On peut affirmer qu'AMD a été le premier à proposer ce type de produit : les mini-PC et ordinateurs portables Strix Halo étaient livrés avec 128 Go de mémoire unifiée bien avant l'arrivée de NVIDIA sur le marché. Mais c'est bien NVIDIA qui a véritablement créé la catégorie des ordinateurs de bureau avec IA locale, en intégrant une superpuce Grace Blackwell dans un boîtier d'un litre et en la commercialisant sous le nom de… DGX SparkL'argument était simple : une machine de développement dotée d'une mémoire unifiée suffisante pour héberger des modèles performants, installée sur un bureau plutôt que hébergée dans le cloud. L'AMD Ryzen AI Halo est la réponse d'AMD à cette machine. AMD l'a annoncée en même temps que la série Ryzen AI Max PRO 400 en mai 2026 ; les précommandes ont été ouvertes en juin exclusivement via [nom de la plateforme/du site web]. Micro CenterDisponible en magasin à partir du 10 juillet, le Ryzen AI Halo présente un format similaire, 128 Go de mémoire unifiée, un prix de 3 999 $ et une liste restreinte de choix qui en font une proposition sensiblement différente du Spark.
AMD présente Halo comme sa première plateforme de développement IA, offrant aux développeurs un moyen rapide et simple de créer et d'exécuter des IA en local. Elle embarque le Ryzen AI Max+ 395, un processeur « Zen 5 » à 16 cœurs et 32 threads, doté d'une carte graphique intégrée Radeon 8060S (40 unités de calcul RDNA 3.5) et d'un NPU XDNA 2 cadencé à 50 TOPS. La plateforme, selon AMD, offre un débit IA combiné pouvant atteindre 126 TOPS. Les 128 Go de mémoire LPDDR5x fonctionnent à 8 000 MT/s, offrant une bande passante de 256 Go/s. L'ensemble de la plateforme est alimenté par un unique port USB-C de 120 W. AMD affirme que la mémoire est suffisante pour stocker des modèles comportant jusqu'à 200 milliards de paramètres. Véritable mini-station de travail x86, c'est là que réside la différence majeure.
Cette différence réside dans Windows. Le Spark fonctionne sous DGX OS, le système d'exploitation basé sur Linux de NVIDIA, et rien d'autre ; le Halo démarre sous Windows 11 ou l'image de développement Linux d'AMD sur le même matériel. La prise en charge native de Windows était la demande la plus fréquente des personnes intéressées par le Spark, et cela redéfinit le public cible de ce boîtier. Le positionnement d'AMD va dans le même sens : Windows et Linux contre Linux uniquement pour le Spark (en tout cas, à ce jour).
Trois autres décisions distinguent le Halo du Spark, chacune répondant à une critique formulée à l'encontre du modèle précédent. Le Halo utilise un SSD M.2 2280 standard, contrairement au SSD 2242, moins répandu, du Spark. Ceci offre un choix beaucoup plus vaste de disques de remplacement, y compris des capacités de 8 To. La mémoire graphique variable est préconfigurée à son allocation maximale sur les deux systèmes d'exploitation, permettant ainsi le chargement automatique des modèles les plus gourmands en ressources. Un anneau lumineux entoure également le châssis, une petite amélioration par rapport aux unités Spark sombres et sans éclairage reçues par certains acheteurs, selon le fabricant. Le coût de l'approche d'AMD se reflète à l'arrière du boîtier : l'absence de connectivité haut débit, remplacée par une interface 10 GbE, limite les possibilités de clustering multi-nœuds. Ce sont là les compromis à faire, et ils définissent les charges de travail pour lesquelles cette machine est conçue, avant même tout test de performance.
En matière de prix, la nuance est importante. Le Halo est proposé à 3 999 $ avec un SSD de 2 To, ce qui le place dans la même gamme de prix qu'un système Spark de base. La comparaison dépend toutefois du modèle de Spark auquel on fait référence. Le DGX Spark de NVIDIA, avec le disque de plus grande capacité, coûte désormais près de 4 700 $, une hausse liée à la pénurie de mémoire LPDDR5X et NAND. Les systèmes Grace Blackwell de base d'ASUS et d'autres fabricants se vendent encore autour de 4 000 $ et sont référencés sur [lien manquant]. Amazon aujourd'hui (lien affilié). Par rapport aux normes de la catégorie, le Halo est à égalité, et son succès repose sur les décisions mentionnées ci-dessus plutôt que sur une stratégie de dévaluation par rapport à la concurrence.
Nous avons testé Halo avec la suite d'IA locale de StorageReview sous Windows et Linux, et les résultats sont présentés en parallèle de l'analyse de conception et du logiciel tout au long de cette revue.
Points clés à retenir
- L'alternative x86 à double système d'exploitation : Ryzen AI Halo est le seul boîtier de la catégorie Spark capable de démarrer Windows 11 ou Linux sur une plateforme x86 complète, à 3 999 $ avec un SSD de 2 To contre 4 699 $ pour le DGX Spark Founders Edition.
- Mémoire pour accueillir des modèles de grande taille : 128 Go de mémoire unifiée LPDDR5x-8000 à 256 Go/s prennent en charge localement des modèles jusqu'à 200 milliards de paramètres, avec une mémoire graphique variable préréglée pour que les grands modèles se chargent sans configuration manuelle.
- Le Ryzen AI Max+ 395 le plus puissant que nous ayons testé : Le Halo a surpassé le HP Z2 Mini G1a et le ZBook Ultra G1a dans presque toutes les charges de travail Windows, y compris 37 316 dans Cinebench R23 multicœur, 184.2 GIPS dans 7-Zip et les meilleurs scores de génération de texte Procyon AI (Phi 1 192) et de génération d'images (SD 1.5 FP16 937).
- Victoires du CPU, défaites en inférence face à Spark : Sous Linux, le Halo a surpassé le DGX Spark en termes de travail CPU, compressant 11 % plus rapidement et décompressant 38 % plus rapidement dans 7-Zip et terminant la compilation LLVM 14 % plus tôt, mais a accusé un retard de 2 à 4 fois dans la plupart des scénarios de service vLLM à concurrence plus élevée, allant jusqu'à 8.8 fois dans le travail GPT OSS 120B nécessitant beaucoup de préremplissage.
- Capacité de stockage correcte, réseau modeste : Une baie M.2 2280 standard permet des mises à niveau ultérieures jusqu'à 8 To, bien que la plateforme négocie le Micron 4600 Gen5 inclus vers la Gen4 par conception, et le port 10GbE unique sans tissu haut débit exclut le clustering multi-nœuds que permet le ConnectX-7 200G du Spark.
| Spécifications | Système AMD Ryzen AI Halo |
|---|---|
| Processeur | |
| Processeur | Processeur AMD Ryzen™ AI Max+ 395 16 cœurs / 32 threads (architecture Zen 5) |
| GPU | Carte graphique intégrée AMD Radeon™ 8060S 40 unités de calcul (architecture RDNA™ 3.5) |
| NPU | NPU AMD XDNA™ 2 |
| Mémoire | |
| Type de mémoire | LPDDR5x |
| Capacité de la mémoire | 128GB |
| Vitesse de Mémoire | 8000 MT / s |
| Bande passante mémoire | 256GB / s |
| Stockage | |
| Stockage | SSD M.2 NVMe 2 To (SED) |
| Réseau et connectivité | |
| Ethernet | 1 × 10 GbE |
| Wi-Fi | Wi-Fi 7 |
| Bluetooth | Bluetooth 5.4 |
| I / O | |
| USB | 3 ports USB-C, 1 port USB-C (entrée d'alimentation) |
| Sortie d'affichage | 1 × HDMI 2.1b |
| Système | |
| TDP | 120W |
| Système d'exploitation | Linux ou Windows 11 |
| Dimensions | 150 × 150 × 45.4 mm (5.9 × 5.9 × 1.79 pouces) |
| Poids | Moins de 1.2 kg (2.65 lb) |
Le système AMD Ryzen AI Halo adopte un format compact, similaire à celui de la « NVIDIA Spark », avec des dimensions de seulement 150 × 150 × 45.4 mm et un poids inférieur à 1.2 kg. Son châssis en aluminium présente une ventilation géométrique audacieuse sur le dessus et à l'avant, conférant au système une apparence distinctive tout en optimisant le flux d'air vers le système de refroidissement. Malgré son faible encombrement, cette plateforme est conçue comme une station de travail IA complète, capable de gérer des applications professionnelles, l'inférence LLM locale et les charges de travail de développement IA.
