AMD AI Max+ 395 (Strix Halo) 本地大模型部署指南与性能天梯图【2026年9月实测】

一、 硬件核心优势：为什么是AI Max+ 395？

AI Max+ 395 的核心竞争力在于其 统一内存架构 (UMA)。它最高支持 128GB LPDDR5X-8000 统一内存，通过AMD可变显存技术，最多可将96GB分配为显存使用。

这意味着，你可以用一台迷你主机或笔记本的价格，获得一张 “96GB显存”的顶级显卡，从而在本地运行那些需要80GB甚至更高显存的超大模型。目前市面上几乎没有消费级显卡能提供如此大的显存容量。

二、 模型性能天梯图

基于llama.cpp Vulkan后端，实测数据（pp为Prefill，tg为Generation）

特别提示：表中 Q4_K_M、Q4_K_S 等为GGUF模型的量化级别，一般 Q4_K_M 在速度与质量间平衡最好。

三、 模型分类推荐

? 编程首选：Qwen3-Coder-30B-A3B

这是目前Strix Halo平台上口碑最好、性能最均衡的编程模型。

• 实测速度：Q4_K_S 量化下可达 100.99 tokens/s；Q4_K_M 量化下生成速度 66 tokens/s。

• 显存友好：仅需约 17-18GB 显存，完美适配96GB大显存。

• 上下文：原生支持 262,144 tokens (256K) 超长上下文。

• 适用场景：日常代码补全、生成、解释、调试，响应极快，几乎无延迟。

? 智能巅峰：GPT-OSS 120B / Qwen3-Coder-Next 80B

如果追求极致的模型智能，可以挑战更大规模的MoE模型。

• GPT-OSS 120B：生成速度 52 tokens/s，显存占用约 65GB。这是1200亿参数的MoE模型，智能水平远超30B级别。

• Qwen3-Coder-Next 80B：生成速度 42.7 tokens/s，显存占用约 45GB。专为编程优化的80B MoE模型，代码能力更强。

• 适用场景：复杂算法设计、大型项目重构、高难度代码审查。

⚡️ 速度之巅：LFM2.5 8B-A1B

如果你追求“秒回”的极致体验，这款轻量级MoE模型是不二之选。

• 实测速度：生成速度高达 170 tokens/s。

• 显存占用：仅需约 5GB，几乎不占用资源。

• 适用场景：实时对话、简单代码补全、高频交互。

? 挑战极限：DeepSeek V4 Flash 284B / MiniMax M2.5

这是属于“硬核玩家”的领域，主要用于技术验证和探索硬件上限。

• DeepSeek V4 Flash 284B：在 UD-IQ2_XXS 极限量化下，模型大小被压缩至 90.86GB，生成速度约 13.27 tokens/s。这是2840亿参数的巨量模型，能跑起来本身就是一种成就。

• 适用场景：极客精神、技术炫耀、验证极限量化效果。

四、 部署优化建议

1. 推理引擎选择：首选 llama.cpp

社区实测表明，使用 llama.cpp 配合 Vulkan 后端能获得最佳性能。有开发者专门为Strix Halo平台提供了优化版llama.cpp，集成了Flash Attention (FA) 和 MoE预填充修复。

2. 系统与驱动

• 操作系统：推荐 Linux (如Fedora 43)，性能释放更充分。

• GPU后端：Vulkan (RADV) 是目前社区验证最稳定、速度最快的后端。

• ROCm：亦可使用，但配置相对复杂，且在某些测试中Vulkan速度更快。

3. BIOS设置

进入BIOS，将 UMA Frame Buffer Size 设置为 512MB。这能确保操作系统识别并使用几乎所有的物理内存作为统一显存。

4. 模型格式

优先选择 GGUF 格式的量化模型（如 Q4_K_M、Q4_K_S），这是llama.cpp的原生格式，兼容性和性能最佳。

五、 总结

AMD AI Max+ 395 (Strix Halo) 的出现，真正将 “千亿参数大模型本地运行” 从理想变成了现实。它用不到2万元的价格，提供了消费级市场独一无二的 96GB超大显存 解决方案。

对于AI开发者和发烧友而言，这不仅是硬件的升级，更是一次开发范式的变革——从此，你可以在本地拥有一个 “无限Token、数据不出门” 的私人AI工作站。