AMD Ryzen AI Halo за $3 999 — альтернатива DGX Spark з 128 ГБ unified memory

Що сталося

AMD випустила Ryzen AI Halo — компактний настільний AI-ПК на базі процесора Ryzen AI Max+ 395 (Strix Halo) з 128 ГБ єдиної пам’яті. Ціна на момент анонсу в червні 2026 року — $3 999 як для версії з Windows 11 Pro, так і для Linux-варіанту. Це на $700 дешевше Nvidia DGX Spark, який коштує $4 699 після останнього підвищення ціни. Ryzen AI Halo орієнтований на розробників AI, яким потрібен локальний інференс великих LLM.

Деталі

ПараметрAMD Ryzen AI HaloNvidia DGX Spark
Ціна (червень 2026)$3 999$4 699
Процесор/чипRyzen AI Max+ 395Grace Blackwell
Уніфікована пам’ять128 ГБ128 ГБ
ОСWindows 11 Pro / LinuxLinux
Ключова перевагаДешевше на $700, WindowsCUDA-екосистема, швидше

Ryzen AI Max+ 395 належить до архітектури Strix Halo з інтегрованим GPU (RDNA 3.5) і NPU. Єдина пам’ять 128 ГБ дозволяє запускати моделі з розміром параметрів до ~70B без квантизації або більші моделі в INT4.

Спільнота зазначає обмеження: RDNA 3.5 поступається RDNA 4/5 за швидкістю AI-обчислень (до 2–8× різниця за даними користувачів Tom’s Hardware). AMD-стек для AI-інференсу поки вважається менш зрілим, ніж CUDA.

Що це означає

Для розробників, яким потрібен локальний LLM: $700 різниці суттєві, особливо в зв’язці з підтримкою Windows (DGX Spark — лише Linux). Якщо ваш робочий процес побудований на Windows або ви не готові платити премію за CUDA, Ryzen AI Halo — реальна альтернатива.

Реальні обмеження: CUDA-екосистема значно ширша, llama.cpp і vLLM з Nvidia працюють надійніше. Для продакшн-пайплайну AMD спершу протестуй сумісність свого стека (ollama, LM Studio, vLLM) конкретно на Strix Halo.

Горизонт: з виходом LPDDR6 (очікується у 2027) пропускна здатність пам’яті зросте на ~50%, що суттєво збільшить швидкість інференсу. AMD активно розвиває ROCm — ситуація покращується.

Поділитися
Зв'язатися:
Крипто- та data-аналітик, інженер-програміст (факультет комп'ютерних наук ХНУРЕ). В IT з 2008 року: адміністрував корпоративний моніторинг у «Vodafone Україна», сім років розробляв і просував веб-проєкти, п'ять років керував маркетингом на метриках — конверсія, CTR, ROI, LTV.Криптовалютними ринками займаюся з 2021 року: ончейн-метрики, токеноміка, макроекономічні індикатори. Розробив власну data-driven модель аналізу ринку на 30+ метрик. Стек — Python (pandas, NumPy, SciPy, matplotlib), математична статистика та EDA; збір і звірку даних автоматизую AI-агентами.Принцип — «Don't trust, verify»: кожна цифра перевірена за першоджерелом, ключові — щонайменше за двома незалежними; прогнози — лише сценарії з умовами. Теза без даних не публікується.