รายงานผลการทดสอบ: Dual AMD Radeon RX 9060 XT 16GB (รวม 32GB VRAM) กับการก้าวกระโดดของ AMD ROCm 10 Native RDNA 4

โดย ลุงจุ้ยคุยเรื่องคอม · 29 ส.ค. 2026

การรันโมเดลภาษาขนาดใหญ่ (LLM) ในระดับ Local Workstation ปัจจัยสำคัญที่สุดไม่ได้ขึ้นอยู่กับพลังการประมวลผลดิบของฮาร์ดแวร์เพียงอย่างเดียว แต่ยังขึ้นอยู่กับ ขนาด VRAM และ ความสมบูรณ์ของชุดซอฟต์แวร์ที่รองรับอีกด้วย

บทความนี้สรุปผลการทดสอบเชิงลึกของกราฟิกการ์ดสถาปัตยกรรมรุ่นใหม่ล่าสุด AMD Radeon RX 9060 XT (RDNA 4) ในรูปแบบ Dual GPU (2× 16GB รวม 32GB VRAM) โดยเปรียบเทียบระหว่าง ROCm 7.14 กับ ROCm 10.0 Native ผ่านชุดทดสอบ PromptMark v0.4.0 บน 6 เวิร์กโหลดการใช้งานจริง

ไฮไลท์และผลการทดสอบสำคัญ

ROCm 10 ปลดล็อกประสิทธิภาพ Native RDNA 4: ตัวรันไทม์ ROCm 10.0 ที่คอมไพล์เจาะจงสถาปัตยกรรม gfx1200 ให้ความเร็วการสร้างคำตอบ (Decode Speed) บนโมเดล Dense อย่าง Qwen3.8-27B สูงขึ้น +3.3% ถึง +3.5% ในทุกเวิร์กโหลด
Qwen3.6-35B-A3B พลังความเร็วระดับ 54+ Tokens/s: ด้วยการจัดสรรเลเยอร์บน VRAM 32GB โมเดล MoE ขนาด 35B สามารถทำความเร็ว Decode สูงถึง 54.88 tokens/s (อ่าน/ตอบได้ทันทีโดยไม่มีอาการหน่วง) และทำความเร็ว Prefill (อ่าน Prompt) พุ่งแตะ 2,203.4 tokens/s
การรองรับเอกสารขนาดยาว (Long Context 8K): ในโหมดสรุปเอกสาร 8,192 โทเคน ระบบ Dual RX 9060 XT ใช้เวลาประมวลผลคำแรก (Time-to-First-Token หรือ TTFT) เพียง ~3.78 วินาที สำหรับโมเดล 35B
ความคุ้มค่าของการต่อ Dual GPU (Layer Split): การรวม VRAM 16GB + 16GB เป็น 32GB ทำให้สามารถโหลดโมเดลระดับ 27B และ 35B ลงบนการ์ดจอได้ 100% (gpu-layers 999) โดยไม่ต้องดึง RAM เครื่องมาแชร์ให้เกิดคอขวด

ข้อมูลระบบและสภาพแวดล้อมการทดสอบ

รายการ	รายละเอียดการตั้งค่า
GPU Setup	2× AMD Radeon RX 9060 XT (VRAM รวม 32,608 MiB / GDDR6)
GPU Architecture	RDNA 4 (`gfx1200`), เชื่อมต่อแบบ PCIe 5.0 x8 ต่อใบ
ระบบปฏิบัติการ	Windows 11 Pro 64-bit
เครื่องมือทดสอบ	PromptMark v0.4.0 (รัน 6 เวิร์กโหลดมาตรฐาน)
นโยบาย Cache	ปิด Fresh Prompt Cache (`--no-cache-prompt`) เพื่อวัดพลังคำนวณจริงของฮาร์ดแวร์ทุกๆ รอบ
การแบ่งภาระงาน	`--device "ROCm0,ROCm1" --split-mode layer --tensor-split "1,1" --gpu-layers 999`
Context Window	12,288 Tokens
ระเบียบวิธีวัดผล	1 Warm-up Run + 5 Measured Runs แบบ Round-Robin หาค่ามัธยฐาน (Median)
ROCm 7 Stack	llama.cpp build 10370 (ROCm 7.14)
ROCm 10 Stack	llama.cpp build 10362-rocm10 (AMD ROCm 10.0 Native RDNA 4 Clang Toolchain)

