Workstation CPU-only AMD Threadripper PRO (512 Go)
Cette workstation tour repose sur la plateforme AMD WRX80 et un Threadripper PRO 3955WX à 16 cœurs Zen 2, une architecture CPU d’AMD. Dépourvue de GPU, elle vise l’inférence locale entièrement exécutée par le processeur, face aux configurations accélérées par carte graphique.
Cette workstation tour repose sur la plateforme AMD WRX80 et un Threadripper PRO 3955WX à 16 cœurs Zen 2, une architecture CPU d’AMD. Dépourvue de GPU, elle vise l’inférence locale entièrement exécutée par le processeur, face aux configurations accélérées par carte graphique.
Son principal atout réside dans ses 512 Go de DDR4 ECC, une mémoire corrigeant certaines erreurs, répartis sur 8 canaux pour atteindre 204 Go/s de bande passante. Cette capacité permet de charger des modèles particulièrement volumineux, au prix d’une vitesse limitée par le calcul CPU. Le processeur affiche un TDP de 280 W, une enveloppe thermique indicative.
Carte d'identité
| Caractéristique | Valeur |
|---|---|
| Constructeur | AMD (plateforme) |
| Catégorie | Serveurs & accélérateurs |
| Statut | Disponible |
| Mémoire | 512 Go (DDR4 ECC, 8 canaux (8 × 64 Go, config testée)) |
| Bande passante mémoire | 204 Go/s |
| Consommation (TDP) | 280 W |
| CPU | AMD Threadripper PRO 3955WX, 16 cœurs Zen 2 (config testée) |
| GPU | Aucun (inférence CPU pure) |
| Format | Workstation tour WRX80 |
| Extensible | Oui |
| Fiche constructeur | specs officielles |
Quels modèles peut-elle faire tourner ?
| Modèle étalon | Verdict |
|---|---|
| 8 B (Llama 3.1 8B, Q4) | ✅ À l'aise |
| 14 B (Qwen3 14B, Q4) | ✅ À l'aise |
| 32 B (Qwen3 32B, Q4) | ✅ À l'aise |
| 70 B (Llama 3.3 70B, Q4) | ✅ À l'aise |
| 120 B MoE (gpt-oss-120B, MXFP4) | ✅ À l'aise |
Estimation mémoire : environ 0,6 Go par milliard de paramètres en Q4, plus le contexte. « Juste » : le modèle se charge mais le contexte utilisable est réduit.
Performances mesurées
| Modèle | Quantisat° | Lecture | Génération | Runtime | Source |
|---|---|---|---|---|---|
| DeepSeek-R1 671B | Q5_K_S | n.d. | 3 tok/s | llama.cpp (CPU, 16 threads) | llama.cpp — discussion #11765 (10 juillet 2026) |
« Lecture » (prompt processing) : vitesse d'ingestion du contexte. « Génération » : vitesse d'écriture de la réponse, celle que l'on perçoit à l'usage. Deux mesures ne sont comparables qu'à modèle, quantisation et runtime identiques.
Notre analyse
Les 512 Go de RAM permettent d’exécuter confortablement des modèles allant de 8B à 70B en Q4, une quantification sur 4 bits réduisant fortement l’empreinte mémoire. La configuration accepte aussi gpt-oss-120B en MXFP4, un format numérique 4 bits compact, malgré son architecture MoE, ou mixture of experts, qui n’active qu’une partie de ses paramètres à chaque étape. Son cas extrême est DeepSeek-R1 671B en Q5_K_S, une quantification autour de 5 bits optimisée par blocs, dont les 462 Go tiennent en mémoire. Avec llama.cpp, un moteur d’inférence local, et 16 threads, des flux d’exécution CPU parallèles, la génération atteint toutefois seulement 2,8 tok/s, soit 2,8 fragments de mots produits par seconde. La capacité surpasse donc nettement la réactivité. Le rapport performance-prix ne peut pas être établi sans tarif, tandis que le rapport performance/watt reste difficile à juger à partir du seul TDP de 280 W, qui n’est pas une mesure de consommation réelle. L’écosystème documenté ici se limite à llama.cpp, le bruit n’est pas renseigné et la machine est indiquée comme disponible. Elle a surtout du sens pour charger de très grands modèles sans GPU, mener des essais de compatibilité ou privilégier la capacité mémoire plutôt que le débit interactif.
Sources : specs AMD (plateforme), llama.cpp — discussion #11765.