La face avant du système est volontairement épurée, composée presque entièrement d'une large grille d'aération en mesh qui s'étend sur toute la largeur du châssis. Plutôt que d'y placer des ports, AMD a dédié cet espace à la circulation de l'air, permettant à l'air frais de pénétrer dans le système par la large entrée d'air à motifs, tout en préservant l'esthétique de la façade. Un liseré argenté en bas du châssis offre un contraste visuel subtil avec le boîtier noir mat.
Tous les connecteurs externes se trouvent à l'arrière du système. De gauche à droite, le panneau arrière comprend les éléments suivants :
Le système est doté de trois ports de données USB-C et d'un connecteur d'alimentation USB-C dédié, permettant la connexion simultanée de plusieurs périphériques et écrans haut débit. La sortie vidéo native HDMI 2.1b est assurée, tandis que l'interface Ethernet 10GbE intégrée rend la plateforme parfaitement adaptée à la connectivité NAS haut débit, aux transferts de données d'IA et aux environnements de développement locaux.
La face inférieure du Ryzen AI Halo est dotée d'une large grille d'aération perforée qui aspire l'air pour refroidir les composants montés le long du bas de la carte, et quatre pieds en caoutchouc aux coins assurent la stabilité de l'unité sur un bureau ou une étagère.
Le retrait des quatre vis fixant le panneau inférieur révèle l'emplacement pour SSD M.2 et quelques composants de la carte mère, notamment le connecteur de la carte Wi-Fi. Sur notre modèle de test, cet emplacement accueille un SSD Micron 4600 Gen5 x4 de 2 To, tandis qu'une feuille adhésive noire protège le reste de la carte mère de la face inférieure exposée.
Pour le refroidissement, AMD a adopté une approche similaire à celle de NVIDIA pour sa carte graphique DGX Spark, en utilisant deux ventilateurs qui aspirent l'air à travers un dissipateur thermique à ailettes et l'évacuent à l'arrière du châssis.
Une fois le système de refroidissement retiré, la carte mère apparaît, révélant la puce APU au centre, flanquée de modules de mémoire et du circuit VRM sur le bord gauche. Le carré argenté visible sur la puce n'est ni du métal liquide ni une pâte thermique ; il s'agit du résidu d'un pad thermique ou d'un revêtement appliqué par AMD à l'interface puce-dissipateur, ce qui explique son aspect uniforme et sec, contrairement à l'aspect humide et baveux que laissent généralement les pâtes ou le métal liquide.
En retournant le dissipateur thermique, on découvre la face inférieure de sa plaque froide, où une section polie miroir est en contact direct avec la puce. Parallèlement, les zones environnantes dédiées à la mémoire et à l'alimentation sont recouvertes de pads thermiques pré-appliqués d'épaisseur variable.
Nous avons évalué la plateforme AMD Ryzen AI Halo sous Windows et Linux afin d'analyser ses performances dans les applications de station de travail et les charges de travail axées sur l'IA. Sous Windows, le système AMD Ryzen AI Halo a été comparé à deux systèmes disponibles dans le commerce, équipés du processeur Ryzen AI Max+ PRO 395 : la HP Z2 Mini G1a, une station de travail de bureau compacte, et la HP ZBook Ultra G1a 14 pouces, une station de travail mobile. Ces trois systèmes partageant la même architecture de processeur et la même carte graphique intégrée Radeon 8060S, ces comparaisons mettent en évidence les performances de la plateforme Halo dans différentes configurations thermiques et architectures système.
Pour les tests sous Linux, nous nous sommes concentrés sur le développement d'IA et les charges de travail de stockage, en comparant le système Ryzen AI Halo au NVIDIA DGX Spark. Ces tests portaient sur l'évaluation des performances de stockage FIO et d'inférence vLLM, comparant la plateforme de développement AMD basée sur Ryzen AI Halo au système de développement d'IA dédié de NVIDIA pour l'inférence locale de modèles de langage complexes.
Le benchmark Procyon AI Computer Vision offre une analyse détaillée des performances des moteurs d'inférence IA à un niveau professionnel. En intégrant des moteurs de différents fournisseurs, il fournit des scores de performance reflétant fidèlement les capacités d'un appareil. Ce benchmark évalue les modèles de réseaux neuronaux les plus performants en comparant leur accélération IA sur différents types de matériel (CPU, GPU et NPU), permettant ainsi aux utilisateurs d'évaluer leur efficacité relative pour diverses charges de travail et conditions.
Pour refléter les charges de travail réelles de l'IA, ce test de performance utilise six modèles de réseaux neuronaux différents, chacun sélectionné pour sa pertinence aux tâches modernes de vision par ordinateur. MobileNet V3 est un modèle compact, optimisé pour les appareils mobiles et conçu pour l'identification de sujets dans les images, tandis qu'Inception V4 réalise la même tâche avec une architecture plus profonde et plus complexe.
YOLO V3 (You Only Look Once) est spécialisé dans la détection d'objets en temps réel par estimation des probabilités de présence. DeepLab V3, basé sur MobileNet V2, se concentre sur la segmentation sémantique d'images et le regroupement de pixels. Real-ESRGAN, le test le plus gourmand en ressources de calcul, effectue une mise à l'échelle des images de 250 × 250 pixels à une résolution de 1 000 × 1 000 pixels. Enfin, ResNet 50 est un modèle de classification robuste qui permet un entraînement plus efficace des réseaux neuronaux profonds.
La plateforme Ryzen AI Halo a affiché des performances d'inférence IA constamment solides, tant sur le CPU que sur le GPU. Lors des tests CPU, elle a obtenu un score global de 216, se classant juste derrière le HP Z2 Mini (227) et surpassant largement le HP ZBook Ultra (186). L'inférence GPU s'est révélée encore plus impressionnante : le système Halo a décroché le meilleur score global (553), devançant le ZBook Ultra et le Z2 Mini (528 chacun). Il a également enregistré le temps d'inférence MobileNet V3 le plus rapide (0.38 ms) et a exécuté la charge de travail exigeante REAL-ESRGAN en 185.08 ms, contre 211.76 ms pour le Z2 Mini et 200.40 ms pour le ZBook Ultra.
