# Radeon AI PRO R9700

> 地端世界 · https://onpremworld.com/zh-tw/hardware/amd-radeon-ai-pro-r9700 · 最後更新: 2026-10-16 · CC BY 4.0

售價 1,299 美元、32 GB VRAM，採用適合多卡工作站的渦輪散熱；32B 模型可用 6-bit 量化載入。

> 本站有販售: 依需求報價 · https://onpremworld.com/zh-tw/quote · 本頁規格、可跑模型估算與店面價格皆獨立於銷售編製。

## 規格

|  |  |
|---|---|
| 記憶體 | 32 GB GDDR6 (ECC on Linux only) |
| 記憶體頻寬 | 640 GB/s |
| 功耗 | 300 W |
| 上市 | 2025-07 |
| 首發建議售價 | US$1,299 |
| 架構 | RDNA 4 |
| 軟體支援 | ROCm / Vulkan |

## 能跑哪些模型 (32 GB, 8K)

此為估算值，並非實測。請參考估算方法說明。

| 模型 | 參數量 | 最佳量化 | 合計 | tok/s（預估） |
|---|---|---|---|---|
| Qwen3.5-35B-A3B | 35B | Q6_K | 28.9 GiB | 133 |
| Qwen3.6-35B-A3B | 35B | Q6_K | 28.9 GiB | 133 |
| Qwen3-32B | 32.8B | Q6_K | 28.9 GiB | 16 |
| DeepSeek-R1-Distill-Qwen-32B | 32.76B | Q6_K | 28.9 GiB | 16 |
| Gemma 4 31B IT | 30.7B | Q6_K | 26.3 GiB | 17 |
| Qwen3-30B-A3B (2507) | 30.5B | Q6_K | 25.8 GiB | 124 |
| Qwen3-Coder-30B-A3B-Instruct | 30.5B | Q6_K | 25.8 GiB | 124 |
| GLM-4.7-Flash (30B-A3B) | 30B | Q6_K | 25.1 GiB | 133 |
| Qwen3.5-27B | 27B | Q8_0 | 29.1 GiB | 15 |
| Qwen3.6-27B | 27B | Q8_0 | 29.1 GiB | 15 |
| Qwen3.8-27B | 27B | Q8_0 | 29.1 GiB | 15 |
| Gemma 3 27B IT | 27B | Q8_0 | 29.6 GiB | 15 |
| Gemma 4 26B A4B IT | 25.2B | Q8_0 | 27.0 GiB | 91 |
| Mistral Small 3.2 24B Instruct (2506) | 24B | Q8_0 | 26.7 GiB | 17 |
| Magistral Small 1.2 (2509) | 24B | Q8_0 | 26.7 GiB | 17 |
| Devstral Small 2 24B Instruct (2512) | 24B | Q8_0 | 26.7 GiB | 17 |
| gpt-oss-20b | 21B | Q8_0 | 22.5 GiB | 95 |
| Phi-4 (14B) | 14B | FP16 | 29.4 GiB | 16 |
| Gemma 3 12B IT | 12B | FP16 | 24.8 GiB | 18 |
| Gemma 4 12B Unified IT | 11.95B | FP16 | 24.2 GiB | 18 |
| Qwen3.5-9B | 9B | FP16 | 18.4 GiB | 24 |
| Qwen3-8B | 8.2B | FP16 | 17.7 GiB | 26 |
| DeepSeek-R1-0528-Qwen3-8B | 8.19B | FP16 | 17.6 GiB | 26 |
| Llama 3.1 8B Instruct | 8B | FP16 | 17.1 GiB | 27 |
| Gemma 4 E4B IT | 8B | FP16 | 16.4 GiB | 27 |
| Llama 3.2 3B Instruct | 3.21B | FP16 | 7.7 GiB | 61 |
| Kimi K2.6 | 1000B | 放不下 | – | – |
| DeepSeek-R1-0528 (671B) | 671B | 放不下 | – | – |
| DeepSeek-V4-Flash | 284B | 放不下 | – | – |
| Qwen3.8-Flash-Next | 180B | 放不下 | – | – |
| Qwen3.5-122B-A10B | 122B | 放不下 | – | – |
| Mistral Small 4 119B (2603) | 119B | 放不下 | – | – |
| gpt-oss-120b | 117B | 放不下 | – | – |
| Llama 4 Scout 17B-16E Instruct | 109B | 放不下 | – | – |
| GLM-4.5-Air | 106B | 放不下 | – | – |
| Qwen3-Coder-Next (80B-A3B) | 80B | 放不下 | – | – |
| Llama 3.3 70B Instruct | 70B | 放不下 | – | – |

## 價格

各商店的最新售價，以查價當天頁面標示的價格為準。

| 地區 | 商店 | 商品 | 售價 | 每 GB | 查價日 |
|---|---|---|---|---|---|
| 美國 | Newegg | PowerColor Radeon AI Pro R9700 AI PRO R9700 32G-B 32GB 256-bit GDDR6 PCI Express 5.0 x16 Graphics Card | [US$1,699.99](https://www.newegg.com/powercolor-ai-pro-r9700-32g-b-radeon-ai-pro-r9700-32gb-graphics-card/p/N82E16814131885) | US$53/GB | 2026-10-14 |

美國性價比：跑 Llama 3.1 8B Instruct (Q4_K_M, 8K) 預估約每秒 78.0 個 token，換算為 4.6 tok/s／每 US$100。

全部價格: https://onpremworld.com/zh-tw/prices.md

## 常見問題

### Radeon AI PRO R9700 可以跑哪些 LLM？

以 32 GB 記憶體、8K 上下文估算，放得下的最大模型包括：Qwen3.5-35B-A3B、Qwen3.6-35B-A3B、Qwen3-32B、DeepSeek-R1-Distill-Qwen-32B、Gemma 4 31B IT。完整清單見下方表格。

### Radeon AI PRO R9700 跑本地 LLM 有多快？

生成速度主要取決於記憶體頻寬（640 GB/s）。以 Llama 3.1 8B Instruct（FP16）為例，預估約每秒 27 個 token；模型越大越慢。

### Radeon AI PRO R9700 能跑 70B 等級的模型嗎？

Llama 3.3 70B Instruct 在 Radeon AI PRO R9700（32 GB）上，即使用 Q4_K_M 量化、8K 上下文也放不下。

## 資料來源

- https://www.amd.com/en/products/graphics/workstations/radeon-ai-pro/ai-9000-series/amd-radeon-ai-pro-r9700.html
- https://www.amd.com/en/blogs/2025/amd-radeon-ai-pro-r9700-to-be-available-in-workstation.html
- https://www.amd.com/en/products/graphics/workstations/radeon-ai-pro.html