Strix Halo（Ryzen AI Max）+ Ollama Vulkan：セットアップとパフォーマンス
このページには参考用の第三者製品へのリンクが含まれています。PromptQuorumはいかなるアフィリエイトプログラムにも参加しておらず、これらはコミッションを得ない単なる参照リンクです。リンクのクリックと次のステップはご自身の責任です。これらのリンクはPromptQuorumによる推奨や検証を表すものではありません。
クイック回答
はい — Ryzen AI Max（Strix Halo、RDNA 3.5）はLinux上でVulkan経由でOllamaを動作させます。MAX 395の96 GBユニファイドメモリで、Qwen 32BとLlama 70B Q4_K_M（デスクトップGPU単体では不可能）を格納できます。
- ▸Linux：OllamaはStrix Halo Vulkanを自動検出；長いコンテキストセッションにはOLLAMA_FLASH_ATTENTION=1を設定
- ▸Ryzen AI Max 395（96 GB）：Llama 70B Q4_K_M（~41 GB）とQwen 32B Q4_K_M（~19 GB）を同時にメモリに格納可能
- ▸コンテキスト：64Kの固定上限なし — num_ctxで設定；30Bモデルでは64K–96Kが快適、128K+はメモリ制約がありVulkanでは低速
- ▸Windows向けStrix Halo Vulkanパスは実験的；GPU加速Ollamaの安定プラットフォームはLinux
更新: 2026-07
重要なポイント
- ✓Ryzen AI Max 395（Strix Halo、40 RDNA 3.5 CU、96 GB LPDDR5X）はLinux上のOllamaでVulkanバックエンドを使用 — ROCm iGPUサポートが利用できない場合の正しいGPUパス
- ✓96 GBユニファイドメモリプールが重要な優位点：Llama 70B Q4_K_M（~41 GB）を格納可能 — 他のセットアップでは複数の独立GPUが必要なモデル
- ✓Ryzen AI Max 395での速度：Llama 3.3 8B ~22 tok/s、Qwen 3 14B ~13 tok/s、Qwen 3 32B ~7 tok/s（Vulkan経由）
- ✓OllamaにおけるStrix HaloのWindowsサポートは成熟中；2026年半ば時点ではVulkan経由のLinuxが安定したパス
Strix HaloでOllama with Vulkanを実行する方法
Linux上では、標準のOllamaバイナリをインストールするだけで十分です — RDNA 3.5（gfx1150）をすぐにサポートするVulkanバックエンドを使ったllama.cppを使用します。Vulkanパスに追加のROCmインストールは不要です。通常通り`curl -fsSL https://ollama.com/install.sh | sh`を実行してください。
インストール後、長いセッションでのメモリ効率を高めるためにflash attentionフラグを設定します：`OLLAMA_FLASH_ATTENTION=1 ollama run qwen2.5:14b`。これによりKVキャッシュのメモリ使用量が削減され、96 GBプール全体に近づく32B以上のモデルを実行する際に特に重要です。
OllamaがGPU（CPUではなく）を使用していることを確認するには、モデルが起動中に`ollama ps`を実行します。出力のPROCESSOR列に"GPU"と表示され、VRAMの値がゼロ以外であることを確認してください。"CPU"と表示される場合、Vulkanバックエンドが初期化されていません — お使いのLinuxディストリビューションに`vulkan-icd-loader`パッケージがインストールされているか確認してください。
| モデル | Q4_K_M時のVRAM | 速度（MAX 395 Vulkan） | 96 GBに収まるか？ |
|---|---|---|---|
| Llama 3.3 8B | 4.9 GB | ~22 tok/s | ✓ |
| Qwen 3 14B | 9.3 GB | ~13 tok/s | ✓ |
| Qwen 3 32B | 19.4 GB | ~7 tok/s | ✓ |
| Llama 3.3 70B | ~41 GB | ~3 tok/s | ✓ |
| Qwen 3 72B | ~43 GB | ~3 tok/s | ✓ |
Strix Halo対RTX 4090：メモリで勝り、速度で劣る
Ryzen AI Max 395はGPU速度をメモリ容量と交換します。RTX 4090はLlama 3.3 8Bを~45 tok/sで実行するのに対し、Strix Halo Vulkanでは~22 tok/sです。7Bおよび14BモデルではRTX 4090の方が高速です。しかしRTX 4090は24 GB VRAMに制限されており、Strix Halo MAX 395は96 GBを保有し、デスクトップGPUでは不可能なモデルサイズを実現します。
Strix Haloの実用的なユースケースは、クラウドAPIなしで32B〜70Bモデルをローカルで実行することです。Qwen 3 32B（Q4_K_M、~19 GB）は~7 tok/sで動作します — インタラクティブなチャットには遅いですが、バッチ要約、文書処理、または一晩のファインチューニング作業には十分です。Llama 3.3 70B（Q4_K_M、~41 GB）は~3 tok/sで実行可能で、高品質な単発クエリに適しています。
Windowsでは、gfx1150のROCm iGPUサポートが公式OllamaのWindowsビルドでまだ完成していないため、Strix Halo向けOllamaは2026年半ば時点でデフォルトのCPU推論にフォールバックします。VulkanパスはWindowsで`-DGGML_VULKAN=ON`を使ってllama.cppをソースからビルドする必要があります。WindowsのROCmパスが成熟するまでは、GPU加速Strix Halo推論にはLinuxを推奨します。
その他のApple Silicon APUハードウェアとの比較については、macOSでの代替ユニファイドメモリアプローチを扱うローカルLLM向けMac Mini M4のビットをご覧ください。
関連記事
- ▸ローカルLLM向けMac Mini M4 — Strix Haloに代わるAppleユニファイドメモリの選択肢
- ▸ローカルLLMに最適なミニPC — AMDとAppleオプションのミニPC比較
- ▸ローカルLLM向け予算GPUのベスト — Linuxデスクトップ向けの独立GPU選択肢