Minisforum MS-S1 MAX: 128 GB Unified Memory für lokale KI im Mini-Format

Der Minisforum MS-S1 MAX packt AMDs stärksten Strix-Halo-Chip, den Ryzen AI Max+ 395, zusammen mit bis zu 128 GB LPDDR5x-Unified-Memory in ein 3,2-Liter-Gehäuse. Das Versprechen: große Sprachmodelle, die sonst nur mit mehreren dedizierten GPUs laufen, sollen sich lokal auf einem einzigen, leisen Desktop-Gerät betreiben lassen. Dieser Artikel ordnet die Hardware technisch ein, prüft die Herstellerangaben gegen unabhängige Tests und reale Community-Benchmarks und zeigt, wo das Konzept in der Praxis an Grenzen stößt, insbesondere unter Linux und beim Prompt Processing.

Kurzfassung: Was der MS-S1 MAX ist

• AMD Ryzen AI Max+ 395 (16 Kerne, 32 Threads) mit Radeon-8060S-iGPU und bis zu 128 GB LPDDR5x-8000 als Unified Memory, geteilt zwischen CPU und GPU.
• Der zweite M.2-Slot läuft elektrisch nur mit PCIe 4.0 x1, der PCIe-x16-Steckplatz mechanisch mit x16, elektrisch aber nur mit PCIe 4.0 x4. Beides bestätigt Minisforum inzwischen selbst in der Spezifikation.
• Reale Speicherbandbreite liegt laut Community-Messungen bei rund 212 GB/s, deutlich unter den theoretischen 256 GB/s, aber ausreichend für Decode-lastige LLM-Inferenz mit MoE-Modellen.
• Prompt Processing (Prefill) ist die klare Schwachstelle: Bei gpt-oss-120b erreicht das System nur rund 340 Tok/s Prefill, während eine DGX Spark dort etwa 1.700 Tok/s schafft.
• 128 GB RAM sind fest verlötet und nicht nachrüstbar. Wer mehr braucht, muss ein zweites Gerät kaufen oder clustern, nicht aufrüsten.

Kaufempfehlung in einem Satz: Für alle, die MoE-Modelle bis etwa 120 Milliarden Parameter lokal und energieeffizient betreiben wollen und mit einzelnen Sekunden Time-to-First-Token bei langen Prompts leben können, ist der MS-S1 MAX eine der wenigen praktikablen Optionen unter 4.000 Euro. Für interaktive Chats mit langem Kontext oder für CUDA-gebundene Workloads ist er die falsche Wahl.

Die Hardware im Detail

AMD Ryzen AI Max+ 395: Zen 5, RDNA 3.5, XDNA 2

Der Ryzen AI Max+ 395 ist AMDs Top-Modell der Strix-Halo-Reihe: 16 Zen-5-Kerne mit 32 Threads, Takt bis 5,1 GHz, gefertigt im 4-nm-Verfahren. Die integrierte Radeon-8060S-Grafik bringt 40 RDNA-3.5-Compute-Units mit bis zu 2.900 MHz. Dazu kommt eine XDNA-2-NPU mit bis zu 50 TOPS. Die von Minisforum wie auch von AMD selbst beworbenen „126 TOPS“ sind die Summe aus NPU, GPU und CPU, nicht die NPU-Leistung allein, das sollte man bei der Zahl im Kopf behalten. Laut AMDs eigener Spezifikation liegt die konfigurierbare TDP des Chips zwischen 45 und 120 Watt (Standard 55 Watt), Minisforum nutzt in diesem Gehäuse davon die oberen Stufen bis 130/160 Watt aus.

