Artificial Analysis开源本地AI智能体压测工具，发布RTX 5090与DGX Spark等首轮结果

一句话看懂：Artificial Analysis 开源了 AA-AgentPerf-Local，可在笔记本和工作站上回放真实智能体任务来测推理性能，并公布了 NVIDIA DGX Spark、RTX 5090、AMD Ryzen AI Halo 与 MacBook Pro M5 Pro 的首轮对比结果。

事件核心：发生了什么

2026 年 9 月 29 日，Artificial Analysis 发布并开源了 AA-AgentPerf-Local。它的做法不是跑分软件式的单轮问答，而是回放 8 个真实记录的智能体任务、共 168 个模型轮次；每个请求都携带完整历史对话，上下文增长到约 56K tokens，每轮生成的 token 数按记录固定，以保证不同系统做的工作量一致。默认跳过工具执行以隔离推理速度，用户也可以选择回放真实工具延迟或在 CPU 上实际运行工具调用。

首轮公布的硬件包括 NVIDIA DGX Spark（128 GB）、AMD Ryzen AI Halo（128 GB）、MacBook Pro M5 Pro（64 GB）和 NVIDIA GeForce RTX 5090（32 GB）；模型为 Qwen3.5-9B、Qwen3.8-27B、Qwen3.6-35B-A3B 和 Ling 3.0 Flash（124B 总参数 / 5B 激活），均采用 4-bit 量化，共 14 套配置并全部公开。结果上，RTX 5090 在能装进 32 GB 的模型上完成时间比其他系统快 3.5 倍以上；DGX Spark 在四个模型中的三个比 Ryzen AI Halo 快 1.4 至 1.7 倍，后者在 Qwen3.5-9B 上追平。

为什么重要

本地 AI 智能体能不能用，不只看模型能力，还取决于显存容量、内存带宽和推理框架成熟度。这次开源的测试工具把一个此前缺少统一口径的问题摆上台面：同一模型在不同硬件和配置下，多轮智能体任务的完成速度差距可能远大于纸面参数差异。对 CUDA、ROCm、Vulkan、Metal 多平台生态来说，这类基准会影响开发者选择本地推理栈，也会影响用户采购 AI 工作站时的判断。

对用户/开发者/创作者的影响

开发者可以直接用开源代码和公开配置测试自己的 OpenAI 兼容推理服务，不必依赖厂商宣传；创作者和企业采购者则可以把“跑得动”细化为“多轮智能体任务多久跑完”。目前公开信息显示，统一内存系统在带宽相近时性能仍可能拉开明显差距，软件栈和低精度算力同样是变量。需要强调，这些结果仅适用于该日期、该任务集和上述评测条件，不是永久排名。