AMD 的 FSR 4（FidelityFX Super Resolution 4）随 RDNA 4 架构的 RX 9000 系列显卡一同发布，至今已超过一年。按照官方口径，这项基于机器学习的超分辨率技术仅限最新架构使用，大量仍在使用 RDNA 2、RDNA 3 老显卡的用户始终没有等来官方支持。

第三方已经跑通

但技术上的障碍似乎并不存在。据中文科技媒体梳理，FSR 4 针对 RDNA 2、RDNA 3 架构的 INT8 版本动态链接库（DLL）其实早已存在。第三方工具 Optiscaler 已经成功在 RX 6000、RX 7000 系列上启用 FSR 4，实测显示 FSR 4.0 的平衡模式在清晰度、抗鬼影与抗闪烁方面，甚至优于 FSR 3.1 的质量模式。FSR 4.1 也被玩家通过类似方式移植到 RDNA 3 显卡，效果与原生 RDNA 4 平台基本一致。

另有外媒 GameGPU 报道，有开发者通过 INT8 处理，将 FSR 4 移植到了 RX 470 这类更老的显卡上，进一步印证了老架构运行新技术的可行性。

团队流失或是主因

为什么 AMD 迟迟不开闸？前 FSR 开发负责人科林·莱利（Colin Riley）在社交媒体上的回应耐人寻味：他曾在 AMD 工作近九年，主导了 FSR 2、FSR 3 与 FSR 4 的开发，面对老用户追问，他只发了一张「说了怕有大麻烦」的表情包。

莱利透露，曾参与 FSR 4 开发的 GPUOpen 与 FidelityFX 团队中，多名核心成员已离开 AMD，转投英伟达（NVIDIA）或英特尔（Intel）——光线再生（Ray Regeneration）技术的开发者去了英伟达，GPUOpen 项目创始总监去了英特尔。这或许解释了 FSR 4 推进缓慢的现状：目前仅有少数游戏原生集成了其核心功能，光线再生技术仅限于《使命召唤：黑色行动 7》与《红色沙漠》等少数大作；在超过 100 款支持 FSR 4 的游戏中，许多仍需通过 AMD 的 Adrenalin 驱动强制覆盖才能启用增强功能，且限 RDNA 4 架构。

友商早已向下兼容

作为对比，英伟达虽然同样限制了多帧生成等新功能，但其最新的画质提升技术已向下兼容至 RTX 20 系列；英特尔虽起步较晚，但驱动支持持续改善，已获得开发者认可。而 FSR 4.1 的泄露文件中曾包含可让老架构启用 FSR 4 的 DLL，但 AMD 迅速删除了相关内容，至今未对老显卡开放官方支持。

对持有老卡的玩家而言，第三方方案虽能解燃眉之急，却始终游走在灰色地带。FSR 4 的真正普及，恐怕还要等 AMD 自己松口。

近日，可维修笔记本先驱 Framework 就其 Laptop 13 AMD 系列笔记本的 BIOS 更新问题作出回应。据报道，部分搭载 AMD Ryzen 7040 系列处理器的 Framework 笔记本在更新 BIOS 3.20 版本后出现了主板无法启动（即"变砖"）的问题。

问题详情

根据用户反馈，受影响的机型为 Framework Laptop 13 AMD，该系列搭载 AMD Ryzen 7040 系列移动处理器（包括 Ryzen 7 7840U 等型号）。用户在通过 Framework 官方渠道推送 BIOS 更新至 3.20 版本后，设备出现了无法正常启动的情况。

变砖是指设备在更新固件后完全无法进入操作系统，甚至无法通过常规方式重新刷写固件。对于笔记本电脑而言，主板 BIOS 损坏意味着整机将无法开机，通常需要返厂更换主板或借助外部编程器进行固件修复。

Framework 在官方渠道确认了该问题的存在，并表示正在调查具体情况。针对已受影响的用户，Framework 表示将处理相关投诉并提供解决方案。

模块化笔记本的特殊困境

Framework 近年来因"模块化""可维修"的设计理念受到关注。与传统笔记本不同，Framework 笔记本的许多部件均可由用户自行更换和升级。然而，BIOS 作为主板上的核心固件，其更新失败对用户来说是一个相对棘手的问题。

对于大多数传统笔记本品牌，BIOS 更新失败通常可以通过售后服务中心处理。而 Framework 的用户群体中有相当一部分具备自行维修的能力，但主板 BIOS 芯片的刷写仍需要一定的技术条件和专用设备。

