Lucebox KI-Workstation startet mit AMD Strix Halo, 128GB RAM und Radeon R9700

Lucebox nimmt für seine lokale KI-Workstation mit AMD-Hardware jetzt reguläre Bestellungen entgegen. Mitgründer Alessandro Puppo hat auf X bestätigt, dass das Gerät über die überarbeitete Website des Unternehmens gekauft werden kann. Eine Preiserhöhung stehe allerdings bald bevor, schrieb Puppo, ohne deren Höhe zu nennen.

Bislang war der Kauf mit mehreren Schritten verbunden: Interessenten mussten ihre geplanten Anwendungen und die gewünschte Stückzahl angeben, mit dem Lucebox-Team sprechen und auf eine Bestätigung freier Produktionskapazitäten warten. Erst danach erhielten sie einen Kauflink. Dieser Ablauf entfällt nun. Pro Person lassen sich bis zu fünf Systeme direkt bestellen.

Günstig ist die Workstation nicht: Die Developer-Konfiguration kostet umgerechnet rund 5.230 Euro. Für umgerechnet fast 7.000 Euro gibt es zudem ein Business-Paket mit einem Jahr Lucebox Engine Pro, betreuter Einrichtung und direktem Kontakt zum Entwicklungsteam. Dafür ist weiterhin eine Anfrage beim Lucebox-Support nötig. Laut Lucebox ist die dritte Produktionscharge bereits ausverkauft. Bestellungen für die vierte Charge sollen im November 2026 ausgeliefert werden.

Zur Ausstattung gehören der AMD Ryzen AI Max+ 395 mit 128GB gemeinsam genutztem LPDDR5X-8000-Arbeitsspeicher sowie eine separate Radeon AI Pro R9700 mit weiteren 32GB GDDR6-Grafikspeicher. Für lokale KI-Anwendungen stehen laut Lucebox insgesamt 128GB zur Verfügung, davon 96GB über Strix Halo und 32GB über die R9700. Die Hardware steckt in einem Aluminiumgehäuse mit 11,97 Litern Volumen. Hinzu kommen eine 2TB große NVMe-SSD, Ethernet mit 5 Gbit/s, WLAN 7 und ein 1.000-Watt-Netzteil mit 80-Plus-Platinum-Zertifizierung.

Lucebox verteilt größere Modelle auf die R9700 und Strix Halo. Nach eigenen Angaben hat das Unternehmen so DeepSeek V4 Flash mit 284 Milliarden Parametern auf beiden Recheneinheiten ausgeführt und beim Decoding 86 Token pro Sekunde erreicht. Lucebox weist darauf hin, dass die veröffentlichten Vergleiche auf unterschiedlichen Testkonfigurationen und Quantisierungsverfahren beruhen. Welche Modellabstimmung am besten funktioniert, muss daher im Einzelfall ermittelt werden.