Startseite›Rechner›PC mit Ryzen AI Max+ 395 und 128 GB Unified Memory
PC mit Ryzen AI Max+ 395 und 128 GB Unified Memory
AMD-Chip mit Unified Memory128 GiB256 GB/s14,8 TFLOPS
Sobald das System seinen Anteil genommen hat, bleiben diesem Rechner 96,00 GiB für das Modell: Platz für 24 der 28 Modelle, die wir bei der Referenzkompression messen, und das schwerste, das hineinpasst, ist qwen3.8-flash-next. Und wie schnell antwortet er? Das entscheidet nicht der Chip, sondern seine 256 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+ 395 und 128 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 | 128 |
| Für das System reserviert | −3,00 |
| Über der Grenze, die der Hersteller der GPU setzt | −29,00 |
| Bleibt für das Modell | 96,00 |
128 GB im Gehäuse, 96 für das Modell. Laut AMD sind bei dieser Generation bis zu 96 der 128 GB für den Grafikprozessor reserviert, und der Grafikprozessor ist es, der das Modell ausführt. Deshalb rechnet diese Seite überall mit 96 und nicht mit den 125, 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.
256 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: 14,8 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 | 256k |
| 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 | 128k |
| deepseek-v4-flash | IQ4_XS |
127,28 GiB | nein | nein | nein | — |
| 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 — 24 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 256k Tokens - nemotron-3.5-super-120b
Q4_K_M— Kontext 1024k Tokens - qwen3.8-flash-next
IQ4_XS— Kontext 128k Tokens
Modelle, die nicht passen — 4 von den 28 gemessenen Modellen
- deepseek-v4-flash
IQ4_XS— es fehlen 32,29 GiB - glm-5.3-flash
Q4_K_M— es fehlen 91,80 GiB - glm-5.2
Q4_K_M— es fehlen 339,12 GiB - mistral-large-4
Q4_K_M— es fehlen 496,37 GiB
Die Rechner daneben
- Mac mini mit M5 Pro und 64 GB Unified Memory — 61,00 GiB für das Modell, 21 / 28 Modelle
- Xiaomi AI Cube, 80 GB — Technikprototyp — 77,00 GiB für das Modell, 23 / 28 Modelle
- Mac Studio mit M5 Max und 128 GB Unified Memory — 125,00 GiB für das Modell, 24 / 28 Modelle
- PC mit Ryzen AI Max+ PRO 495 und 192 GB Unified Memory — 160,00 GiB für das Modell, 25 / 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 3.449 $ (USA), veröffentlicht am 2026-10-09 (Quelle). Herstellerangabe
Das ist der Framework Desktop mit dem Max+ 395 und 128 GB, vor Steuern, und am 30. Oktober 2026 waren alle Konfigurationen ausverkauft (im deutschen Shop von Framework: 3.889 € inkl. MwSt.). Lieferbar fanden wir an dem Tag mit demselben Chip und 128 GB den GMKtec EVO-X2 mit 1 TB SSD: 3.499,99 $ im eigenen Shop, 3.349,99 € im europäischen. Alle Zahlen auf dieser Seite sind für den Chip und seine 128 GB gerechnet und gelten daher für beide.
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“.

