Ryzen AI Max+ 395 для нейросетей: какие модели реально запустишь локально и с какой скоростью

Коротко (TL;DR)

Ryzen AI Max+ 395 (кодовое имя Strix Halo) превращает компактный мини-ПК в машину для локального ИИ. Главное в нём — до 128 ГБ единой памяти, из которых до 96 ГБ (в Windows) или ~120 ГБ (в Linux) можно отдать встроенной графике. Это позволяет загрузить модели, которые не помещаются в обычную видеокарту на 24–32 ГБ: например, Llama 70B в Q4 (~40 ГБ).

Расплата — скорость. Паспортная пропускная способность памяти 256 ГБ/с (примерно треть от Mac Studio и в семь раз меньше, чем у RTX 5090), фактически измеряют около 215 ГБ/с. Компактные и MoE-модели бегут быстро, плотные 70B+ — заметно медленнее. Кому подходит: тем, кому важна ёмкость и приватность, а не максимальная скорость; для чата, кода и лёгкого RAG — отлично, для тяжёлого длинного контекста — терпимо.

Цена выросла: 128-ГБ бокс сейчас стоит около $4 000, а собственная машина AMD — Ryzen AI Halo Developer Platform — вышла в США по $3 999 (июль 2026). Год назад такие устройства стоили ~$2 000.

И главное, чего не было в прошлой версии этого разбора: AMD подтвердила следующее поколение — Ryzen AI Max PRO 400 (Gorgon Halo) со 192 ГБ единой памяти, из которых до 160 ГБ отдаётся под VRAM. Ниже разбираем, что реально потянет текущий чип, как его настроить, и стоит ли ждать новый.

BYBIT EARNЗаставь крипту работатьПроценты на USDT и BTC без блокировки — деньги остаются под рукой.Разместить

(Данные актуальны на 23 июля 2026; цены и бенчмарки — с датами в тексте.)

AMD зовёт Claude, Cursor и Codex внутрь своего стека: ROCm.ai метит не в железо NVIDIA, а в привычку разработчика

ROCm против CUDA: где Radeon уже догнал GeForce, а где вы потеряете выходные на настройку

Florence, Ferrara и Fidenza — это не три процессора: что на самом деле показала AMD на Advancing AI

Корея выложила в открытый доступ модель на 250 миллиардов параметров, которая считает как модель на 15 миллиардов

Solar Open 2 на 250 миллиардов параметров: корейская открытая модель, которая работает как маленькая — но требует памяти как большая

Задача и бюджет

Эта сборка — под локальный инференс LLM: запуск языковых моделей у себя, без облака. Целевые сценарии: приватный чат-ассистент, локальный кодовый помощник, RAG по личным документам, эксперименты с большими открытыми моделями. Не цель — обучение моделей с нуля и максимальный tok/s (для этого нужен дискретный GPU или облако).

Бюджет: один мини-ПК на Ryzen AI Max+ 395 со 128 ГБ — около $4 000 (июль 2026). Это готовое устройство, а не сборка по компонентам: память распаяна, графика интегрирована. Фактически вы покупаете «коробку», а дальше всё решает настройка софта.

Важная оговорка по ожиданиям: это не «локальный флагман уровня ChatGPT». Современные топ-модели (Gemini, Claude Opus, модели класса GPT-5) слишком велики и требовательны для такого APU — локально вы запускаете открытые модели, а не их облачных конкурентов. Если нужна именно топовая скорость и качество — это по-прежнему дискретный GPU или облако.

Что такое Ryzen AI Max+ 395 и почему он для LLM

Strix Halo AMD позиционирует как самый мощный x86-APU на рынке. Ключевое:

• CPU: 16 ядер Zen 5.
• iGPU: Radeon 8060S, 40 вычислительных блоков RDNA 3.5.
• NPU: XDNA2, 50+ TOPS.
• Память: до 128 ГБ единой LPDDR5x-8000, пропускная способность 256 ГБ/с, общая для CPU и GPU.

