La compañía AMD ha publicado una guía técnica detallada para ejecutar OpenClaw de forma local en Windows, una iniciativa que busca demostrar que muchos agentes de inteligencia artificial pueden funcionar directamente en el equipo del usuario sin necesidad de depender de servicios cloud. Esta propuesta se integra dentro de la estrategia que la firma describe como “Agent Computer”, un enfoque en el que los modelos de IA pueden ejecutarse localmente para ofrecer mayor control sobre los datos, evitar costes asociados a servicios remotos y permitir sistemas de inteligencia artificial disponibles de forma permanente.
El entorno propuesto por AMD utiliza WSL2 en Windows, junto con LM Studio para gestionar la inferencia de modelos LLM mediante llama.cpp, lo que permite ejecutar modelos de lenguaje de forma completamente local. La configuración también incluye soporte para Memory.md con embeddings locales, una función que permite a los agentes mantener memoria persistente sin necesidad de enviar información a servidores externos. Según AMD, todo el entorno puede configurarse en menos de una hora, un planteamiento claramente orientado a desarrolladores y entusiastas que experimentan con agentes de IA personales.
RyzenClaw aprovecha la memoria unificada de Ryzen AI Max+
La primera configuración propuesta por AMD se denomina RyzenClaw y está pensada para sistemas basados en Ryzen AI Max+ con 128 GB de memoria unificada. En este escenario, la compañía recomienda reservar 96 GB como memoria gráfica variable, una configuración que permite ejecutar modelos de lenguaje de gran tamaño directamente desde la memoria del sistema.
En las pruebas descritas por AMD, esta configuración ejecuta el modelo Qwen 3.5 35B A3B, alcanzando aproximadamente 45 tokens por segundo durante la inferencia. Con este rendimiento, el sistema puede procesar 10.000 tokens de entrada en alrededor de 19,5 segundos, además de manejar ventanas de contexto de hasta 260.000 tokens, una cifra notable para un sistema de escritorio orientado a IA local.
Otro aspecto destacado es la capacidad de ejecutar hasta seis agentes de IA de forma simultánea, lo que AMD plantea como una base interesante para experimentar con escenarios de “agent swarm”, donde múltiples agentes colaboran entre sí para resolver tareas complejas o dividir cargas de trabajo dentro de un mismo entorno.
RadeonClaw prioriza el rendimiento con GPU profesional
La segunda configuración, llamada RadeonClaw, utiliza un enfoque diferente al basarse en una Radeon AI PRO R9700, una tarjeta gráfica profesional equipada con 32 GB de VRAM y diseñada específicamente para cargas de trabajo de inteligencia artificial.
En este caso, el rendimiento en inferencia mejora de forma notable. Con el mismo modelo Qwen 3.5 35B A3B, el sistema alcanza aproximadamente 120 tokens por segundo, reduciendo el tiempo necesario para procesar 10.000 tokens de entrada a unos 4,4 segundos. Este incremento de rendimiento demuestra el impacto que puede tener una GPU dedicada cuando se trata de ejecutar modelos de lenguaje de gran tamaño.
Sin embargo, este enfoque también implica algunas limitaciones frente al sistema basado en memoria unificada. La configuración con GPU permite ejecutar solo dos agentes de forma simultánea, frente a los seis del sistema Ryzen AI Max+, y la ventana de contexto se reduce a unos 190.000 tokens, una diferencia que refleja el equilibrio entre capacidad de memoria y rendimiento puro.
Una propuesta interesante… pero todavía cara
Aunque la idea de ejecutar agentes de IA completamente locales resulta atractiva desde el punto de vista técnico, el coste de entrada sigue siendo elevado. La configuración RyzenClaw apunta a sistemas como el Framework Desktop con Ryzen AI Max+ 395 y 128 GB de RAM, cuyo precio inicial ronda los 2.700$ (~2.365€).
La alternativa RadeonClaw, por su parte, requiere al menos una Radeon AI PRO R9700, una GPU profesional cuyo precio parte de 1.299$ (~1.138€) únicamente para la tarjeta gráfica.
Por este motivo, la propia AMD reconoce que este tipo de configuraciones están pensadas principalmente para desarrolladores y usuarios avanzados interesados en experimentar con agentes de IA locales, más que para el usuario medio. Aun así, la iniciativa refleja una tendencia cada vez más visible en el sector tecnológico: trasladar parte de las cargas de trabajo de inteligencia artificial al propio PC del usuario, reduciendo la dependencia de infraestructuras cloud y ofreciendo mayor control sobre los datos.
Vía: TechPowerUp
