Framework ha mostrado durante Advancing AI 2026 una nueva versión de su ordenador compacto equipada con el procesador AMD Ryzen AI Max+ PRO 495. El sistema eleva la capacidad hasta 192 GB de memoria unificada LPDDR5X-8533, compartidos entre CPU, GPU y NPU para ejecutar modelos de inteligencia artificial de gran tamaño localmente.
La demostración utilizó DeepSeek V4-Flash cuantizado en Q8 dentro de un único equipo, manteniendo margen para ampliar la longitud de contexto. AMD conserva 16 núcleos Zen 5, pero aumenta las frecuencias, actualiza la GPU integrada y proporciona un 50% más de memoria unificada frente a las configuraciones anteriores de 128 GB.
Ryzen AI Max+ PRO 495 mantiene 16 núcleos Zen 5
El Ryzen AI Max+ PRO 495 integra 16 núcleos y 32 hilos Zen 5, acompañados por una frecuencia máxima de hasta 5,2 GHz. Frente al Ryzen AI Max+ PRO 395, el nuevo procesador conserva la misma arquitectura general, pero incorpora una mejora moderada de frecuencia para elevar el rendimiento en cargas sostenidas.
La parte gráfica corresponde a la Radeon 8065S con 40 unidades de cómputo RDNA 3.5, capaces de alcanzar hasta 3,0 GHz. El número de unidades no aumenta respecto a la Radeon 8060S, de modo que la mejora gráfica procede principalmente de una frecuencia superior y de los ajustes aplicados al nuevo modelo.
El procesador mantiene un enfoque orientado a estaciones compactas para IA, creación y desarrollo profesional. Su principal ventaja no reside únicamente en la potencia de CPU o GPU, sino en la posibilidad de compartir una enorme reserva de memoria entre todos los bloques de cálculo sin depender de una tarjeta gráfica dedicada.
Los 192 GB aumentan un 50% la memoria disponible
El salto principal aparece en los 192 GB de memoria unificada LPDDR5X, frente a los 128 GB disponibles en los sistemas anteriores. Esto representa un aumento del 50% en capacidad, permitiendo cargar modelos más grandes, conservar contextos extensos y reservar memoria adicional para el sistema operativo o las herramientas de desarrollo.
La memoria funciona a 8.533 MT/s mediante un bus de 256 bits, alcanzando aproximadamente 273 GB/s de ancho de banda teórico. El modelo anterior se quedaba en 8.000 MT/s y 256 GB/s, por lo que la nueva configuración aporta un 6,6% más de velocidad y ancho de banda.
CPU, GPU y NPU acceden al mismo conjunto de memoria, evitando una división rígida entre RAM y VRAM. Esta arquitectura permite asignar una parte considerable de los 192 GB a la Radeon 8065S, ofreciendo mucha más capacidad gráfica disponible que una tarjeta convencional de consumo con memoria dedicada.
La contrapartida reside en que la memoria LPDDR5X permanece soldada a la placa, de modo que no puede ampliarse posteriormente mediante módulos convencionales. Framework mantiene su filosofía modular en otras áreas, pero la cantidad de memoria deberá elegirse durante la compra según el presupuesto y las cargas previstas.
DeepSeek V4-Flash funciona en Q8 dentro de un único equipo
Framework mostró el sistema ejecutando DeepSeek V4-Flash con cuantización Q8, sin recurrir a servidores externos ni aceleradores adicionales. La compañía asegura que el modelo cabe dentro de los 192 GB y conserva margen suficiente para ampliar la longitud de contexto, uno de los elementos que más memoria consume durante tareas prolongadas.
Utilizar cuantización Q8 conserva más precisión que formatos como Q4, aunque también requiere una cantidad considerablemente mayor de memoria. La capacidad adicional permite mantener los pesos del modelo dentro del espacio accesible por la GPU, reduciendo las transferencias hacia el almacenamiento y las esperas asociadas.
Framework no ha publicado todavía cifras de tokens generados por segundo, consumo eléctrico o contexto máximo. La demostración confirma que el modelo puede cargarse y ejecutarse, pero no permite establecer todavía una comparativa completa de rendimiento frente a tarjetas profesionales, aceleradores con HBM o sistemas optimizados alrededor de CUDA.
