AMD opublikowało 3 sierpnia wyniki własnego testu, w którym platforma Ryzen AI Halo z procesorem Ryzen AI Max+ 395 kończy pełne zadanie agentowe w 311,6 sekundy, a NVIDIA DGX Spark potrzebuje na to 367,1 sekundy. Ciekawsza od samej różnicy jest jej przyczyna: DGX Spark wygrał etap generowania tokenów i mimo to przegrał całą robotę.
Kluczowe fakty:
- AMD przeprowadziło test HEPA (Hermes Executive Presentation Agent), w którym platforma Ryzen AI Max+ 395 ukończyła pełne zadanie agentowe w 311,6 sekundy, podczas gdy NVIDIA DGX Spark potrzebowała 367,1 sekundy – mimo że DGX Spark osiągnął lepszy wynik na etapie samego generowania tokenów.
- Test HEPA polega na przygotowaniu przez lokalnego agenta prezentacji dla zarządu na podstawie zbioru 302 plików, w tym skanów i obrazów wymagających OCR, z których powstaje 801 fragmentów – część materiałów jest celowo zduplikowana lub sprzeczna.
- W obu konfiguracjach użyto tego samego stosu oprogramowania: modelu Qwen3.6-35B-A3B skwantyzowanego do 4 bitów obsługiwanego przez llama.cpp, osadzeń FastEmbed ONNX oraz Tesseract do rozpoznawania tekstu, a obie maszyny dysponowały 128 GB pamięci.
Autorem wpisu na blogu AMD jest Michael Abel. Teza brzmi prosto i jest wymierzona dokładnie w to, jak przez ostatnie dwa lata mierzyliśmy wydajność sprzętu do sztucznej inteligencji. W erze czatbotów liczyły się dwie rzeczy: czas do pierwszego tokena i liczba tokenów na sekundę. Obie opisują, jak szybko jeden model wypluwa jedną odpowiedź. Agent działa inaczej. Agent ma przeczytać katalog plików, rozpoznać skany, pociąć tekst na fragmenty, policzyć osadzenia, wybrać materiał dowodowy, wygenerować dokument i sprawdzić, czy wynik przechodzi kontrolę jakości. Dopiero wtedy zadanie jest skończone.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
HEPA, czyli 302 pliki i prezentacja dla zarządu
Żeby to zmierzyć, AMD zbudowało własny test o nazwie HEPA (Hermes Executive Presentation Agent). Zadanie polega na tym, że lokalny agent ma przygotować prezentację na posiedzenie zarządu razem z notatką, wykresami i załącznikiem ze źródłami. Materiałem wejściowym jest zbiór 302 plików udających firmowy dysk współdzielony, z którego powstaje 801 przygotowanych fragmentów. Zbiór jest celowo brudny: obok dokumentów przydatnych leżą stare, powielone i sprzeczne ze sobą, a część materiału to skany i obrazy wymagające prawdziwego rozpoznawania tekstu.
Konfiguracja była taka sama po obu stronach. Orkiestratorem był model Qwen3.6-35B-A3B w wariancie mieszanki ekspertów z około 3 miliardami aktywnych parametrów, skwantyzowany do 4 bitów i serwowany przez llama.cpp. Osadzenia liczył FastEmbed ONNX z modelem nomic-embed-text-v1.5, rozpoznawaniem tekstu zajmował się Tesseract, oba na procesorze. Obie maszyny miały po 128 GB pamięci i obie zaliczyły pięć poprawnych przebiegów na pięć oraz 25 deterministycznych kontroli na 25.
Tu trzeba być uczciwym wobec czytelnika: to jest test napisany przez AMD, na sprzęcie AMD, pod tezę AMD. Nikt z zewnątrz go jeszcze nie powtórzył.
Siedem z ośmiu etapów agenta nie dotyka układu graficznego
Sedno wyniku siedzi w podziale pracy. AMD rozbiło proces na osiem etapów i tylko jeden z nich, samo generowanie tokenów, trafia na układ graficzny. Reszta zostaje na procesorze:
- rozbiór dokumentów na tekst,
- rozpoznawanie tekstu ze skanów i obrazów,
- dzielenie treści na fragmenty,
- liczenie osadzeń,
- wyszukiwanie i trasowanie materiału,
- składanie pakietu dowodowego,
- walidacja gotowego wyniku.
Ryzen AI Max+ 395 ma 16 rdzeni Zen 5 i 32 wątki dzięki wielowątkowości współbieżnej, do tego instrukcje wektorowe AVX-512 i VNNI oraz natywne narzędzia x86 dla całego stosu dokumentowego. Grace Blackwell w DGX Spark ma 20 rdzeni Arm bez wielowątkowości i wektory SVE2 zamiast AVX-512. Dwadzieścia efektywnych robotników kontra trzydzieści dwa. Kiedy zadanie polega na przemieleniu trzystu plików naraz, ta arytmetyka po prostu działa.
