Intel Arc Pro B60 24 ГБ: вместимость и выбор движка

Вердикт: брать или искать альтернативу

Брать, если нужны 27B на Intel и готовы проверить движок на своей модели; Qwen3.8 27B Q4 — до 64K по таблице. 24 ГБ, 456 ГБ/с и 120–200 Вт (TBP).
Не брать, если цель — Llama 3.1 70B Q4 целиком в VRAM или workflow требует CUDA.
Вместо этого посмотрите для той же модели Q4: Intel Arc B580 12 ГБ: не помещается на 4K, 456 ГБ/с, 190 Вт (TBP); GeForce RTX 3090: 64K, 936 ГБ/с, 350 Вт (TGP).

Что помещается в память

Ориентир скорости (сторонний замер)

Сводка netrunnereve; автор прогона не указан. Дата прогона не указана. ngl 99 (CUDA) / 100 (Vulkan); ОС, драйвер, batch и питание в строке не указаны. Запись и условия ↗

По tg ≈70,5 — ниже Intel Arc B580 12 ГБ (tg ≈72,0) в той же сводке.

В этих сводках pp через Vulkan у Intel Arc Pro B60 24 ГБ — ≈275, у RTX 3060 через CUDA — ≈2 408 токенов/с: разница ≈8,8 раза. Для длинных входов проверьте SYCL-сборку на своей задаче.

Сторонние прогоны на разных сборках; позиция в сводке не заменяет тест вашей модели.

Первый запуск на Intel: Vulkan и SYCL

B60 имеет отдельный пользовательский SYCL-прогон ниже; отдельной строки в перечне verified devices upstream нет. Сначала установите драйвер Intel для своей ОС. При наличии iGPU и dGPU параметр GGML_VK_VISIBLE_DEVICES задаётся у сервера по индексу из его журнала.

Ollama по VRAM выбирает 32K по умолчанию. 32K может занимать больше памяти, чем нужно для короткого запроса; уменьшить его можно, например, до 8K: /set parameter num_ctx 8192. Для Qwen2.5 32B Instruct Q4 расчётный максимум из таблицы — 8K: /set parameter num_ctx 8192 в чате CLI; у сервера — OLLAMA_CONTEXT_LENGTH=8192 перед запуском. Задавайте окно не больше этого максимума. Проверьте PROCESSOR и CONTEXT через ollama ps. Как задать переменную в своей ОС.

Для ручного GGUF-запуска скачайте SYCL-пакет llama.cpp со страницы релизов и выполните из его каталога:

llama-cli --list-devices
llama-cli -m MODEL.gguf -ngl 99 -c 4096 -p "Explain VRAM in five sentences."
llama-bench -m MODEL.gguf -ngl 99 -p 512 -n 128

Вместо MODEL.gguf укажите свой файл. На Linux используйте ./llama-cli и ./llama-bench; расположение исполняемых файлов зависит от пакета. Сохраните версию драйвера, сборку, имя устройства, число выгруженных слоёв и pp/tg. Vulkan и SYCL — разные бэкенды: результат одного не предсказывает другой. Протокол измерения.

Питание и подключение

Условия расчёта и сравнение

Максимум — из ряда 4K–256K, все языковые веса на GPU, KV FP16, резерв 1,5 ГиБ; vision, MTP и пик prefill исключены. Если не помещается, итог дан для 4K; для gpt-oss — native и sliding-кэш окна. Это оценка, не замер и не гарантия запуска. Мощность — паспортная; подключение относится к исполнению в подписи таблицы. Общая методика и команды. Сравнить со всеми картами.