Startseite›Rechner›PC mit Ryzen AI Max+ PRO 495 und 192 GB Unified Memory
PC mit Ryzen AI Max+ PRO 495 und 192 GB Unified Memory
AMD-Chip mit Unified Memory192 GiB273 GB/s15,4 TFLOPS
Sobald das System seinen Anteil genommen hat, bleiben diesem Rechner 160,00 GiB für das Modell: Platz für 25 der 28 Modelle, die wir bei der Referenzkompression messen, und das schwerste, das hineinpasst, ist deepseek-v4-flash. Und wie schnell antwortet er? Das entscheidet nicht der Chip, sondern seine 273 GB/s Speicherbandbreite.
Bleibt für das Modell
Eigene Schätzung
Speicherbandbreite
Eigene Schätzung
Modelle, die passen
Von Local AI Scope gemessen
Videos: PC mit Ryzen AI Max+ PRO 495 und 192 GB Unified Memory 2
Die offiziellen Videos, die wir am nützlichsten fanden. Drücken Sie auf Play, und es läuft direkt hier.
Die Videos liegen bei YouTube, und von dort wird nichts geladen, bevor Sie auf Play drücken (Modus ohne Cookies). Das Vorschaubild kommt von uns.
Der Speicher, den Sie wirklich nutzen können
Der vereinheitlichte Speicher wird mit dem Betriebssystem und allem Geöffneten geteilt. Die Reserve hier ist bewusst vorsichtig angesetzt; im Werkzeug können Sie sie ändern.
| Speicher | GiB |
|---|---|
| Speicher des Rechners | 192 |
| Für das System reserviert | −3,00 |
| Über der Grenze, die der Hersteller der GPU setzt | −29,00 |
| Bleibt für das Modell | 160,00 |
192 GB im Gehäuse, 160 für das Modell. Laut AMD kann der Ryzen AI Max+ PRO 495 bis zu 160 seiner 192 GB dem Grafikprozessor zuweisen, und der Grafikprozessor ist es, der das Modell ausführt. Deshalb rechnet diese Seite überall mit 160 und nicht mit den 189, die nach Abzug unserer Systemreserve übrig blieben. Unter Linux ist diese Grenze eine Treibereinstellung, die AMD als anpassbar dokumentiert, ohne einen Höchstwert zu nennen: Wir bleiben bei der Zahl, die AMD veröffentlicht.
Speicherbandbreite
Es sind zwei verschiedene Grenzen, und man verwechselt sie leicht. Während das Modell die Antwort schreibt, bestimmt die Bandbreite: Für jeden Token müssen die Gewichte, die es nutzt, erneut gelesen werden (bei einem dichten Modell alle, bei einem Mixture-of-Experts-Modell die gemeinsamen Schichten und nur die aktiven Experten), Tokens pro Sekunde sind also ungefähr Bandbreite geteilt durch diese Menge. Während das Modell Ihr Dokument liest, bestimmt die Rechenleistung: Die Eingabe wird auf einmal verarbeitet. Darum kann ein Notebook ohne GPU Minuten bis zum ersten Wort brauchen und danach in erträglichem Tempo schreiben.
273 GB/s — Abgeleitet, nicht vom Hersteller veröffentlicht · der Hersteller veröffentlicht die Busbreite, aber weder die Speichergeschwindigkeit noch die Bandbreite. Diese Zahl ist die übliche rechnerische Ableitung (), an der Quelle konnten wir sie nicht bestätigen (Quelle).
Rechenleistung: 15,4 TFLOPS (Schätzung für diese Geräteklasse) — Geschätzt · der Hersteller veröffentlicht diese Zahl überhaupt nicht; unsere ist eine vorsichtige Schätzung, keine Spezifikation. Die Zahlen dieser Zeile stammen je nach Rechner nicht aus derselben Messgröße, weil jeder Hersteller eine andere veröffentlicht. Vergleichen Sie sie zwischen Rechnern nur mit diesem Wissen.