影响范围与用户建议

目前尚不清楚受影响的笔记本数量占总出货量的比例。Framework 方面尚未公布具体的受影响批次或序列号范围。

对于使用 Framework Laptop 13 AMD（Ryzen 7040 系列）的用户，在官方修复方案明确之前，建议暂缓更新 BIOS 3.20 版本。如果设备运行稳定且无新硬件需求，继续停留在当前可用的 BIOS 版本是更为稳妥的选择。

Framework 作为一家相对年轻的硬件公司，其在供应链管理和品控方面仍在积累经验。此次 BIOS 更新问题提醒用户，即使是主打"高可维修性"的设备，其核心固件的可靠性同样不容忽视。

在英伟达阵营的那些年里，他主要用「NVIDIA 控制面板」调整各项显卡设置。这款软件界面停留在 XP 时代，尽管带点怀旧滤镜，但英伟达早该更新了。英伟达其实在 2024 年初就放出了全新的 NVIDIA app 测试版，承诺逐步取代老控制面板，可直到他换卡前，仍有大量选项只存在于老面板里，用户不得不两个软件来回切。这一局面一直持续到 2026 年 5 月，英伟达才正式退役那款经典控制面板，把功能全部并到新 app。

换成 RX 9070 XT 后，Damnjanovic 被 AMD Software：Adrenalin Edition 的好用程度震住了。它界面现代、选项丰富，比英伟达那款老态龙钟的控制面板领先了不止一个身位。需要调的设置触手可及，新驱动一发布软件就弹窗提醒，录屏也极其简单，逐游戏配置更是被放在了醒目位置，让用户能快速为每款游戏单独设定显卡参数。

更让他满意的是，给 RX 9070 XT 做降压和超频完全不用第三方工具。在英伟达这边，像 Afterburner 这类软件长期是超频降压的标配；而 AMD 把这些能力直接做进了 Adrenalin，点开「性能」里的「调整」选项卡、启用自定义预设，几步就能完成，甚至还能按游戏分别设定——有些游戏能吃更高的降压值，有些则会立刻崩溃，逐游戏配置非常实用。AMD 软件还允许用户自定义显卡风扇曲线，这是英伟达 app 至今缺失的功能。

当然，软件体验占优不代表 AMD 在功能上全面领先。多帧生成至今仍是 AMD 的空白，而英伟达和英特尔都已经提供了一段时间；作者尤其羡慕英伟达的 RTX HDR，配合 OLED 显示器效果出众。不过在他眼里，RX 9070 XT 依然是每款游戏里的猛兽，运行安静清凉，FSR 4 的观感已逼近 DLSS 4，配合 OptiScaler 还能在一切支持 DLSS 的游戏里开启。他用的这块是蓝宝石 NITRO+ 版本，16GB 显存，售价约 720 美元。

对正在挑选显卡的用户来说，这或许是个提醒：除了跑分和光追，日常天天打交道的驱动软件，同样值得放进对比清单。

来源：How-To Geek

8 月 6 日美股收盘后，AMD 宣布已与加拿大 AI 芯片初创公司 Taalas 签署最终收购协议。交易金额未披露，需通过监管审批，预计在第四季度完成交割。据 The Register 了解，这是一笔实打实的收购，而非只挖团队的「人才收购」。

不用显存，把权重直接烧进硅片

Taalas 成立于 2023 年，总部位于加拿大多伦多，累计融资约 2.19 亿美元。它的技术路线与主流方案完全不同：无论是常规 GPU，还是 Groq、Cerebras 那类数据流架构加速器，模型权重都存放在高带宽内存里，芯片运行时反复读取——数据在内存与计算单元之间来回搬运，带来功耗、延迟和封装成本。

Taalas 的做法是把权重直接蚀刻进硅片。从结构上看，它的芯片由两个区域构成：存放模型权重的掩模只读存储区，以及承载键值缓存和微调适配器的静态随机存储区。这类芯片本质上是「模型专用集成电路」，一颗芯片只服务一个模型。

这套方案并非停留在纸面。今年 2 月，Taalas 发布了首款测试芯片 HC1，采用台积电 6 纳米工艺制造。初步基准测试中，它运行 Meta 的 Llama 3.1 8B 模型达到每秒 16960 个词元——按当时的对比口径，这一速度是英伟达 GPU 的 48 倍、Cerebras 加速器的 8.5 倍。Llama 3.1 以今天的标准看已属老模型（2024 年年中发布），这枚光罩尺寸的芯片主要目的是验证概念可行。