55,5 sekundy różnicy i pół centa na jednym zadaniu
| Etap | Ryzen AI Max+ 395 | NVIDIA DGX Spark |
|---|---|---|
| Całe zadanie | 311,6 s | 367,1 s |
| Część procesorowa | 152,1 s | 229,9 s |
| Osadzenia i trasowanie | 71,5 s | 139,6 s |
| Rozpoznawanie tekstu | 4,9 s | 6,5 s |
| Audyt materiału dowodowego | 71,6 s | 77,7 s |
| Generowanie na układzie graficznym | 159,5 s | 137,2 s |
Największa różnica to osadzenia i trasowanie, gdzie AMD jest szybsze o 68,1 sekundy, prawie dwukrotnie. I to właśnie ta jedna pozycja przesądza o całości, bo w generowaniu tokenów AMD przegrywa o ponad dwadzieścia sekund. Maszyna może wygrać wyścig na tokeny i przegrać zadanie.
Do tego dochodzi rachunek. Przy trzyletniej amortyzacji sprzętu i ciągłym obciążeniu, z pominięciem energii, AMD wylicza koszt jednego ukończonego zadania na około 0,0132 dolara wobec mniej więcej 0,0182 dolara po stronie DGX Spark. To 27 procent taniej, przy czym połowa tej przewagi bierze się nie z wydajności, tylko z ceny zakupu: AMD przyjęło 3999 dolarów za swoją maszynę z Micro Center i 4699 dolarów za DGX Spark z rynku NVIDII.
Lubię ten test za to, że zadaje właściwe pytanie, i jednocześnie nie kupuję go w całości. Właściwe pytanie brzmi: ile czasu i pieniędzy kosztuje skończona robota, a nie ile tokenów na sekundę pokazuje licznik. Każdy, kto próbował uruchomić agenta na własnych dokumentach, wie, że najwięcej czasu zjada nie generowanie, tylko żmudne mielenie plików przed nim. AMD trafiło tu w realny problem.
Ale HEPA to test napisany przez producenta pod własną architekturę. Zbiór danych jest syntetyczny, model jest jeden, a etapy procesorowe akurat świetnie się zrównoleglają na trzydziestu dwóch wątkach. Wystarczy zmienić proporcje w procesie, dołożyć dłuższy kontekst albo model gęsty zamiast mieszanki ekspertów, i wykres może wyglądać zupełnie inaczej. Pytanie, na które nie znamy jeszcze odpowiedzi, brzmi: czy przewaga utrzyma się na cudzych danych i cudzym oprogramowaniu.
Sprawdziłbym też coś innego. AMD porównuje dwie maszyny po 128 GB pamięci, a tymczasem rynek pamięci w 2026 roku wywrócił ceny obu do góry nogami. Za rok ten sam test przy innych cenach zakupu może dać inny wynik kosztowy, choć sprzęt się nie zmieni.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
W samym generowaniu tokenów DGX Spark nadal prowadzi
Niezależne testy z ostatnich miesięcy mówią co innego niż komunikat AMD, bo mierzą co innego. Tom’s Hardware w recenzji DGX Spark ustalił, że przewaga surowej mocy obliczeniowej daje maszynie NVIDII szybsze przetwarzanie zapytania i niższy czas do pierwszego tokena, a przy dłuższym kontekście również szybsze generowanie kolejnych tokenów niż na Strix Halo. Najbliżej siebie oba układy znalazły się na gęstym modelu Gemma 3 27B, gdzie obie platformy mają kłopot z liczbą aktywnych parametrów.
To nie jest sprzeczność. To dwa różne pytania. Jeśli budujesz czatbota, liczy się tempo generowania. Jeśli budujesz agenta przemielającego firmowy dysk, liczy się całość procesu. AMD samo przyznaje w przypisach, że oddało etap wnioskowania rywalowi.
Ryan Shrout, analityk Shrout Research, komentował platformę Ryzen AI Halo dla serwisu GamesBeat i był w tej ocenie ostrożny. Jego zdaniem wyniki obu maszyn na papierze są zbliżone, a wczesne liczby AMD wyglądają mocno, tyle że pochodzą od producenta i obejmują krótką listę modeli, więc wymagają niezależnego potwierdzenia.
