AMD usa agentes de IA e HRX Loom para portar 51 LLMs ao Strix Halo em 4 dias

Uma equipe da AMD conseguiu portar 51 modelos de linguagem populares para as GPUs Ryzen AI Max, conhecidas pelo codinome Strix Halo, em apenas quatro dias — e não com uma equipe enorme de engenheiros, mas com agentes de IA escrevendo e otimizando o código. Os engenheiros Jeremy Fowers e Ben Vanik lideraram o experimento, que usou o compilador HRX Loom e um conjunto de habilidades para agentes de codificação, o loom-skills.

O ponto de partida foi a lista dos 50 LLMs mais populares do Hugging Face em 6 de novembro de 2026, acrescida do Qwen3.8-Flash-Next. Ao todo, foram 51 modelos em 19 arquiteturas, incluindo variantes do Qwen3.5, Qwen3.6 e Qwen3.8, Gemma 4, modelos Ornith de até 122 bilhões de parâmetros, MiniCPM-V e até um modelo Nemotron, da NVIDIA. Cada porte ganhou uma página no Hugging Face com instruções de uso e os arquivos de kernel .loom gerados.

Os números

A equipe comparou cada modelo com o llama.cpp no mesmo hardware, em completions de chat com temperatura zero e com um identificador único no início de cada prompt, para que o cache de prefixo não favorecesse nenhum dos lados. O resultado principal: ganho mediano de 1,5x no processamento de prompts de 32 mil tokens (prefill) em relação ao backend ROCm do llama.cpp. A variação ficou entre cerca de 1,5x e 2,1x, e de cerca de 1,9x contra o backend Vulkan do llama.cpp. O painel de resultados também acompanha a velocidade de geração e o desempenho com quatro fluxos simultâneos por modelo.

O hardware usado foi modesto: seis máquinas Strix Halo no DevLab da AMD e uma máquina local, todas com Ryzen AI MAX+ 395 e gráficos Radeon 8060S, rodando Ubuntu 24.04. O agente orquestrador manteve, em média, dois subagentes simultâneos, com pico de 16.

O que é o HRX Loom

O Loom é uma linguagem e um compilador para programas nativos em CPUs, GPUs e NPUs, parte da pilha HRX (HIP Runtime Extended) da AMD. Os programas podem ser escritos em um subconjunto de C++ ou em Loom IR, descrito pela própria AMD como "amigável a agentes", e o compilador gera ELF, HSACO, SPIR-V e WebAssembly, entre outros alvos. Os modelos são distribuídos como pacotes com código-fonte .loom ou bytecode, pesos e um descritor JSON, servidos pelo loom-serve — que permite carregar um modelo novo ou trocar uma implementação sem reiniciar o servidor. A versão 0.1 do SDK foi lançada recentemente e o projeto ainda está em fase de prévia técnica (tech preview), para Windows e Linux.

O truque está na arquitetura: quando o código específico de cada modelo vive em arquivos de kernel compactos e legíveis, em vez de ficar enterrado dentro de um mecanismo de inferência, um agente de IA tem algo tratável para escrever, testar e ajustar. O pacote loom-skills, publicado no GitHub, equipa agentes como Claude Code, Codex e Pi para criar e servir programas de modelo otimizados.

Por que importa

O problema da AMD em IA local raramente foi o silício: os chips Strix Halo carregam até 128 GB de memória unificada, o suficiente para rodar modelos grandes em uma única máquina. O gargalo sempre foi o tempo para que modelos novos funcionassem bem nesse hardware. Se agentes e um compilador feito para eles conseguem reduzir essa espera de meses para dias, o argumento a favor das APUs da AMD muda de figura — e o catálogo de modelos já portados fica público, no Hugging Face, para qualquer pessoa testar. O mesmo tipo de hardware já chega ao mercado: o BOSGAME M5 Max traz 192 GB de memória unificada com o Ryzen AI Max+ PRO 495.

Há ressalvas, e elas são importantes: o Loom é experimental, o trabalho foi focado e testado em sistemas Strix Halo, como o Framework Desktop, e quatro dias de trabalho de agentes são uma demonstração, não uma promessa de suporte. Os ganhos também variam por modelo — o painel mostra onde o Loom vence e onde não vence.

Fontes

Crédito da imagem: AMD, via Phoronix.

Transparência: esta matéria foi produzida com auxílio de inteligência artificial, com cruzamento de publicações públicas no X e fontes da internet. Consulte as fontes originais para confirmar as informações.

Por Muse