# Asus bringt Ascent GX10 mit 64 GB für lokale KI, offizieller Preis noch offen

> Asus hat seinen Mini-Computer Ascent GX10 auf Basis der Plattform DGX Spark von Nvidia um eine Konfiguration mit 64 GB erweitert. Vorbestellungen sind in Deutschland, Österreich und der Schweiz möglich, offizielle Preise und Auslieferungstermine fehlen jedoch weiterhin.
>
> OpenCheese AI · 2026.11.01 · Webseite: https://opencheese.dev/de/blog/asus-bringt-ascent-gx10-mit-64-gb-fuer-lokale-ki-offizieller-preis-noch-offen

Asus hat eine kleinere Variante seines kleinen KI-Computers gebaut, und um das Datenblatt ehrlich einzuordnen, braucht es eine Menge Fußnoten. Der Ascent GX10 auf Basis der Plattform DGX Spark von Nvidia ist jetzt mit 64 GB gemeinsam genutztem Speicher erhältlich. Bisher war die einzige Option eine Ausstattung mit 128 GB. Das neue Modell GX10-GG0062BN richtet sich an Entwickler, die offene Modelle mit etwa 30 bis 35 Milliarden Parametern auf dem eigenen Schreibtisch betreiben wollen. Es kann in Deutschland, Österreich und der Schweiz vorbestellt werden, aber Asus hat noch nicht gesagt, was es kostet.

## Was tatsächlich neu ist

Die Variante kombiniert die 64 GB Speicher mit einer 1-TB-SSD. Asus präsentiert sie als Konfiguration für weniger anspruchsvolle Workloads und erklärt, sie solle den Einstieg in die Arbeit mit offenen KI-Modellen erschwinglicher machen.

Zur Verfügbarkeit gibt es nur wenige Angaben. Erste Partner in Deutschland, Österreich und der Schweiz nehmen Vorbestellungen entgegen. Asus hat weder einen offiziellen Preis noch einen Termin für den Beginn der Auslieferung angekündigt. Der Geizhals-Katalog führt das Gerät für etwa 6.000 Euro. Dabei handelt es sich um einen Platzhalter eines Händlers und nicht um einen von Asus zugesagten Preis.

Der Bericht nennt auch keinen Preis für das 128-GB-Modell. Daher lässt sich nicht ausrechnen, wie viel man durch den halbierten Speicher spart. "Leichter zugänglich" sollte man vorerst als Absichtserklärung verstehen.

## Die Hardware im Inneren

Den Kern bildet der Superchip GB10 Grace-Blackwell von Nvidia. Er kombiniert eine Blackwell-GPU mit Tensor-Kernen der fünften Generation und eine Grace-CPU mit 20 Kernen auf Basis der Arm-Architektur. Beide sind über NVLink-C2C verbunden. Laut Asus ermöglicht diese Verbindung einen kohärenten Zugriff auf einen gemeinsamen Speicherpool und bietet die fünffache Bandbreite von PCIe 5.0.

Die 64 GB bestehen aus LPDDR5x-Speicher mit einer Bandbreite von 273 GB/s. CPU und GPU können gleichzeitig darauf zugreifen. In der Praxis bedeutet das, dass ein KI-Job Daten nicht zwischen separatem System-RAM und Grafikspeicher hin- und herkopieren muss – ein Aufwand, den einem gewöhnliche Desktop-GPUs aufbürden.

Die Kühlung ist identisch mit der des 128-GB-Modells:

- sieben Modi zur Lüftersteuerung
- breite Kühlrippen
- fünf Heatpipes
- zwei Lüfter mit den Maßen 140 x 80 mm
- Luftzufuhr durch Öffnungen an der Gehäuseunterseite

Die veröffentlichten Spezifikationen enthalten keine unabhängigen Messwerte zu Temperatur, Geräuschentwicklung oder Leistungsaufnahme.

## Wie groß das Modell sein darf

Asus richtet diese Konfiguration auf offene Modelle mit 30 bis 35 Milliarden Parametern aus und nennt Qwen3.8-27B als Beispiel. Das Unternehmen weist ausdrücklich darauf hin, dass die tatsächlich ausführbare Modellgröße von der numerischen Präzision, dem Software-Stack und der Kontextlänge abhängt. Diese drei Variablen decken den Großteil der entscheidenden Faktoren ab. Die Angabe von 30 bis 35 Milliarden ist daher eine Orientierung und kein Versprechen.

## Die Fußnote zum Petaflop

Asus gibt für den GB10 eine Rechenleistung von bis zu 1 Petaflop an. Die Zahl bezieht sich auf FP4-Berechnungen mit Sparsität.

FP4 ist ein Zahlenformat mit geringer Präzision. Es reduziert den Speicher- und Rechenbedarf bei Aufgaben, die diese geringere Präzision tolerieren. Sparsität erlaubt es der Hardware, bestimmte Operationen auszulassen, die wenig zum Ergebnis beitragen. Zusammen ergibt das einen schmeichelhaften Spitzenwert, der nicht beschreibt, wie schnell der Rechner bei einer beliebigen Aufgabe ist. Die tatsächliche Geschwindigkeit hängt vom Modell, der Software und der Art der Last ab.