Почему это важно. У обычной видеокарты фиксированная VRAM (16–32 ГБ), и модель, которая в неё не влезла, либо не грузится, либо уходит в медленный режим на CPU. Strix Halo стирает эту границу: и процессор, и графика обращаются к одному пулу памяти. До 96 ГБ (в Windows) можно объявить «видеопамятью» через AMD Variable Graphics Memory. Для сравнения: у конкурирующих APU обычно максимум 32 ГБ на упаковке — этого хватает на LLM примерно до 16 ГБ.

«Встроенная графика» здесь — обманчивый ярлык: iGPU видит весь пул памяти на полной скорости шины, без PCIe-бутылочного горлышка и без копирования данных туда-обратно.

Bybit · Rewards Hubдо $30,100Внеси депозит, торгуй 14 дней — и забери награды в Rewards HubЗабрать бонус →

Что реально потянет

Главный вопрос — не «влезет ли», а «с какой скоростью». Ниже — независимые замеры на llama.cpp (бекенд Vulkan, iGPU Radeon 8060S; по данным Valérian de Gaussan, ноябрь 2025). Prefill — скорость чтения промпта, decode — скорость генерации, которую вы ощущаете в чате.

Что из этого следует:

• Маленькие и средние квантованные модели бегут отлично (десятки токенов/с) — для чата и кода комфортно.
• Плотные модели 70B+ запускаются, но медленно — 3–5 токенов/с: работать можно, если вы терпеливы.
• MoE и экзотические кванты ломают правило «больше = медленнее»: gpt-oss-120B (архитектура MoE, квант MXFP4) выдаёт ~54 токена/с — быстрее, чем плотная 70B. Это ключевой вывод: для скорости на Strix Halo выбирайте MoE-модели и эффективные кванты, а не гонитесь за числом параметров.

Узкое место — пропускная способность памяти, а не вычисления. Поэтому архитектура модели и квант влияют на скорость сильнее, чем «сырой» размер. И считать надо от фактической полосы: измеряемые на Strix Halo ~215 ГБ/с заметно ниже паспортных 256 ГБ/с (данные llm-tracker.info, июль 2026).

Оговорка про цифры для 70B: замеры расходятся

Здесь придётся быть честными, потому что в сети гуляют две несовместимые оценки.

Таблица выше — именованный замер с указанным бекендом (llama.cpp, Vulkan) и датой (ноябрь 2025): плотная Llama 3.3 70B Q4 даёт 5,1 ток/с. При этом профильные публикации 2026 года заявляют для той же задачи 30–35 ток/с при полной загрузке модели в память iGPU — то есть в шесть раз больше.

Проверить второе на первоисточнике нам не удалось: авторы этих публикаций не называют ни бекенд, ни методику, ни версию ROCm. Правдоподобное объяснение — вызревание стека (ROCm для gfx1151 и llama.cpp за год заметно продвинулись, AMD выкатывала обновления ROCm и локального AI-сервера Lemonade), но это гипотеза, а не подтверждённый результат.

Практический вывод: закладывайтесь на нижнюю оценку. Если 5 ток/с на 70B вас устраивают — покупка оправдана в любом случае; если решение зависит от того, будет ли 30 ток/с, — дождитесь замера на своей связке ОС и бекенда, а не верьте обзорам на слово.

Пара практических заметок по квантованию и контексту. AMD рекомендует квант Q4_K_M для повседневных задач и Q6/Q8 — для кода, где важна точность. Контекстное окно 128K реально держать на моделях примерно до 30B; на 70B+ длинный контекст быстро съедает память под KV-кэш. Ёмкости хватает и под лёгкое дообучение: 12B-модель можно файнтюнить без квантования — это около 115 ГБ, что на дискретной потребительской карте недостижимо.

