零刻的高端局里，最吵的一直是"395那台机器"：涨到两万八值不值、128G板载内存是资产还是负担、到底能跑多大的模型——每次吵到"每秒多少token"就散伙，因为没人拿同一台机器、同一个模型、同一套口径算到底。9月24日，知乎一位车主把这本账算完了，结论比数字更扎心：他这台零刻AI Max+ 395（128GB统一内存、8060S核显）跑新出的halogen-flash-server，第一遍只有官方宣称速度的一半。 而隔在中间的，除了引擎，还有一个出厂就躺在BIOS里的设置。知乎
一刀割在BIOS里：128GB到手只剩61GiB
事故现场：装好引擎、拉下Qwen3.8-Flash-Next官方权重，程序直接拒绝启动。敲一行`free -h`，MemTotal显示61GiB——物理上明明是128GB。答案在BIOS的UMA Frame Buffer Size里：出厂把它设到了64GB，核显架构下CPU和GPU共用一条内存池，这64GB被整体划给8060S当显存池。对游戏党是福利，对README要求的"128GB统一内存"环境，等于两万八买的内存一半被物业封了阳台；改回512MB后MemTotal立刻回到122GiB，引擎正常加载。 入门机那头"核显预扣内存"的账，同刀在旗舰上又割了一遍。知乎
两个限定要说白：这是海外在售AZW版395机的孤证，国内GTR9 Pro（同颗395、140W释放、双万兆+双USB4）7月新增的128G+4T顶配卖28599元，出厂默认是否一致，还得等更多车主晒`free -h`。 而"BIOS里给核显分配内存"在这平台上是标准功能，另一篇GTR9 Pro深度实测里写着"BIOS最高可分配96GB作为GPU共享显存"，只是没人提醒你想跑大模型要往反了调。微博知乎
三件套之后：22→39.8 tok/s，那5%差在哪
调优路径就三件事：释放UMA（64GB→512MB）、关掉IOMMU、用官方checkpoint。做完的数字：decode从22提到39.8 tok/s（+81%），跑到halogen宣称值的95%；同款395跑llama.cpp+unsloth GGUF一般在12–18 tok/s，"2x"站得住。 34K token长会话第二轮几乎瞬时——拿它当agent常开主机的人最在意这栏；全程不降频、温度低，功耗略高于README标称的~85W。剩下约5%的差距作者查得明白：KV池自动减半（HALOGEN_MAX_TOK=32768触发，README自述约慢9%）。翻译成人话：这台机器的"满血"是有条件的，条件写在README里，不写在商品详情页里。知乎
这个"2x"不是白来的：三种人各有各的账
halogen官方对比llama.cpp：8K/32K prefill快1.9x/2.7x，agent turn快1.9x。它快是因为不通用——专为这一个GPU+一个模型家族手写的kernel；代价同样直白：Strix Halo之外不支持，模型换代得等作者适配。所以适用性分三拨：已在车上、本地跑100GB级MoE当agent主机的，三件套现在就做，UMA和IOMMU不依赖任何新软件；指着"128G板载不缩水"上车的，验车清单加一行——先进BIOS确认内存在不在，再把"依赖单一社区引擎"记进风险项；只打游戏或要安静桌面的，默认64GB显存池对你没准是赚的，别跟风改。至于7月底开卖、11895元起、配24GB推理专用内存的SEi13 AI/SEi14 AI外挂NPU路线，卖的是"便宜一档的本地AI"，和395买的"多大模型、多长会话、多快周转"不是一回事，更不是信仰。微博
接下来盯什么
盯四件事：国内版BIOS默认值会不会随固件更新调整；halogen的适配表下一格给谁；同机第二、第三份实测什么时候交作业；以及28599这个顶配价在双11前的走向——涨价潮里"自己装更省"的老公式早就失灵，但这台机器的用户本来也不是按省钱公式买它的。t/s吵了半年，第一次有人把机器、引擎、权重、口径钉死在同一张表上。对准备上395这条船的人，这篇实测最值钱的不是39.8，是那行61GiB——先确认你买到的128GB真的在你手里，再谈跑多少token。
