零刻 GTR9 Pro 495：128GB 统一内存，装得下 70B 不等于跑得快

128GB 内存的迷你主机，系统里只剩 61GB。推理引擎刚启动就退出，日志说内存不够。

不是内存坏了。GTR9 Pro 的 BIOS 把 UMA Frame Buffer 设成 64GB 时，系统只认 61GiB；改回 512MB，MemTotal 回到 122GiB，模型才顺利加载。再关掉 IOMMU、换官方 checkpoint，decode 从 22 tok/s 升到 39.8 tok/s。知乎

这台机器的脾气，从开机第一分钟就露出来了：容量很大，但每一 GB 都要自己抢回来；速度也没有参数表看上去那么自由。

零刻 GTR9 Pro 495 是这台机器的新版本。锐龙 AI Max+ PRO 495，16 核 32 线程，40 组 CU 的 Radeon 8065S，128GB 统一内存，2TB 固态，标价 29998 元。官方给的是最高 96GB 显存、131 TOPS、双万兆网口、双 USB4、8K 输出。纸面上，本地跑大模型需要的东西都摆齐了。IT之家知乎微型计算机

跑起来是另一回事。

上一代 395 的 GTR9 Pro，128GB 内存，在 LM Studio 里跑 DeepSeek-R1：7B 和 32B 的蒸馏版分别约 47 和 11 tok/s，70B 全参数只有 4.66 tok/s。换成 MoE 结构的 GPT-OSS-120B，速度回到 30 tok/s 左右。另一份 128GB 的 Beelink Strix Halo 记录里，halogen-flash-server 跑 Qwen3.8-Flash-Next，同一套调优后 decode 39.8 tok/s。同一台机器跑 llama.cpp 的 GGUF，一般 12–18 tok/s。科技数码秀海风数码知乎

差距来自带宽。395 是 256GB/s，495 约 273GB/s，只多了约 7%，还不到 Mac Studio M5 Max（614GB/s）的一半。模型越大，权重每读一遍越久，速度就越像看着它一个字一个字往外蹦。70B 的 4.66 tok/s，大约是每秒四个半字。知乎

495 这一代真正的变化，是把平台内存上限从 128GB 抬到 192GB，最多 160GB 给 GPU。可零刻这台 GTR9 Pro 495 仍是 128GB + 2TB。同样的 495，极摩客 EVO-X5 Pro 的 192GB 版卖 46999 元，铭凡 P495 卖 51999 元；多出的 64GB，要多掏一万七到两万二。零刻把新 U 装进 128GB 的壳里，卖 29998 元：比 395 快一点，但没有 192GB 那种“能装下 320B”的质变。192GB 机型跑大体量模型，实测生成约 14 tok/s，也不是飞起。微型计算机知乎

那 128GB 够谁用？

模型必须留在本地的人。法务、财务、政企、科研，或者拿它做离线知识库、长文档分析。70B 的 Q4 权重约 42GB，128GB 装下后还有余量留给 KV Cache。34K token 的会话，第二轮可以接近瞬时响应。加上 96GB 可分配显存，同时挂几个模型、跑长上下文，比 64GB 机器从容得多。ZOL中关村在线知乎IT之家

能接受慢的人。70B 一秒四个多字，写材料、做摘要、批量处理能用，聊天会急。32B 的 11 tok/s 更接近日常，7B 的 47 tok/s 才谈得上顺滑。

不适合两种人。想拿它打游戏的，8060S 大约相当于 RTX 4060，2K 中画质靠 FSR 能玩，但同样的钱配台式机更划算，零刻 GTi15 Pro 加显卡坞也更对路。只想聊天、写周报的，云端 API 按量付费，速度快得多，没必要为 128GB 掏三万。海风数码

128GB 统一内存卖的从来不是“显存自由”，是把大模型装进一台静音小盒子的自由。装得下 70B，和跑得快，是两件事。掏钱前先想清楚：你每天跑的是 7B、32B 还是 70B，能忍受几秒一个字。要 320B，得加钱上 192GB，而且速度也只有 14 tok/s 左右。