ApX 标志ApX 标志

趋近智

AMD Ryzen AI 9 HX 370 (32GB system, 24GB GPU-accessible)

AMD Ryzen AI 9 HX 370 (32GB system, 24GB GPU-accessible) 提供 24 GB 显存/内存与 90 GB/s 带宽,支持通过 ROCm 与 Vulkan 加速进行本地推理。

总显存

24 GB

可用显存上限

24 GB

显存带宽

89.6 GB/s

最大推理模型级别

32B 模型 (Q4)

热设计功耗

54W

显存占用随上下文长度变化曲线

随上下文长度增长的显存需求评估。当曲线超过参考线时将导致显存不足(OOM)。

DeepSeek-R1 3B (3B)Mistral-7B-v0.1 (7.3B)Mistral-Small-2501 (24B)Nemotron 3.5 Bolt 74B A9B (74B)

量化精度:

AMD Ryzen AI 9 HX 370 (32GB system, 24GB GPU-accessible) 最佳运行大模型与速度矩阵

主流开源大模型在 AMD Ryzen AI 9 HX 370 (32GB system, 24GB GPU-accessible) 上的推理速度、显存兼容性与生成吞吐表现。

排序:

上下文长度:

KV 缓存:

显卡数量:

排名模型参数量量化精度预估 TPSTTFT可运行

#36

Qwen 3.8 27B

27B

INT4

5 tok/s

~24.6s

#80

K2 Horizon MoVA 36B A4B

36B (4B active)

INT4

23 tok/s

~5.2s

#86

Qwen3.5-27B

27B

INT4

5 tok/s

~24.6s

#93

Sarvam-30B

32B (2.4B active)

INT4

33 tok/s

~3.4s

#99

Muse Glimmer 30B

30B

INT4

4 tok/s

~27.3s

#102

Phi-4 Reasoning Plus

14B

INT4
Q8

7 tok/s

4 tok/s

~13.0s

~13.1s

#103

Qwen3.6 35B A3B

35B (3B active)

INT4

27 tok/s

~4.3s

#105

MiMo V2 Flash

15B (309B active)

INT4
Q8

1 tok/s

1 tok/s

~269.5s

~294.8s

#110

Gemma 4 26B A4B

25.2B (3.8B active)

INT4

26 tok/s

~4.4s

#120

Qwen3.5-35B-A3B

35B (3B active)

INT4

27 tok/s

~4.3s

#121

Qwen3.5-9B

9B

INT4
Q8
FP16

14 tok/s

8 tok/s

4 tok/s

~8.4s

~8.4s

~9.3s

#127

K2 Horizon 7B

7B

INT4
Q8
FP16

18 tok/s

10 tok/s

5 tok/s

~6.6s

~6.6s

~6.7s

#130

Gemma 4 12B

11.95B

INT4
Q8

8 tok/s

5 tok/s

~11.1s

~11.2s

#136

Qwen3.5-4B

4B

INT4
Q8
FP16

29 tok/s

17 tok/s

9 tok/s

~3.8s

~3.9s

~3.9s

#139

GPT-OSS 20B

21B (3.6B active)

INT4

11 tok/s

~4.2s

#140

GLM-4V

9B

INT4
Q8
FP16

10 tok/s

6 tok/s

3 tok/s

~8.4s

~8.5s

~9.3s

#145

NVIDIA Nemotron 3 Nano 30B-A3B

3.5B (30B active)

INT4
Q8
FP16

4 tok/s

2 tok/s

1 tok/s

~26.5s

~26.6s

~27.0s

#150

Qwen3-30B-A3B

30B (3B active)

INT4

29 tok/s

~3.8s

#152

Granite 4.2 8B

8B

INT4
Q8
FP16

16 tok/s

9 tok/s

5 tok/s

~7.5s

~7.5s

~7.6s

#157

Gemma 4 E4B

8B

INT4
Q8
FP16

16 tok/s

9 tok/s

5 tok/s

~7.5s

~7.5s

~7.6s

推理能力评估

不同量化精度下可运行的最大模型参数级别。

上下文长度:

4位量化

Q4

32B 模型

8位精度

Q8

14B 模型

16位全精度

FP16

8B 模型

微调能力评估

本地模型训练与适配器微调支持能力。

微调上下文:

QLoRA

4-bit

32B 模型

LoRA

16-bit

14B 模型

全参数微调

3B 模型

负载与选型建议

AMD Ryzen AI 9 HX 370 (32GB system, 24GB GPU-accessible) 上的最佳量化精度与运行规格建议。

最佳推理区间

适合在全精度或 Q8 精度下运行 14B 模型,以及在 Q4 精度下搭配最高 32k 上下文运行 32B 模型。

显存带宽与推理速率

具备 89.6 GB/s 聚合带宽,单批次推理处于显存带宽受限模式。8B Q4 模型预估生成速度约 20 tok/s,70B Q4 模型预估生成速度约 2 tok/s。

常见问题解答