El resultado refuerza el valor de esta plataforma para ejecutar IA local con mayor privacidad, evitando enviar información sensible a servicios en la nube. También elimina cuotas por uso remoto, aunque el coste inicial del equipo será elevado y la velocidad dependerá de la optimización disponible para ROCm, Vulkan o cada aplicación.
Dos equipos pueden combinar 384 GB mediante 50 GbE
La placa incorpora una conexión PCIe 4.0 x4 con extremo abierto, permitiendo instalar tarjetas físicamente más largas aunque funcionen con cuatro líneas. Framework aprovechó esta característica para conectar dos tarjetas de red de 50 GbE, preparando una demostración donde dos equipos colaboraban sobre la misma carga de inteligencia artificial.
El enlace utiliza RDMA sobre Ethernet mediante RoCE, reduciendo la intervención del procesador durante las transferencias. La combinación permite repartir un modelo entre dos Framework Desktop mediante paralelismo de tensores, proporcionando acceso coordinado a 384 GB de memoria unificada agregada entre ambos sistemas.
No se trata de convertir los dos bloques de 192 GB en una única memoria convencional. El software distribuye diferentes partes del modelo entre los nodos, por lo que la comunicación constante entre ambos equipos introduce latencia y exige aplicaciones específicamente preparadas para trabajar mediante paralelismo distribuido.
Los 50 GbE reducen el cuello de botella de comunicación, pero continúan lejos del ancho de banda proporcionado por interconexiones especializadas como NVLink. Aun así, el planteamiento ofrece una vía relativamente accesible para ampliar la capacidad disponible mediante varios sistemas compactos sin recurrir inmediatamente a un servidor profesional.
La versión con Linux facilitará el acceso a la IA local
Framework también prepara una configuración premontada con Linux preinstalado, destinada a usuarios que quieran recibir el equipo listo para trabajar. Esta variante permitirá aprovechar desde el primer arranque herramientas abiertas para inteligencia artificial, desarrollo y creación, evitando completar manualmente la instalación y configuración inicial del sistema.
Linux resulta especialmente relevante para esta plataforma debido al peso de ROCm y las herramientas de IA de código abierto. Sin embargo, el soporte deberá encontrarse suficientemente maduro para aprovechar la Radeon 8065S, la memoria unificada y las funciones del procesador sin depender de ajustes manuales o versiones experimentales.
La disponibilidad de un sistema preparado también puede ampliar el público más allá de desarrolladores expertos. Framework busca convertir el equipo en una estación compacta para ejecutar agentes y modelos locales, manteniendo al mismo tiempo acceso a componentes internos, conexiones PCIe y diferentes configuraciones de almacenamiento.
Los 192 GB elevarán considerablemente el precio
Framework reconoce que el modelo de 192 GB será mucho más caro que la versión de 128 GB debido al aumento del precio de la memoria LPDDR5X. La compañía recomienda considerar configuraciones de 32 GB, 64 GB o 128 GB cuando las cargas no necesiten la capacidad máxima disponible.
El Framework Desktop actual con Ryzen AI Max+ 395 ronda los 3.500$ (~3.069€) en sus configuraciones superiores, antes de impuestos y distribución europea. Algunas previsiones sitúan la nueva variante por encima de 5.000$, aunque Framework todavía no ha comunicado un precio oficial para el modelo de 192 GB.
La comparativa con NVIDIA DGX Spark resulta inevitable porque ambos sistemas recurren a memoria unificada de gran capacidad para IA local. El Framework ofrecerá 192 GB frente a 128 GB, pero la capacidad por sí sola no determina el rendimiento, donde también influyen el ancho de banda, el software y la potencia de cálculo.
Su principal atractivo será combinar 192 GB unificados, formato compacto y cierta capacidad de expansión dentro de un único equipo. El aumento de precio limitará su alcance, pero también puede convertirlo en una alternativa interesante para quienes necesiten cargar modelos grandes localmente sin adquirir infraestructura de servidor.
Vía: Wccftech
