# Сколько людей реально могут делить одну локальную AI-коробку на 128 ГБ? > Измеренная лестница конкурентности на одном Strix Halo: как выглядит ожидание при одном, четырёх и восьми одновременных чатах, что осталось корректным и почему «токенов в секунду» не отвечает на вопрос о размере команды. - Published: 2026-08-12 - Evidence level: lab_repeated - Funding: Собственное финансирование, внутреннее исследование - Canonical: https://agmind.ai/ru/reports/concurrency-capacity-strix-halo/ Вопрос, который рано или поздно задаёт каждый покупатель мини-ПК на 128 ГБ, — не «сколько токенов в секунду он выдаёт», а «сможет ли им пользоваться моя команда из пяти человек». Опубликованные бенчмарки почти никогда на него не отвечают: они меряют один поток и рапортуют скорость декода. Здесь та же коробка под одновременной нагрузкой, измеренная так, как её чувствуют пользователи. ## Что мерили Один Beelink GTR9 Pro (Ryzen AI Max+ 395, 128 ГБ unified) с llama.cpp server на сборке Vulkan, запиненной по digest образа, обслуживающий Qwen3.6-35B-A3B Q4_K_M, запиненный по хэшу артефакта. Ворклоад — замороженный корпус повседневных человеческих запросов: сообщения, письма, объяснения, планы, а не бенчмарк-промпты. Reasoning выключен; каждый запрос судят гейты формата, языка и повторов, отказавшие запросы остаются в знаменателе. Между тремя ячейками меняется ровно одна переменная: сколько запросов находится в полёте одновременно — один, четыре, восемь. ## Ожидание, измеренное На одном потоке ассистент отвечает за **210 ms** ([strix.qwen36.interactive2.c1.ttfa-nothink](https://agmind.ai/claims/strix.qwen36.interactive2.c1.ttfa-nothink/)). При четырёх одновременных чатах медианное ожидание становится **338 ms** ([strix.qwen36.interactive2.c4.ttfa-nothink](https://agmind.ai/claims/strix.qwen36.interactive2.c4.ttfa-nothink/)), при восьми — **865 ms** ([strix.qwen36.interactive2.c8.ttfa-nothink](https://agmind.ai/claims/strix.qwen36.interactive2.c8.ttfa-nothink/)). Форма кривой важнее любой отдельной цифры: первый токен остаётся в пределах секунды на всей лестнице, но рост не бесплатный — переход от четырёх к восьми одновременным пользователям стоит дороже, чем от одного к четырём. Решение о размере команды, принятое по одной однопоточной цифре, ошибётся в ту сторону, которая бьёт больнее. ## Что не сломалось Завершаемость держалась на каждой ступени: **100.0 % of requests** ([strix.qwen36.interactive2.c1.completion-nothink](https://agmind.ai/claims/strix.qwen36.interactive2.c1.completion-nothink/)) на одном потоке, **100.0 % of requests** ([strix.qwen36.interactive2.c4.completion-nothink](https://agmind.ai/claims/strix.qwen36.interactive2.c4.completion-nothink/)) на четырёх, **100.0 % of requests** ([strix.qwen36.interactive2.c8.completion-nothink](https://agmind.ai/claims/strix.qwen36.interactive2.c8.completion-nothink/)) на восьми. Ни один запрос не был отброшен, обрезан или возвращён пустым из-за конкурентности. Что бы эта коробка ни делала под нагрузкой, она не отказывает молча. ## Чего это НЕ говорит - **Это не заявление о ёмкости.** «Восемь одновременных запросов» — не «восемь сотрудников»: реальные команды работают рывками, простаивают между сообщениями и вставляют длинные документы. Человек — не запрос. - **SLO заранее не согласовывался**, поэтому operating envelope здесь нет. Честный результат — форма ожидания, а не число поддерживаемых пользователей. - **Один юнит, один артефакт, одна сборка runtime, один корпус.** Нагрузка с доминирующим префиллом (вставленные документы, RAG-контексты) ведёт себя иначе — это работа по long-context и doc-session, а не эта. - **Reasoning выключен.** С включённым блоком рассуждений ожидание уже на одном потоке больше на два порядка — см. [отчёт про thinking-модель](https://agmind.ai/ru/reports/ttft-thinking-model-strix-halo/). ## Как этим пользоваться при выборе размера Определите ожидание, которое ваши пользователи стерпят до первого видимого слова, и читайте лестницу в обратную сторону. Если предел — полсекунды, эта коробка обслуживает небольшую команду на таком ворклоаде; если нужно меньше 250 мс — одного-двух человек одновременно. Дальше меряйте свой корпус: [харнесс открыт](https://github.com/botAGI/agmind-bench), а [бандлы прогонов запечатаны и доступны для скачивания](https://github.com/botAGI/agmind-lab). У каждой цифры выше есть постоянная страница со скоупом, ограничениями и сырыми доказательствами: [реестр клеймов](https://agmind.ai/ru/claims/). --- Machine-readable claim registry: https://agmind.ai/claims.json · llms.txt: https://agmind.ai/llms.txt