Настройка: главное — отдать память под GPU

Самая частая ошибка новичка: модель не грузится на iGPU, потому что система по умолчанию отдаёт графике мало памяти. Чинится одним шагом.

Windows (проще всего). AMD Software: Adrenalin → Performance → Tuning → Variable Graphics Memory. Пресеты на 128-ГБ системе: Low ~16 ГБ, Medium ~32 ГБ, High ~64 ГБ, Custom до 96 ГБ. Для 70B-моделей ставьте Custom 96 ГБ (системе останется 32 ГБ) и перезагрузитесь — это перераспределение на уровне BIOS. Затем в LM Studio выставьте GPU Offload = max, а в Ollama проверьте командой ollama ps, что модель легла на GPU, а не на CPU.

Linux (максимум скорости и памяти). Adrenalin тут нет — память под GPU задаётся параметрами ядра. Рабочая связка: amdgpu.gttsize=131072 (открыть весь пул), ttm.pages_limit=33554432 и amd_iommu=off (последний даёт ~6% к пропускной способности). На Linux под GPU доступно до ~120 ГБ.

Какой бекенд. На Strix Halo надёжнее всего Vulkan (драйвер RADV). ROCm для этого чипа (gfx1151) пока в статусе Preview, а в Ollama ROCm-бекенд часто срывается на CPU. Практичный выбор: LM Studio (GUI, для старта), Ollama с Vulkan (API и автоматизация), llama.cpp (максимум контроля и скорости). NPU задействует в основном AMD Lemonade SDK — обычные Ollama/LM Studio его игнорируют.

Мощность. Для LLM оптимум — 85 Вт: переход на 120 Вт добавляет всего ~2%, потому что упор в память, а не в вычисления.

Ещё две мелочи, которые экономят память и нервы. Для моделей крупнее половины ОЗУ в llama.cpp полезен флаг --mmap 0 — иначе на единой памяти возникает конкуренция за буферы CPU и GPU. А если вы брали Ryzen AI именно ради NPU — на практике его задействует в основном AMD Lemonade SDK; обычные Ollama и LM Studio считают на iGPU и NPU не трогают.

Strix Halo против Mac, DGX Spark и дискретного GPU

Strix Halo — не единственный путь к большой единой памяти. Честное сравнение (проверенные спеки, по данным TerminalBytes на май 2026):

Как это читать:

• Strix Halo выигрывает по цене за гигабайт быстрой памяти (~$31,2/ГБ против ~$41,7/ГБ у M3 Ultra; год назад разрыв был вдвое больше) — это самый дешёвый способ загрузить 70B-класс целиком.
• Mac Studio выигрывает по скорости: при тех же 128 ГБ M4 Max вдвое быстрее по bandwidth за схожую цену. Если упор в токены/с на модели, которая и так влезает, — Mac разумнее.
• RTX 5090 в семь раз быстрее по памяти, но всего 32 ГБ — большую модель целиком не загрузить.
• Сборка на б/у RTX 3090 (~$1 500, 24 ГБ, ~936 ГБ/с) быстрее Strix Halo по памяти, но 24 ГБ не вместят 70B целиком, а связка из карт — это шум, жар и два слота PCIe.
• DGX Spark даёт сопоставимую со Strix Halo полосу за +$1 400, но с экосистемой CUDA (мы разбирали DGX Spark и Ryzen AI Halo, а также мини-ПК NVIDIA RTX Spark).

Короткий вывод: нужна ёмкость за разумные деньги — Strix Halo; нужна скорость — Mac Studio; задача укладывается в 32 ГБ — дискретный GPU.

Брать сейчас или ждать Gorgon Halo: что меняет новое поколение

20 мая 2026 года AMD подтвердила серию Ryzen AI Max PRO 400 под кодовым именем Gorgon Halo. Для локального инференса это самое важное событие с момента выхода Strix Halo — но по причине, которая не очевидна из заголовков.