第二代 HC2 芯片计划于今年夏季推出，单芯片参数量目标提升至 200 亿。这个数字听起来不大，但与 GPU 一样，权重可以通过流水线并行分散到多颗芯片上。按每颗 200 亿参数计算，支撑一个万亿参数模型只需 50 颗加速器——而 AMD 恰好拥有机架级计算平台和自研系统设计团队。作为对照，英伟达近期发布的 LPX 系统跑同等规模模型，需要数十颗 GPU 外加至少 2000 颗 Groq 加速卡。

AMD 的算盘：GPU 处理提示词，专用芯片吐词元

据了解，AMD 打算把基于 Instinct 的 Helios 机架与 Taalas 技术芯片配对，构成一套解耦架构：计算密集的提示词处理交给 GPU，词元生成任务卸载到 Taalas 加速器。另一种可能的模式是形成「验证—迁移」的迭代节奏，客户先在 Instinct 加速器上部署调试模型，确认效果后再迁移到 Taalas 芯片。

AMD 人工智能高级副总裁 Vamsi Boppana 在声明中表示：「AMD 正在构建全栈 AI 平台，让客户能够为每一种 AI 工作负载灵活选择合适的计算方案。」

这笔交易的背景，是行业竞争焦点正从训练转向推理。过去几年芯片厂商比拼的是谁能连接更多 GPU、提供更大显存和更高集群带宽；随着模型进入实际业务，推理变成了持续发生、反复计费的负载，客户开始追问每个词元的成本、响应延迟和数据中心功耗。这笔收购距离英伟达与 Groq 达成 200 亿美元交易仅隔约七个月，也印证了推理芯片已成新战场。

AMD 近年在这条线上动作密集：2024 年以 6.65 亿美元收购模型开发商 Silo AI、以 49 亿美元收购服务器厂商 ZT Systems 为 Helios 机柜奠基，此后又拿下推理软件公司 MK1；今年 6 月收购内存优化公司 MEXT，7 月与 Cerebras 达成合作。财务上也支撑得起：AMD 第二季度营收 115 亿美元、同比增长 50%，其中数据中心业务 67 亿美元、同比增长 107%，占总营收的 58%。

代价：芯片一旦流片，就跟这个模型绑死了

速度虽快，代价也很直白——芯片部署后就被锁死在那个模型上。任何超出 LoRA 适配器级别的改动，都需要重新流片，既贵又耗时。生成式 AI 热潮进入第四年，新模型几乎按月迭代，要享受这项技术红利，客户必须对自己的模型选择有十足把握。

不过据 Taalas 说法，情况没那么糟：换新模型虽需重新流片，但不必从零开始，只需改动两层金属，成本和周期都低得多。今年 2 月该公司曾对科技媒体 The Next Platform 表示，把模型权重蚀刻进硅片的开销，比训练一个前沿模型低 100 倍。

The Register 判断，这项技术的主要用户会集中在模型开发商、其基础设施供应商，以及少数推理服务商。AMD 在这方面有谈判优势：OpenAI、Anthropic 和 Meta 都是 Instinct 的重要客户，未来看到某个 GPT 或 Claude 跑在 Taalas 与 Instinct 的混合方案上，并不令人意外。

这项技术还可能反向影响模型开发。开发者压制幻觉的手段之一叫「测试时扩展」，做法很简单——让模型在回答前多「想」一会儿。缺点是消耗大量词元，既费钱又让用户等更久。如果 Taalas 能把单位词元成本压下来、把输出速度提升 10 倍到 20 倍，模型开发者或许会选择把推理时间拉得更长。

AMD 首席执行官苏姿丰此前多次表示，AI 芯片市场不存在「一种芯片通吃所有应用」的情况：GPU 凭通用性仍会占据大部分份额，因为它能支撑不断演进的新模型；但不同场景也需要更专业化的加速器共同构成完整生态。Taalas 补上的，正是最靠近专用计算的那一端。

来源：The Register

Taalas 的技术路线在业内被称为”模型专用集成电路”（MSIC）。传统 GPU 靠高带宽内存（HBM）存储模型权重，每次推理都要从内存反复读取；Taalas 则把权重直接烧进芯片的掩模只读存储（Mask-ROM）区域，省掉了绝大部分数据搬运开销。其芯片由两个核心区域组成：掩模 ROM 存储固定权重，高速 SRAM 存储 KV 缓存和微调适配器。