โมเดลที่นำมาทดสอบ

Qwen3.6-35B-A3B-Q4_K_M (~20.5 GB): โมเดลสถาปัตยกรรม Attention-to-Batch MoE ผสานจุดเด่นด้านการประหยัดพลังคำนวณและความฉลาดของพารามิเตอร์ 35B
Qwen3.8-27B-Q4_K_M (~16.8 GB): โมเดลสถาปัตยกรรม Dense 27B ที่ต้องคำนวณทุก Layer เต็มรูปแบบ เหมาะสำหรับการวัดพลังการคำนวณดิบ

ผลการทดสอบเปรียบเทียบ

1. โมเดล `Qwen3.6-35B-A3B` (MoE Architecture - 35B)

โมเดลนี้เน้นงานประมวลผลที่ต้องการความเร็วสูงและบริบทกว้าง

เวิร์กโหลด (Workload)	ขนาด Prompt/Output	ROCm 7 Decode (tok/s)	ROCm 10 Decode (tok/s)	Decode Speedup	ROCm 7 Prefill (tok/s)	ROCm 10 Prefill (tok/s)	Prefill Speedup	TTFT ROCm 10 (วินาที)
Content Generation	512/256	54.33	54.88	+1.03%	1,169.4	1,184.6	+1.30%	0.529s (เร็วขึ้น 7.8%)
Creative Writing	512/512	54.14	54.78	+1.18%	1,166.4	1,174.1	+0.66%	0.553s
Summarization Light (2K)	2048/256	53.96	54.58	+1.14%	1,721.8	1,738.4	+0.96%	1.249s
Summarization Moderate (4K)	4096/ 256	53.56	54.16	+1.12%	2,070.1	2,077.6	+0.37%	2.076s
Summarization Long (8K)	8192/ 256	52.76	53.37	+1.14%	2,196.2	2,203.4	+0.33%	3.781s
Code Analysis (4K)	4096/ 256	53.53	54.20	+1.25%	2,039.6	2,053.1	+0.66%	2.163s

ข้อสังเกต: โมเดล Qwen3.6-35B-A3B รักษาความเร็ว Decode ได้นิ่งมากในทุกความยาวบริบท ตั้งแต่ 512 โทเคนไปจนถึง 8K โทเคน (54.88/53.37 tok/s) ความเร็วแทบไม่ตกลงเลย และอัตรา Prefill ทะลุ 2,200 tok/s ในบริบท 8K

2. โมเดล `Qwen3.8-27B` (Dense Architecture - 27B)

โมเดล Dense แท้ขนาด 27 พันล้านพารามิเตอร์ ซึ่งเป็นตัวชี้วัดการคำนวณ Matrix Multiplication (GEMM) อย่างแท้จริง

เวิร์กโหลด (Workload)	ขนาด Prompt/Output	ROCm 7 Decode (tok/s)	ROCm 10 Decode (tok/s)	Decode Speedup	ROCm 7 Prefill (tok/s)	ROCm 10 Prefill (tok/s)	Prefill Speedup	เวลารวมตอบ E2E (วินาที)
Content Generation	512/ 256	14.92	15.44	+3.47%	464.4	469.4	+1.07%	17.86s (ลดลง 3.5%)
Creative Writing	512/ 512	14.91	15.40	+3.29%	467.4	470.1	+0.57%	34.47s (ลดลง 3.1%)
Summarization Light (2K)	2048/ 256	14.87	15.38	+3.44%	697.9	702.0	+0.58%	19.66s (ลดลง 2.8%)
Summarization Moderate (4K)	4096/256	14.76	15.27	+3.47%	833.0	837.0	+0.47%	21.68s (ลดลง 2.7%)
Summarization Long (8K)	8192/ 256	14.62	15.10	+3.30%	884.9	888.2	+0.37%	26.19s (ลดลง 2.3%)
Code Analysis (4K)	4096/ 256	14.79	15.26	+3.23%	833.8	837.5	+0.45%	22.02s (ลดลง 2.5%)