Zur Einordnung der iGPU-Leistung: Im 3DMark Time Spy liegt die Radeon 8060S etwa auf dem Niveau einer 65-Watt-RTX-4070-Laptop-GPU, gegen höher taktende 140-Watt-Konfigurationen (etwa im Razer Blade 14) fällt sie spürbar zurück. Die Formulierung „RTX-4070-Laptop-Niveau“ ist also zutreffend, aber wattabhängig zu lesen. Auch AMDs eigener Vergleich „2,2-fache RTX-4090-Leistung“ braucht Kontext: Das Ergebnis stammt aus einem LM-Studio-Benchmark mit Llama 3.1 70B, bei dem die Radeon 8060S mit vollen 96 GB zugewiesenem Speicher gegen eine RTX 4090 mit nur 24 GB VRAM antrat, auf der das Modell gar nicht vollständig ins VRAM passt. Der Vergleich ist selektiv gewählt und sagt mehr über den Vorteil großer Unified-Memory-Pools bei speicherhungrigen Modellen aus als über die reine Rechenleistung der beiden Chips.

128 GB LPDDR5x als Unified Memory

Das eigentliche Verkaufsargument ist der Speicher: LPDDR5x-8000 an einem 256-Bit-Bus, macht theoretisch bis zu 256 GB/s Bandbreite, geteilt zwischen CPU und GPU als echtes Unified Memory statt getrennter VRAM/RAM-Pools. In der Praxis kommen davon laut Community-Messungen (rocm_bandwidth_test) rund 212 GB/s an, etwa 83 Prozent des theoretischen Werts. Das reicht nicht an dedizierte GPU-Speicher heran (eine RTX 3090 liegt bei rund 936 GB/s), ist aber für ein iGPU-System ungewöhnlich hoch und der entscheidende Faktor dafür, dass große Modelle hier überhaupt sinnvoll laufen. Wichtig: Die 128 GB sind fest verlötet. Weder bei der 64-GB- noch bei der 128-GB-Variante ist eine nachträgliche Aufrüstung möglich, das bestätigt Minisforum in der Produktbeschreibung der 64-GB-Ausführung explizit.

Kühlung, Leistungsaufnahme, Lautstärke

Die Kühlung besteht aus einem Kupferboden, sechs Heatpipes, Phase-Change-Material als Wärmeleitpaste-Ersatz und zwei Turbinenlüftern mit bis zu 3.600 U/min. Drei TDP-Profile stehen zur Wahl: Performance mit 130 Watt Dauerlast und 160 Watt Spitzenleistung, Balanced mit 95 Watt und Quiet mit 60 Watt. Notebookcheck maß unter AIDA64-Stresstest eine CPU-Spitzentemperatur von 77 °C, deutlich unter AMDs Limit von 100 °C, die Kühlung ist also nicht der Schwachpunkt.

Die Lautstärke dagegen schon: Notebookcheck bewertete das Gerät im Test mit 84 Prozent („Gut“) und bemängelte vor allem den Leerlauf im Performance-Modus als „viel zu laut“, unter Volllast meldeten Tests Werte über 50 dB(A). Ein BIOS-Update auf Version 1.03 hat die Leerlauflautstärke laut Notebookcheck spürbar verbessert und die Gesamtwertung nach oben gezogen, ein Nachtrag, den man bei der Kaufentscheidung mit einplanen sollte: Wer ein frühes BIOS ohne dieses Update erwischt, sollte vor der ersten Beurteilung erst aktualisieren.

Gehäuse und Slide-Out-Konstruktion

Bei 222,1 × 206,3 × 77,1 mm und 2,8 kg bringt das Aluminiumgehäuse einen ungewöhnlichen Wartungsmechanismus mit: Eine Slide-Out-Konstruktion erlaubt Zugriff auf Mainboard, M.2-Slots und den PCIe-x16-Steckplatz, ohne das gesamte Gehäuse zerlegen zu müssen. Das interne 320-Watt-Netzteil mit klassischem C14-Kaltgerätestecker statt externem Netzteil-Ziegel wurde von ServeTheHome ausdrücklich positiv hervorgehoben, es macht das Gerät im Rack- oder Schreibtischbetrieb unkomplizierter als die üblichen Steckernetzteil-Lösungen vieler Mini-PCs.