| UL Procyon : Inférence de vision par ordinateur (plus c'est bas, mieux c'est) | AMD Ryzen AI Halo (Ryzen AI Max+ 395 | Radeon 8060S) | HP Z2 Mini G1a (Ryzen AI Max+ PRO 395 | Radeon 8060S) | HP ZBook Ultra G1a 14 pouces (Ryzen AI Max+ PRO 395 | Radeon 8060S) |
|---|---|---|---|
| Temps CPU | |||
| Score global de la vision par ordinateur IA (plus c'est élevé, mieux c'est) | 216 | 227 | 186 |
| Mobile Net V3 | 0.73 ms | 0.75 ms | 1.09 ms |
| ResNet 50 | 6.02 ms | 5.99 ms | 6.84 ms |
| Création V4 | 17.18 ms | 17.12 ms | 19.80 ms |
| Deep Lab V3 | 29.21 ms | 21.20 ms | 28.27 ms |
| YOLO V3 | 35.60 ms | 36.58 ms | 41.64 ms |
| RÉEL-ESRGAN | 1,931.13 ms | 1,892.10 ms | 2,138.97 ms |
| Temps GPU | |||
| Score global de la vision par ordinateur IA (plus c'est élevé, mieux c'est) | 553 | 528 | 583 |
| Mobile Net V3 | 0.38 ms | 0.42 ms | 0.46 ms |
| ResNet 50 | 4.04 ms | 3.85 ms | 3.27 ms |
| Création V4 | 13.26 ms | 15.15 ms | 11.62 ms |
| Deep Lab V3 | 12.72 ms | 10.98 ms | 10.72 ms |
| YOLO V3 | 11.17 ms | 12.64 ms | 10.57 ms |
| RÉEL-ESRGAN | 185.08 ms | 211.76 ms | 200.40 ms |
Le Benchmark de génération de texte Procyon AI Ce module simplifie les tests de performance des modèles LLM d'IA en fournissant une méthode d'évaluation concise et cohérente. Il permet des tests répétés sur plusieurs modèles LLM tout en minimisant la complexité liée aux modèles de grande taille et aux facteurs variables. Développé en collaboration avec les leaders du matériel d'IA, il optimise l'utilisation des accélérateurs d'IA locaux pour des évaluations de performance plus fiables et efficaces. Les résultats ci-dessous ont été mesurés avec TensorRT.
La plateforme de référence Ryzen AI Halo a dominé tous les modèles de langage testés lors de la génération de texte par Procyon AI. Elle a obtenu le meilleur score Phi global avec 1 192 points, contre 965 pour le HP Z2 Mini et 922 pour le HP ZBook Ultra. Mistral a suivi une tendance similaire avec un score de 998, devant 850 et 829, tandis que Llama3 a terminé avec 847 points, surpassant les systèmes concurrents qui ont obtenu respectivement 766 et 756 points. La plateforme Halo a également réduit le temps d'obtention du premier jeton pour tous les modèles, produisant le premier jeton Phi en seulement 0.996 seconde, soit près de la moitié de la latence des systèmes HP. Bien que le débit de génération de jetons ait parfois été plus favorable au Z2 Mini, la latence de démarrage nettement inférieure de la plateforme Halo lui a permis d'obtenir les meilleurs scores globaux du benchmark.
| UL Procyon : Génération de texte par IA | AMD Ryzen AI Halo (Ryzen AI Max+ 395 | Radeon 8060S) | HP Z2 Mini G1a (Ryzen AI Max+ PRO 395 | Radeon 8060S) | HP ZBook Ultra G1a 14 pouces (Ryzen AI Max+ PRO 395 | Radeon 8060S) |
|---|---|---|---|
| Score global de Phi | 1,192 | 965 | 922 |
| Temps de sortie Phi vers le premier jeton | 0.996 secondes | 1.898 secondes | 1.956 secondes |
| Jetons de sortie Phi par seconde | 55.271 jetons/s | 68.967 jetons/s | 64.986 jetons/s |
| Durée totale de Phi | 56.237 secondes | 52.666 secondes | 55.501 secondes |
| Mistral Note globale | 998 | 850 | 829 |
| Temps de sortie du Mistral jusqu'au premier jeton | 1.603 secondes | 2.734 secondes | 2.783 secondes |
| Jetons de sortie Mistral par seconde | 35.027 jetons/s | 43.358 jetons/s | 41.992 jetons/s |
| Durée totale du Mistral | 88.582 secondes | 81.716 secondes | 84.065 secondes |
| Score global de Llama3 | 847 | 766 | 756 |
| Temps de sortie de Llama3 vers le premier jeton | 1.963 secondes | 2.545 secondes | 2.578 secondes |
| Jetons de sortie Llama3 par seconde | 34.630 jetons/s | 36.752 jetons/s | 36.243 jetons/s |
| Durée totale de Llama3 | 92.026 secondes | 91.987 secondes | 93.200 secondes |
| Score global de Llama2 | N/D | 936 | 929 |
| Temps de sortie de Llama2 vers le premier jeton | N/A secondes | 3.813 secondes | 3.860 secondes |
| Jetons de sortie Llama2 par seconde | N/A jetons/s | 24.685 jetons/s | 24.619 jetons/s |
| Durée totale de Llama2 | N/A secondes | 136.077 secondes | 136.720 secondes |
Le Benchmark de génération d'images Procyon AI Ce test offre une méthode cohérente et précise pour mesurer les performances d'inférence IA sur une large gamme de matériels, des NPU basse consommation aux GPU haut de gamme. Il comprend trois tests : Stable Diffusion XL (FP16) pour les GPU haut de gamme, Stable Diffusion 1.5 (FP16) pour les GPU de puissance moyenne et Stable Diffusion 1.5 (INT8) pour les dispositifs basse consommation. Le test utilise le moteur d'inférence optimal pour chaque système, garantissant ainsi des résultats justes et comparables.
La génération d'images s'est avérée être l'un des points forts du Ryzen AI Halo. Sur Stable Diffusion 1.5 FP16, la plateforme Halo a obtenu un score global de 937, contre 725 pour le Z2 Mini et 648 pour le ZBook Ultra, tout en réduisant le temps de génération à 106.7 secondes, contre respectivement 137.8 et 154.2 secondes. Stable Diffusion XL a également démontré une nette supériorité, le système Halo terminant en 878.5 secondes, soit environ 174 secondes de moins que le Z2 Mini et plus de 450 secondes de moins que le ZBook Ultra. La plateforme a également brillamment réussi le benchmark Stable Diffusion 1.5 INT8 avec un score global de 9 158, une charge de travail indisponible sur les deux systèmes de comparaison HP.
| UL Procyon : Génération d'images par IA | AMD Ryzen AI Halo (Ryzen AI Max+ 395 | Radeon 8060S) | HP Z2 Mini G1a (Ryzen AI Max+ PRO 395 | Radeon 8060S) | HP ZBook Ultra G1a 14 pouces (Ryzen AI Max+ PRO 395 | Radeon 8060S) |
|---|---|---|---|
| Stable Diffusion 1.5 (FP16) – Note globale | 937 | 725 | 648 |
| Diffusion stable 1.5 (FP16) – Durée totale | 106.7 secondes | 137.815 secondes | 154.203 secondes |
| Stable Diffusion 1.5 (FP16) – Vitesse de génération d'images | 6.670 s/image | 8.613 s/image | 9.638 s/image |
| Stable Diffusion 1.5 (INT8) – Note globale | 9,158 | N/D | N/D |
| Diffusion stable 1.5 (INT8) – Durée totale | 27.298 secondes | N/D | N/D |
| Stable Diffusion 1.5 (INT8) – Vitesse de génération d'images | 3.412 s/image | N/D | N/D |
| Stable Diffusion XL (FP16) – Note globale | 682 | 570 | 451 |
| Stable Diffusion XL (FP16) – Durée totale | 878.493 secondes | 1,052.468 secondes | 1,329.592 secondes |
| Stable Diffusion XL (FP16) – Vitesse de génération d'images | 54.906 s/image | 65.779 s/image | 83.100 s/image |
Le benchmark SPECworkstation 4.0 est un outil complet d'évaluation des performances des stations de travail. Il fournit une mesure concrète des performances du processeur, de la carte graphique, de l'accélérateur et du disque, offrant ainsi aux professionnels les données nécessaires pour optimiser leurs investissements matériels. Ce benchmark inclut une série de tests dédiés aux charges de travail d'IA et d'apprentissage automatique, tels que les tâches de science des données et les tests d'inférence basés sur ONNX Runtime, reflétant l'importance croissante de l'IA/ML dans les environnements de stations de travail. Il couvre sept secteurs d'activité et quatre sous-systèmes matériels, offrant une mesure détaillée et pertinente des performances des stations de travail actuelles.