说白了，这是用灵活性换极致性能的赌注。一旦芯片出厂，上面跑的模型就锁死了——想换模型就得重新流片（重新设计光罩）。不过 Taalas 称，更换模型时只需修改两层金属布线，成本和时间远低于从头设计新芯片。

这笔交易发生在英伟达以 200 亿美元收购 Groq 仅仅七个月之后。两家公司的思路有相似之处——都瞄准低延迟、高吞吐量的”高级推理”市场，也就是 AI 智能体、代码助手这类对首字延迟极其敏感的应用场景。但 Groq 走的是数据流架构路线，而 Taalas 走的是更激进的”模型固化”路线。

AMD 方面没有披露交易金额。Taalas 自 2023 年成立以来累计融资 2.19 亿美元，创始团队来自 AMD 和 Tenstorrent 的前员工。AMD 计划将 Taalas 技术整合进 Instinct GPU 产品线，采用解耦架构：复杂的前端提示处理交给 GPU，高频 Token 生成交给 Taalas 加速器。

这意味着什么？如果 Taalas 的技术能在量产中兑现承诺，AI 推理的成本结构可能被重写——不是比拼谁买了更多 GPU 卡，而是比谁能把最常用的模型”固化”下来、以最低成本持续输出 Token。对正在评估推理基础设施的企业来说，值得密切关注这条技术路线的后续进展。

来源：The Register / AMD 官方新闻稿 / 网易科技

科技媒体 How-To Geek 的作者 Ismar Hrnjicevic 盘点了 4 颗曾经风光、如今已不建议继续用来打游戏的 AMD 处理器。它们发布时都是相当亮眼的游戏芯片，但现代游戏的负载越来越重，这些芯片的年龄开始成为硬伤——继续用下去，省下的升级费可能还不够填别的坑。

AMD FX-9590：5GHz 的梦，如今是场噩梦

FX-9590 发布于 2013 年，出现在这份名单上并不意外，但仅用”年代久远”来解释并不完整。

2013 年到 2017 年之间，AMD 手里并没有一款能对抗英特尔（Intel）酷睿 i7 逐代更新的旗舰桌面处理器。除去 APU 产品线，AM3+ 平台就是全部家当，因此在第一代锐龙问世之前，FX-9590 是 AMD 消费级最强的处理器。

它确实够猛：这是第一颗出厂即可把加速频率推到 5.0GHz 的消费级桌面处理器，远高于当时热门的 FX-8350 的 4.2GHz。对一颗 8 核芯片来说，这是相当可观的成绩。不过所谓 8 核大体只是名义上的——推土机（Bulldozer）及后续的打桩机（Piledriver）架构采用 4 个模块、每模块 2 个整数单元的设计，实际表现更接近传统四核。这套颇具误导性的宣传后来还引发了一场以 AMD 败诉告终的集体诉讼。

如今这颗芯片的年龄暴露无遗。同时期 AMD 的每周期指令数（IPC）明显落后于英特尔，导致 FX 系列在游戏中表现平平，而游戏越复杂，情况越糟。

真正致命的是功耗。为了达到那个听起来很唬人的 5GHz，这颗芯片的热设计功耗高达 220W。除了必须配一套强力散热器，它的耗电量几乎相当于一块显卡，换来的却是并不出色的游戏体验。作者的判断是，换一颗更新、更省电的芯片，几个月内省下的电费就足以覆盖差价，在 2026 年把它塞进游戏主机毫无道理。

有意思的是，FX-9590 反倒成了收藏品，eBay 上不少卖家的开价超过 100 美元。

AMD 锐龙 5 1600：救活 AMD 的性价比之王，风光已过

初代锐龙对 AMD 的意义再怎么强调都不为过，它不仅彻底改变了这家公司，也搅动了整个处理器市场和游戏行业。

锐龙 5 1600 及略快的 1600X 尤其值得一提：这是主流消费级处理器第一次以如此亲民的价格提供 6 核 12 线程。尽管单线程性能稍弱、在游戏中会输掉几个百分点，但它们让当时只有 4 核、且缺少超线程的英特尔酷睿 i5 产品线显得相当过时。如果既要有像样的游戏性能，又想兼顾直播、多任务和生产力，锐龙 5 1600 基本就够了。

