- Memory: 8-channel DDR5 ECC RDIMM, up to 1 TB as configured
- Platform: AMD WRX90
- CPU socket: sTR5
MSI EdgeMesa N AI+ (RTX Spark N1X, 128 GB, 4 TB)
1.2-litre AI desktop with NVIDIA RTX Spark N1X, 128 GB unified memory, 4 TB Gen5 SSD and 10 GbE.
Prix du jour. Votre prix final est confirmé sur votre devis.
Caractéristiques : MSI EdgeMesa N AI+ (RTX Spark N1X, 128 GB, 4 TB)
| Ports | 4 × USB 3.2 Gen 2x2 Type-C (20 Gb/s), HDMI 2.1 (4K 120 Hz / 8K 60 Hz) |
|---|---|
| Storage | 4 TB M.2 NVMe PCIe Gen5 x4 SSD |
| Colour | Silver |
| Networking | 10 GbE (RJ45), Wi-Fi 7, Bluetooth 5.4 |
| Operating system | Windows 11 Pro |
| Memory | 128 GB LPDDR5X-9600 unified memory |
| Power | 240 W adapter |
| Dimensions | 152 × 147 × 53 mm (1.2 litres) |
| Superchip | NVIDIA RTX Spark N1X |
| GPU | NVIDIA Blackwell RTX GPU, 6,144 CUDA cores |
| CPU | NVIDIA Grace 20-core CPU |
| EAN | 4711377492492 |
| AI performance | Up to 1 petaflop FP4 (NVIDIA) |
Votre configuration
estimation — prix final sur demandeEstimateur gratuit
Est-ce que ça tourne ? Dimensionnez votre configuration en 3 étapes
Testez un modèle sur nos machines avant d'acheter.
Choisissez le modèle et la quantification que vous comptez utiliser. Nous vous montrons s'il tient en mémoire, la place restante pour le contexte et le débit attendu. Les estimations reposent sur la bande passante mémoire et sont remplacées par nos propres mesures quand nous en avons.
Machine
Quantification
Confortable. 70 GB de marge — de la place pour un contexte de 128k, un deuxième petit modèle ou un index RAG en mémoire. Comptez environ 3.8 tok/s en flux unique.
Machines qui font tourner cette configuration
Poids 42.8 GB à 4.85 bits/paramètre · cache KV 5.0 GB à 16k (fp16, approximatif) · 10 GB réservés à l'OS et au runtime. La vitesse correspond au décodage en flux unique, limité par la mémoire ; le traitement du prompt et le batching se comportent différemment. Ou contactez un ingénieur sur WhatsApp au +44 7515 356 146.
A 1.2-litre desktop with NVIDIA's RTX Spark N1X: a 20-core Grace CPU and a 6,144-core Blackwell RTX GPU sharing 128 GB of LPDDR5X-9600 unified memory, up to 1 petaflop of FP4 AI. For running large models, agents and creative AI on the desk, with 10 GbE for fast access to shared storage. Windows 11 Pro (Windows on Arm).
One in stock for immediate dispatch; further units dispatched within a week.
Supplied by Workstation with support from our own UK engineers; Trade members get free tech support on every order.
Questions
Quand puis-je le recevoir ?
En stock : nous l'expédions sous 1–2 jours ouvrables, puis le transporteur met 1–3 jours ouvrables au Royaume-Uni. Les délais sont notre meilleure estimation ; nous confirmons le vôtre avec votre commande ou votre devis.
Quelle garantie ai-je ?
Les systèmes que nous assemblons ont la garantie indiquée sur votre devis : trois ans retour atelier en standard. Les composants ont la garantie du fabricant, et nous vous aidons à la faire valoir.
Les prix incluent-ils la TVA ?
Les prix sont affichés hors TVA. La TVA (20%) est ajoutée dans votre panier et sur votre devis. Vous pouvez indiquer votre propre numéro de bon de commande sur un devis.
Combien coûte la livraison ?
La livraison au Royaume-Uni coûte £35.00 HTVA, indiqués avant le paiement. Pour les systèmes de grande valeur, nous pouvons fixer un créneau ou demander une signature.
Puis-je le retourner ?
Les clients professionnels peuvent retourner un article en stock non ouvert dans les 30 jours suivant la livraison (demandez-nous d'abord un numéro de retour). Si vous achetez en tant que particulier, vous pouvez annuler dans les 14 jours suivant la réception. Les produits défectueux sont toujours couverts.
Guides utiles
- AI and robotics labs for universities: what to buy and whyHow university and research labs size GPU workstations and servers for AI agents, model training and robotics simulation, in plain words.
- Which workstation do I need to run AI models locally?How much GPU memory you need to run language models on your own machine, with a simple sizing table and plain advice.
- Which workstation do I need to fine-tune AI models?How much GPU memory fine-tuning needs, from light LoRA training on one card to full training on a GPU server, explained simply.
Machines similaires

- Power: 2500 W 80 PLUS Platinum
- Storage: 16 TB (4× 4 TB Samsung 990 PRO NVMe)
- Memory: 512 GB DDR5-6400 ECC RDIMM (8× 64 GB)
- Memory: Dual-channel DDR5
- Platform: AMD AM5
- GPU: 1× NVIDIA GPU

- Power: Dual 1600 W
- GPU memory: 192 GB GDDR7 ECC total
- Boot drive: 4 TB PCIe 5.0 NVMe