AMD heeft vlak voor de verwachte RTX Spark-lancering van Nvidia nieuwe AMD Gorgon Halo benchmarks gedeeld. Daarmee wil het bedrijf laten zien hoe de Ryzen AI Max+ Pro 495 presteert in lokale AI-taken, in een markt die volgens Tom’s Hardware nog klein is maar wel snel meer aandacht krijgt. De nadruk ligt daarbij niet op een compleet nieuwe architectuur, maar op een doorontwikkeling van Strix Halo met meer geheugenruimte en een iets hogere boostklok. Het opvallendste verschil met de verwachte Nvidia-variant zit in de geheugenconfiguratie: AMD mikt op maximaal 192GB unified memory, terwijl RTX Spark-devices volgens de bron tot 128GB zouden gaan.

Meer technologienieuws vind je op de TostieTech Tech-nieuwspagina.
Wat betekent de AMD Gorgon Halo benchmarks?
Opvallend aan de gedeelde AMD Gorgon Halo benchmarks is dat AMD de Ryzen AI Max+ Pro 495 niet direct naast een nog niet officieel getoonde RTX Spark zet. In plaats daarvan kiest het bedrijf voor Intel’s Core Ultra X9 388H als referentie. Volgens Tom’s Hardware zijn die chips niet exact bedoeld voor dezelfde apparaatcategorie, maar AMD kan daarmee wel zijn eigen topmodel afzetten tegen een andere topconfiguratie in een vergelijkbare klasse van compacte AI-systemen.
De timing van de testpresentatie is duidelijk. Nvidia wordt later deze week met RTX Spark verwacht, na een eerdere teaser en een aangekondigde najaarslancering. AMD legt nu dus alvast een set cijfers op tafel voordat Nvidia zijn eigen positionering kan bepalen. Dat maakt deze benchmarkronde niet alleen technisch relevant, maar ook strategisch: de resultaten moeten het gesprek over lokale AI op laptops en mini-pc’s richting AMD sturen.
Tom’s Hardware benadrukt wel dat er nog geen officiële RTX Spark-prestaties zijn om rechtstreeks mee te vergelijken. De test draait daarom om een proxy-vergelijking: Gorgon Halo tegenover Intel Panther Lake in een omgeving waar AI-capaciteit en geheugenruimte minstens zo belangrijk zijn als klassieke cpu-prestaties.
ComfyUI, meerdere runs en een opvallende uitschieter
Voor de metingen gebruikte AMD ComfyUI om generatieve AI-prestaties te beoordelen. Het bedrijf draaide meerdere modellen meerdere keren en berekende daar een gemiddelde doorvoer uit. Daarmee probeert AMD niet één losse score te presenteren, maar een bredere indruk van wat de Ryzen AI Max+ Pro 495 in praktijk kan doen.
Volgens de gedeelde cijfers loopt het voordeel ten opzichte van Intel uiteen van 1,1x tot 32,2x. Tom’s Hardware zet daar meteen een kanttekening bij: die hoogste score lijkt een duidelijke uitschieter. Het betrokken model, Yuve op Hugging Face, kon de redactie niet direct terugvinden. Daardoor blijft onduidelijk of die enorme marge het gevolg is van een optimalisatieverschil, van schaal, of simpelweg van het feit dat het model op de ene machine beter past dan op de andere.
Dat is een belangrijk punt bij dit soort AI-benchmarks. De absolute uitkomst zegt niet alleen iets over rekenkracht, maar ook over hoe goed een model, een framework en een hardwareconfiguratie op elkaar zijn afgestemd. Juist bij lokale AI kan de keuze van model en quantization een groot verschil maken in gemeten throughput.
Het geheugenverschil zit in het hart van de vergelijking
De kern van de AMD Gorgon Halo benchmarks zit in geheugenruimte en geheugenconfiguratie. AMD gebruikte voor de testopstelling de topvariant met 192GB unified memory. Het Intel-systeem in dezelfde vergelijking had 64GB geheugen. Tom’s Hardware merkt daarbij op dat Panther Lake volgens de bron tot 128GB ondersteunt, maar dat dat in deze specifieke test niet was meegenomen.
