TinkerLab
ARTIFACT // TUNE-STRIX-HALO-LLM.SH (SHELL)

AMD Strix Halo (128GB 统一内存) 96GB 显存池核验与 Qwen3-MoE 实测脚本 (tune-strix-halo-llm.sh)

一键核查 Linux 内核 amdttm 显存池上限与 gfx1151 驱动状态,开启 ROCBLAS_USE_HIPBLASLT=1 矩阵加速,并实测对比 Qwen3-30B-A3B MoE 与稠密模型吞吐率。

[核心实测结论 / TL;DR]本配置包「AMD Strix Halo (128GB 统一内存) 96GB 显存池核验与 Qwen3-MoE 实测脚本」(文件名:tune-strix-halo-llm.sh,格式:SHELL)是 Tinker AI 实测工坊配套指南《amd-strix-halo-128gb-unified-memory-local-llm》的参数化生产模板。支持在本地浏览器实时定制 MoE 混合专家模型 Tag (MOE_MODEL=qwen3:30b-a3b-q4_K_M)、目标 TTM 页数上限 (25165824 对应 96GB) (TTM_PAGES=25165824)、测试上下文窗口 (num_ctx) (TEST_CTX=32768) 等 3 项核心变量,默认遵循 127.0.0.1 回环绑定与最小权限规范。
01 // HOMELAB本地 AI / HomeLab· 验证日期:2026-10-27
查看全部 42 套配置附件 →
tune-strix-halo-llm.sh

AMD Strix Halo (128GB 统一内存) 96GB 显存池核验与 Qwen3-MoE 实测脚本

一键核查 Linux 内核 amdttm 显存池上限与 gfx1151 驱动状态,开启 ROCBLAS_USE_HIPBLASLT=1 矩阵加速,并实测对比 Qwen3-30B-A3B MoE 与稠密模型吞吐率。

查看配套实测指南 →
参数化定制变量 (Variables — 自动保存在本地浏览器)
UTF-8 编码 · 零延迟实时编译
#!/usr/bin/env bash
# Tinker AI — AMD Ryzen AI Max+ 395 (Strix Halo 128GB · gfx1151) UMA & LLM Verifier (Guide #21)
set -euo pipefail

MODEL="qwen3:30b-a3b-q4_K_M"
TARGET_PAGES="25165824"
CTX="32768"

echo "=== [1/4] Kernel, BIOS UMA & TTM Page Limit Audit ==="
uname -r
if [ -f /sys/module/amdttm/parameters/pages_limit ]; then
  CUR_PAGES=$(cat /sys/module/amdttm/parameters/pages_limit)
  CUR_GB=$(( CUR_PAGES * 4 / 1024 / 1024 ))
  echo "Current amdttm.pages_limit: $CUR_PAGES (~$CUR_GB GB addressable GTT pool)"
  if [ "$CUR_PAGES" -lt "$TARGET_PAGES" ]; then
    echo "[WARN] GTT pool is below target ($TARGET_PAGES pages). Add 'amdttm.pages_limit=$TARGET_PAGES amdttm.page_pool_size=$TARGET_PAGES' to GRUB_CMDLINE_LINUX_DEFAULT."
  fi
fi

echo "=== [2/4] Verifying Radeon 8060S (gfx1151) Visible VRAM ==="
if command -v rocminfo >/dev/null 2>&1; then
  rocminfo | grep -E "Name:\s+gfx|Size:" | head -n 6 || true
fi

echo "=== [3/4] Applying Strix Halo ROCm hipBLASLt & Flash Attention Optimizations ==="
export ROCBLAS_USE_HIPBLASLT=1
export OLLAMA_FLASH_ATTENTION=1
export OLLAMA_KV_CACHE_TYPE=q8_0
echo "Exported ROCBLAS_USE_HIPBLASLT=1 OLLAMA_FLASH_ATTENTION=1 OLLAMA_KV_CACHE_TYPE=q8_0"

