepustowość | Pobór mocy | Cena w Polsce (14.11) |
|---|---|---|---|---|
| Laptop RTX Spark (N1X), 128 GB | ok. 102 GB (reguła Nvidii) | 300 GB/s | układ 45-80 W | 25 999 - 35 399 zł za laptop |
| Laptop RTX Spark, 64 GB | ok. 48 GB | 300 GB/s | 45-80 W | od 17 999 zł |
| MacBook Pro M5 Max (40-rdzeniowe GPU) | do 128 GB pamięci wspólnej | 614 GB/s | Apple nie podaje | od 24 499 zł z 48 GB (14″) |
| PC z RTX 5090 | 32 GB | 1792 GB/s | sama karta 575 W | karta od 34 994 zł (17.10) |
| PC z RTX 4090 | 24 GB | 1008 GB/s | karta 450 W | nowych brak w sklepach |
| Nvidia DGX Spark (GB10, Linux) | 128 GB pamięci wspólnej | 273 GB/s | zasilacz 240 W | w ofercie Morele (PNY) |
Ceny laptopów RTX Spark i Maca to ceny całych komputerów. RTX 5090 to sama karta, do której trzeba doliczyć resztę zestawu: procesor, płytę, 64 GB RAM, zasilacz co najmniej 1000 W. Ceny MacBooka Pro ze 128 GB nie odczytałem, bo Apple pokazuje tylko cenę bazową z 48 GB, a dopłatę dopiero w konfiguratorze.
Szacunek szybkości na dwóch modelach
Wybrałem dwa modele, które pokazują różnicę: Qwen 3.8 27B w 4 bitach (15,6 GB, zmierzony przeze mnie na RTX 4090) i Llama 3.3 70B w 4 bitach (ok. 43 GB, nie mieści się na żadnej karcie do domu).
| Sprzęt | Qwen 3.8 27B Q4 | Llama 3.3 70B Q4 |
|---|---|---|
| RTX 5090 | ok. 84 tok/s (szacunek) | nie mieści się, część na procesorze |
| RTX 4090 | 47,4 tok/s (mój pomiar) | nie mieści się |
| MacBook Pro M5 Max | ok. 29 tok/s (szacunek) | ok. 10 tok/s przy 64 lub 128 GB |
| RTX Spark 128 GB | ok. 14 tok/s (szacunek) | ok. 5 tok/s |
| DGX Spark | ok. 13 tok/s (szacunek) | ok. 5 tok/s |
To szacunki z przepustowości, skalibrowane na jednej karcie Nvidii. Mac liczy innym oprogramowaniem (Metal, MLX) i jego sprawność może być inna niż 73%. Prawdziwe liczby dla RTX Spark podam po teście. Ciekawy kontekst dla Maca i GB10 jest w opisanym przeze mnie teście Mac Studio M5 Ultra przeciw pudełku z GB10: przy zadaniach agentowych liczy się też wczytywanie długiego promptu, a nie tylko generowanie.
Kiedy RTX Spark
- Chcesz modele 70B i większe lokalnie, w laptopie, na Windows i z CUDA. To jedyna taka kombinacja na rynku: Mac nie ma CUDA, a karty do laptopów kończą się na 24 GB.
- Pracujesz w programach, które zakładają kartę Nvidii, np. ComfyUI z węzłami RTX, narzędzia oparte na PyTorch z CUDA. Nvidia wydała PyTorch z CUDA dla Windows na ARM i deklaruje gotowość 97% najpopularniejszych pakietów Pythona.
- Akceptujesz wolniejsze generowanie w zamian za pojemność. Model, który na RTX Spark da kilka tokenów na sekundę, na karcie 24-32 GB może nie ruszyć wcale.
- Sprawdziłeś swoje programy na Windows na ARM. Szczegóły w tekście Windows na ARM z układem Nvidii.
Kiedy komputer z RTX 5090 albo 4090
- Twoje modele mieszczą się w 24-32 GB: modele tekstu do około 30 mld parametrów w 4 bitach, większość modeli obrazu, Wan 2.2 5B, muzyka. Tu stacjonarna karta jest kilka razy szybsza od każdej opcji z pamięcią wspólną.
- Robisz dużo obrazów i wideo. Generowanie grafiki to obliczenia, a RTX 5090 ma według Nvidii 3352 TOPS AI i ponad 7 razy wyższą moc zasilania niż układ RTX Spark w laptopie.
- Nie potrzebujesz mobilności i możesz dołożyć drugą kartę albo wymienić jedną za dwa lata.
- Uwaga na koszty: sama RTX 5090 w Polsce kosztowała w październiku prawie 35 tys. zł, więcej niż cały laptop ze 128 GB. RTX 4090 nowej już nie kupisz. Ceny innych kart i moje pomiary zebrałem w tekście jaka karta graficzna do AI, a cały zestaw rozpisuje poradnik jaki komputer do lokalnego AI.
Kiedy MacBook Pro
- Pracujesz na macOS i chcesz duże modele tekstowe. M5 Max ma dwa razy szybszą pamięć niż RTX Spark (614 wobec 300 GB/s), więc ten sam duży model powinien pisać na nim mniej więcej dwa razy szybciej.
- Używasz głównie modeli tekstowych przez llama.cpp, Ollamę, LM Studio albo MLX. Te działają na Macu dobrze.
