EVO-X5 Pro et F9A : des mini-PC AMD capables de charger de très grands modèles d’IA

GMKtec et Acemagic ont profité de l’IFA 2026, à Berlin, pour présenter deux mini-stations de travail bâties autour de l’AMD Ryzen AI Max+ PRO 495, anciennement connu sous le nom de code Gorgon Halo. Leur argument central n’est pas une carte graphique dédiée : c’est un immense réservoir de 192 Go de mémoire rapide partagée entre processeur et GPU intégré.

L’objectif est clair : permettre à des développeurs, chercheurs et entreprises de charger localement des modèles de langage très volumineux, sans transmettre prompts ou documents vers un service cloud. 1843

Une plateforme pensée autour de la mémoire unifiée

Le Ryzen AI Max+ PRO 495 associe 16 cœurs Zen 5 et 32 threads, avec une fréquence Boost pouvant atteindre 5,2 GHz, à la puce graphique intégrée Radeon 8065S dotée de 40 unités de calcul. AMD indique la prise en charge de jusqu’à 192 Go de LPDDR5X-8533 sur un bus 256 bits. Son NPU est annoncé jusqu’à 55 TOPS, tandis que les communications des constructeurs évoquent jusqu’à 131 TOPS d’IA au total pour la plateforme. 1343

Ici, il n’y a pas de séparation fixe entre la RAM système et la mémoire vidéo d’une carte graphique. La mémoire est mutualisée : dans les configurations compatibles, jusqu’à 160 Go des 192 Go peuvent être attribués au GPU intégré comme mémoire graphique. Avec la LPDDR5X-8533 sur cette interface 256 bits, la bande passante théorique s’établit autour de 273 Go/s. 33543

Deux machines se distinguent à l’IFA :

• GMKtec EVO-X5 Pro : GMKtec a confirmé ce mini-PC sous Ryzen AI Max+ PRO 495, avec jusqu’à 192 Go de mémoire et jusqu’à 160 Go attribuables au GPU. La commercialisation est annoncée à partir d’octobre 2026. 8
• Acemagic F9A : Acemagic a exposé son F9A PRO 495, lui aussi équipé de cette famille de processeurs, avec jusqu’à 192 Go de mémoire unifiée et une Radeon 8065S. Un compte rendu évoque un boîtier d’environ deux litres, mesurant 158,5 × 158,5 × 81,5 mm. 129

Les informations disponibles ne décrivent pas encore avec le même niveau de précision les connectiques définitives, les limites de puissance, le comportement du refroidissement ou les configurations régionales des deux modèles. Or ces éléments seront déterminants : dans un mini-PC, les performances soutenues en IA dépendent autant du refroidissement et de l’enveloppe de puissance que du processeur lui-même.

Peut-on vraiment exécuter un LLM de 300 milliards de paramètres ?

Le nombre de paramètres ne suffit pas à savoir si un modèle tient en mémoire : il faut tenir compte de sa quantification et des besoins du logiciel qui l’exécute. Pour les seuls poids d’un modèle de 300 milliards de paramètres, l’ordre de grandeur est le suivant :

Format des poids	Taille brute approximative	Peut tenir dans 160 Go alloués au GPU ?
FP16	600 Go	Non
INT8	300 Go	Non
INT4	150 Go décimaux	Éventuellement, avec très peu de marge

À 4 bits par paramètre, les poids occupent environ 150 Go avant même les métadonnées de quantification, les tampons d’exécution et le cache clé-valeur (KV cache) nécessaire au contexte. C’est pourquoi le positionnement d’AMD sur les modèles de la classe des 300 milliards de paramètres suppose une quantification agressive et un réglage adapté de la charge de travail. AMD nuance d’ailleurs lui-même cette promesse selon l’architecture du modèle, sa quantification et la configuration utilisée. 1531

En pratique, ces machines peuvent potentiellement charger et exécuter certains modèles INT4 proches de 300 milliards de paramètres en local. Cela ne signifie ni qu’un modèle de cette taille fonctionnera en FP16 ou en INT8, ni qu’il générera des réponses à très haute vitesse. Une fois 160 Go réservés au GPU, il reste en outre peu de latitude pour le système d’exploitation et les tâches côté processeur.

