Ryzen AI Max+ 495 с 192 ГБ памяти. Кому он реально нужен

AMD вывела в розницу Ryzen AI Max+ PRO 495 с 192 ГБ общей памяти. Бокс Ryzen AI Halo продаётся за $7 299, Framework Desktop просит от $6 799, ноутбук HP ZBook Ultra G3a оценили в $7 449. Пока это один из самых доступных готовых боксов с 192 ГБ. Только скорость здесь упирается в 273 ГБ/с, и от этого зависит, какие задачи машина действительно закрывает.

Предыдущий флагман, Ryzen AI Max+ 395, давал 128 ГБ LPDDR5X-8000 и 256 ГБ/с. Новый Ryzen AI Max+ PRO 495 добавил 64 ГБ памяти, поднял частоту до 8533 МТ/с и выжал из 256-битной шины около 273 ГБ/с. Остальное знакомо: 16 ядер Zen 5, 32 потока, Radeon 8065S на 40 вычислительных блоков RDNA 3.5, NPU на 55 TOPS, TDP от 45 до 120 Вт. До 160 ГБ общей памяти можно зарезервировать под GPU. Это тот же пул LPDDR5X, просто выделенный под графику.

В перепечатках гуляют ошибки. Zen 6 здесь нет, работает всё тот же Zen 5. Никаких двух модулей по 96 ГБ здесь нет, память распаяна, а 256-битная шина и LPDDR5X-8533 дают 273 ГБ/с. Видеопамяти будет максимум 160 ГБ, а не 184. Цена тоже другая: от $6 799 за DIY-версию Framework, а не $5 500.

По основным вычислительным блокам Gorgon Halo близок к Strix Halo. Главное отличие в объёме памяти, остальное прибавило по мелочи: 8533 МТ/с вместо 8000 и плюс 100 МГц по GPU. Micro Center прогнал оба чипа в одинаковых условиях и получил прирост генерации 3,1%, обработки промпта 1,7% и времени до первого токена 2,2%. Температура под нагрузкой ниже примерно на 5 градусов. Всё остальное, что вы почувствуете, даст дополнительная память.

Апгрейда памяти здесь нет: объём выбирается при покупке, потому что чипы распаяны на плате. Розничный бокс AMD идёт с Linux, Windows-версия обещана позже. Framework предлагает только Linux-конфигурации, Windows-варианта в продаже нет.

Генерация токенов упирается в пропускную способность памяти. Каждый новый токен требует прочитать из памяти веса модели, которые участвуют в вычислении. Число токенов в секунду в режиме, ограниченном памятью, примерно равно пропускной способности, делённой на объём весов, которые читаются на один токен. Для плотной модели на 70 млрд параметров в 4-битном кванте это около 42 ГБ. При 273 ГБ/с потолок получается 6,5 токена в секунду, а замеры на Strix Halo для Llama 3.3 70B Q4 дают 4,5-5. Для плотной модели на 405 млрд параметров в 4-битном кванте нужно около 230 ГБ. Такая модель в 160 ГБ видеопамяти не помещается, а если ужать её до 2 бит, скорость всё равно останется в районе 2 токенов в секунду. Механику я разбирал подробнее в статье про инференс LLM.

Смешанные модели меняют картину. У Mixture-of-Experts на каждый токен работает только активная часть параметров. Qwen3.5-122B-A10B содержит 122 млрд параметров, но в вычислении участвуют около 10 млрд. Поэтому на Strix Halo она выдаёт 21-23 токена в секунду, хотя весит десятки гигабайт. 192 ГБ особенно полезны для MoE-моделей, у которых общий размер весов большой, а активная часть маленькая.

Ещё один параметр, который редко попадает в новости, это обработка длинного промпта. На 192 ГБ Framework показывает 360 токенов в секунду для DeepSeek V4.1 Flash, 477 для MiMo V2.6 Flash и 227 для GLM-5.3 Flash. Для промпта на 8,6 тыс. токенов это от 18 до 38 секунд в зависимости от модели. Для чата терпимо, для агента с длинным контекстом и десятком вызовов инструментов уже заметно.

Что помещается в 192 ГБ, видно по замерам Framework:

Отдельно Qwen3.5-122B-A10B: на Strix Halo она выдаёт 21-23 токена в секунду, это не замер Framework на 192 ГБ. Плотная модель на 300 млрд параметров в 4-битном кванте тоже поместится, но грубая оценка по пропускной способности даёт около 1,5 токена в секунду. Для пакетной обработки, разметки и фоновых задач этого может хватить, для диалога нет. Llama 3.1 405B в 4-битном кванте не влезает, а «Llama 4 405B» не существует: у Llama 4 есть Scout на 109 млрд с 17 млрд активных и Maverick на 400 млрд с 17 млрд активных. Scout на этой машине пойдёт спокойно, Maverick в 4-битном кванте уже нет.