„Wygranie benchmarku to najłatwiejsza część” / „Winning a benchmark is the easy part”
Prawdziwym testem, twierdzi Shrout, jest utrzymanie wydajności na szerokim i stale zmieniającym się zestawie modeli oraz nadążanie za nowymi stosami oprogramowania, które pojawiają się niemal co tydzień. Tam ekosystem CUDA ma wieloletnią przewagę i to jest poprzeczka, którą AMD musi przeskoczyć. Shrout dorzuca jeszcze jedną liczbę, która tłumaczy, dlaczego producenci sprzętu nagle tak się tym przejęli: według badania Signal65 autonomiczne agenty zużywają mniej więcej od czterech do piętnastu razy więcej tokenów niż czat, i trend idzie wyżej. Przy takiej skali opłata za token przestaje być drobną pozycją w budżecie.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Nad Wisłą decyduje co innego niż benchmark
Zacznę od zimnego prysznica. Platformy Ryzen AI Halo nie kupisz w Polsce. AMD sprzedaje ją wyłącznie przez amerykańską sieć Micro Center, z odbiorem osobistym w sklepie, a na własnej stronie produktowej zaznacza, że urządzenie jest przeznaczone do zakupu i użytku na terenie Stanów Zjednoczonych. Do tego Micro Center udostępnił odbiór lokalny dopiero od 10 lipca 2026 roku, bez wysyłki internetowej.
Sam procesor to inna historia. Ryzen AI Max+ 395 trafił do komputerów kompaktowych i laptopów dostępnych również w Europie, między innymi do HP Z2 Mini G1a, Framework Desktop czy GMKtec EVO-X2, a konfiguracje ze 128 GB pamięci zunifikowanej są w tej grupie standardem. Innymi słowy: architektura, o której mówi test AMD, jest w zasięgu polskiego kupującego, tylko pod innym szyldem i za inne pieniądze. AMD zapowiedziało zresztą następcę na trzeci kwartał 2026 roku, opartego na serii Ryzen AI Max PRO 400, ze 192 GB pamięci i obsługą modeli powyżej 300 miliardów parametrów.
Dlaczego to ma znaczenie akurat u nas? Bo w polskich realiach przewaga lokalnego wnioskowania rzadko sprowadza się do sekund. Sprowadza się do tego, czy dane w ogóle mogą opuścić biuro.
- Kancelaria prawna, przychodnia i biuro rachunkowe pracują na materiale objętym tajemnicą zawodową albo na danych szczególnej kategorii w rozumieniu RODO. Wklejenie ich do publicznej usługi w chmurze to nie jest kwestia wygody, tylko ryzyka odpowiedzialności.
- Artykuł 32 RODO wymaga środków bezpieczeństwa adekwatnych do ryzyka. Maszyna stojąca w serwerowni, z której nic nie wychodzi, jest argumentem trudnym do podważenia przed audytorem.
- AI Act dokłada do tego obowiązki dokumentacyjne i nadzorcze dla zastosowań wysokiego ryzyka, a od sierpnia 2026 roku wchodzą kolejne warstwy tych wymogów. Pełna kontrola nad modelem i procesem upraszcza część tej papierologii.
- Rachunek za interfejs programistyczny w chmurze przestaje być drobiazgiem, kiedy agent pracuje w tle przez osiem godzin dziennie zamiast odpowiadać na pytania pracownika.
Dodam jeszcze jedno, bo rzadko się o tym mówi. Test AMD opisuje dokładnie ten scenariusz, który polskie średnie firmy próbują dziś wdrożyć: przemielić firmowy dysk pełen umów, faktur, skanów i prezentacji sprzed trzech lat, i wycisnąć z tego coś użytecznego. Ten materiał jest brzydki, niespójny i pełen skanów. Właśnie takie zadania siedzą na procesorze, a nie na karcie graficznej, więc kupowanie sprzętu wyłącznie pod wskaźnik tokenów na sekundę może się okazać kosztownym nieporozumieniem.
Michael Abel kończy swój wpis zdaniem, które jest jednocześnie hasłem reklamowym i całkiem trafną diagnozą:
„Czat był opowieścią o układzie graficznym. Agenty są opowieścią o całym systemie” / „Chat was a GPU story. Agents are a system story.”
Zgadzam się z drugą częścią. Pierwszej bym nie chował do szuflady tak szybko.
Źródła i metodologia
Artykuł powstał na podstawie notki prasowej przesłanej redakcji AIPORT.pl przez biuro prasowe AMD dla regionu Europy Środkowo-Wschodniej oraz analizy redakcji AIPORT.pl i dodatkowych źródeł, w tym wpisu Michaela Abela na blogu AMD z dnia 03.08.2026 wraz z przypisami metodologicznymi SHO-74, SHO-75 i SHO-76, komentarza Ryana Shrouta dla serwisu GamesBeat oraz recenzji DGX Spark w Tom’s Hardware. Wykorzystano również doniesienia serwisów The Register, TechPowerUp, CNX Software i TweakTown na temat cen i dostępności obu platform oraz stronę produktową AMD Ryzen AI Halo. Cytaty Michaela Abela, autora wpisu na blogu AMD, oraz Ryana Shrouta, analityka Shrout Research, zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym. Wyniki testu HEPA pochodzą z pomiarów producenta i nie zostały dotąd potwierdzone niezależnie. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się niezależnych testów porównawczych Ryzen AI Halo i NVIDIA DGX Spark.