Aufbau des MS-S1 MAX: Kupferboden mit sechs Heatpipes, zwei Turbinenlüfter, internes 320-W-Netzteil und Slide-Out-Chassis für den Zugriff auf beide M.2-Slots. (Bild: Minisforum)

Anschlüsse und Erweiterung

Die I/O-Ausstattung ist für ein Gerät dieser Größe ungewöhnlich umfangreich, insbesondere die doppelte 10GbE-Anbindung, die für den späteren Cluster-Betrieb relevant wird (dazu weiter unten mehr).

Front-I/O: Power-Taster, 1× USB 3.2 Gen2, 2× USB4 und Audio-Kombibuchse. (Bild: Minisforum)

Rückseite: HDMI 2.1, zwei USB4-V2, zwei USB-A, zwei USB-2.0 und die zwei 10GbE-Anschlüsse. (Bild: Minisforum)

Auffällig: Es gibt keinen nativen DisplayPort-Ausgang, nur HDMI 2.1 plus DP-Alt-Mode über die USB4-Buchsen. Mehrere Reviewer, darunter Kommentatoren bei ServeTheHome, empfanden das als merkwürdige Priorisierung für ein Gerät, das selten am Wohnzimmerfernseher hängt.

Bei der Erweiterung lohnt ein genauer Blick, weil die Herstellerangaben hier lange ungenau waren und erst durch unabhängige Reviews korrigiert wurden: Der zweite M.2-Slot läuft elektrisch nur mit PCIe 4.0 x1, nicht x4, wie man bei einem „vollwertigen“ zweiten Steckplatz vielleicht erwarten würde. Für eine zusätzliche Daten- oder Backup-SSD reicht das, für eine zweite Hochleistungs-SSD im RAID-0-Verbund mit dem ersten Slot limitiert es spürbar. Der PCIe-x16-Steckplatz ist zwar mechanisch als vollwertiger x16-Slot ausgeführt und nimmt auch Karten in voller Baulänge auf, elektrisch angebunden ist er jedoch nur mit PCIe 4.0 x4, das entspricht der Bandbreite eines schnellen NVMe-Laufwerks, nicht eines vollwertigen x16-Grafikkartenslots. Beide Punkte bestätigt Minisforum inzwischen direkt in der eigenen Produktgrafik.

Minisforums eigene Grafik bestätigt es unmissverständlich: mechanisch x16, elektrisch PCIe 4.0 x4. (Bild: Minisforum)

Beide M.2-2280-Slots fassen SSDs bis 8 TB und unterstützen RAID 0/1, der zweite Slot bleibt dabei auf PCIe 4.0 x1 begrenzt. (Bild: Minisforum)

Lokale KI in der Praxis

Welche Modelle passen in 128 GB

Mit 128 GB Unified Memory und, je nach Linux-Konfiguration, bis zu rund 120 GB davon als GPU-adressierbarem Speicher, passen quantisierte Modelle bis in den Bereich von etwa 120 Milliarden Parametern komfortabel hinein, inklusive Kontext. gpt-oss-120b, Qwen3-30B-A3B und ähnlich große MoE-Modelle laufen vollständig im Speicher. Für Qwen3-235B-A22B in Q4-Quantisierung reicht ein einzelnes Gerät dagegen nicht mehr aus, das Modell benötigt allein für die Gewichte deutlich mehr als 128 GB, weshalb Minisforum für dieses Modell explizit den Zwei-Geräte-Verbund bewirbt (dazu im Abschnitt zum Cluster-Betrieb mehr).

Realistische Token-Raten

Die folgenden Werte stammen nicht aus MS-S1-Max-spezifischen Tests, sondern aus Community-Benchmarks auf identischer Hardware-Basis (Ryzen AI Max+ 395, Strix Halo, gfx1151, 128 GB), vor allem aus dem llm-tracker.info-Wiki und den strixhalo-homelab-Repositories auf GitHub. Da Chip und Speicheranbindung identisch sind, lassen sich die Zahlen direkt auf den MS-S1 MAX übertragen.

