← Каталог оборудования
AMD Ryzen AI Halo (Radeon 8060S, Ryzen AI Max+ 395, RAM 128GB, OS Linux)
AMDНовый

AMD Ryzen AI Halo (Radeon 8060S, Ryzen AI Max+ 395, RAM 128GB, OS Linux)

905 300 ₽

Цена ориентировочная. Информация в каталоге не является публичной офертой.

Артикул
SF-25464
Наличие
Уточняется
Обновлено
12.11.2026

Поставки организациям и ИП для бизнеса. Для оформления заказа свяжитесь с менеджером и согласуйте итоговую цену, комплектацию и наличие. Контакты менеджера

Все характеристики

Характеристики

Тип
Новые
Основная задача
Инференс / Дообучение моделей / RAG-системы / Анализ данных / Визуализация и рендеринг
Процессор (CPU)
AMD Ryzen AI Max+ 395
Видеокарта (GPU)
AMD Radeon 8060S (Встроенная)
Количество GPU, шт
1
Общий объем видеопамяти (VRAM), ГБ
128
Тип памяти GPU
LPDDR5x
Объем оперативной памяти (RAM), ГБ
128
Тип оперативной памяти
LPDDR5x
Форм-фактор
SFF
Категория
Мощность
FP16
60 TFLOPS
NPU
50 TOPS

Описание

AMD Ryzen AI Halo - это компактный AI-микросуперкомпьютер на базе Ryzen AI Max+ 395, встроенной графики Radeon 8060S, 128 GB LPDDR5x-памяти и операционной системы Linux OS. Система подходит для Инференса / Развертывания (Inference), RAG-систем (Retrieval-Augmented Generation), Анализа данных (Data Science), Визуализации и рендеринга, а также для локальной разработки AI-приложений.

Ключевая особенность платформы - связка CPU + GPU + NPU в одном энергоэффективном кристалле. 16-ядерный CPU Zen 5 отвечает за общие вычисления, обработку данных, логику приложений и многозадачность. Radeon 8060S с 40 графическими ядрами RDNA 3.5 берёт на себя графику, параллельные вычисления, локальный инференс и генеративные задачи. Отдельный NPU AMD Ryzen AI ускоряет нейросетевые операции с низким энергопотреблением и помогает разгружать CPU и GPU в совместимых AI-сценариях.

В конфигурации с 128 GB RAM система использует общую память, доступную CPU и встроенной Radeon 8060S. Это не выделенная HBM/GDDR VRAM, как в серверных ускорителях, но большой объём общей памяти делает платформу удобной для локального запуска LLM, тестирования RAG-пайплайнов, работы с эмбеддингами, небольшого дообучения LoRA/QLoRA и прототипирования AI-сервисов без отдельной дискретной видеокарты.

Для подключения периферии предусмотрен современный набор интерфейсов: 1x HDMI 2.1, 4× USB Type-C (1 порт для питания, 1 порт USB-C с DisplayPort для вывода изображений и 2 обычных USB Type-C), 1x RJ-45 10GbE, Wi-Fi 7 и Bluetooth 5.4

В Linux OS платформа особенно интересна как локальный AI-сервер для LLM, компактная рабочая станция для Ollama, llama.cpp, PyTorch, ONNX Runtime, ROCm-совместимых сценариев, контейнеров и RAG-разработки.


Производительность

КатегорияМощность
FP1660 TFLOPS
NPU50 TOPS

Совместимость с LLM-моделями

Модель Тип квантизации Требуется VRAM Совместимость Примечание
Qwen3.6-35B-A3B Нет Примерно 71.9GB ✅ Для AMD Ryzen AI Halo с 128GB unified memory модель подходит для локального инференса при достаточном выделении памяти под Radeon 8060S. Связка CPU + GPU + NPU помогает распределять системные, графические и AI-задачи, но для стабильности лучше использовать умеренный контекст и оптимизированный рантайм.
DeepSeek-R1-Distill-Qwen-32B Нет Примерно 65.5 ✅ Хороший вариант для локального чат-бота, RAG и reasoning-задач на компактном AI-суперкомпьютере. Radeon 8060S берёт на себя графическое и параллельное ускорение, CPU Zen 5 обслуживает логику приложения, а NPU полезен для энергоэффективных AI-сценариев в совместимых задачах.
gpt-oss-120b-GGUF Q4_K_M Примерно 62.8GB ✅ В формате Q4 модель помещается в 128GB unified memory и подходит для локального запуска без дискретной видеокарты. Скорость будет зависеть от backend, настроек offload и выделения памяти под iGPU, поэтому для комфортной работы лучше ограничивать контекст и использовать потоковый вывод.
GLM-4.7-Flash Нет Примерно 62.5GB ✅ Модель проходит по памяти и хорошо подходит для локального инференса, RAG и тестирования AI-приложений. Для лучшей отзывчивости на Ryzen AI Max+ 395 стоит выбирать оптимизированные сборки, не завышать batch и учитывать, что unified memory делится между CPU, Radeon 8060S и системными задачами.
Gemma-4-31B-it Нет Примерно 62.6GB ✅ Подходит для локального запуска на AMD Ryzen AI Halo и оставляет запас под контекст, служебные данные и рабочие приложения. Такая модель хорошо раскрывает формат AI-микросуперкомпьютера, где CPU, Radeon 8060S и NPU работают как единая платформа для повседневного инференса.
NVIDIA-Nemotron-3-Super-120B-A12B-GGUF UD-Q4_K_M Примерно 82.5GB ✅ Запуск возможен благодаря большому объёму unified memory, но это уже тяжёлая модель для компактной APU-платформы. Лучше использовать один основной инстанс, умеренный контекст и оптимизированный GGUF-рантайм, поскольку память и пропускная способность делятся между CPU, iGPU и системными процессами.

Совместимость с диффузионными моделями

Модель Тип Совместимость Примечание
Stable Diffusion 3 Medium (SD3-M) Текст в изображение ✅ Работает на Radeon 8060S и подходит для локальной генерации изображений без дискретной видеокарты. Unified memory помогает с буферами и рабочими данными, но для комфортной скорости лучше использовать умеренное разрешение, небольшой batch и оптимизированный backend.
FLUX.2-klein-9B Текст в изображение ✅ Хороший вариант для локальной генерации на AMD Ryzen AI Halo. Модель удобно запускать через ComfyUI, ONNX или другие оптимизированные сборки, а связка CPU + GPU + NPU делает платформу универсальной для creative- и AI-задач.
Stable Video Diffusion 1.1 (SVD 1.1) Видео (img2vid) ✅ Unified memory помогает размещать видеобуферы и промежуточные данные, но Radeon 8060S остаётся интегрированной графикой, поэтому скорость будет ниже, чем у дискретных серверных GPU. Лучше использовать короткие ролики, умеренное разрешение и аккуратные настройки генерации.
Kandinsky-5.0-T2I-Lite-sft-Diffusers Текст в изображение ✅ Лёгкая модель для этой конфигурации, подходящая для локальных генеративных пайплайнов. На Ryzen AI Halo можно держать дополнительные узлы обработки и рабочие приложения, не упираясь слишком жёстко в объём памяти.
Kandinsky-5.0-T2V-Lite-sft-5s-Diffusers Текст в видео ✅ Подходит для коротких локальных видеогенераций и тестирования T2V-сценариев на компактной AI-станции. Для стабильной скорости лучше не завышать длину ролика, разрешение и число параллельных задач.