ข้อสังเกต: โมเดล Dense 27B เห็นผลต่างของไดรเวอร์ชัดเจนมาก โดย ROCm 10 เร็วกว่า ROCm 7 สม่ำเสมอที่ราว +3.3% ถึง +3.5% ทำให้ดันความเร็วทะลุเพดาน 15 tokens/s ได้ในทุกสถานการณ์

การวิเคราะห์เชิงลึกทางสถาปัตยกรรม

1. การปรับแต่ง Instruction & MMA บน RDNA 4 (`gfx1200`)

ใน ROCm 7 การรองรับชิป RDNA 4 ยังอยู่ในช่วงพัฒนาเบื้องต้น แต่ใน ROCm 10 Native RDNA 4 (build 10362) มีการปรับแต่งชุดคำสั่ง Matrix-Multiply-Accumulate (MMA) และ Vector Instructions ผ่าน LLVM Clang ให้แมปตรงกับหน่วยประมวลผลของ gfx1200
การคำนวณของโมเดลแบบ Dense (Qwen3.8-27B) ซึ่งผูกติดกับ Memory Bandwidth และ Tensor Core Operations ได้รับประโยชน์สูงสุด จึงเห็นการเร่งความเร็วอย่างสม่ำเสมอถึง ~3.5%

2. ศักยภาพการประมวลผลบริบทขนาดยาว (Long Context Scaling)

ในงานประเภทวิเคราะห์โค้ดและสรุปเอกสาร (Code Analysis & Summarization 4K-8K) อัตราความเร็วในการอ่าน Prompt (Prefill) ปรับตัวสูงขึ้นตามจำนวนโทเคน:
- จาก 1,184 tok/s (512 tokens) ขยับขึ้นเป็น 1,738 tok/s (2K), 2,077 tok/s (4K) และแตะจุดสูงสุดที่ 2,203 tok/s (8K)
- พฤติกรรมนี้ชี้ว่าชิป RDNA 4 มี Bandwidth กว้างพอที่จะรัน GEMM ขนาดใหญ่ได้อย่างเต็มประสิทธิภาพ ยิ่งอินพุตยาว ยิ่งดึงพลัง GPU ออกมาได้คุ้มค่า

3. ประสิทธิภาพ Multi-GPU สเกลแบบ Dual Card

การแบ่งโหลดแบบ Layer Split (--split-mode layer --tensor-split 1,1) ส่งผ่านข้อมูลข้ามสล็อต PCIe 4.0 x16 ได้อย่างไร้รอยต่อ โดยตลอดการทดสอบโมเดล Qwen3.6-35B มีความเสถียร 100% (ผ่านครบ 5/5 รอบทุกเวิร์กโหลด)

สรุปและคำแนะนำสำหรับการนำไปใช้งาน

สำหรับผู้ใช้ที่ต้องการจัดชุด Local AI Workstation:
- การจับคู่ Dual AMD Radeon RX 9060 XT 16GB (รวม 32GB VRAM) ถือเป็นตัวเลือกที่คุ้มค่ามากสำหรับการรันโมเดลขนาดใหญ่ 27B ถึง 35B ในระดับ Quantization Q4_K_M แบบ Fully Offloaded ไม่ต้องพึ่งพาระบบ Offload ไป CPU RAM
ความเร็วที่ตอบโจทย์งานจริง:
- หากต้องการ ความเร็วสูงระดับสนทนาสด / Agentic Chatbot แนะนำโมเดลแบบ MoE เช่น Qwen3.6-35B-A3B ซึ่งทำความเร็วแตะ 54-55 tokens/s ได้อย่างสบายตา
- หากต้องการ งานคิดวิเคราะห์ ตรวจสอบโค้ด หรือเอกสารซับซ้อน แนะนำโมเดล Dense เช่น Qwen3.8-27B ที่ความเร็ว 15.1 - 15.4 tokens/s ซึ่งเป็นความเร็วที่อ่านตามได้ทันและให้เหตุผลได้แม่นยำ
คำแนะนำด้านซอฟต์แวร์:
- แนะนำอย่างยิ่งให้อัปเกรดไปใช้ ROCm 10 Native ขึ้นไป เนื่องจากให้ทั้งความเร็วในการประมวลผลที่เหนือกว่า ROCm 7 เดิม และลด Latency ในการตอบสนองคำแรก (TTFT) ลงอย่างเห็นได้ชัด