Welche Modelle hier hineinpassen und welche nicht
Passen heißt, dass drei Dinge gleichzeitig in den übrigen Speicher passen: die Modelldatei, ihr Kontextspeicher und die Arbeitsreserve der Laufzeitumgebung. Der Kontextspeicher wird aus dem von jedem Modell angegebenen Aufmerksamkeitsmuster Schicht für Schicht berechnet, nicht aus der generischen Formel — deshalb passen hier Modelle, die diese Formel für unmöglich erklären würde.
| Modell | Gezeigte Kompression | Modellgröße | 8k | 32k | 128k | Größter Kontext, der passt |
|---|---|---|---|---|---|---|
| qwen3-1.7b | Q4_K_M |
1,03 GiB | ja | ja | — | 32k |
| qwen3-4b-2507 | Q4_K_M |
2,33 GiB | ja | ja | ja | 256k |
| gemma4-e2b | Q4_K_M |
2,89 GiB | ja | ja | ja | 128k |
| gemma4-e4b | Q4_K_M |
4,63 GiB | ja | ja | ja | 128k |
| qwen3-8b | Q4_K_M |
4,68 GiB | ja | ja | — | 32k |
| granite-4.2-8b | Q4_K_M |
4,98 GiB | ja | ja | ja | 128k |
| qwen3.5-9b | Q4_K_M |
5,29 GiB | ja | ja | ja | 256k |
| gemma4-12b | Q4_K_M |
6,63 GiB | ja | ja | ja | 256k |
| phi-4 | Q4_K_M |
8,43 GiB | ja | — | — | 16k |
| gpt-oss-20b | Q4_K_M |
10,83 GiB | ja | ja | ja | 128k |
| mistral-small-24b | Q4_K_M |
13,35 GiB | ja | ja | ja | 128k |
| qwen3.8-27b | Q4_K_M |
15,33 GiB | ja | ja | ja | 256k |
| muse-glimmer-30b | Q4_K_M |
15,61 GiB | ja | ja | ja | 128k |
| qwen3.6-27b | Q4_K_M |
15,66 GiB | ja | ja | ja | 256k |
| gemma4-26b-a4b | Q4_K_M |
15,78 GiB | ja | ja | ja | 256k |
| gemma4-31b | Q4_K_M |
17,07 GiB | ja | ja | ja | 256k |
| qwen3-coder-30b | Q4_K_M |
17,28 GiB | ja | ja | ja | 256k |
| qwen3.6-35b-a3b | Q4_K_M |
20,61 GiB | ja | ja | ja | 256k |
| flint-40b | Q4_K_M |
23,61 GiB | ja | ja | ja | 256k |
| nemotron-3.5-lightning-30b | Q4_K_M |
23,73 GiB | ja | ja | ja | 256k |
| gpt-oss-120b | Q4_K_M |
58,46 GiB | ja | ja | ja | 128k |
| llama4-scout-17b | Q4_K_M |
60,87 GiB | ja | ja | ja | 1024k |
| nemotron-3.5-super-120b | Q4_K_M |
65,29 GiB | ja | ja | ja | 1024k |
| qwen3.8-flash-next | IQ4_XS |
87,25 GiB | ja | ja | ja | 256k |
| deepseek-v4-flash | IQ4_XS |
127,28 GiB | ja | ja | ja | 256k |
| glm-5.3-flash | Q4_K_M |
187,04 GiB | nein | nein | nein | — |
| glm-5.2 | Q4_K_M |
433,83 GiB | nein | nein | nein | — |
| mistral-large-4 | Q4_K_M |
591,21 GiB | nein | nein | nein | — |
Die Größen sind die der tatsächlich veröffentlichten Dateien in der Referenzkompression, eine Stufe je Zeile: Q4_K_M, wo der Autor sie veröffentlicht, sonst die nächstgelegene. Jede Zeile nennt, welche sie zeigt. Q4_K_M ist unsere Qualitätsuntergrenze: darunter ist der Verlust in den Antworten hörbar. Ein Modell, das hier nur mit stärkerer Kompression passen würde, gilt bewusst als nicht passend. Ein Gedankenstrich in einer Kontextspalte heißt, dass das Modell diesen Kontext gar nicht anbietet, es gibt also nichts einzupassen.
Was sich zwischen Q8_0, Q4_K_M und Q3_K_M ändert (Größe, Tempo und Qualität), haben wir selbst in unserem Leitfaden zur GGUF-Quantisierung gemessen.