SPECworkstation 4 a mis en lumière les performances équilibrées de la plateforme Ryzen AI Halo en tant que station de travail. Elle a obtenu les meilleurs scores dans les domaines des services financiers (2.92), des médias et du divertissement (2.97), de la conception de produits (2.22) et de la productivité et du développement (1.27), surpassant ainsi les HP Z2 Mini et HP ZBook Ultra dans ces catégories. Le Z2 Mini a conservé une légère avance dans les domaines de l'énergie (2.50 contre 2.35) et des sciences de la vie (2.60 contre 2.33). Globalement, la plateforme de référence Halo a démontré d'excellentes performances sur l'ensemble des charges de travail professionnelles du test et est restée compétitive dans toutes les catégories testées.
| SPECworkstation 4.0.0 (Plus c'est haut, mieux c'est) | AMD Ryzen AI Halo (Ryzen AI Max+ 395 | Radeon 8060S) | HP Z2 Mini G1a (Ryzen AI Max+ PRO 395 | Radeon 8060S)
| HP ZBook Ultra G1a 14 pouces (Ryzen AI Max+ PRO 395 | Radeon 8060S) |
|---|---|---|---|
| Energie | 2.35 | 2.50 | 2.20 |
| Services financiers | 2.92 | 2.35 | 1.60 |
| Sciences de la vie | 2.33 | 2.60 | 2.20 |
| Médias et divertissement | 2.97 | 2.22 | 1.90 |
| Conception des produits: | 2.22 | 2.00 | 1.74 |
| Productivité et développement | 1.27 | 1.00 | 1.03 |
Luxmark est un benchmark GPU qui utilise LuxRender, un moteur de rendu par lancer de rayons open source, pour évaluer les performances d'un système avec des scènes 3D très détaillées. Ce benchmark est utile pour évaluer les capacités de rendu graphique des serveurs et des stations de travail, notamment pour les applications d'effets visuels et de visualisation architecturale, où une simulation précise de la lumière est essentielle.
Les résultats de Luxmark ont montré une faible différence entre les trois plateformes Ryzen AI Max+ 395. Le système de référence Halo a obtenu le meilleur score Food (4 158), devançant légèrement le Z2 Mini (3 943) et le ZBook Ultra (3 915). Sur le test Hallbench, il a atteint 8 014 points, un score légèrement inférieur aux 8 477 du Z2 Mini, mais supérieur aux 7 833 du ZBook Ultra. Globalement, ces résultats suggèrent que les systèmes équipés d'une Radeon 8060S offrent des performances de ray tracing très similaires, quel que soit leur format.
| Luxmark (plus c'est haut, mieux c'est) | AMD Ryzen AI Halo (Ryzen AI Max+ 395 | Radeon 8060S) | HP Z2 Mini G1a (Ryzen AI Max+ PRO 395 | Radeon 8060S) | HP ZBook Ultra G1a 14 pouces (Ryzen AI Max+ PRO 395 | Radeon 8060S) |
|---|---|---|---|
| Banc d'entrée | 8,014 | 8,477 | 7,833 |
| A manger | 4,158 | 3,943 | 3,915 |
Le test de compression 7-Zip évalue les performances du processeur lors de la compression et de la décompression, en mesurant les performances en GIPS (giga-instructions par seconde) et l'utilisation du processeur. Un nombre élevé de GIPS et une utilisation efficace du processeur indiquent des performances supérieures.
La plateforme Ryzen AI Halo a dominé toutes les catégories principales du benchmark 7-Zip. Elle a atteint un score de compression de 176.7 GIPS, contre 139.3 GIPS pour le HP Z2 Mini et 139.6 GIPS pour le ZBook Ultra. Les performances de décompression sont restées tout aussi excellentes à 191.6 GIPS, surpassant les 164.0 GIPS du Z2 Mini et les 174.0 GIPS du ZBook Ultra. Au total, la plateforme Halo a obtenu le meilleur score global de 184.2 GIPS, surpassant les systèmes concurrents d'environ 20 % et démontrant un excellent débit entier pour les charges de travail de création et d'extraction d'archives.
| Benchmark de compression 7-Zip (plus c'est élevé, mieux c'est) | AMD Ryzen AI Halo (Ryzen AI Max+ 395 | Radeon 8060S) | HP Z2 Mini G1a (Ryzen AI Max+ PRO 395 | Radeon 8060S) | HP ZBook Ultra G1a 14 pouces (Ryzen AI Max+ PRO 395 | Radeon 8060S) | |||
|---|---|---|---|---|---|---|
| Compression | ||||||
| Utilisation actuelle du processeur | 2,741 % | 2,734 % | 2,868 % | |||
| Courant nominal/utilisation | 6.370 GIPS | 5.136 GIPS | 4.883 GIPS | |||
| Courant | 174.589 GIPS | 140.405 GIPS | 140.061 GIPS | |||
| Utilisation résultante du processeur | 2,751 % | 2,718 % | 2,855 % | |||
| Évaluation/utilisation résultante | 6.424 GIPS | 5.126 GIPS | 4.890 GIPS | |||
| Note résultante | 176.742 GIPS | 139.298 GIPS | 139.617 GIPS | |||
| Décompression | ||||||
| Utilisation actuelle du processeur | 2,568 % | 2,343 % | 2,904 % | |||
| Courant nominal/utilisation | 7.670 GIPS | 6.805 GIPS | 6.029 GIPS | |||
| Courant | 196.986 GIPS | 159.451 GIPS | 175.104 GIPS | |||
| Utilisation résultante du processeur | 2,469 % | 2,414 % | 2,887 % | |||
| Évaluation/utilisation résultante | 7.766 GIPS | 6.793 GIPS | 6.028 GIPS | |||
| Note résultante | 191.645 GIPS | 163.969 GIPS | 174.046 GIPS | |||
| Note totale | ||||||
| Utilisation totale du processeur | 2,610 % | 2,566 % | 2,871 % | |||
| Note totale/utilisation | 7.095 GIPS | 5.959 GIPS | 5.459 GIPS | |||
| Note totale | 184.194 GIPS | 151.634 GIPS | 156.832 GIPS | |||
Blender est un logiciel libre de modélisation 3D. Ce test de performance a été réalisé avec l'utilitaire Blender Benchmark. Le score est exprimé en échantillons par minute ; plus la valeur est élevée, meilleures sont les performances.