Quellen: llm-tracker.info Strix-Halo-Wiki, hogeheer499-commits/strix-halo-guide (GitHub), strixhalo.wiki. Werte schwanken je nach Backend, Kontextlänge und Batch-Größe, teils erheblich.

Das Muster ist eindeutig: Mixture-of-Experts-Modelle wie Qwen3-30B-A3B oder gpt-oss-120b (aktivieren pro Token nur einen Bruchteil ihrer Gesamtparameter) profitieren stark von der begrenzten Speicherbandbreite, weil weniger Daten pro generiertem Token bewegt werden müssen. Dichte Modelle wie Llama 3.3 70B dagegen, bei denen für jedes Token alle Parameter durchlaufen werden, geraten in den einstelligen Tok/s-Bereich. Für interaktives Arbeiten ist das kaum praktikabel, für Batch-Verarbeitung ohne Zeitdruck durchaus.

Prompt Processing als Schwachstelle

Der auffälligste Schwachpunkt zeigt sich nicht bei der Textgenerierung, sondern beim Einlesen des Prompts: Bei gpt-oss-120b liegt die Prefill-Rate bei rund 340 Tok/s, eine NVIDIA DGX Spark mit demselben Modell erreicht laut verfügbaren Vergleichswerten etwa 1.700 Tok/s, also gut das Fünffache. Bei langen Prompts, etwa in RAG-Anwendungen mit mehreren Tausend Token Kontext, macht sich das direkt als spürbare Wartezeit bis zur ersten Antwort bemerkbar (Time to First Token), unabhängig davon, wie schnell die anschließende Tokengenerierung läuft. Ein interessanter, aber noch experimenteller Ansatz einzelner Projekte (etwa AMDs Lemonade-Server) nutzt die XDNA-2-NPU gezielt für die Prefill-Phase, während die iGPU die Dekodierung übernimmt, was die Time-to-First-Token in diesen Projekten laut Herstellerangaben deutlich reduziert. Als generell verfügbarer, ausgereifter Software-Pfad ist das Stand der Recherche aber noch nicht etabliert.

llama.cpp, Ollama, ROCm und Vulkan: Stand der Software

Der pragmatischste Weg zu brauchbarer Performance führt aktuell über llama.cpp mit Vulkan/RADV-Backend, das läuft stabil und ohne größere Bastelei, auch Ollama nutzt darunter denselben Unterbau. Der ROCm-Pfad (HIP-Backend) liefert bei manchen Modellen höhere Prefill-Werte, ist aber empfindlicher: Community-Guides empfehlen ROCm 7.2.x für die beste Strix-Halo-Unterstützung, ältere ROCm-Versionen benötigen unter Ubuntu teils genau den passenden HWE-Kernel (6.11 statt 6.14), sonst schlägt der DKMS-Build der Kernel-Module fehl. vLLM ist der unreifste Pfad: gfx1151 (Strix Halo) steht nicht auf der offiziell unterstützten GPU-Liste, man braucht ROCm-Nightly-Builds über TheRock und muss die V1-Engine wegen Timeout-Problemen beim HIP-Graph-Capture mit der Option --enforce-eager betreiben, was einen Teil der eigentlichen vLLM-Optimierungen wieder deaktiviert. Für Produktivbetrieb mit hohem Durchsatz und vielen parallelen Anfragen ist das aktuell kein Ersatz für eine ausgereifte CUDA/ROCm-Umgebung auf dedizierten GPUs.

Linux, Proxmox und Homelab-Tauglichkeit

Für den 10GbE-Chipsatz Realtek RTL8127 landete nativer Linux-Support erst mit Kernel 6.16 im r8169-Treiber. Proxmox VE unterstützt den Chip ab Version 9.1 mit Kernel 6.17 direkt. Wer ein älteres Proxmox-Image einsetzt, sollte vor dem Kauf prüfen, welcher Kernel mitgebracht wird: Ein bekannter Bug (NIC verschwindet nach Warmstart) wurde erst in Kernel 6.19 behoben, ein weiterer (Hänger bei Suspend/Shutdown) in 6.18. Die notwendigen amdgpu/KFD-Anpassungen für Strix Halo selbst sind laut Phoronix ebenfalls erst mit Kernel 6.18.4 vollständig upstream, frühere Kernel können bei GPU-Compute-Workloads inkorrekte Queue-Erstellung zeigen.