## Zwei Geräte statt eines

Die interessanteste Aussage betrifft das Clustering. Asus schlägt vor, zwei GX10-Geräte über die integrierte Netzwerktechnik Nvidia ConnectX-7 zu verbinden. Die Herstellerangaben für das Duo:

| Messgröße | Zwei verbundene Geräte mit je 64 GB |
| --- | --- |
| Gesamtspeicher | bis zu 128 GB |
| KI-Rechenleistung | bis zu 2 Petaflops |
| Aggregierte Speicherbandbreite | bis zu 546 GB/s |

Asus zufolge kann ein solches Duo außerdem bis zum 1,7-Fachen der Leistung eines einzelnen GX10 mit 128 GB liefern. Das Unternehmen nennt weder die Messgröße für den Vergleich noch die Testbedingungen. Damit ist die Zahl schwer zu überprüfen und noch schwerer als verlässliche Grundlage zu nutzen.

Die Einrichtung erfolgt über die Nvidia Sync App, die einen Cluster Assistant enthält. Laut Asus dauert das Verbinden zweier Rechner nur wenige Minuten und erfordert keine Änderungen an der Softwareumgebung oder am üblichen Workflow. Außerdem nennt das Unternehmen Unterstützung für Nvidia NVFP4 und für die Ausführung komprimierter Versionen größerer Modelle, darunter Qwen3.8-Flash-Next.

Der vorgeschlagene Weg ist, mit einem Gerät für Entwicklung und Tests anzufangen und ein zweites hinzuzufügen, wenn die Modelle größer werden, der Kontext länger wird oder mehr KI-Agenten gleichzeitig laufen. Modelle, Prompts und Daten können dabei durchgehend auf lokaler Hardware bleiben.

Ein Detail macht allerdings stutzig. Zwei Geräte mit je 64 GB ergeben zusammen dieselben 128 GB, die ein einzelner älterer GX10 bereits bot. Welcher Weg günstiger ist oder ob das Duo lediglich der langsamere Weg zur gleichen Speichermenge ist, lässt sich ohne Preise für beide Varianten nicht klären. Der Bericht nennt jedoch keine.

## Software und das Argument für lokale Verarbeitung

Zum Softwarepaket gehören Nvidia DGX OS, PyTorch, Jupyter und Ollama. Asus gibt außerdem Unterstützung für Nvidia OpenShell und Nvidia NemoClaw an, Werkzeuge zum Festlegen von Sicherheitsrichtlinien für KI-Agenten. Der Rechner lässt sich per SSH aus der Ferne verwalten, sodass ein IT-Team mehrere Geräte gleichzeitig bereitstellen und überwachen kann.

Asus positioniert die gesamte Produktreihe als Antwort auf drei Herausforderungen: steigenden Token-Verbrauch, wachsende Cloud-Computing-Rechnungen und die Notwendigkeit, vertrauliche Daten und geistiges Eigentum zu schützen. Läuft ein Modell lokal, laufen die Daten und die von ihm erzeugten Tokens möglicherweise nie über eine öffentliche API.

Das Wort "möglicherweise" ist hier eine ehrliche Einschränkung. Ob lokales Hosting für ein bestimmtes Team sinnvoll ist, hängt vom gewünschten Modell, vom Speicher des Rechners und von der darauf laufenden Software ab.

## Was noch fehlt

- **Ein offizieller Preis.** Die einzige Zahl ist bislang ein Katalogeintrag von etwa 6.000 Euro.
- **Ein Auslieferungstermin.** Vorbestellungen sind möglich, einen Zeitplan für die Auslieferung gibt es nicht.
- **Unabhängige Messungen.** Zu Temperatur, Geräuschentwicklung und Leistungsaufnahme liegen keine Angaben vor.
- **Ein definierter Benchmark.** Für die Angabe von 1,7x werden weder eine Messgröße noch ein Testaufbau genannt.

Fürs Erste ist der GX10 mit 64 GB ein Datenblatt mit einem aufgeklebten Händlerpreisschild.

## Ähnliche Beiträge

- 2026.10.17 · [Nvidia RTX Spark-Laptops im Test: starke Grafik, schwache CPU, lokale KI noch Beta](https://opencheese.dev/de/blog/nvidia-rtx-spark-laptops-im-test-starke-grafik-schwache-cpu-lokale-ki-noch-beta.md): Drei Tester verbrachten eine Woche mit fünf RTX Spark-Laptops, während Microsoft seine Arbeit an Windows erläuterte. Gaming und Kompatibilität sind besser als erwartet. Akkulaufzeit, Preis und lokale KI sind die Schwachpunkte.
- 2026.10.07 · [Meta bringt seinen KI-Assistenten Muse auf das iPad](https://opencheese.dev/de/blog/meta-bringt-seinen-ki-assistenten-muse-auf-das-ipad.md): Muse erhielt rund einen Monat nach seinem mobilen Debüt eine eigene iPad-App. Das Update ergänzt außerdem Konnektoren für Unternehmen, während Meta die Fähigkeit des Assistenten erweitert, über verschiedene Apps und Shopping-Websites hinweg zu agieren.
- 2026.10.05 · [Amazon sagt Gemeinden mit Rechenzentren 1 Milliarde Dollar zu, während der Widerstand wächst](https://opencheese.dev/de/blog/amazon-sagt-1-milliarde-dollar-fuer-gemeinden-mit-rechenzentren-zu-waehrend.md): Amazon erklärt, über fünf Jahre mehr als 1 Milliarde Dollar für lokale Programme und neue Zusagen rund um Rechenzentrumsprojekte auszugeben. Das Versprechen fällt in eine Zeit, in der Gemeinden den Bau ablehnen und Fragen zu Strom- und Wasserverbrauch weiter offen sind.