Le rendu CPU était un autre domaine où le Ryzen AI Halo a excellé. Sur la scène Monster, il a atteint 244.7 échantillons par minute, devançant le HP Z2 Mini (224.3) et le HP ZBook Ultra (189.3). Junkshop a suivi avec 159.4 échantillons par minute, contre 149.5 et 129.4, tandis que Classroom a terminé à 131.6 échantillons par minute, surpassant le Z2 Mini (116.3) d'environ 13 % et le ZBook Ultra (94.1) de près de 40 %. Ces résultats démontrent que le Ryzen AI Max+ 395 offre d'excellentes performances de rendu multithread malgré son format de station de travail compacte.
| Benchmark CPU Blender (échantillons par minute, plus c'est élevé, mieux c'est) | AMD Ryzen AI Halo (Ryzen AI Max+ 395 | Radeon 8060S) | HP Z2 Mini G1a (Ryzen AI Max+ PRO 395 | Radeon 8060S) | HP ZBook Ultra G1a 14 pouces (Ryzen AI Max+ PRO 395 | Radeon 8060S) |
|---|---|---|---|
| Monster | 244.7 échantillons/m | 224.3 échantillons/m | 189.29 échantillons/m |
| Brocanteur | 159.4 échantillons/m | 149.5 échantillons/m | 129.42 échantillons/m |
| Salle de classe | 131.6 échantillons/m | 116.3 échantillons/m | 94.14 échantillons/m |
Les résultats du rendu GPU étaient beaucoup plus homogènes d'un système à l'autre. La plateforme de référence Halo a rendu la scène Monster à 704.2 échantillons par minute, se classant derrière le Z2 Mini (745.6) mais devant le ZBook Ultra (661.5). Le rendu de la scène Junkshop était quasiment à égalité entre la plateforme Halo (366.6) et le Z2 Mini (366.5). Parallèlement, le système Halo a obtenu le meilleur score pour la scène Classroom avec 361.5 échantillons par minute, dépassant de peu le Z2 Mini (359.0) et le ZBook Ultra (333.3). Ces résultats indiquent que la Radeon 8060S offre des performances de rendu GPU remarquablement constantes, quelle que soit la configuration.
| Blender Benchmark GPU (échantillons par minute, plus c'est élevé, mieux c'est) | AMD Ryzen AI Halo (Ryzen AI Max+ 395 | Radeon 8060S) | HP Z2 Mini G1a (Ryzen AI Max+ PRO 395 | Radeon 8060S) | HP ZBook Ultra G1a 14 pouces (Ryzen AI Max+ PRO 395 | Radeon 8060S) |
|---|---|---|---|
| Monster | 704.2 échantillons/m | 745.55 échantillons/m | 661.50 échantillons/m |
| Brocanteur | 366.6 échantillons/m | 366.54 échantillons/m | 341.92 échantillons/m |
| Salle de classe | 361.51 échantillons/m | 359.01 échantillons/m | 333.26 échantillons/m |
y-cruncher est un programme multithread et évolutif capable de calculer Pi et d'autres constantes mathématiques avec une précision de plusieurs billions de décimales. Depuis son lancement en 2009, il est devenu un outil populaire de test de performance et de résistance pour les overclockeurs et les passionnés de matériel informatique.
Les résultats du test de puissance de calcul (y-cruncher) varient selon la taille des calculs. Pour les calculs de 1 et 2.5 milliards de chiffres, les trois systèmes ont terminé à quelques dixièmes de seconde d'intervalle, les systèmes HP prenant une légère avance. À mesure que la charge de travail augmentait, le Halo se démarquait, achevant le calcul de 5 milliards de chiffres en 71.948 secondes, contre 75.021 secondes pour le Z2 Mini et 78.19 secondes pour le ZBook Ultra. À 10 milliards de chiffres, le Halo a terminé en 151.409 secondes, soit environ 6 % de mieux que le Z2 Mini et 12 % de mieux que le ZBook Ultra, ce qui suggère que le châssis de bureau supporte mieux les charges multithread importantes lorsque les temps d'exécution s'allongent.
| Y-Cruncher (temps de calcul total) | AMD Ryzen AI Halo (Ryzen AI Max+ 395 | Radeon 8060S) | HP Z2 Mini G1a (Ryzen AI Max+ PRO 395 | Radeon 8060S) | HP ZBook Ultra G1a 14 pouces (Ryzen AI Max+ PRO 395 | Radeon 8060S) |
|---|---|---|---|
| 1 milliard | 13.193 secondes | 12.965 secondes | 12.93 secondes |
| 2.5 milliard | 34.578 secondes | 34.533 secondes | 34.91 secondes |
| 5 milliard | 71.948 secondes | 75.021 secondes | 78.19 secondes |
| 10 milliard | 151.409 secondes | 160.252 secondes | 171.72 secondes |
Geekbench 6 est un outil d'analyse comparative multiplateforme mesurant les performances globales du système.
Geekbench 6 a confirmé les performances équilibrées de la plateforme Halo. Elle a obtenu le meilleur score monocœur avec 2 986 points, devançant ainsi le HP Z2 Mini (2 862) et le ZBook Ultra (2 825). Les performances multicœurs ont également dominé le comparatif avec 18 068 points. La Radeon 8060S a enregistré le meilleur score GPU OpenCL avec 92 883 points, surpassant de peu le Z2 Mini (91 591) et surclassant largement le ZBook Ultra (85 337). Ces performances constantes, tant au niveau du CPU que du GPU, illustrent les excellentes performances globales de la plateforme Ryzen AI Max+ 395.
| Geekbench 6 (Plus c'est mieux) | AMD Ryzen AI Halo (Ryzen AI Max+ 395 | Radeon 8060S) | HP Z2 Mini G1a (Ryzen AI Max+ PRO 395 | Radeon 8060S) | HP ZBook Ultra G1a 14 pouces (Ryzen AI Max+ PRO 395 | Radeon 8060S) |
|---|---|---|---|
| Processeur monocœur | 2,986 | 2,862 | 2,825 |
| Processeur multicœur | 18,068 | 17,210 | 17,562 |
| GPU OpenCL | 92,883 | 91,591 | 85,337 |
Cinebench R23 est un benchmark largement reconnu pour évaluer les performances des processeurs lors de rendus 3D. Basé sur le moteur Cinema 4D, il mesure la capacité d'un processeur à gérer les tâches mono-thread et multi-thread, offrant ainsi un aperçu de sa réactivité globale et de ses capacités de traitement parallèle.
Cinebench R23 a révélé une compétition très serrée entre les deux configurations de bureau Ryzen AI Max+ 395. La plateforme de référence Halo a obtenu un score multicœur de 37 316, devançant légèrement le HP Z2 Mini (37 156), tandis que les deux ont largement surpassé le HP ZBook Ultra (29 112). Les performances monocœur ont suivi la même tendance : la plateforme Halo a atteint 2 047, contre 2 020 pour le Z2 Mini et 1 984 pour le ZBook Ultra. Malgré des écarts minimes avec le Z2 Mini, le système Halo s'est constamment classé en tête du test.
| Cinebench R23 (Plus haut, c'est mieux) | AMD Ryzen AI Halo (Ryzen AI Max+ 395 | Radeon 8060S) | HP Z2 Mini G1a (Ryzen AI Max+ PRO 395 | Radeon 8060S) | HP ZBook Ultra G1a 14 pouces (Ryzen AI Max+ PRO 395 | Radeon 8060S) |
|---|---|---|---|
| Multi-Core | 37,316 | 37,156 | 29,112 |
| Single-Core | 2,047 | 2,020 | 1,984 |
Cinebench 2024 s'appuie sur la version R23 en introduisant des tests de rendu GPU tout en conservant son orientation sur les performances du CPU. Dans cette section, nous examinons uniquement les scores du CPU, qui offrent un aperçu actualisé de la capacité de chaque système à gérer les tâches de rendu 3D modernes.