Proxmox-Nutzer berichten in einem einschlägigen Forumsthread von erfolgreichem iGPU-Passthrough in LXC-Container (über /dev/kfd und /dev/dri/renderD128, nicht per SR-IOV), inklusive eines dokumentierten Falls mit funktionierender Qwen2.5-Inferenz im Container. Typische Stolperfalle waren abweichende Gruppen-IDs zwischen Host und Container, die ohne Anpassung zum CPU-Fallback führten. Für die Speicherkonfiguration gilt der ältere Parameter amdgpu.gttsize als deprecated, aktuelle Anleitungen empfehlen stattdessen ttm.pages_limit. AMDs Empfehlung: die dedizierte VRAM-Reservierung im BIOS klein halten (rund 512 MB) und den Großteil des Systemspeichers stattdessen über das Kernel-GTT dynamisch für die GPU freigeben, Community-Berichte sprechen von bis zu rund 120 GB adressierbarem GPU-Speicher unter Linux.

Die NPU ist unter Linux der am wenigsten ausgereifte Teil der Plattform. Der Kernel-Treiber (amdxdna) ist zwar vorhanden, AMDs eigene Ryzen-AI-Software für die Inferenz listet Strix Halo aber weiterhin nicht als offiziell unterstützte Linux-Plattform. Seit rund März 2026 ermöglichen Drittprojekte wie der offene Lemonade-Server (Version 10.0) und FastFlowLM experimentellen NPU-Einsatz unter Ubuntu, Arch und Fedora, praxistauglich und breit unterstützt ist das aber noch nicht: Wer die NPU heute produktiv nutzen will, kommt kaum an Windows vorbei.

Wer den MS-S1 MAX als Proxmox-Host für mehrere VMs und Container betreibt, sollte die Backup-Strategie von Anfang an mitplanen, gerade weil bei einem verlöteten 128-GB-System ein Hardwaredefekt nicht einfach durch RAM-Tausch behoben werden kann. Für automatisierte, geprüfte Sicherungen von Proxmox-VMs bietet sich unser Managed Proxmox Backup Server an, den wir als gehosteten Dienst für genau solche Homelab- und KMU-Umgebungen betreiben.

Cluster und Rack-Betrieb

Für Modelle jenseits der 128-GB-Grenze bewirbt Minisforum den Verbund mehrerer Geräte: Zwei Einheiten sollen ein 235B-Modell in Q4-Quantisierung mit 10,87 Tok/s ausliefern, vier Einheiten im 2U-Rack sollen sogar DeepSeek-R1 671B in Q4-Quantisierung (rund 380 GB) stemmen können. Diese Werte stammen ausschließlich vom Hersteller und wurden in keinem der ausgewerteten unabhängigen Tests nachvollzogen, sie sind also als Herstellerangabe zu lesen, nicht als verifizierter Messwert.

Technisch plausibel ist der Ansatz trotzdem: AMDs eigenes Entwickler-Playbook zum Clustern zweier Ryzen-AI-Max-Systeme setzt explizit auf llama.cpp mit RPC-Server über 10GbE, nicht auf USB4 oder andere Interconnects, in einer Stern-Topologie über einen zentralen Switch. Das erklärt auch, warum der MS-S1 MAX gleich zwei 10GbE-Anschlüsse mitbringt, wo ein einzelner für normale Netzwerkanbindung reichen würde. In der Praxis berichten Community-Projekte (etwa Jeff Geerlings Cluster aus vier Framework-Mainboards) davon, dass llama.cpp-RPC bei kleineren und mittleren Modellen zuverlässig funktioniert, bei sehr großen Modellen wie DeepSeek R1 in Q4_K_M aber in einen ineffizienten „Round-Robin“-Modus wechseln oder ganz abstürzen kann. Wer auf Cluster-Betrieb plant, sollte die eigenen Zielmodelle vorher in einer Testumgebung prüfen und nicht blind auf die Herstellerzahlen vertrauen.

