ApX 标志ApX 标志

趋近智

AMD Ryzen AI MAX+ 395 (128GB system, 96GB GPU-accessible)

AMD Ryzen AI MAX+ 395 (128GB system, 96GB GPU-accessible) 提供 96 GB 显存/内存与 256 GB/s 带宽,支持通过 ROCm 与 Vulkan 加速进行本地推理。

总显存

96 GB

可用显存上限

96 GB

显存带宽

256 GB/s

最大推理模型级别

70B+ 模型 (Q4)

热设计功耗

120W

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)Qwen2.5-72B (72B)GLM-5.3 Flash (313.3B (17.3B active))

量化精度:

AMD Ryzen AI MAX+ 395 (128GB system, 96GB 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 MAX+ 395 (128GB system, 96GB 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

#42

Qwen 3.8 Flash

176B (6B active)

INT4

50 tok/s

~1.3s

#48

Qwen 3.8 27B

27B

INT4
Q8
FP16

13 tok/s

8 tok/s

4 tok/s

~5.7s

~5.7s

~5.9s

#72

Sarvam-105B

106B (10.3B active)

INT4

32 tok/s

~2.9s

#83

K2 Horizon MoVA 36B A4B

36B (4B active)

INT4
Q8
FP16

58 tok/s

39 tok/s

23 tok/s

~1.1s

~1.1s

~1.1s

#88

Ling 3.0 Flash VL

124B (5.5B active)

INT4

51 tok/s

~2.1s

#93

Qwen3.5-27B

27B

INT4
Q8
FP16

13 tok/s

8 tok/s

4 tok/s

~5.7s

~5.7s

~5.9s

#97

Qwen3.5-122B-A10B

122B (10B active)

INT4

25 tok/s

~3.0s

#105

Sarvam-30B

32B (2.4B active)

INT4
Q8
FP16

76 tok/s

56 tok/s

35 tok/s

~779 ms

~784 ms

~795 ms

#106

Qwen3.6 35B A3B

35B (3B active)

INT4
Q8
FP16

68 tok/s

48 tok/s

29 tok/s

~908 ms

~914 ms

~928 ms

#107

Nemotron 3.5 Bolt 74B A9B

74B

INT4
Q8

5 tok/s

3 tok/s

~15.4s

~16.9s

#110

Muse Glimmer 30B

30B

INT4
Q8
FP16

12 tok/s

7 tok/s

4 tok/s

~6.3s

~6.4s

~6.5s

#111

MiMo V2 Flash

15B (309B active)

INT4
Q8
FP16

1 tok/s

1 tok/s

1 tok/s

~62.0s

~62.7s

~64.1s

#112

Phi-4 Reasoning Plus

14B

INT4
Q8
FP16

18 tok/s

12 tok/s

7 tok/s

~3.0s

~3.0s

~3.1s

#117

Gemma 4 26B A4B

25.2B (3.8B active)

INT4
Q8
FP16

62 tok/s

42 tok/s

24 tok/s

~1.0s

~1.0s

~1.0s

#119

GLM-4.5-Air

106B (12B active)

INT4

9 tok/s

~3.3s

#124

Ling 3.0 Flash

124B (5.1B active)

INT4

54 tok/s

~2.0s

#125

Qwen3.5-9B

9B

INT4
Q8
FP16

36 tok/s

22 tok/s

11 tok/s

~1.9s

~2.0s

~2.0s

#126

Qwen3.5-35B-A3B

35B (3B active)

INT4
Q8
FP16

68 tok/s

48 tok/s

29 tok/s

~908 ms

~914 ms

~928 ms

#128

K2 Horizon 7B

7B

INT4
Q8
FP16

45 tok/s

27 tok/s

14 tok/s

~1.5s

~1.5s

~1.6s

#135

Gemma 4 12B

11.95B

INT4
Q8
FP16

20 tok/s

14 tok/s

8 tok/s

~2.6s

~2.6s

~2.6s

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

70B+ 模型

8位精度

Q8

70B 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 MAX+ 395 (128GB system, 96GB 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 256 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 57 tok/s,70B Q4 模型预估生成速度约 7 tok/s。

常见问题解答