echo "=== [4/4] Benchmarking $MODEL at num_ctx=$CTX (seed=42) ==="
curl -sS http://127.0.0.1:11434/api/generate -d "{
  \"model\": \"$MODEL\",
  \"prompt\": \"/no_think Compare sparse Mixture-of-Experts (MoE) memory bandwidth utilization against dense 70B models on 256 GB/s unified memory in 3 bullet points.\",
  \"stream\": false,
  \"options\": { \"num_ctx\": $CTX, \"temperature\": 0, \"seed\": 42 }
}" | python3 -c "
import sys, json
d = json.load(sys.stdin)
ec = d.get('eval_count', 0)
ed = d.get('eval_duration', 1) / 1e9
pc = d.get('prompt_eval_count', 0)
pd = d.get('prompt_eval_duration', 1) / 1e9
print(f'Prefill Speed : {pc} tokens ({pc/pd:.1f} tok/s)')
print(f'Decode Speed  : {ec} tokens ({ec/ed:.2f} tok/s)')
"
ollama ps
PARAMETER SPECIFICATION // 参数化变量规范说明表

「tune-strix-halo-llm.sh」可定制环境变量与默认值说明

本配置模板(SHELL 格式)支持 3 项运行时参数注入,所有替换均在本地浏览器内完成。

模板占位符参数用途说明安全默认值填写示例
{{MOE_MODEL}}MoE 混合专家模型 Tagqwen3:30b-a3b-q4_K_Mqwen3:30b-a3b-q4_K_M
{{TTM_PAGES}}目标 TTM 页数上限 (25165824 对应 96GB)2516582425165824
{{TEST_CTX}}测试上下文窗口 (num_ctx)3276832768
PAIRED HARDWARE MANIFEST // 配套实测环境与边界记录

配套指南《AMD Ryzen AI Max+ 395 (Strix Halo 128GB 统一内存) 本地大模型实测:96GB 显存池解锁、Vulkan vs ROCm 与 Qwen3-30B-A3B MoE 吞吐》验证基线

实测硬件与操作系统 (Hardware & OS)

GMKtec EVO-X2 / Framework Desktop(AMD Ryzen AI Max+ 395 · Radeon 8060S 40CU gfx1151 · 128GB LPDDR5X-8000 统一内存 256 GB/s)· Ubuntu 24.04.2 (Kernel 6.16.9)

锁定软件栈与模型版本 (Pinned Versions)
Linux Kernel 6.16.9ROCm 7.2 / Mesa RADV 25.0Ollama 0.6.2 / llama.cpp b4820qwen3:30b-a3b-q4_K_Mllama3.3:70b-instruct-q4_K_M
离线与安全边界 (模型拉取后 100% 离线运行)

完成内核参数配置与模型权重拉取后拔除网线实测,推理与显存分配全程 100% 本地闭环。

已知限制与失败边界 (Known Limits)
  • 旧版教程常用的 `amdgpu.gttsize` 内核参数在 Linux 6.14+ 的 `gfx1151` 上已失效;若不在 BIOS 划拨 96GB UMA 或配置 `amdttm.pages_limit=25165824`,可见显存会被死死卡在 15.5 GB。
  • 受限于 256 GB/s 的 LPDDR5X 物理带宽,Strix Halo 跑稀疏 MoE 模型(如单 Token 仅激活 3.3B 的 `Qwen3-30B-A3B`)可飙至 78.4 tok/s,但跑 70B 稠密模型因每生成一词需读取 40GB 权重,物理极限仅为 6.2 tok/s。
DEPLOYMENT CHECKLIST // 配置落地核验步骤

部署 tune-strix-halo-llm.sh 后的 3 步验收清单

  1. 已核对 `/sys/module/amdttm/parameters/pages_limit` 等于 `25165824`(96 GB)或在 Linux 6.16.9+ 下通过 BIOS 划拨 96GB UMA。
  2. 已确认 Ollama 服务环境变量中启用了 `ROCBLAS_USE_HIPBLASLT=1` 与 `OLLAMA_FLASH_ATTENTION=1`。
  3. 已在 `num_ctx=32768` 下实测 `qwen3:30b-a3b-q4_K_M`,确认 `ollama ps` 显示 100% GPU 且生成速度突破 70 tok/s。