Einordnung: Wo steht das Gerät im Markt

Im direkten Wettbewerbsumfeld konkurrieren mehrere Systeme mit demselben oder einem sehr ähnlichen SoC, sowie zwei grundlegend andere Architekturen von Apple und Nvidia.

Preise Stand August 2026, teils starken Schwankungen durch die aktuelle DRAM-Preisentwicklung unterworfen, vor dem Kauf aktuellen Preis prüfen.

Für unternehmensweite Auswertung von KI-Hardware in dieser Preisklasse lohnt auch ein Blick auf unseren Praxistest der NVIDIA DGX Spark, die preislich und von der 128-GB-Speicherausstattung her im selben Segment spielt, aber mit einem völlig anderen Software-Ökosystem antritt.

Preislich pro Gigabyte Unified Memory liegt der MS-S1 MAX zwischen dem günstigeren GMKtec EVO-X2 und dem teureren, ECC-zertifizierten HP Z2 Mini G1a. Gegenüber einem gebrauchten Zwei-GPU-Server mit RTX 3090 verliert er klar bei Rechenleistung und Software-Reife (CUDA ist nach wie vor der mit Abstand am besten unterstützte Stack für LLM-Training und viele Inferenz-Frameworks), gewinnt aber deutlich bei Stromverbrauch, Geräuschentwicklung, Platzbedarf und vor allem bei nutzbarem Speicher für einzelne, sehr große Modelle in einem Gerät.

Was gegen das Gerät spricht

• Kein RAM-Upgrade möglich: 128 GB sind verlötet, ein Defekt oder wachsender Bedarf bedeutet Neukauf, nicht Nachrüstung.
• ROCm- und vLLM-Reifegrad: Für ROCm braucht es die richtige Kernel-/Treiber-Kombination, vLLM läuft nur mit Nightly-Builds und Workarounds produktiv stabil.
• NPU unter Linux kaum nutzbar: Ohne Windows und Ryzen-AI-Software bleibt die NPU-Leistung größtenteils ungenutzt, produktionsreife Linux-Unterstützung ist noch jung.
• Preis: 3.959 € für die 128-GB-Variante ist eine deutliche Investition, zumal die Preise für alle Strix-Halo-Systeme 2026 durch gestiegene DRAM-Kosten spürbar gestiegen sind, auch beim MS-S1 MAX selbst laut Testberichten gegenüber dem ursprünglich anvisierten September-Launchpreis von rund 2.400 €.
• Lautstärke unter Last: Über 50 dB(A) bei Volllast und ein zunächst zu lauter Leerlauf (inzwischen per BIOS-Update gemildert) sind für einen Büro- oder Wohnraumeinsatz relevant.
• Verfügbarkeit und Lieferzeiten: Zum Zeitpunkt dieses Artikels nennt der EU-Shop „voraussichtlicher Versand Anfang September“ für Neubestellungen, wer kurzfristig plant, sollte das einkalkulieren.

Für wen lohnt sich der MS-S1 MAX

KMU-IT-Dienstleister mit DSGVO-Anforderungen: Wer Sprachmodelle bis etwa 120 Milliarden Parameter für interne Dokumentenanalyse, Klassifikation oder RAG-Anwendungen lokal betreiben muss, ohne Daten an Cloud-Anbieter zu senden, bekommt hier für unter 4.000 Euro eine kompakte, energieeffiziente Lösung, sofern die längeren Antwortzeiten bei langen Prompts akzeptabel sind. Klare Empfehlung für Batch- und Hintergrund-Workloads, mit Abstrichen für latenzkritische Live-Chat-Anwendungen mit vielen gleichzeitigen Nutzern.