Modelle, die passen — 25 von den 28 gemessenen Modellen
- qwen3-1.7b
Q4_K_M— Kontext 32k Tokens - qwen3-4b-2507
Q4_K_M— Kontext 256k Tokens - gemma4-e2b
Q4_K_M— Kontext 128k Tokens - gemma4-e4b
Q4_K_M— Kontext 128k Tokens - qwen3-8b
Q4_K_M— Kontext 32k Tokens - granite-4.2-8b
Q4_K_M— Kontext 128k Tokens - qwen3.5-9b
Q4_K_M— Kontext 256k Tokens - gemma4-12b
Q4_K_M— Kontext 256k Tokens - phi-4
Q4_K_M— Kontext 16k Tokens - gpt-oss-20b
Q4_K_M— Kontext 128k Tokens - mistral-small-24b
Q4_K_M— Kontext 128k Tokens - qwen3.8-27b
Q4_K_M— Kontext 256k Tokens - muse-glimmer-30b
Q4_K_M— Kontext 128k Tokens - qwen3.6-27b
Q4_K_M— Kontext 256k Tokens - gemma4-26b-a4b
Q4_K_M— Kontext 256k Tokens - gemma4-31b
Q4_K_M— Kontext 256k Tokens - qwen3-coder-30b
Q4_K_M— Kontext 256k Tokens - qwen3.6-35b-a3b
Q4_K_M— Kontext 256k Tokens - flint-40b
Q4_K_M— Kontext 256k Tokens - nemotron-3.5-lightning-30b
Q4_K_M— Kontext 256k Tokens - gpt-oss-120b
Q4_K_M— Kontext 128k Tokens - llama4-scout-17b
Q4_K_M— Kontext 1024k Tokens - nemotron-3.5-super-120b
Q4_K_M— Kontext 1024k Tokens - qwen3.8-flash-next
IQ4_XS— Kontext 256k Tokens - deepseek-v4-flash
IQ4_XS— Kontext 256k Tokens
Modelle, die nicht passen — 3 von den 28 gemessenen Modellen
- glm-5.3-flash
Q4_K_M— es fehlen 27,80 GiB - glm-5.2
Q4_K_M— es fehlen 275,12 GiB - mistral-large-4
Q4_K_M— es fehlen 432,37 GiB
Darf es etwas stärker komprimiert sein? Dann ist auf dieser Liste nicht alles außer Reichweite. Bei den 160,00 GiB Unified Memory, die der Hersteller der GPU überlässt, heißt das: glm-5.3-flash passt als Q3_K_M (144,37 GiB) mit bis zu 256k Tokens Kontext. Unterhalb der Kompression aus der Tabelle verliert ein Modell an Qualität, bei Q3_K_M deutlich mehr; deshalb bleibt unsere Zählung bei der Tabelle.
Die Rechner daneben
- Xiaomi AI Cube, 80 GB — Technikprototyp — 77,00 GiB für das Modell, 23 / 28 Modelle
- PC mit Ryzen AI Max+ 395 und 128 GB Unified Memory — 96,00 GiB für das Modell, 24 / 28 Modelle
- Mac Studio mit M5 Max und 128 GB Unified Memory — 125,00 GiB für das Modell, 24 / 28 Modelle
- Mac Studio mit M5 Ultra und 512 GB Unified Memory — 509,00 GiB für das Modell, 27 / 28 Modelle
Preis und Verfügbarkeit
Was ein Rechner kostet, entscheidet genauso viel wie das, was hineinpasst — der Preis gehört also auf diese Seite. Unten steht nur, was der Hersteller veröffentlicht, mit dem betroffenen Markt und dem Tag der Abfrage.
Ab 6.799 $ (USA), veröffentlicht am 2026-10-09 (Quelle). Herstellerangabe
Das ist der GMKtec EVO-X5 Pro mit 192 GB und 2 TB SSD: der niedrigste Preis, den wir für diesen Chip mit 192 GB bei einem Gerät gefunden haben, das in den USA bereits ausgeliefert wird (am 1. Oktober kostete er 6.599 $). Der europäische Shop von GMKtec verkauft dieselbe Konfiguration für 6.599 €, verzollt und aus dem deutschen Lager versandt; für Bestellungen ab dem 16. Oktober nennt er als Versandtermin den 20. bis 30. November 2026. Im US-Shop war er am 30. Oktober 2026 auf Lager, mit Versand innerhalb von 3 Werktagen.
Was wir an dieser Seite verdienen
Heute nichts. Auf dieser Seite steht kein Affiliate-Link, und hinter keiner ihrer Zahlen steht eine Handelsvereinbarung. Sollte hier je ein Kauflink erscheinen, wird er als solcher gekennzeichnet und die Provision in diesem Block angegeben. Zwei Regeln ändern sich an dem Tag nicht: Die Rangfolge dieser Seite wird vor der Anwendung kommerzieller Verfügbarkeit berechnet, und „am besten“ heißt nie „zahlt am meisten“.

