Accueil›Matériel›PC avec Ryzen AI Max+ 395 et 128 Go unifiés
PC avec Ryzen AI Max+ 395 et 128 Go unifiés
puce AMD à mémoire unifiée128 GiB256 GB/s14,8 TFLOPS
Une fois que le système a pris sa part, cette machine laisse 96,00 Gio au modèle : de quoi accueillir 24 des 28 modèles que nous mesurons à la compression de référence, et le plus lourd qui y tient est qwen3.8-flash-next. Et sa vitesse de réponse ? Ce n’est pas la puce qui la dicte, ce sont ses 256 GB/s de bande passante mémoire.
Reste pour le modèle
Estimation maison
Bande passante mémoire
Estimation maison
Modèles qui tiennent
Mesuré par Local AI Scope
Vidéos : PC avec Ryzen AI Max+ 395 et 128 Go unifiés 2
Les vidéos officielles qui nous ont semblé les plus utiles. Appuyez et la vidéo s’ouvre ici.
Les vidéos sont sur YouTube et rien ne se charge depuis YouTube tant que vous n’appuyez pas (mode sans cookies). La miniature est servie par nous.
La mémoire réellement utilisable
La mémoire unifiée est partagée avec le système d’exploitation et tout ce que vous avez ouvert. La réserve indiquée ici est volontairement prudente ; vous pouvez la modifier dans l’outil.
| Mémoire | Gio |
|---|---|
| Mémoire de la machine | 128 |
| Réservée au système | −3,00 |
| Au-delà de la limite que le fabricant fixe au GPU | −29,00 |
| Reste pour le modèle | 96,00 |
128 Go dans le boîtier, 96 pour le modèle. AMD indique que, sur cette génération, jusqu’à 96 des 128 Go sont réservés au processeur graphique, et c’est le processeur graphique qui fait tourner le modèle. Tous les chiffres de cette page sont donc calculés avec 96, pas avec les 125 qu’on obtiendrait en retirant notre réserve système. Sous Linux, cette limite est un réglage du pilote qu’AMD documente comme modifiable, sans publier de maximum : nous gardons le chiffre qu’AMD publie.
Bande passante mémoire
Ce sont deux limites différentes, et il est facile de les confondre. Pendant que le modèle écrit sa réponse, c’est la bande passante qui commande : chaque token oblige à relire les poids qu’il utilise (tous dans un modèle dense ; dans un mélange d’experts, les couches communes et seulement les experts actifs), si bien que les tokens par seconde valent à peu près la bande passante divisée par cette quantité. Pendant que le modèle lit votre document, c’est le calcul qui commande : l’entrée est traitée d’un seul coup. D’où un portable sans GPU qui met des minutes avant le premier mot puis écrit à un rythme acceptable.
256 GB/s — Dérivé, non publié par le fabricant · le fabricant publie la largeur du bus mais ni la vitesse de la mémoire ni la bande passante. Ce chiffre est la dérivation arithmétique habituelle () et nous n’avons pas pu le confirmer à la source (Source).
Calcul: 14,8 TFLOPS (estimation pour cette classe de machine) — Estimé · le fabricant ne publie ce chiffre nulle part ; le nôtre est une estimation prudente, pas une spécification. Les chiffres de cette ligne ne proviennent pas tous de la même mesure selon la machine, car chaque fabricant en publie une différente. Comparez-les d’une machine à l’autre en le sachant.
Quels modèles tiennent ici, et lesquels non
Tenir signifie que trois choses tiennent à la fois dans la mémoire restante : le fichier du modèle, sa mémoire de contexte et la marge de travail du runtime. La mémoire de contexte est calculée à partir du schéma d’attention que chaque modèle déclare, couche par couche, et non de la formule générique : c’est pourquoi des modèles que cette formule jugerait impossibles tiennent ici.
| Modèle | Compression affichée | Taille du modèle | 8k | 32k | 128k | Plus grand contexte qui tient |
|---|---|---|---|---|---|---|
| qwen3-1.7b | Q4_K_M |
1,03 GiB | oui | oui | — | 32k |
| qwen3-4b-2507 | Q4_K_M |
2,33 GiB | oui | oui | oui | 256k |
| gemma4-e2b | Q4_K_M |
2,89 GiB | oui | oui | oui | 128k |
| gemma4-e4b | Q4_K_M |
4,63 GiB | oui | oui | oui | 128k |
| qwen3-8b | Q4_K_M |
4,68 GiB | oui | oui | — | 32k |
| granite-4.2-8b | Q4_K_M |
4,98 GiB | oui | oui | oui | 128k |
| qwen3.5-9b | Q4_K_M |
5,29 GiB | oui | oui | oui | 256k |
| gemma4-12b | Q4_K_M |
6,63 GiB | oui | oui | oui | 256k |
| phi-4 | Q4_K_M |
8,43 GiB | oui | — | — | 16k |
| gpt-oss-20b | Q4_K_M |
10,83 GiB | oui | oui | oui | 128k |
| mistral-small-24b | Q4_K_M |
13,35 GiB | oui | oui | oui | 128k |
| qwen3.8-27b | Q4_K_M |
15,33 GiB | oui | oui | oui | 256k |
| muse-glimmer-30b | Q4_K_M |
15,61 GiB | oui | oui | oui | 128k |
| qwen3.6-27b | Q4_K_M |
15,66 GiB | oui | oui | oui | 256k |
| gemma4-26b-a4b | Q4_K_M |
15,78 GiB | oui | oui | oui | 256k |
| gemma4-31b | Q4_K_M |
17,07 GiB | oui | oui | oui | 256k |
| qwen3-coder-30b | Q4_K_M |
17,28 GiB | oui | oui | oui | 256k |
| qwen3.6-35b-a3b | Q4_K_M |
20,61 GiB | oui | oui | oui | 256k |
| flint-40b | Q4_K_M |
23,61 GiB | oui | oui | oui | 256k |
| nemotron-3.5-lightning-30b | Q4_K_M |
23,73 GiB | oui | oui | oui | 256k |
| gpt-oss-120b | Q4_K_M |
58,46 GiB | oui | oui | oui | 128k |
| llama4-scout-17b | Q4_K_M |
60,87 GiB | oui | oui | oui | 256k |
| nemotron-3.5-super-120b | Q4_K_M |
65,29 GiB | oui | oui | oui | 1024k |
| qwen3.8-flash-next | IQ4_XS |
87,25 GiB | oui | oui | oui | 128k |
| deepseek-v4-flash | IQ4_XS |
127,28 GiB | non | non | non | — |
| glm-5.3-flash | Q4_K_M |
187,04 GiB | non | non | non | — |
| glm-5.2 | Q4_K_M |
433,83 GiB | non | non | non | — |
| mistral-large-4 | Q4_K_M |
591,21 GiB | non | non | non | — |
Les tailles sont celles des fichiers réellement publiés à la compression de référence, un palier par ligne : Q4_K_M lorsque l’auteur la publie, le voisin le plus proche sinon. Chaque ligne indique laquelle elle affiche. Q4_K_M est notre plancher de qualité : en dessous, la perte s’entend dans les réponses. Un modèle qui ne tiendrait ici qu’avec une compression plus agressive est classé comme ne tenant pas, à dessein. Un tiret dans une colonne de contexte signifie que le modèle n’offre pas ce contexte, il n’y a donc rien à faire tenir.