Le nouveau benchmark Cinebench 2024 a confirmé les résultats du R23. Le Ryzen AI Halo a enregistré le meilleur score multicœur avec 1 916 points, devançant de peu le HP Z2 Mini (1 906) et conservant une avance considérable sur le HP ZBook Ultra (1 579). Les performances monocœur ont également été à l'avantage de la plateforme Halo, avec 116 points contre 112 pour le Z2 Mini et 111 pour le ZBook Ultra. Bien que les différences entre les systèmes de bureau restent minimes, ces résultats confirment la capacité du Ryzen AI Max+ 395 à offrir des performances de rendu CPU de haut niveau, de manière constante.
| Cinebench 2024 (Plus haut, c'est mieux) | AMD Ryzen AI Halo (Ryzen AI Max+ 395 | Radeon 8060S) | HP Z2 Mini G1a (Ryzen AI Max+ PRO 395 | Radeon 8060S) | HP ZBook Ultra G1a 14 pouces (Ryzen AI Max+ PRO 395 | Radeon 8060S) |
|---|---|---|---|
| Multi-Core | 1,916 | 1,906 | 1,579 |
| Single-Core | 116 | 112 | 111 |
Phoronix Test Suite est une plateforme d'analyse comparative automatisée et open source prenant en charge plus de 450 profils de test et plus de 100 suites de tests via OpenBenchmarking.org. Elle gère l'ensemble du processus, de l'installation des dépendances à l'exécution des tests et à la collecte des résultats, ce qui la rend idéale pour les comparaisons de performances, la validation matérielle et l'intégration continue. Nous examinerons les performances lors des tests Stream, 7-Zip et LLVM.
L'analyse de la suite de benchmarks Phoronix a révélé des performances relativement équilibrées entre la plateforme AMD Ryzen AI Halo et la NVIDIA DGX Spark. Le système Ryzen AI Halo a constamment dominé les charges de travail axées sur le processeur, surpassant la DGX Spark de 11 % en compression 7-Zip, de 38 % en décompression 7-Zip et réalisant le test de compilation LLVM 14 % plus rapidement. La DGX Spark, quant à elle, a affiché une bande passante mémoire soutenue supérieure, devançant les tests STREAM Scale, Triad et Add de respectivement 17 %, 13 % et 15 %. Halo a conservé un avantage de 18 % au benchmark STREAM Copy, ce qui illustre que, bien que les deux systèmes soient très performants, la plateforme Ryzen AI Halo privilégie les performances de calcul à usage général, tandis que la DGX Spark démontre un débit supérieur dans les charges de travail nécessitant une bande passante mémoire importante.
| Test | AMD Ryzen AI Halo | NVIDIA DGX Spark | Gagnant |
|---|---|---|---|
| Compression 7-Zip (MIPS) | 186,921 | 169,052 | Halo (+11%) |
| Décompression 7-Zip (MIPS) | 146,109 | 106,084 | Halo (+38%) |
| Copie en continu (Mo/s) | 145,363 | 123,730 | Halo (+18%) |
| Échelle du flux (MB/s) | 110,611 | 128,970 | Spark (+17%) |
| STREAM Triad (MB/s) | 107,105 | 121,433 | Spark (+13%) |
| Ajout de flux (Mo/s) | 107,022 | 122,815 | Spark (+15%) |
| Compilation LLVM (Make, secondes) | 431.8 | 504.3 | Halo (14 % plus rapide) |
Pour mesurer les performances de stockage selon les normes industrielles courantes, nous utilisons fio. Notre test SSD traditionnel préconditionne chaque disque avec deux cycles de remplissage complets en tant que disque secondaire ; ici, nous avons testé chaque disque directement dans le système, via le système de fichiers. Nous avions précédemment testé les systèmes NVIDIA avec GDSIO, mais AMD ne propose pas de test de stockage direct GPU comparable. Par conséquent, l'exécution de fio au niveau du système de fichiers sur les deux plateformes les met sur un pied d'égalité, ce qui est plus important qu'un test individuel des disques.
Les cartes graphiques NVIDIA DGX Spark (Founders Edition) et AMD Ryzen AI Halo sont toutes deux équipées d'un disque PCIe Gen5. Théoriquement, elles offrent donc des performances identiques en termes de bande passante brute. En pratique, cependant, le disque de la Halo fonctionne à la vitesse de liaison PCIe Gen4 dans cette configuration, ce qui limite considérablement la bande passante disponible, bien en deçà des capacités du disque lui-même. Il est important de garder cette limitation de vitesse à l'esprit tout au long de cette section, car elle explique une part significative de l'écart de bande passante entre les deux plateformes.
Dans cette section, nous nous concentrons sur les benchmarks FIO suivants :
Lors d'une lecture séquentielle mono-thread avec une file d'attente profonde de 128 Ko (64/1), le NVIDIA DGX Spark a atteint 13 399,6 Mo/s, soit près du double des 6 897,5 Mo/s de l'AMD Ryzen AI Halo. La latence a suivi la même tendance : la latence moyenne du Spark à cette profondeur était de 0.597 ms, tandis que celle du Halo s'élevait à 1.159 ms, soit presque deux fois plus lentement par requête malgré le déplacement de deux fois moins de données. Il s'agit de l'écart le plus marqué sur l'ensemble des tests, ce qui suggère que l'architecture de stockage du Spark est conçue pour un débit séquentiel soutenu plus élevé à cette taille de bloc.
Les performances en écriture sont similaires. À une profondeur d'E/S de 16/1, Spark a atteint 2 984,4 Mo/s, contre 1 392,4 Mo/s pour Halo, soit un avantage de 114 % pour NVIDIA. La latence était également à l'avantage de Spark, à 0.67 ms contre 1.436 ms pour Halo. Combinés aux résultats de lecture, les performances séquentielles à 128 Ko constituent de loin le point fort de Spark par rapport à Halo.
C’est là que l’avantage de la latence du Halo en cas de faible profondeur de file d’attente se révèle pleinement. À 1/1, le Halo a répondu en seulement 0.051 ms, contre 0.275 ms pour le Spark, soit plus de 5 fois plus rapide pour une requête unique en attente. Cet écart se maintient pour des profondeurs de file d’attente faibles à moyennes : le Halo affiche une latence bien inférieure à 0.2 ms, tandis que le Spark oscille entre 0.2 et 0.45 ms pendant la majeure partie de la période de test.
La situation se complique à grande échelle. Lorsque la profondeur de la file d'attente et le nombre de threads dépassent environ 16/4, la bande passante du Spark se stabilise autour de 9.8 Go/s à partir de 8/16, pour atteindre un pic de 10 019,1 Mo/s (160 300 IOPS) à 32/8. Le Halo, quant à lui, n'atteint jamais ce plafond : sa bande passante sature entre 6.0 et 6.9 Go/s, avec un pic à 6 926,5 Mo/s (110 800 IOPS) à 4/8. Sa courbe de bande passante est nettement plus irrégulière, oscillant entre 2 et 6.8 Go/s environ selon la combinaison profondeur/nombre de threads, au lieu d'une croissance linéaire.
La latence à saturation complète penche également en faveur de Spark : à 32/16, la latence moyenne du Halo grimpe à 5.185 ms, contre 3.204 ms pour Spark, ce qui signifie que le Halo paie sa réactivité à faible profondeur de file d'attente par un comportement de queue pire une fois que la file d'attente est complètement chargée.
La bande passante en écriture aléatoire 64K est plus proche entre les deux plateformes que la bande passante en lecture, bien que les courbes présentent des profils très différents. La bande passante du Halo est plus irrégulière : elle dépasse régulièrement les 2.5 Go/s (avec un pic à 2 929,1 Mo/s / 46.9 K IOPS à 32 bits/s et 4 bits/s) avant de retomber entre 1.1 et 1.5 Go/s sur des combinaisons de bits successives. Le Spark, quant à lui, est relativement stable, se stabilisant entre 1.7 et 2.0 Go/s pendant la majeure partie de la période de test et atteignant un pic à 2 106,6 Mo/s (33.7 K IOPS) à 2 bits/s et 16 bits/s.