Homelab- und Entwickler-Enthusiasten: Für alle, die ohnehin mit Proxmox, ZFS und lokalen LLM-Experimenten arbeiten und das Gehäuse, die Erweiterbarkeit über den PCIe-x16-Slot (elektrisch x4, etwa für eine zusätzliche NIC oder Capture-Karte) und die doppelte 10GbE-Anbindung zu schätzen wissen, ist der MS-S1 MAX eine der interessanteren Optionen im Segment, klar attraktiver als ein reiner Consumer-Mini-PC ohne diese Erweiterungsmöglichkeiten. Wer primär spielt oder klassische Desktop-Workloads fährt, ist mit einer dedizierten GPU meist besser bedient.

CUDA-gebundene ML-Teams: Wer produktiv mit PyTorch, CUDA-spezifischen Bibliotheken oder etablierten Trainings-Pipelines arbeitet, sollte vom MS-S1 MAX absehen. Der ROCm-Software-Stack ist zwar nutzbar, aber deutlich unreifer als CUDA, und viele Frameworks unterstützen gfx1151 nur mit Workarounds. Hier ist entweder eine DGX Spark oder ein klassisches Nvidia-GPU-System die konsequentere Wahl.

Fazit

Der Minisforum MS-S1 MAX löst sein zentrales Versprechen technisch ein: 128 GB Unified Memory in einem kompakten, vergleichsweise sparsamen Gehäuse machen lokale Inferenz mit großen MoE-Modellen praktikabel, die auf den meisten anderen Consumer- oder Prosumer-Systemen schlicht nicht ins VRAM passen würden. Die reale Speicherbandbreite von rund 212 GB/s und die im Vergleich zu dedizierten GPU-Lösungen schwache Prefill-Leistung setzen aber klare Grenzen, insbesondere bei langen Prompts und interaktiven Anwendungen mit vielen gleichzeitigen Nutzern. Die von Minisforum korrigierten Angaben zum zweiten M.2-Slot (PCIe 4.0 x1) und zum PCIe-x16-Steckplatz (elektrisch x4) zeigen, dass sich ein genauer Blick auf die Spezifikationstabelle lohnt, bevor man Erweiterungspläne darauf aufbaut. Unter Linux ist die Plattform inzwischen praxistauglich, mit Proxmox-iGPU-Passthrough und funktionierendem 10GbE ab dem richtigen Kernel, aber noch nicht in jedem Detail so reibungslos wie unter Windows, vor allem bei der NPU-Nutzung. Ob sich die Investition für Ihren konkreten Anwendungsfall lohnt oder eine klassische GPU-Serverlösung die bessere Wahl ist, hängt stark davon ab, welche Modelle Sie einsetzen wollen und wie zeitkritisch die Antworten sein müssen, wir beraten Sie gerne bei der Planung Ihrer lokalen KI-Infrastruktur.