6 核 12 线程的设计后来老得相当体面。开放世界游戏和其他吃处理器的大作逐渐普及，反而让它多撑了好几年。但初代 Zen 架构终究到了尽头：偏低的 IPC、老旧的架构，加上不受 Windows 11 官方支持，这颗芯片的游戏黄金期已经结束。

好消息是，很多 AM4 主板刷新 BIOS 后可以支持更新、更强的锐龙处理器，升级路径清晰。

AMD 锐龙 3 3200G：名字像 Zen 2，骨子里不是

2019 年 AMD 推出 Zen 2 架构的锐龙 3000 系列，迅速成为玩家的新标准。这批芯片采用台积电当时最新的 7nm 工艺，而英特尔因为 10nm 工艺一再延期，还困在 14nm 上。简单说，Zen 2 尤其是极受欢迎的锐龙 5 3600，让 AMD 真正在处理器市场站稳了脚跟。

锐龙 3 3200G 却不在此列。尽管它与 Zen 2 芯片同期发布、挂着 3000 系列的名号，内里却是 2018 年的 Zen+ 架构——也就是锐龙 2000 系列的底子。作者直言这是一个值得商榷的营销决定：消费者看到”3000″和代表核显的”G”，很容易以为这是一颗全新的 Zen 2 核显芯片，可以拿来装办公机顺便轻度游戏，实际上它不过是换了标的锐龙 3 2200G。

它当年就算不上出色，如今更是糟糕。4 核 4 线程是原因之一，但不是全部：这颗芯片只有 4MB 三级缓存（锐龙 3 3300X 是 16MB），严重拖累 1% 最低帧，容易出现明显卡顿；此外它只提供 8 条 PCIe 3.0 通道给独立显卡，搭配显卡时必须格外小心，否则会形成严重瓶颈。

当初买它的人图的是 Radeon Vega 8 核显，发布时确实能应付一些轻度游戏。但在二手市场上 Zen 2、Zen 3 芯片遍地都是的今天，把它装进游戏主机基本没有价值。

AMD 锐龙 3 3300X：曾经的预算之王，后继无人是有原因的

锐龙 3 3300X 比前面那颗 3200G 强出一大截。它以 120 美元的价格上市，迅速成为预算有限玩家的爆款。全新的 Zen 2 架构带来大幅性能提升，而 2020 年的很多游戏还无法充分利用 6 核或 8 核，4 核 8 线程的锐龙 3 3300X 因此显得非常合理：省下的钱可以加到显卡上换更高帧率，而处理器瓶颈很少成为问题。

它火到 AMD 一度供不应求，很快就难以按建议零售价买到，这也是不少人最终转向锐龙 5 3600 的原因之一。

问题在于，2020 年的优点到 2026 年变成了缺点。四核设计在当年帮助压低了售价，如今却远不如同期的锐龙 5、锐龙 7 耐用。目前的情况是，在一些高负载游戏中，连 6 核处理器都开始相对 8 核型号显出吃力，AMD 也早已把桌面产品重心从锐龙 3 转向锐龙 5。

锐龙 3 3300X 在它的时代是一颗优秀的预算游戏芯片，但四核架构终究拖了后腿，现在再为它花钱已不值得。

来源：How-To Geek

FX-9590。2013 年的 AM3+ 平台，推土机架构，标称八核实际是四模块八整数单元，性能更接近传统四核，当年因为”八核”宣传吃过集体诉讼。加速频率 5.0GHz 听着唬人，但每周期性能太低，配上 220W 的功耗设计，电费比性能更有存在感。

锐龙 5 1600 / 1600X。初代 Zen，6 核 12 线程的规格今天看仍不算寒酸，问题是架构太早、单线程偏弱，而且没有官方 Win11 支持——想升级系统就得绕路。

锐龙 3 3200G。名字带 3000，实际是 Zen+ 架构，本质就是 2200G 换个壳。4 核 4 线程、三级缓存只有 4MB（同代的 3300X 有 16MB），留给独显的 PCIe 3.0 通道只剩 8 条。Vega 8 核显当年勉强能应付轻量游戏，现在 1% 最低帧惨不忍睹。

锐龙 3 3300X。Zen 2 架构、4 核 8 线程，2020 年 120 美元的定位很讨喜，但面对吃多核的新游戏已经吃力，AMD 自己也早就放弃了桌面端锐龙 3 产品线。

