192 GB. Das ist die Obergrenze des Unified Memory der neuen Ryzen AI Max 400 Single-Chip-APU von AMD.
Das bedeutet – mit nur einer APU in Ihrem PC können Sie lokal Large Language Models mit über 300 Milliarden Parametern ausführen. Das ist ein Novum für x86.
Der Chip heißt Gorgon Halo
Mit dem Codenamen „Gorgon Halo“ und der offiziellen Bezeichnung Ryzen AI Max 400 Serie handelt es sich um ein kleines Upgrade des letztjährigen Strix Halo (Ryzen AI Max 300).
Die Spezifikationen im Überblick:
- CPU: 16 Zen-5-Kerne / 32 Threads, bis zu 5,2 GHz (vs. 5,1 GHz)
- GPU: 40 RDNA 3.5 CUs, bis zu 3,0 GHz (vs. 2,9 GHz)
- NPU: XDNA 2, 55 TOPS (vs. 50 TOPS)
- Max. Unified Memory: 192 GB (vs. 128 GB)
- Als VRAM nutzbar: 160 GB (vs. 96 GB)
Das Hauptupgrade liegt in den letzten beiden Zeilen – die Speicherobergrenze wurde um 64 GB angehoben. CPU, GPU und NPU erhielten nur kleine Taktsteigerungen ohne Architekturänderung. Eigentlich war dies ein „Tick“-Chip, aber die Speichererweiterung ändert die Geschichte völlig.
Warum 192 GB ein Wendepunkt sind
Ein Modell mit 300B Parametern benötigt nach 4-Bit-Quantisierung etwa 150 GB VRAM. Zusammen mit KV-Cache und System-Overhead reichen 160 GB nutzbarer VRAM gerade aus.
Bisher war es auf x86-Clients nahezu unmöglich, ein 300B-Modell auszuführen:
- MacBook Pro M4 Max: max. 128 GB Unified Memory – ausreichend für 70B, nicht für 300B
- Jede RTX 5090 / 5080 Konfiguration: Einzelkarte 24-32 GB; drei oder vier Karten für 100+ GB nötig, Kosten ab 10.000 $
- Ryzen AI Max 300: 128 GB Obergrenze, gleiche Stufe wie M4 Max
Mit 192 GB bei Gorgon Halo wird „ein 300B-LLM lokal ausführen“ zum ersten Mal von „man braucht einen Server“ zu „man kauft ein Laptop“.
Einfach gesagt: DeepSeek V4 Pro 1.6T ist noch außer Reichweite, aber Llama 3.3 405B, Qwen3.6-Max 27B und GLM-5.1 Modelle der mittleren Klasse werden alle von diesem einen Chip abgedeckt.
AMDs wahres Spiel: Nicht Gaming, sondern KI-Agenten
Dies richtet sich nicht an Gaming-Laptops, sondern an KI-Agent-Workloads.
Bei agentischen Workloads kann ein langlebiger Agent die Gewichte eines großen Modells stundenlang im lokalen Speicher halten, ohne sie zu entladen. Die Kosten für Cloud-API-Inferenzaufrufe summieren sich pro Sekunde. Für professionelle Anwender (Entwickler, Forscher, Unternehmensentwicklungsteams) bietet ein lokal lauffähiges Gerät eine überzeugende Rendite.
Konkrete Szenarien:
- Offline-Alternative zu Claude Code / Codex: Entwickler führen ein 70B-300B-Modell lokal zur Codevervollständigung aus, ohne Daten nach außen zu senden
- Analyse sensibler Unternehmensdaten: Rechts-, Medizin- und Finanzbranchen, die keine Cloud-Modelle nutzen können – lokale LLMs sind die einzige Lösung
- Langlebige Agenten: Ein Forscher, der einen automatischen Literaturrecherche-Agenten 8 Stunden lang laufen lässt, würde das Cloud-API-Budget sprengen
Die XDNA 2 NPU liefert 55 TOPS und ist für „immer aktive kleine Modelle“ gedacht – ein 7B-Modell erledigt Routineaufgaben, während das 300B-Hauptmodell bei Bedarf aufgerufen wird. Dies ist eine geschichtete Architektur.
Ein weniger freundliches Detail
Die OEM-Auslieferung ist für Q3 2026 geplant – ASUS, HP und Lenovo werden die ersten sein. Das bedeutet, dass der Chip frühestens im Juli erhältlich sein wird.
Und die 192-GB-Konfiguration wird nicht billig sein. Strix Halo in der Vollausstattung kostet derzeit rund 3.000 $; Gorgon Halo in der Vollausstattung wird voraussichtlich bei 4.000 $+ liegen. Inklusive der restlichen Komponenten wird ein Laptop, der ein 300B-Modell ausführen kann, wahrscheinlich in der 5.000–6.000 $-Preisklasse liegen.
Einfach gesagt: Dieser Chip ist nicht für Durchschnittsverbraucher. Er richtet sich an die kleinen Teams, Forscher und unabhängigen Entwickler, die früher H100 oder RTX 6000 Ada kaufen mussten.
Aber für diese Gruppe ist ein 5.000 $-Laptop, der ein 300B-Modell ausführen kann, weitaus kosteneffizienter als eine 30.000 $-H100-Karte.
Auswirkungen auf das Ökosystem
AMDs KI-Strategie der letzten zwei Jahre ist klar geworden:
- Rechenzentrum: MI300X / MI400 treten gegen Nvidia an
- Consumer-APU: Kombination von NPU + großer GPU + großem Speicher auf einem Die, um lokale Modellinferenz zu ermöglichen
Nvidias Consumer-RTX-50-Serie bietet immer noch keine Unified-Memory-Lösung. AMD umgeht damit die frontale Auseinandersetzung und erobert den neuen Markt der „lokalen KI-Inferenz“ auf einem anderen Weg.
Wenn Gorgon Halo im dritten Quartal mit guter Unterstützung durch lokale LLM-Toolchains (llama.cpp, Ollama, LM Studio) auf den Markt kommt, könnte dieser Weg funktionieren.
Das Nächste, worauf man achten sollte: die Speicherobergrenze des Apple M5 Max. Wenn Apple den M5 Max diesen Herbst auf 192 GB oder mehr anhebt, wird der Hardware-Kampf um lokale KI-Inferenz richtig beginnen.
Quellen: CocoLoop, AMD Ryzen AI Max 400 'Gorgon Halo' packs up to 192GB of unified memory (Tom's Hardware), AMD Pushes Ryzen AI MAX 400 to 192GB Memory, Letting a Single Chip Run 300B+ Parameter LLMs Locally (WCCFTech), AMD Ryzen AI Max 400: New APU Unlocks 192GB Unified Memory (HotHardware), AMD confirms Ryzen AI MAX 400 will support up to 192GB memory and 160GB VRAM (VideoCardz)