Modèles qui tiennent — 24 sur les 28 modèles mesurés
- qwen3-1.7b
Q4_K_M— contexte 32k tokens - qwen3-4b-2507
Q4_K_M— contexte 256k tokens - gemma4-e2b
Q4_K_M— contexte 128k tokens - gemma4-e4b
Q4_K_M— contexte 128k tokens - qwen3-8b
Q4_K_M— contexte 32k tokens - granite-4.2-8b
Q4_K_M— contexte 128k tokens - qwen3.5-9b
Q4_K_M— contexte 256k tokens - gemma4-12b
Q4_K_M— contexte 256k tokens - phi-4
Q4_K_M— contexte 16k tokens - gpt-oss-20b
Q4_K_M— contexte 128k tokens - mistral-small-24b
Q4_K_M— contexte 128k tokens - qwen3.8-27b
Q4_K_M— contexte 256k tokens - muse-glimmer-30b
Q4_K_M— contexte 128k tokens - qwen3.6-27b
Q4_K_M— contexte 256k tokens - gemma4-26b-a4b
Q4_K_M— contexte 256k tokens - gemma4-31b
Q4_K_M— contexte 256k tokens - qwen3-coder-30b
Q4_K_M— contexte 256k tokens - qwen3.6-35b-a3b
Q4_K_M— contexte 256k tokens - flint-40b
Q4_K_M— contexte 256k tokens - nemotron-3.5-lightning-30b
Q4_K_M— contexte 256k tokens - gpt-oss-120b
Q4_K_M— contexte 128k tokens - llama4-scout-17b
Q4_K_M— contexte 256k tokens - nemotron-3.5-super-120b
Q4_K_M— contexte 1024k tokens - qwen3.8-flash-next
IQ4_XS— contexte 128k tokens
Modèles qui ne tiennent pas — 4 sur les 28 modèles mesurés
- deepseek-v4-flash
IQ4_XS— il manque 32,29 GiB - glm-5.3-flash
Q4_K_M— il manque 91,80 GiB - glm-5.2
Q4_K_M— il manque 339,12 GiB - mistral-large-4
Q4_K_M— il manque 496,37 GiB
Les machines voisines
- Mac mini avec M5 Pro et 64 Go unifiés — 61,00 Gio pour le modèle, 21 / 28 modèles
- Xiaomi AI Cube, 80 Go — prototype d’ingénierie — 77,00 Gio pour le modèle, 23 / 28 modèles
- Mac Studio avec M5 Max et 128 Go unifiés — 125,00 Gio pour le modèle, 24 / 28 modèles
- PC avec Ryzen AI Max+ PRO 495 et 192 Go unifiés — 160,00 Gio pour le modèle, 25 / 28 modèles
Prix et disponibilité
Ce que coûte une machine pèse autant que ce qui y tient : le prix a donc sa place sur cette page. Ci-dessous, uniquement ce que publie le fabricant, avec le marché concerné et le jour de la lecture.
À partir de 3.449 $ (États-Unis), publié le 2026-10-09 (Source). Déclaré par le fabricant
C’est le Framework Desktop avec le Max+ 395 et 128 Go, hors taxes, et le 30 octobre 2026 toutes ses configurations étaient en rupture de stock (sur la boutique allemande de Framework : 3 889 € TTC). Celui que nous avons trouvé en stock ce jour-là avec la même puce et 128 Go est le GMKtec EVO-X2 avec 1 To de stockage : 3 499,99 $ sur sa boutique, 3 349,99 € sur la boutique européenne. Tous les chiffres de cette page sont calculés pour la puce et ses 128 Go : ils valent pour les deux.
Ce que nous gagnons sur cette page
Rien, aujourd’hui. Cette page ne contient aucun lien d’affiliation, et aucun accord commercial ne se cache derrière ses chiffres. Si un lien d’achat y apparaît un jour, il sera signalé comme tel et la commission sera déclarée dans ce même bloc. Deux règles ne changeront pas ce jour-là : le classement de ce site est calculé avant toute disponibilité commerciale, et « meilleur » ne veut jamais dire « paie le plus ».