Dat verschil is belangrijk omdat lokale AI-workloads vaak niet alleen op brute rekenkracht leunen. Wie grotere modellen lokaal wil laden, loopt al snel tegen geheugenlimieten aan. AMD wijst er daarom nadrukkelijk op dat de Ryzen AI Max+ Pro 495 tot 192GB unified memory ondersteunt. Binnen deze categorie zou dat volgens het bedrijf een praktische voorsprong kunnen geven bij het draaien van grotere modellen op de pc zelf.
Tegelijk is meer geheugen geen garantie voor hogere snelheid. Dat is precies de nuance die Tom’s Hardware aanbrengt: grotere modellen passen wel gemakkelijker in het systeem, maar draaien vaak trager. Daardoor moet je lokale AI-prestaties niet alleen beoordelen op wat een chip kan laden, maar ook op wat die chip daarna nog aan snelheid overhoudt.

Token-snelheid laat de beperkingen van grote modellen zien
Om dat verschil beter zichtbaar te maken, keek AMD niet alleen naar generieke throughput maar ook naar token-snelheid in concrete modellen. Bij GLM 5.3 Flash, een model met 320 miljard parameters, kwam AMD uit op een piek van 20 tokens per seconde. Daarbij gebruikte het bedrijf Unsloth’s UD-IQ4_XS mixed-quantization-formaat. Dat laat zien dat ook de gekozen quantization een grote rol speelt in de gemeten prestaties.
Tom’s Hardware zet die uitkomst naast eerder gemeten cijfers. Op de DGX Spark haalde de redactie met GPT-OSS 120B in 4-bit quantization 64 tokens per seconde, terwijl de vorige Ryzen AI Max+ 395 op 56 tokens per seconde uitkwam. Die vergelijking maakt duidelijk dat “meer geheugen” niet automatisch “meer snelheid” betekent. Een systeem kan grotere modellen lokaal aan, maar toch duidelijk lager uitkomen in tokens per seconde.
AMD noemde ook Qwen 3.8 Flash Next, een multimodaal MoE-model met 125 miljard hoofdparameters, 51 miljard embedding parameters en ongeveer 4 miljard parameters voor multi-token prediction. Daar meldde AMD een piek van 42 tokens per seconde, opnieuw met Unsloth’s dynamische 4-bit quantization en MTP. Tom’s Hardware plaatst daar wel een belangrijke waarschuwing bij: het woord “up to” zegt weinig over prestaties bij langere contexten, waar de snelheid kan terugvallen.
Waarom contextlengte zo belangrijk is
De bron legt nadruk op iets wat in AI-marketing vaak onderbelicht blijft: contextlengte. Dat is relevant omdat een model bij het starten van een taak vaak nog relatief vlot kan lijken, maar naarmate de context groeit zwaarder belast wordt. Tom’s Hardware merkt op dat de echte prestatie van token-throughput pas zichtbaar wordt wanneer iemand een model lokaal en langdurig gebruikt, niet alleen bij een koude start.
Vooral bij grotere modellen kan dat verschil hard aankomen. Een score van 20 tokens per seconde klinkt op papier redelijk, maar kan bij toenemende contextlengte snel afzakken tot een niveau dat in de praktijk veel minder bruikbaar is. Hetzelfde geldt voor een piek van 42 tokens per seconde: zonder inzicht in hoe dat zich gedraagt bij langere sessies blijft het een momentopname.
AMD’s benchmarkkeuze laat dus vooral zien waar de hardware in ideale omstandigheden toe in staat is. Voor consumenten en professionals die lokaal met AI willen werken, is dat nuttige informatie, maar niet het hele verhaal. De praktische bruikbaarheid hangt net zo goed af van het soort model, de quantization, de contextlengte en de softwarestack eromheen.

Gorgon Halo is vooral een refresh van Strix Halo
Wie verder kijkt dan de benchmarkcijfers, ziet dat Gorgon Halo vooral een doorontwikkeling is van Strix Halo. Tom’s Hardware noemt als belangrijkste wijzigingen de sprong naar 192GB unified memory en een boostklok die op de Ryzen AI Max+ Pro 495 100MHz hoger ligt dan bij de vorige generatie. Verder blijven de core-aantallen en de microarchitectuur gelijk aan Strix Halo.
Dat betekent ook dat de AMD Gorgon Halo benchmarks niet gelezen moeten worden als bewijs van een volledig nieuwe architectuurdoorbraak. AMD presenteert hier eerder een uitbreiding van wat Strix Halo al kon, met meer ruimte voor lokale AI-workloads en een iets hogere klokfrequentie. Tom’s Hardware verwacht dan ook geen grote verschuiving in game- of algemene desktopprestaties ten opzichte van de vorige generatie.