Важная оговорка про объём. 163 ГБ DeepSeek V4.1 Flash это размер весов в общей памяти системы, а не в выделенных 160 ГБ. Для 405B в 4-битном кванте нужно около 230 ГБ, и даже общий пул на 192 ГБ их не вмещает.

Отдельно про обучение. 40 блоков RDNA 3.5 и 273 ГБ/с хороши для инференса, но для тонкой настройки больших моделей этого мало. ROCm и PyTorch на AMD работают, однако это не эмуляция CUDA: код на CUDA приходится пересобирать под HIP, а часть библиотек до сих пор отстаёт. Для инференса, то есть вывода обученной модели, есть llama.cpp, vLLM, DwarfStar, LM Studio и Ollama, для обучения придётся проверять каждую зависимость. Как выбирать железо под такие задачи, я писал отдельно в статье про компьютер для нейросетей.

Независимых длительных тестов пока мало. Micro Center прогнал свой экземпляр, остальные цифры идут от вендоров, и их лучше воспринимать как ориентир, а не как гарантию.

Сравнение по объёму, пропускной способности и цене выглядит так.

DGX Spark даёт те же 273 ГБ/с и 128 ГБ, но продаётся за $4 699 и работает на CUDA. Если вам хватает 128 ГБ, это более простой выбор. Mac Studio M5 Ultra с 96 ГБ продаётся за $5 499, а паспортная пропускная способность у него в 4,4 раза выше, но 192 ГБ у Apple нет: следующий шаг это 256 ГБ за вдвое большие деньги. Ноутбук на M5 Max даёт до 128 ГБ и 614 ГБ/с, то есть меньше памяти, но заметно больше скорости.

Ноутбук на этом чипе тоже есть: HP ZBook Ultra G3a с 192 ГБ оценили в $7 449. Насколько он держит 120 Вт в тонком корпусе, по бумагам не понять, поэтому в «носимую AI-станцию» я бы его записывал только после живого теста.

Игровая видеокарта выигрывает там, где модель помещается в её память. У RTX 5090 с 32 ГБ паспортная пропускная способность в 6,5 раза выше, и на моделях, которые помещаются в 32 ГБ, она обычно заметно быстрее. Модель на 70 млрд в неё не влезет. Три RTX 3090 дают 72 ГБ и 936 ГБ/с на карту, однако это три карты, большой корпус, отдельное питание и никакой гарантии на б/у железо. RTX PRO 6000 с 96 ГБ и 1792 ГБ/с быстрее и удобнее для 70B, но цена выше $10 000.

Я бы брал Ryzen AI Max+ 495 в одном случае: если основная задача это большая смешанная модель на 300B-класс, где активных параметров 15-18 млрд, и нужно держать её локально целиком, вместе с контекстом и ещё одной моделью для проверки. Тогда 192 ГБ и цена от $6 799 выглядят разумно, потому что альтернатива это Mac Studio на 256 ГБ за $12 300 или несколько GPU.

Не брал бы в трёх случаях. Плотная 70B в 4-битном кванте помещается в 48 ГБ на видеокарте и работает в несколько раз быстрее. Тонкая настройка требует другого класса железа, 40 блоков iGPU здесь не помогут. Быстрый чат с моделями до 30B вообще не требует 192 ГБ: RTX 5090 или Mac с 128 ГБ дадут больше удовольствия за меньшие деньги.

Есть и четвёртый случай: если 192 ГБ нужны раз в месяц, аренда GPU-сервера на несколько часов обойдётся дешевле, чем покупка бокса, который остальное время стоит на столе. Framework открыл только одну партию 192 ГБ и прямо предупреждает, что цены зависят от поставок памяти. Ждать удешевления в ближайшие месяцы не стоит.

Вывод. По объёму памяти это редкая для компактных систем конфигурация: 192 ГБ в одном корпусе за $7 000 до сих пор были экзотикой. По скорости это обычный APU с 273 ГБ/с, который проигрывает даже одной RTX 5090 на моделях, влезающих в 32 ГБ. Поэтому смотрите на свою задачу. Если память важнее скорости, машина стоит своих денег. Если нет, вы платите за объём, который не используете.