La latence reflète le profil de lecture 64K : le Halo est nettement plus rapide à faible profondeur de file d'attente (0.054 ms à 1/1 contre 0.217 ms pour le Spark), et les performances des deux disques se dégradent fortement lorsque la profondeur de file d'attente et le nombre de threads atteignent des valeurs à deux chiffres. À saturation complète (32/16), la latence du Halo atteint 19.611 ms, contre 17.857 ms pour le Spark. Les deux disques sont alors clairement soumis à une forte contrainte d'amplification d'écriture, le Halo étant légèrement moins performant en haut de la courbe.
La bande passante reste élevée sur la majeure partie du cycle, les deux disques affichant des débits en dents de scie entre 1 et 8 Go/s environ, selon la combinaison profondeur/nombre de threads. Le Spark atteint un pic légèrement supérieur, à 8 069,3 Mo/s (516 400 IOPS) à 32 cœurs/1 thread, tandis que le Halo plafonne à 6 715,8 Mo/s (429 800 IOPS) à 8 cœurs/4 threads.
La latence est à nouveau à l'avantage du Halo partout sauf en haut de la file d'attente. À 1/1, le Halo répond en 0.027 ms contre 0.214 ms pour le Spark, et le Halo conserve une latence inférieure sur la majeure partie du cycle. Ce n'est qu'aux combinaisons les plus profondes que l'écart se réduit. À 32/16, la latence moyenne du Halo (1.441 ms) est légèrement inférieure à celle du Spark (1.599 ms), ce qui en fait l'un des rares points où la courbe de latence du Halo ne dépasse pas celle du Spark à saturation.
La bande passante est également proche ici : le Spark atteint un pic de 2 141,6 Mo/s (137.1 K IOPS) à 16/1, et le Halo n'est pas loin derrière à 1 970,9 Mo/s (126.1 K IOPS) à 1/8.
C'est au niveau de la latence que les deux appareils divergent nettement. Le Halo prend une nette avance lorsque la file d'attente est faible (0.022 ms à 1/1 contre 0.231 ms pour le Spark), mais sa latence augmente brusquement à mesure que la file se remplit. À 32/16, la latence moyenne du Halo atteint 6.967 ms, dépassant largement les 4.306 ms du Spark au même stade. La courbe du Halo est également beaucoup moins prévisible, avec des pics importants pour plusieurs combinaisons intermédiaires, tandis que celle du Spark reste relativement stable.
Il s'agit là d'une des meilleures performances de Halo. Il affiche en effet une bande passante de pointe supérieure de 6 609,4 Mo/s (423 000 IOPS) à 32 bits/s et 16 bits/s, contre 6 082,6 Mo/s (389 300 IOPS) pour Spark dans les mêmes conditions.
La latence est à nouveau nettement à l'avantage du Halo (0.047 ms à 1/1 contre 0.222 ms pour le Spark). Cependant, la courbe de latence du Halo est beaucoup plus instable, avec des pics marqués à 8/1, 16/1, 8/4 et 8/8, bien supérieurs à la courbe relativement lisse (bien que plus stable) du Spark. En haut de la file d'attente, la latence maximale du Halo, à 1.971 ms (à 16/16), dépasse celle du Spark, à 1.315 ms (à 32/16). Le Halo privilégie donc la vitesse brute en faible profondeur de file d'attente au détriment de la stabilité.
La bande passante est ici à l'avantage du Spark, qui atteint 2 074,1 Mo/s (132.7 K IOPS) à 32/1, contre 1 503,5 Mo/s (96.2 K IOPS) pour le Halo à 8/4. La courbe de bande passante du Spark est également beaucoup plus stable, se maintenant entre 1.6 et 2.0 Go/s pendant la majeure partie de la plage de fonctionnement après la montée initiale. En comparaison, la bande passante du Halo fluctue fortement entre environ 0.1 et 1.5 Go/s d'une configuration à l'autre.
C'est au niveau de la latence que ce test révèle le plus de choses : Halo affiche une latence initiale plus faible à 1/1 (0.154 ms contre 0.224 ms), mais à 8/16, sa latence moyenne atteint un pic extrême de 20.698 ms, soit près de 4.5 fois la latence maximale de Spark (4.664 ms) sur l'ensemble de la plage de tests. Hormis ce pic ponctuel, la latence de Halo reste acceptable, mais il s'agit d'une valeur aberrante significative qu'il convient de signaler pour toute charge de travail susceptible d'utiliser cette combinaison spécifique de profondeur et de nombre de threads.
Avec une faible profondeur de file d'attente, le Halo réagit nettement plus vite (0.04 ms à 1/1 contre 0.215 ms pour le Spark) et conserve un avantage en termes de latence sur la majeure partie de la plage de valeurs basses à moyennes. Cependant, le Spark prend nettement l'avantage en termes de débit à grande échelle : son pic d'IOPS atteint 1 750,7 K (6 838,8 Mo/s) à 32/16, dépassant largement le pic du Halo de 1 050,4 K IOPS (4 103,2 Mo/s) à 32/8.
Il est intéressant de noter que la tendance en matière de latence s'inverse lorsque la profondeur de la file d'attente est élevée. La courbe de latence de Spark reste relativement stable, même lorsque la profondeur et le nombre de threads augmentent, avec un pic à seulement 0.292 ms. À l'inverse, Halo présente des pics importants à 16/16 (0.513 ms) et à nouveau à 32/16 (1.009 ms), dépassant de plus de trois fois sa valeur de référence en régime permanent. Cela signifie que son excellente réactivité à faible profondeur de file d'attente n'atteint pas son plein potentiel.
Il s'agit de l'écart d'IOPS le plus important observé lors de ce test. Les performances d'écriture aléatoire 4K du Spark augmentent fortement avec la profondeur de la file d'attente et le nombre de threads, atteignant 490 400 IOPS (1 915,6 Mo/s) à 8/16. Le Halo, quant à lui, plafonne beaucoup plus tôt et à un niveau bien inférieur, plafonnant à 125 600 IOPS (490.7 Mo/s) à 4/4 et ne dépassant jamais environ 110 000 à 115 000 IOPS pour le reste du test. Le Spark fonctionne ici à près de quatre fois le potentiel maximal du Halo.
La latence est à nouveau à l'avantage du Halo à faible profondeur de file d'attente (0.079 ms contre 0.235 ms à 1/1). À 32/16, la latence moyenne du Halo atteint 4.546 ms, tandis que celle du Spark reste relativement stable à 1.792 ms. Conjugué à l'écart d'IOPS, ce test révèle que l'avantage du Spark est le plus marqué et le plus constant sur toute la plage de profondeur/nombre de threads.
vLLM est l'un des moteurs d'inférence et de diffusion à haut débit les plus populaires pour les LLM. Le benchmark de diffusion en ligne de vLLM évalue les performances réelles de ce moteur d'inférence en cas de requêtes simultanées. Il simule les charges de travail de production en envoyant des requêtes à un serveur vLLM en cours d'exécution, avec des paramètres configurables tels que le débit de requêtes, les longueurs des entrées et sorties, et le nombre de clients simultanés. Ce benchmark mesure des indicateurs clés, notamment le débit (jetons par seconde), le temps d'obtention du premier jeton et le temps d'obtention du jeton de sortie (TPOT), permettant ainsi aux utilisateurs de comprendre les performances de vLLM sous différentes conditions de charge.