De echte meerwaarde zit volgens de bron in het type workload waarop AMD nu mikt. Gorgon Halo wordt gepositioneerd tegenover RTX Spark in de categorie agentic PCs. Dat segment draait om lokaal AI-gebruik, niet om de klassieke kantoor- of gamingbenchmarks waarmee consumenten een pc meestal beoordelen.
Wat AMD met de “agentic PC’s” wil laten zien
AMD probeerde in een prebriefing ook te laten zien dat het niet pas begint met dit segment. Het bedrijf sprak eerst over “10s of millions” AI-pc’s, maar corrigeerde dat later naar “over half a million” agentic PCs. Tom’s Hardware vermoedt dat die laatste telling betrekking heeft op Strix- en Gorgon Halo-systemen. Daarmee benadrukt AMD vooral dat er al hardware in de markt is, in plaats van alleen plannen of aankondigingen.
Dat is relevant omdat de categorie volgens de bron wel groeit, maar nog altijd veel kleiner is dan de hype rond RTX Spark zou doen vermoeden. AMD wil dus laten zien dat het al ervaring heeft met deze klasse systemen, terwijl Nvidia nog op het punt staat zijn eigen aanbod officieel neer te zetten.
De eerste Gorgon Halo-systemen zijn volgens Tom’s Hardware inmiddels ook daadwerkelijk te koop. Een voorbeeld is de Minisforum MS-S1 Max-P495. De topconfiguratie kost volgens de bron rond de 7.000 dollar, terwijl andere modellen en fabrikanten waarschijnlijk nog hoger kunnen uitkomen. Daarmee positioneert AMD deze machines nadrukkelijk in het hoogste segment van compacte AI-pc’s.
Wat dit voor kopers betekent
Voor consumenten en andere kopers is vooral duidelijk geworden dat lokale AI op Windows-pc’s steeds meer een hardwarekeuze op zich wordt. De AMD Gorgon Halo benchmarks maken zichtbaar dat er inmiddels verschillende manieren zijn om een compacte AI-machine in te richten, waarbij geheugenruimte, modeloptimalisatie en werkelijke snelheid allemaal meewegen.
192GB unified memory biedt een praktisch voordeel voor wie grotere modellen lokaal wil laden. Maar de benchmarkcijfers laten tegelijk zien dat die extra capaciteit niet automatisch leidt tot hogere tokens per seconde. In sommige situaties kan het juist betekenen dat een model wel past, maar niet per se snel genoeg draait om comfortabel bruikbaar te zijn.
Daarmee ontstaat een duidelijke afweging voor kopers van dit soort systemen. Wie maximale lokale modelcapaciteit zoekt, kijkt vooral naar geheugenruimte. Wie vooral snelheid wil, moet verder kijken dan alleen de specificaties en ook letten op software-optimalisatie, quantization en de prestaties bij langere contexten. De nieuwe AMD-cijfers onderstrepen precies dat spanningsveld.
TostieTech duiding
AMD kiest duidelijk voor timing. Door nu AMD Gorgon Halo benchmarks te delen, probeert het bedrijf het gesprek te sturen vóór Nvidia’s verwachte RTX Spark-aankondiging later deze week. De gekozen vergelijking met Intel is daarbij logisch vanuit AMD’s perspectief: het zet zijn eigen topmodel neer tegenover een andere topconfiguratie, in plaats van rechtstreeks te speculeren over een nog niet gelanceerd Nvidia-systeem.
Voor de markt is het geheugenverhaal het interessantst. 192GB unified memory geeft Gorgon Halo een duidelijke positionele voorsprong voor grotere lokale modellen, maar de cijfers laten tegelijk zien dat capaciteit niet hetzelfde is als snelheid. De uitkomsten in tokens per seconde maken duidelijk dat lokale AI-prestaties sterk afhangen van meer dan alleen de maximale geheugenruimte.
Omdat Gorgon Halo grotendeels een Strix Halo-refresh is, moet je deze benchmarks vooral lezen als bevestiging en verfijning van een bestaande lijn. Niet als bewijs van een compleet nieuwe architectuur. Voor kopers van compacte AI-systemen blijft de echte afweging daardoor bestaan uit geheugenruimte, softwarestack, modelkeuze en prijs.
Bron: Tom's Hardware