Les sources fournies n’apportent pas de preuve primaire fiable d’une démonstration ou d’un modèle nommé « Qwen3.8-Flash-Next ». Il ne faut donc pas le considérer comme un benchmark ou une démonstration vérifiée de manière indépendante.

Le vrai saut générationnel : 50 % de mémoire en plus

La précédente génération Ryzen AI Max 300 était limitée à 128 Go de mémoire unifiée LPDDR5X-8000. La plateforme PRO 400 monte à 192 Go : c’est une hausse de 50 %. Le maximum de mémoire graphique attribuable progresse pour sa part de 96 Go à 160 Go, selon les informations publiées autour de l’annonce de la plateforme AMD. 11

Le gain de bande passante est plus mesuré. Une configuration LPDDR5X-8000 sur 256 bits atteint environ 256 Go/s en théorie, contre environ 273 Go/s en LPDDR5X-8533, soit près de 6,6 % de plus. Le processeur reste un modèle Zen 5 à 16 cœurs et la puce phare conserve la Radeon 8065S : il s’agit donc avant tout d’une évolution de capacité mémoire, plutôt que d’une refonte complète de l’architecture de calcul. 93336

C’est une différence importante pour un acheteur : cette mémoire supplémentaire élargit la liste des modèles pouvant rester chargés localement, mais elle ne transforme pas le GPU intégré en accélérateur de centre de données à mémoire HBM.

D’autres machines sur la plateforme Gorgon Halo à 192 Go

La gamme PRO 400 comprend les Ryzen AI Max PRO 485, 490 et Max+ PRO 495. Le 495 est la version haut de gamme avec 16 cœurs et une Radeon 8065S ; les 485 et 490 utilisent une Radeon 8050S. 1632

D’autres systèmes annoncés autour de cette plateforme comprennent :

• Minisforum MS-S1 MAX P495, une mini-station de travail annoncée avec jusqu’à 192 Go de mémoire unifiée LPDDR5X et jusqu’à 160 Go attribuables comme VRAM. 34
• Framework Desktop, un PC compact proposé avec le PRO 495, 192 Go de mémoire, 273 Go/s de bande passante annoncée et jusqu’à 160 Go utilisables par l’iGPU. 1433
• Lenovo ThinkCentre X Ultra, annoncé avec un PRO 495 possible, mais avec un plafond mémoire inférieur de 128 Go et jusqu’à 96 Go de mémoire graphique dédiée. Son lancement était attendu en novembre 2026, avec un prix de départ annoncé à 3 669 dollars. 34

À qui s’adressent ces mini-stations de travail ?

Ces machines à 192 Go sont surtout des outils d’inférence locale et de développement pour lesquels la capacité à garder le modèle en mémoire et la confidentialité des données comptent davantage que le débit maximal. Elles peuvent intéresser les équipes qui expérimentent des LLM quantifiés, des traitements de documents privés ou des flux de travail hors ligne qui nécessiteraient autrement une instance cloud ou une station multi-GPU beaucoup plus encombrante.

Leurs limites restent nettes. Une Radeon intégrée partageant environ 273 Go/s de bande passante mémoire n’a pas le même profil qu’un accélérateur haut de gamme doté de mémoire HBM et d’une bande passante bien supérieure. Les 55 TOPS annoncés pour le NPU ne mesurent pas directement les performances de génération d’un grand modèle de langage : la pile logicielle, l’exécution sur GPU, le format du modèle, la longueur de contexte et la puissance maintenue ont tous un impact sur le résultat réel. 135

Le prix sera également un frein. Acemagic aurait prévu de vendre un F9A équipé de 192 Go de mémoire et d’un SSD de 2 To à 8 000 €, via sa boutique et Amazon, en septembre 2026. Il s’agit d’un prix catalogue envisagé rapporté par la presse, et non d’un prix de transaction confirmé. 6

L’EVO-X5 Pro et le F9A illustrent néanmoins une évolution nette : les stations d’IA compactes cherchent désormais à embarquer assez de mémoire unifiée pour conserver des modèles quantifiés bien plus grands sur une seule machine de bureau. Avant d’acheter, la bonne question n’est donc pas seulement « 300B ou non ? », mais plutôt : quel modèle quantifié précis, avec quelle longueur de contexte, et à quelle vitesse acceptable ?