Nous avons testé les performances d'inférence sur une suite complète de modèles couvrant diverses architectures, échelles de paramètres et stratégies de quantification afin d'évaluer le débit sur différents profils de concurrence.
ISL/OSL égal (256/256) : Le Halo a atteint 222 tok/s à une taille de lot de 64, tandis que le Spark a atteint 701 (environ 3.2 fois en retard).
Préremplissage lourd (8k/1k) : Le débit du Halo a culminé au lot 32 (427 tok/s), puis a chuté à 314 au lot 64, tandis que le Spark a grimpé à 2 760 (environ 8.8x) — l'écart le plus important de l'ensemble.
Décodage lourd (1k/8k) : Le Halo a atteint 127 tok/s, contre 305 pour le Spark à une taille de lot de 64 (environ 2.4x).
ISL/OSL égal (256/256) : Spark a mené dans chaque lot, passant à 1 917 contre 617 tok/s au lot 64 (Spark environ 3.1x en avance).
Préremplissage lourd (8k/1k) : l'avance la plus forte de Spark, atteignant 3 672 contre 881 tok/s à une taille de lot de 64 (Spark environ 4.2 fois en avance).
Décodage lourd (1k/8k) : Spark est en tête tout au long, atteignant 728 contre 330 tok/s au lot 64 (Spark environ 2.2x en tête).
ISL/OSL égal (256/256) : Le Halo a été mis à l'échelle à 376 tok/s à une taille de lot de 64, environ la moitié des 729 de Spark (environ 1.9x) — l'un des résultats ISL/OSL égaux les plus serrés.
Préremplissage lourd (8k/1k) : Le Halo a culminé au lot 32 (408 tok/s), puis est tombé à 362 au lot 64, derrière les 1 663 de Spark (environ 4.6x).
Décodage lourd (1k/8k) : Le Halo a atteint 188 tok/s, contre 357 pour Spark à une taille de lot de 64 (environ 1.9x).
ISL/OSL égal (256/256) : Le Halo a en fait mené dans le lot 1 (9 contre 8 tok/s), puis s'est stabilisé à 202 tok/s au lot 64, tandis que le Spark était à 498 (environ 2.5 fois en retard).
Préremplissage lourd (8k/1k) : Le Halo a atteint son apogée au lot 32 (188 tok/s) et a légèrement baissé à 164 au lot 64, derrière les 540 du Spark (environ 3.3x).
Décodage lourd (1k/8k) : Presque à égalité tout au long, le Halo a atteint 119 tok/s contre 132 pour le Spark au lot 64 (à environ 11 %).
ISL/OSL égal (256/256) : Le Halo a évolué proprement de 25 tok/s au lot 1 à 407 tok/s au lot 64, suivant de près le Spark jusqu'au lot 4, après quoi le Spark a pris l'avantage à 1 330 (Halo en retard d'environ 3.3x au pic).
Préremplissage lourd (8k/1k) : Le Halo a atteint 546 tok/s à une taille de lot de 64, contenant environ la moitié des 1 059 de Spark.
Décodage lourd (1k/8k) : Le scénario le plus compétitif du Halo, atteignant 235 tok/s contre 263 pour le Spark à une taille de lot de 64 (à environ 12 %).
ISL/OSL égal (256/256) : Le Halo a atteint un pic de 267 tok/s à une taille de lot de 64, loin derrière les 3 573 du Spark — FP4 montre l'écart le plus important (environ 13.4x).
Préremplissage lourd (8k/1k) : Le Halo a atteint 457 tok/s à une taille de lot de 64, contre 2 713 pour le Spark (environ 5.9x).
Décodage lourd (1k/8k) : Le Halo a été mis à l'échelle à 146 tok/s, comparé aux 588 tok/s du Spark à une taille de lot de 64 (environ 4x).
Le processeur AMD Ryzen AI Halo investit une catégorie que NVIDIA a en quelque sorte créée avec le DGX Spark, sans pour autant chercher à le surpasser sur son propre terrain. Lors de nos tests vLLM, le Spark a affiché un débit 2 à 4 fois supérieur dans la plupart des scénarios à forte concurrence, atteignant même 8.8 fois plus lors d'opérations GPT OSS 120 octets nécessitant un préremplissage intensif, et se réduisant à environ 10 % seulement lors de deux tests de décodage intensif. Son sous-système de stockage a par ailleurs remporté la quasi-totalité des tests fio à saturation. Le Halo propose quant à lui les mêmes 128 Go de mémoire unifiée et une capacité maximale de 200 milliards de paramètres, le tout dans un format similaire, à 3 999 $ contre 4 699 $ pour le Spark Founders Edition (bien que certains constructeurs le proposent à moins de 4 000 $), sur une machine x86 complète fonctionnant sous Windows 11 ou Linux, et non sous DGX OS uniquement.
Si l'on met de côté le Spark, le Halo se révèle être la meilleure implémentation de Ryzen AI Max+ 395 que nous ayons testée. Il a obtenu les meilleurs scores face aux HP Z2 Mini G1a et ZBook Ultra G1a dans presque toutes les charges de travail Windows que nous avons exécutées : 37 316 points en multicœur sur Cinebench R23, 184.2 GIPS avec 7-Zip contre 151.6 et 156.8 pour les HP, les meilleurs scores en génération de texte et d'images avec Procyon AI, et les temps de calcul les plus rapides avec le processeur Y à 5 et 10 milliards de décimales. Sous Linux, face au Spark, il a largement dominé les tests Phoronix, gourmands en ressources CPU, avec une compression 11 % plus rapide sous 7-Zip et une compilation LLVM 14 % plus rapide. Il s'agit avant tout d'une station de travail compacte, dont le rôle de développeur IA vient s'y ajouter sans la remplacer.
Les développeurs qui ont besoin d'un débit maximal de jetons locaux par seconde, ou qui prévoient de déployer des nœuds en cluster sur une infrastructure haut débit, devraient privilégier le Spark ; les performances du Halo (10 GbE et vLLM) sont nettement supérieures. Pour les développeurs utilisant ROCm, les équipes nécessitant l'intégration de Windows, ou toute personne souhaitant un seul boîtier pour les charges de travail professionnelles et la modélisation locale, le Halo est plus adapté. Son emplacement M.2 2280 standard et sa mémoire graphique variable pré-optimisée répondent à deux des principaux reproches formulés par les utilisateurs du Spark. AMD a également annoncé que la plateforme intégrera les processeurs Ryzen AI Max PRO série 400 avec jusqu'à 192 Go de mémoire unifiée au troisième trimestre, offrant ainsi aux acheteurs à la recherche de modèles plus performants une solution stable sans avoir à changer de plateforme.
Le Dell Pro Precision 5 14s est une station de travail mobile compacte basée sur la toute dernière plateforme professionnelle pour ordinateurs portables d'Intel. Notre test…
Le ThinkPad P14s Gen 7 de Lenovo embarque un processeur Intel Core Ultra 7 366H série 3 avec Intel vPro et une carte graphique NVIDIA RTX…
La dénomination de Dell place le Pro 5 14 un cran en dessous du Pro 7 dans sa gamme professionnelle, mais les spécifications…
Avec un poids de 2.80 kg et une épaisseur maximale de 16.45 mm, le Dell Pro 7 14 Intel est l'un des…
Dell nous a envoyé quatre ordinateurs portables Pro cette année, couvrant deux tailles, deux niveaux de gamme et les plateformes AMD et Intel.
L'infrastructure d'IA d'entreprise est passée de l'optimisation des modèles d'entraînement à leur mise en service, ce qui modifie la donne économique. L'entraînement est…