我的判断是，这四颗的共同问题是缓存和线程数被现代游戏卡住了脖子，换不换取决于主板还剩多少余地：不少 AM4 主板刷个 BIOS 就能直接上锐龙 5 5600 或 3600，成本远低于整套换新；要是打算一步到位，AM5 平台的锐龙 7 7700 这类型号仍是稳妥选择。

来源：How-To Geek

这份配置最近登上 Hacker News，作者 Ryan Zhou 把整套东西开源在 GitHub 上：一张 AMD MI300X 显卡，直接跑官方发布的 deepseek-ai/DeepSeek-V4-Flash-0731 权重，不做额外量化，也不做分层卸载，模型以出厂状态运行。仓库里包含 Docker Compose 部署栈、锁定哈希值的文件覆盖层、对照上游的差异补丁和调优参数表。

能塞下的原因是显存，不是算力

DeepSeek V4 Flash 是一个混合专家（MoE，指模型内部分成很多”专家”子网络，每个词只激活其中一小部分）架构的模型，基础设计 2840 亿参数、每个词激活 130 亿。0731 这一版额外附带了推测解码草稿模块，模型卡上标注的参数量因此是 3040 亿。它以 FP4 加 FP8 的混合精度发布——专家权重用四位、注意力和路由用八位——整个检查点在硬盘上约 149 GiB。

这个数字正是关键。它装不进 H100 的 80GB，也装不进 H200 的 141GB，所以官方推荐方案要么四张 H200，要么一整块 GB200 NVL4 托盘。而 MI300X 有 192GB 显存和 5.3 TB/s 带宽，容量是 H100 SXM5 的 2.4 倍，刚好装得下。

实际加载后，权重占 156.67 GiB，旁边还能放下 20GB 的键值缓存，另有 96 GiB 溢出到内存层，所以主机需要约 235 GiB 系统内存。显存峰值是 205.8GB 里的 204.5GB——余量不到一个 GB，非常紧。

性能数据

作者给出的实测结果如下：单条流解码中位数 168.6 词元/秒；调优后的预填充速度约 7.9 到 8.5K 词元/秒；八条并发流合计 542 词元/秒，每条中位 90.3；六十四条流突发时合计 830 词元/秒，没有显存溢出，也没有引擎报错；上下文验证到 256K，架构本身支持 100 万。

这些数字不是白来的。调优 21 个反复出现的矩阵乘形状，让单双流解码提升了 42% 到 62%，八到六十四流场景提升 10% 到 35%。融合 SiLU 激活加快速路由之后，原生解码从 34.5 提到 56.6 词元/秒，路由内核每层耗时从 42.6 微秒降到 11.9 微秒。还有一处很实用的调度改动：把调度预算设成 2048 词元、长预填充上限设成 1024 词元后，排在一个 5.2 万词元冷提示后面的短请求，首字延迟从 8.2 秒降到 0.5 秒。

代价是九个补丁

真正值得注意的是这套东西为什么需要九个补丁覆盖层。

一处是精度格式。MI300X 用的是 AMD 与 Graphcore 的 fnuz 变体八位浮点，而 MI325X 以及更新的卡用的是行业标准格式。一个假定标准格式的内核跑在 MI300X 上，缩放值可能直接差两倍。另一处更隐蔽：专家路由的位矩阵内核在填充块列时，掩码比对的是全局张量边界而不是逻辑块大小，高并发下填充通道会污染路由矩阵，表现出来是长提示下工具名字对不上、模式被遗忘——而这恰好是这个模型主打的智能体场景。修复只有一行。

软件侧的落差同样明显。vLLM 在 v0.21.0 的发布说明里声称支持 DeepSeek V4 的 ROCm 版本，但官方镜像在 AMD 硬件上启动就崩，报错指向一个只有英伟达 Hopper 架构才有的特性，与此同时官方配方仓库把所有 AMD 型号标为不支持。到 vLLM 0.25，官方配方验证了 MI325X，但只在张量并行度 1、4K 上下文下。MI300X——这张在 AMD 自家开发者云上 1.99 美元一小时就能租到的卡——至今不在官方支持矩阵里。

我的判断

AMD 那笔硬件账其实早就算得过来了：内存受限的混合专家推理场景，单卡显存容量才是硬约束，而 AMD 卖的就是更大的容量，MI325X 到了 256GB，MI355X 是 288GB。真正拖后腿的是硬件之下的那一层。

