Gorgon Halo, новая платформа AMD для компактных ИИ-систем, добралась до первых готовых устройств: GMKtec EVO-X5 Pro получил до 192 ГБ объединённой памяти и стартовую цену $6 799. Для разработчиков и небольших компаний это редкий шанс запускать крупные языковые модели локально, но чек уже больше похож на покупку рабочей станции, чем на эксперимент с мини-ПК.
По данным The Register, EVO-X5 Pro стал одним из первых компьютеров на базе топового Ryzen AI Max+ 495 — того самого чипа, который в статье называют кодовым именем Gorgon Halo. Главная цифра здесь не частота и даже не количество ядер, а 192 ГБ LPDDR5x-памяти, общей для CPU и GPU. Именно она позволяет держать на столе модели класса DeepSeek V4 Flash, если бюджет не испугается раньше, чем система начнёт генерировать токены.
При 4-битной точности такая конфигурация, по оценке источника, может запускать модели примерно до 345 млрд параметров на Linux и до 320 млрд параметров на Windows. Разница не магическая: на Windows пользователю нужно выделить около 160 ГБ памяти под GPU, а Linux вместе с драйверами AMD даёт доступ почти ко всему доступному объёму. Поэтому в поле зрения попадают DeepSeek V4 Flash на 284 млрд параметров и Z.AI GLM-5.3-Flash на 320 млрд параметров.
Сам чип не возник из воздуха. Gorgon Halo описывают как форсированную версию Strix Halo — APU, на котором построена рабочая станция AMD AI Halo. В максимальной конфигурации платформа предлагает до 16 ядер Zen 5, встроенную графику на 40 вычислительных блоков и NPU на базе XDNA 2 для функций Copilot+. Частоты подняли примерно на 100 МГц, но это не та прибавка, ради которой кто-то будет доставать корпоративную карту.
Куда важнее память: у Strix Halo верхняя планка составляла 128 ГБ LPDDR5x-8000, а у новой платформы — 192 ГБ LPDDR5x-8533. Пропускная способность выросла с 256 до 273 ГБ/с, то есть примерно на 6,5%. Для инференса LLM это полезно, потому что генерация часто упирается именно в память, а не в вычислительные блоки. Но ждать чудес не стоит: в хорошо оптимизированных моделях это даст, скорее, несколько дополнительных токенов в секунду, а не резкий скачок производительности.
Цена выглядит жёстко даже на фоне рынка ИИ-железа. Ещё год назад компактная система на Strix Halo со 128 ГБ памяти могла стоить $2 000–3 000 в зависимости от производителя. К лету рабочая станция AMD AI Halo уже поднималась к $4 000. Теперь GMKtec, обычно не самый дорогой бренд, начинает с $6 799. У более премиальных устройств, включая ожидаемые системы от Framework или ноутбуки уровня HP ZBook Ultra G3a, ценник может быть заметно выше.
Проблема не только в аппетитах производителей. LPDDR5x находится под давлением ИИ-бума: память нужна не только мини-ПК для энтузиастов, но и серверным стойкам. В материале приводится пример Nvidia NVL72, где на стойку приходится от 36 до 54 ТБ такой памяти только со стороны CPU. AMD тоже усиливает ставку на LPDDR5x в будущих ИИ-ориентированных Epyc Verano. Если Samsung права в прогнозах о дефиците памяти до 2028 года, дешёвого окна для локального ИИ может просто не открыться.
У Nvidia похожая боль. Системы на GB10, которые год назад ожидались в диапазоне $3 000–4 000, теперь фигурируют ближе к $6 000–8 000. Плюс на горизонте RTX Spark — семейство Windows-систем от крупных OEM на том же GB10 SoC с объёмом памяти до 128 ГБ. Формально AMD может предложить больше памяти за меньшие деньги. Практически разница между «очень дорого» и «чуть менее очень дорого» не всегда помогает тем, кто покупает железо не на грант.
Для русскоязычных разработчиков, ML-инженеров и малого бизнеса вывод неприятно простой: локальный запуск крупных моделей становится технически реальнее и финансово болезненнее одновременно. Плюс очевиден — данные остаются в офисе, можно экспериментировать без облачных лимитов и внешних API. Минус тоже без маскировки: входной билет в серьёзный локальный ИИ всё больше зависит не от смелости энтузиаста, а от цен на память, которые диктуют совсем не энтузиасты.
Главный вопрос теперь не в том, сможет ли настольная система запустить модель на сотни миллиардов параметров. Сможет. Вопрос в другом: появится ли между облачными API и рабочими станциями за $7 000 нормальный средний класс устройств, или локальный ИИ на крупных моделях останется игрушкой для лабораторий, богатых команд и тех, кто слишком любит смотреть на счета за железо.