ApX 标志ApX 标志

趋近智

AMD Ryzen AI 9 HX 370 (96GB system, 72GB GPU-accessible)

AMD Ryzen AI 9 HX 370 (96GB system, 72GB GPU-accessible) 提供 72 GB 显存/内存与 128 GB/s 带宽,支持通过 ROCm 与 Vulkan 加速进行本地推理。

总显存

72 GB

可用显存上限

72 GB

显存带宽

128 GB/s

最大推理模型级别

70B+ 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 14B (14B)Muse Glimmer 30B (30B)Llama 3.1 70B (70B)Step 3.5 Flash (196.81B (11B active))

量化精度:

AMD Ryzen AI 9 HX 370 (96GB system, 72GB 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 (96GB system, 72GB 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
Q8
FP16

7 tok/s

4 tok/s

2 tok/s

~24.6s

~24.7s

~24.9s

#69

Sarvam-105B

106B (10.3B active)

INT4

17 tok/s

~12.6s

#80

K2 Horizon MoVA 36B A4B

36B (4B active)

INT4
Q8
FP16

33 tok/s

21 tok/s

11 tok/s

~4.8s

~4.8s

~5.7s

#83

Ling 3.0 Flash VL

124B (5.5B active)

INT4

27 tok/s

~9.7s

#86

Qwen3.5-27B

27B

INT4
Q8
FP16

7 tok/s

4 tok/s

2 tok/s

~24.6s

~24.7s

~24.9s

#88

Qwen3.5-122B-A10B

122B (10B active)

INT4

12 tok/s

~14.0s

#93

Sarvam-30B

32B (2.4B active)

INT4
Q8
FP16

46 tok/s

32 tok/s

18 tok/s

~3.3s

~3.4s

~3.7s

#99

Muse Glimmer 30B

30B

INT4
Q8
FP16

6 tok/s

4 tok/s

2 tok/s

~27.3s

~27.4s

~30.0s

#102

Phi-4 Reasoning Plus

14B

INT4
Q8
FP16

9 tok/s

6 tok/s

3 tok/s

~12.9s

~13.0s

~13.1s

#103

Qwen3.6 35B A3B

35B (3B active)

INT4
Q8
FP16

40 tok/s

27 tok/s

14 tok/s

~3.9s

~3.9s

~4.6s

#105

MiMo V2 Flash

15B (309B active)

INT4
Q8
FP16

1 tok/s

1 tok/s

1 tok/s

~268.9s

~270.2s

~273.0s

#110

Gemma 4 26B A4B

25.2B (3.8B active)

INT4
Q8
FP16

36 tok/s

23 tok/s

13 tok/s

~4.4s

~4.4s

~4.4s

#113

GLM-4.5-Air

106B (12B active)

INT4

4 tok/s

~16.7s

#117

Nemotron 3.5 Bolt 74B A9B

74B

INT4

3 tok/s

~66.7s

#120

Qwen3.5-35B-A3B

35B (3B active)

INT4
Q8
FP16

40 tok/s

27 tok/s

14 tok/s

~3.9s

~3.9s

~4.6s

#121

Qwen3.5-9B

9B

INT4
Q8
FP16

20 tok/s

11 tok/s

6 tok/s

~8.4s

~8.4s

~8.5s

#122

Ling 3.0 Flash

124B (5.1B active)

INT4

29 tok/s

~9.3s

#127

K2 Horizon 7B

7B

INT4
Q8
FP16

25 tok/s

14 tok/s

7 tok/s

~6.5s

~6.6s

~6.6s

#130

Gemma 4 12B

11.95B

INT4
Q8
FP16

11 tok/s

7 tok/s

4 tok/s

~11.1s

~11.1s

~11.2s

#131

Qwen3 Next 80B A3B

80B (79B active)

INT4

2 tok/s

~71.3s

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

70B+ 模型

8位精度

Q8

32B 模型

16位全精度

FP16

32B 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

70B+ 模型

LoRA

16-bit

70B 模型

全参数微调

7B-8B 模型

负载与选型建议

AMD Ryzen AI 9 HX 370 (96GB system, 72GB 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 Q4/Q8 精度下运行 70B 参数级模型并支持 32k 上下文扩展,或对中小型模型进行高并发批处理推理。

显存带宽与推理速率

具备 128 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 28 tok/s,70B Q4 模型预估生成速度约 3 tok/s。

常见问题解答