一个人花九个补丁、一套自建调优表填上的这段路，本该由芯片厂商自己走完。对准备用 AMD 卡做推理的团队来说，这份仓库是难得的参考；但它同时也是一份并不好看的进度报告。

你所在的团队评估过 AMD 卡做推理吗，卡在了哪一步？

来源：GitHub / ryanzhou 项目页，Hacker News

H3是个通用多模态生成模型，输出15秒、2K分辨率（短边约1440像素）、24帧每秒的视频，画面与原生立体声音频在同一次生成中同步产出。同一段提示词里可以塞进至多9张图、3段视频、3段音频。比如”参考视频1的希区柯克运镜，让图片2里的角色按音频3开口唱歌”，H3会自己理顺上下文的关系。

核心架构由四部分撑起来：Contextual Omni Representation把上百K token的原始素材压缩到约4K token，让语言成为跨模态的通用桥梁；H3-VAE把序列有效长度扩展4倍，配合原生2K输出；H3-Omni Transformer把理解与生成的算力分离，训练吞吐约提高30%；In-Context Regeneration让2K输出由模型自身在上下文内重画，不用外挂超分模块，小字、品牌标识都能保住。

生成任务分三档：纯文本驱动的t2va、首尾帧关键帧驱动的fl2va，以及参考素材驱动的ref2va——后者能绑定主体图像与参考音色，做口型同步与语音克隆。

价格上，2K同档每秒单价不到主流闭源模型的三分之一，768p每秒不到主流模型720p的一半。硬件适配是同步推进的：AMD用SGLang在MI355X和MI300X上跑出Day 0支持，8卡序列并行；摩尔线程同日在国产AI训推卡MTT S5000上完成适配。开源采用MiniMax Community License，权重将在未来几天放出。

说白了，H3的看点不是又一个”文生视频”，而是把图像生成、参考控制、编辑拉到同一个框架里。OpenAI Sora 2、字节Seedance 2.5与谷歌Gemini Omni Flash分占不同赛道，H3在编辑与可控参考上领先，但纯文生视频和图生视频环节未必都第一。

我的判断是，2026年下半年AI视频工具的PK标准会从”几秒高清”改成”多模态可控+开源可改+多硬件可跑”。H3把三条都点上了。想试的话，盯紧开源权重放出的那一天。

来源：MiniMax Research 官方博客、AMD Developer Blog、36氪

在架构上，这是一款 Decoder-only 的稀疏专家模型：总参数量 160 亿，但每处理一个 token 只激活 28 亿参数。它包含 27 个解码层、隐藏维度 2048，采用门控多头潜在注意力（Gated MLA）。专家层面设有 2 个共享专家与 64 个路由专家，每个 token 实际只激活其中 6 个路由专家，再加上 2 个共享专家——稀疏结构让它的计算开销更接近一个参数少得多的稠密模型。

训练方面，Instella-MoE 在 AMD Instinct MI300X 与 MI325X 显卡、ROCm 软件栈上完成了 7.1T（万亿）tokens 的预训练，上下文窗口从初始的 4K 经 YaRN 位置编码扩展至 64K。后训练依次经历监督微调、DPO 偏好对齐与强化学习蒸馏，并推出了”Think”思考模型。

基准表现上，基础模型在标准评测平均得分 76.7，为当时全开放模型最高；在 WinoGrande 拿到 86.5，HumanEval+ 为 65.7，64K 长上下文 RULER 平均 79.4。思考模型平均 73.22，其中 IFEval 83.70、AIME25 73.40、AGIEval 82.50。横向比较，其基础模型强于 SmolLM3-3B、OLMo-3-7B、OLMoE 等开放模型，略低于 Qwen3.5-4B-Base（79.5）；思考模型则高于 Olmo3-7B-Think、Gemma-4-E4B、Qwen3.5-4B 等开放权重模型。

需要留意的是，Instella-MoE 采用 Research RAIL 许可证，仅限学术与研究用途，并非完全自由的商业授权。它的意义更多在于展示 AMD 的 ROCm 生态与开放模型路线——在英伟达几乎主导训练硬件的背景下，一个能完整复现训练全程的开放 MoE，对想要摆脱单一厂商绑定的研究团队颇具价值。

来源：AMD ROCm Blogs《Instella-MoE》（Jiang Liu 等，2026-07-24）