Technische Daten

Quellen

1. Minisforum EU-Shop, Produktseite MS-S1 MAX 128 GB, minisforumpc.eu, abgerufen 21.08.2026
2. Minisforum EU-Shop, Produktseite MS-S1 MAX 64 GB Local AI Pilot Edition, minisforumpc.eu, abgerufen 21.08.2026
3. Minisforum globaler Shop, Produktseite MS-S1 MAX, store.minisforum.com, abgerufen 21.08.2026
4. AMD, Produktseite und Blogbeitrag Ryzen AI Max+ 395 „Breakthrough AI Performance“, amd.com, abgerufen 21.08.2026
5. cpu-monkey.com, Spezifikationsdatenblatt AMD Ryzen AI Max+ 395, abgerufen 21.08.2026
6. ServeTheHome, „Minisforum MS-S1 Max Review: The Best Ryzen AI Max Mini-PC Yet“, servethehome.com, abgerufen 21.08.2026
7. Notebookcheck, „Minisforum MS-S1 Max Mini-PC im Test: Performance-Modi im Vergleich“, notebookcheck.com, abgerufen 21.08.2026
8. Notebookcheck, „One of the most powerful mini-PCs of 2025: Minisforum MS-S1 Max review“, notebookcheck.net, abgerufen 21.08.2026
9. Heise online Bestenliste, Testbericht Minisforum MS-S1 Max, heise.de, abgerufen 21.08.2026
10. NASCompares, „Minsforum MS-S1 Max Review, Who Is This For?“, nascompares.com, abgerufen 21.08.2026
11. Phoronix, „ROCm GPU Compute Performance With AMD Ryzen AI MAX+ Strix Halo“, phoronix.com, abgerufen 21.08.2026
12. Phoronix, „AMD Ryzen AI NPUs Are Finally Useful Under Linux For Running LLMs“, phoronix.com, abgerufen 21.08.2026
13. Phoronix, „Linux 6.16 To Support The Realtek RTL8127A 10GbE Ethernet Controller“, phoronix.com, abgerufen 21.08.2026
14. llm-tracker.info, „AMD Strix Halo (Ryzen AI Max+ 395) GPU Performance“, abgerufen 21.08.2026
15. GitHub, hogeheer499-commits/strix-halo-guide, Benchmarks zu Ollama/llama.cpp/ROCm auf Strix Halo, abgerufen 21.08.2026
16. strixhalo.wiki, „llama.cpp Performance“, abgerufen 21.08.2026
17. AMD Developer Playbooks, „Clustering Two Ryzen AI Halos with RPC“, developer.amd.com, abgerufen 21.08.2026
18. Jeff Geerling, „I clustered four Framework Mainboards to test huge LLMs“, jeffgeerling.com, abgerufen 21.08.2026
19. Proxmox-Support-Forum, „Proxmox 9.x / Strix Halo / GPU Passthrough“, forum.proxmox.com, abgerufen 21.08.2026
20. Zypher Systems, „Pushing AMD Strix Halo to 120GB Unified VRAM under Linux“, zyphersystems.com, abgerufen 21.08.2026
21. Jeff Geerling, „Increasing the VRAM allocation on AMD AI APUs under Linux“, jeffgeerling.com, abgerufen 21.08.2026
22. GitHub, amd/RyzenAI-SW Issue #366, Strix-Halo-Linux-Support-Diskussion, abgerufen 21.08.2026
23. GitHub, vllm-project/vllm Issue #32180, gfx1151-Support-Status, abgerufen 21.08.2026
24. Framework Community Forum, „Llama.cpp/vLLM Toolboxes for LLM inference on Strix Halo“, community.frame.work, abgerufen 21.08.2026
25. ComputingForGeeks, „Ryzen AI Max+ 395 Mini PCs Compared: Real Prices“, computingforgeeks.com, abgerufen 21.08.2026
26. VideoCardz, „GMKtec EVO-X2 with 128GB RAM debuts at $3500“, videocardz.com, abgerufen 21.08.2026
27. StorageReview, „HP Z2 Mini G1a Review: Running GPT-OSS 120B Without a Discrete GPU“, storagereview.com, abgerufen 21.08.2026
28. Macworld, „M5 Mac Studio 2026: Release date, specs, price, RAM delay news“, macworld.com, abgerufen 21.08.2026
29. Apple, technische Daten Mac Studio (2025), support.apple.com, abgerufen 21.08.2026
30. Constellation Research, „Nvidia DGX Spark now available for $3,999“, constellationr.com, abgerufen 21.08.2026
31. OC3D, „Nvidia raises DGX Spark price by $700 due to memory supply“, overclock3d.net, abgerufen 21.08.2026
32. Tom's Guide, „AMD claims its Ryzen AI Max+ 395 APU outperforms Nvidia's RTX 4070 laptop GPU“, tomsguide.com, abgerufen 21.08.2026
33. Guru3d, „Radeon 8060S Benchmarks: How Does It Compare to RTX 4070 Laptop GPUs?“, guru3d.com, abgerufen 21.08.2026
34. D-Central / localaimaster.com / diverse Gebrauchtmarkt-Übersichten, Preisrecherche gebrauchte RTX 3090, abgerufen 21.08.2026

Bildquelle: MINISFORUM (minisforumpc.eu), Verwendung zu redaktionellen Zwecken.