Посмотрите на таблицу внимательно: весь прирост — по памяти. Плюс 100 МГц к процессору, плюс 100 МГц к графике, плюс 5 TOPS к NPU — это погрешность, а не поколение. Меняется одно: потолок ёмкости растёт в полтора раза, и AMD на этом основании называет PRO 495 первым клиентским x86-чипом, способным держать локальные модели на 300+ млрд параметров.

Что это значит на практике:

• Скорость не вырастет. Узкое место — пропускная способность памяти, а она осталась той же (LPDDR5x-8000). Модель, которая сегодня идёт на 5 ток/с, на новом чипе пойдёт примерно так же.
• Откроется класс моделей, который сейчас не влезает. 160 ГБ под VRAM — это плотные модели уровня 120B в 8-битном кванте или очень длинный контекст на 70B без вытеснения KV-кэша.
• Ждать имеет смысл, только если вам нужна именно ёмкость. Если ваши модели и так помещаются в 96–120 ГБ — новое поколение не даст вам ничего.

По срокам: AMD официально называет лишь «скоро». Вариант её собственной машины на PRO 495 ожидается в третьем квартале 2026 года, цена не объявлена. Framework уже показал десктоп на этом чипе со 192 ГБ, но тоже без даты и ценника — то есть на момент публикации купить Gorgon Halo нельзя нигде.

Отдельная деталь для тех, кто смотрит на младшие модели: в обновлённой линейке чипы 392 и 388 сохраняют полный 40-блочный iGPU Radeon 8060S вместо урезанного 32-блочного 8050S у прежних 390/385. Для локальных языковых моделей это важнее числа ядер процессора — потолок графики у младших SKU теперь такой же, как у флагмана. Данные по младшим SKU идут из профильного разбора, официальной таблицей AMD мы их подтвердить не смогли.

Сколько стоит и какой бокс взять

Цены на Strix Halo-боксы выросли почти вдвое: 128-ГБ модели стоили ~$2 000 на старте (2025), а к июлю 2026 сместились к отметке около $4 000 из-за дефицита LPDDR5. Поэтому проверяйте актуальную розницу перед покупкой — обзоры с ценами полугодовой давности вводят в заблуждение.

Ориентир рынка теперь задаёт сама AMD. В июле 2026 года вышла её собственная машина — Ryzen AI Halo Developer Platform: Ryzen AI Max+ 395, 128 ГБ, цена $3 999. Продаётся она пока только в США и только через одного ритейлера (Micro Center), причём самовывозом. Показательно, что этот ценник ровно совпадает со стартовой ценой Nvidia DGX Spark: конфигурация Framework Desktop на 128 ГБ с расширением попадает в тот же диапазон, так что это не премия AMD, а уровень, к которому пришёл весь класс устройств.

Боксы на одном и том же чипе различаются охлаждением и шумом. Из тех, что мы освещали: Minix ER939-AI Pro (компактный, 2 ТБ SSD) и PELADN HO5. Если устройство стоит в спальне — смотрите на тихие варианты: под нагрузкой эти машины слышно.

Дешевле ли это, чем облако

Честно: для разового пользователя — нет. Бокс за $4 000, размазанный на три года, — это ~$111/мес до электричества; за эти деньги можно купить много токенов в API или взять подписку. Локальная сборка оправдана, когда есть хотя бы одно из:

• Приватность. Медицинские, юридические, NDA-данные не должны покидать вашу сеть — тогда вопрос не «дешевле ли», а «возможно ли вообще».
• Высокая утилизация. Если вы гоняете инференс целый день (кодовые агенты, пакетная обработка документов) — локально выходит дешевле API.
• Многозадачность. Та же машина крутит homelab, сборки, медиасервер — стоимость на задачу падает.

Плюс смена мышления: со своими «бесплатными токенами» экспериментируешь смелее, чем когда каждый запрос тикает счётчиком API.