- Nie potrzebujesz CUDA. Część narzędzi do obrazu i wideo zakłada kartę Nvidii, a na Macu działają wolniej albo wcale.
- Pamiętaj, że 40-rdzeniowe GPU M5 Max wymaga u Apple co najmniej 48 GB, a do 128 GB dopłacasz w konfiguratorze.
Moja kolejność dla typowych zastosowań
| Zastosowanie | Pierwszy wybór | Dlaczego |
|---|---|---|
| Czat i kod na modelach do 30B | PC z kartą 24-32 GB | 3-6 razy szybsze generowanie |
| Modele 70-120B w laptopie, Windows | RTX Spark 128 GB | jedyna opcja z CUDA i ponad 100 GB dla modelu |
| Modele 70-120B w laptopie, macOS | MacBook Pro M5 Max 128 GB | dwa razy szybsza pamięć niż RTX Spark |
| Obrazy i wideo na co dzień | PC z RTX 5090 | moc obliczeniowa i najszersza obsługa programów |
| Agenci pracujący w tle na laptopie | RTX Spark | duży model plus miejsce na kontekst, Windows i CUDA |
| Modele powyżej 200B | żadne z powyższych | nawet 128 GB nie mieści ich w rozsądnej kwantyzacji |
Ostatni wiersz piszę celowo. Modele klasy 670 mld parametrów nawet w 2 bitach ważą ponad 160 GB. Wyliczenie dla konkretnych modeli i pojemności jest w tekście 128 GB pamięci wspólnej: jakie modele AI się zmieszczą, a własny model policzysz w kalkulatorze ile VRAM potrzebujeszbuje model.
Kiedy dostanę ProArta ze 128 GB, puszczę na nim te same modele co na RTX 4090 i zastąpię szacunki z tej tabeli pomiarami. Wyniki trafią do huba Nvidia RTX Spark, a ceny wszystkich laptopów z tym układem są w tekście laptopy z RTX Spark: modele i ceny.
Najczęstsze pytania
Co jest lepsze do lokalnego AI: RTX Spark czy RTX 5090?
Zależy od modelu. Do modeli mieszczących się w 32 GB RTX 5090 jest kilka razy szybsza, bo ma 1792 GB/s pamięci wobec 300 GB/s. Do modeli 70B i większych lepszy jest RTX Spark ze 128 GB, bo na RTX 5090 się nie zmieszczą.
RTX Spark czy MacBook Pro M5 Max do modeli językowych?
Przy tej samej pojemności MacBook Pro ma dwa razy szybszą pamięć (614 GB/s), więc duże modele powinien generować szybciej. RTX Spark wygrywa obsługą CUDA i Windows, co liczy się przy narzędziach do obrazu, wideo i programowaniu pod karty Nvidii.
Czy warto kupić RTX 4090 do AI w 2026 roku?
Nowych kart nie ma już w polskich sklepach. Używana 4090 nadal daje 24 GB i 1008 GB/s, co wystarcza na modele do ok. 30 mld parametrów w 4 bitach. Moje pomiary na niej są w tekście o wyborze karty graficznej do AI.
Czytasz Promptowego częściej? Dodaj go do preferowanych źródeł w Google, a nowe teksty będą wyżej w Twoich wynikach.
Źródła
- Nvidia: RTX Spark, 256 bit i 300 GB/s
- Nvidia: podział pamięci wspólnej
- Nvidia: specyfikacja RTX Spark
- Nvidia: GeForce RTX 5090
- Nvidia: DGX Spark
- Apple: MacBook Pro, dane techniczne, odczyt 14.11.2026
- Apple Polska: ceny MacBook Pro, odczyt 14.11.2026
- Nvidia: oprogramowanie na RTX Spark
- x-kom: laptopy RTX Spark, odczyt 14.11.2026

Autor
Twórca i autor Promptowego, polskiego serwisu o sztucznej inteligencji. Codziennie śledzi premiery modeli, narzędzia i regulacje AI, i tłumaczy je prostym, konkretnym językiem.
Czytaj dalej
Artykuły · Nvidia RTX Spark: laptopy, ceny w Polsce, 128 GB pamięci i lokalne AIUkład N1X, do 128 GB pamięci wspólnej i Windows na ARM. Wszystkie laptopy z cenami w USA i w Polsce, co z tego ma lokalne AI i co działa na ARM...
Artykuły · Lokalne AI: modele na własnym komputerze - tekst, obraz, wideo, muzykaPrzewodnik po lokalnym AI: modele tekstowe, obrazowe, wideo i muzyczne na własnym komputerze, moje pomiary na RTX 4090, tabela sprzętu 8-24 GB...
AI · Jak uruchomić Bielika lokalnie na własnym komputerzePobierz i uruchom Bielika na własnym komputerze przez LM Studio, Ollamę lub llama.cpp. Dobór wersji, wymagania sprzętowe i gotowe komendy.- przelomowy.plKomputery kwantowe w 2026: algorytm Shora zagraża RSA, ale sprzęt wciąż eksperymentalny
- dobieracz.plAI do transkrypcji po polsku: jak wybrać narzędzie do swojego nagrania
- generatornia.plSuno cena 2026: plany, limity pobrań i prawa autorskie
- przewagi.plAutomatyzacja faktur: zacznij od obiegu i wyjątków, potem dodaj AI