Риски и ограничения

Честный блок слабых мест (с датами):

• Bandwidth — потолок скорости. Паспортные 256 ГБ/с (фактически измеряют ~215 ГБ/с) — примерно треть от Mac Studio или б/у RTX 3090. Для чата с короткими промптами незаметно, но для длинного контекста и RAG префилл будет ощутимо тормозить.
• Память распаяна. Нарастить её нельзя — сколько взяли, столько и будет. Апгрейд только внешним GPU.
• Внешний GPU — с оговоркой. На большинстве плат AMD-видеокарта по Oculink упирается в 120 Вт (ограничение BIOS); карты NVIDIA, по сообщениям владельцев (2026), не ограничены.
• Софт «на острие». Поддержка gfx1151 в ROCm — Preview (2026); рабочий путь — Vulkan/llama.cpp, ROCm-Ollama нестабилен. Ситуация быстро улучшается, но это не «поставил и забыл».
• Цена волатильна и выросла. Из-за дефицита LPDDR5 ценник за год ушёл с ~$2 000 к ~$4 000 (июль 2026) — момент покупки имеет значение.
• Новое поколение не ускорит. Gorgon Halo (192 ГБ) поднимает только ёмкость: пропускная способность памяти та же, значит токены в секунду на уже влезающих моделях не вырастут.
• Сроков нового чипа нет. AMD говорит «скоро»; вариант её машины на PRO 495 ожидается в Q3 2026 без объявленной цены — планировать покупку по этой дате рискованно.

FAQ

Какую самую большую модель можно запустить? По ёмкости — вплоть до 120B+ (например, gpt-oss-120B ~59 ГБ или Mistral Large 123B Q4 ~68 ГБ). Но плотные модели уровня 70B+ идут на 3–5 токенов/с; для комфортной скорости берите MoE-модели и кванты Q4.

Windows или Linux? Для старта проще Windows: выделение памяти через Adrenalin делается в пару кликов. Для максимума скорости и памяти (до ~120 ГБ под GPU) — Linux с параметрами ядра и Vulkan/llama.cpp.

Это заменит видеокарту NVIDIA? Нет. Strix Halo берёт ёмкостью (грузит то, что не влезает в 24–32 ГБ GPU), но проигрывает в сырой скорости и зрелости экосистемы. По пропускной способности дискретные карты обгоняют его в разы (256 ГБ/с против ~1792 у RTX 5090) — но именно объём памяти решает, влезет ли большая модель вообще. Это «много памяти недорого», а не «быстрее RTX».

Нужен ли NPU на 50 TOPS для LLM? Для классического инференса LLM работает в основном iGPU, а не NPU. NPU задействуют отдельные стеки (AMD Lemonade SDK); обычные Ollama/LM Studio его, как правило, не используют.

Ждать Gorgon Halo или брать 395 сейчас? Зависит от того, упираетесь ли вы в ёмкость. Новый Ryzen AI Max+ PRO 495 даёт 192 ГБ памяти (до 160 ГБ под VRAM), но по вычислениям это тот же чип: +100 МГц к CPU и GPU, 55 TOPS против 50. Скорость генерации не вырастет, потому что пропускная способность памяти прежняя. Ждать стоит, если ваши модели не помещаются в 96–120 ГБ; во всех остальных случаях разницы не будет. Купить его на момент публикации всё равно негде — сроков AMD не называет.

Сколько памяти отдавать под графику? На 128-ГБ системе под LLM — 96 ГБ (Windows, Custom) или ~120 ГБ (Linux), оставив системе 8–32 ГБ. Для смешанной работы достаточно 64 ГБ.

Шумит ли такой мини-ПК? Под длительной нагрузкой — да, машину слышно (это не «тихий офисный неттоп»). Более крупные корпуса лучше держат температуру и шумят меньше, но занимают больше места — если устройство стоит рядом со спальным местом, выбирайте бокс с акцентом на охлаждение.