프레임 워크 데스크탑 (2025) 검토 : 강력하지만 모든 사람을위한 것은 아닙니다.

가장 분명한 질문은“왜?‘

프레임 워크는 누구나 분해하고 다시 모을 수있는 수리 가능한 랩톱을 구축합니다. 그것은 랩탑이 정기적으로 단일 장치로 판매되는 시대의 큰 문제입니다. 프레임 워크 머신의 모든 부분을 교체 할 수 있으므로 인내심과 예비 부품의 공급이 허용하는 한 계속 유지할 수 있습니다. 그러나 데스크탑은입니다 이미 Modular and Reparable – 회사 설립자는“데스크탑 PC Ethos는 프레임 워크 랩톱의 핵심 영감 중 하나였습니다.”라고 말했습니다.

데스크탑이 발표되었을 때 Patel은 제품의 창세기가 미리보기를 보았다고 말했다. APU (Accelerated Processing Unit)-Apple Silicon과 같은 단일 패키지로 CPU, GPU 및 NPU를 결합한 칩에 대한 AMD 용어는 성능에 대한 많은 과장된 주장을 담당합니다. 이러한 주장은 너무 강력하여 Patel은 그 잠재적 인 힘을 활용하기 위해 회사의 로드맵에 데스크탑을 추가했습니다. 이 칩의 큰 판매 포인트는 당신이 사용할 수있는 RAM (최대 128GB)과 이용할 수있는 대규모 메모리 대역폭 (최대 265GB/s)입니다. AMD는이를 정기적 인 ‘OL PC에서 작동하는 “”칩으로 묘사했으며 기본 모델은 $ 1,099입니다.

그러나 프레임 워크가 많은 창립 원리를 포기해야한다는 것을 의미하기 때문에 그러한 강력한 칩을 선택하는 데 악마의 거래가 있습니다. 누군가가 한 번 쓴 것처럼, 아마도 컴퓨터 제조업체가 튀어 나오는 힘을 얻지 만 자신의 영혼을 잃으면 무엇을 이익 할 것인가?

하드웨어

Ryzen AI Max의 주요 문제는 단일 패키지로 만들어 졌기 때문에 융통성이 없다는 것입니다. Apple Silicon 제품과 마찬가지로 나중에 변경할 수 없다는 지식으로 칩 사양을 선택해야합니다. 결과적으로, 당신은 3 개의 변하지 않는 맛 중 하나에서 프레임 워크 데스크탑을 주문할 것입니다.

Ryzen AI Max 385 32GB RAM, Radeon 8050S GPU
64GB RAM, Radeon 8060S GPU를 가진 Ryzen AI Max+ 395 (테스트하는 모델).
128GB RAM, Radeon 8060S GPU와 Ryzen AI Max+ 395

다른 모든 프레임 워크 컴퓨터를 사용하면 메인 보드에는 CPU와 팬이 제자리에 설치되어 있지만 바로 그게 다릅니다. 다른 모든 구성 요소는 교체 메인 보드에서 제거 및 재설치 할 수 있습니다. 여기에서, APU가 진행되거나 필요가 진화한다면, 당신은 전부이기 때문에 거의 모든 것을 잃고 있습니다 (히트 싱크 포함). 나중에 가격 고려 사항을 고려할 것이지만 프레임 워크의 교체 메인 보드는 $ 799에서 $ 1,699 사이입니다. 그렇지 않으면 여기서 회복 할 수있는 유일한 것은 Wi-Fi 모듈, SSD (2를위한 공간), 전원 공급 장치 및 케이스입니다.

말하자면, 프레임 워크 데스크탑은 4.5L 케이스의 미니 ITX 데스크탑이며 옵션 적용 손잡이가 완성됩니다. 2006 년경 LAN 파티에서 본 경우보다 절제되지는 않지만 요점은 아닙니다. 상자 자체는 뚜렷한 검은 색이지만, 21 개의 플라스틱 타일을위한 공간이있는 전면 패널과 함께 큰 개성을 추가 할 수 있습니다. 이 타일은 다양한 색상 (검은 색, 녹색, 오렌지 및 라벤더 포함)으로 제공되어 마음의 내용에 모자이크가됩니다. 프레임 워크, AMD 및 Linux 로고를 포함하여 특정 이미지가 인쇄 된 단일 타일을 선택할 수도 있습니다. 당연히, 당신이 교활하다면, 당신은 또한 당신 자신을 만들 수 있습니다.

전면 패널과 자극적으로 작은 전원 버튼 아래에 프레임 워크의 상표 확장 카드 슬롯 중 두 가지가 있습니다. 이들은 회사의 확장 카드를 슬롯 할 수있는 USB-C 덕트로, 앞쪽에있는 I/O를 선택하고 선택할 수 있습니다. 그러나 랩톱에 필요한 유연성은 미니 ITX 메인 보드이기 때문에 여기서는 문제가되지 않습니다. 뒤쪽으로 몸을 기울이면 USB-C 2 개, 디스플레이 포트 2 개, USB-A 소켓 2 개, HDMI, 이더넷 및 3.5mm 오디오에 대한 전용 연결이 있습니다.

설치

프레임 워크는 “DIY 에디션”에서만 데스크탑을 판매하고 있지만 처음에는 예상보다 큰 문제가되지 않습니다. 회사의 DIY 랩톱에서는 모든 구성 요소를 섀시에 넣어야하지만 데스크탑에는 할 일이 거의 없습니다. 모든 SSD 막대는 이미 제자리에 있으며, 추가하기 위해해야 할 일은 히트 싱크를 제거하고 드라이브를 M.2 슬롯으로 슬롯으로 만듭니다. 그 후, 당신은 비프 120mm 팬을 똑같이 비프 히트 싱크에 부착하고, 카울을 상단에 튀기고 4 개의 나사를 조이십시오. 프레임 워크의 훌륭한 ifixit 스타일 가이드는 하드웨어를 함께 얻는 데 30 분에서 45 분이 걸릴 것이라고 주장합니다. 나는 15 분 15 초 후에 시계에 멈췄다. 거기서부터 선택한 운영 체제를 설치하면 준비가되었습니다.

사용 중

프레임 워크 데스크탑 후면 이미지 (2025)는 일부 책 앞의 나무 테이블 위에 앉아있었습니다. 포트 선택에 중점을 둡니다.

데스크탑을 통해 프레임 워크는 게이머와 개발자가 AMD의 Ryzen AI Max를 열망하는 두 그룹을 대상으로합니다. 이전 그룹의 피치는 쉽게 끓일 수 있습니다. ‘이것은 구축하기 위해 많은 일을 할 필요가없는 빠른 PC입니다.’ 그것은 우리가 게임을 실행하고 그것이 얼마나 잘 수행되는지 볼 수 있기 때문에 판단하기에 충분한 지표입니다. 나는 내가 AI 개발자가 아니라는 것을 인정하므로, 후자에 대해 권위적으로 말할 수 없거나 회사가 기대하는 것처럼 여러 메인 보드를 구매하여 클러스터에서 실행할 경우 큰 모델을 실행하는 데 얼마나 효과적일까요?

기본적으로 설정이 Max까지 전화를 걸어 제한된 게임 라이브러리의 모든 타이틀을 운영했으며 땀을 흘리지 않았습니다. AMD는 내 컴퓨터 내부의 Radeon 8060S GPU가 RTX 4070 노트북 GPU로 발끝으로 가야한다고 주장합니다. 이것은 1 온스 네일을위한 10 파운드 망치입니다. 포트 나이트, 그러나 요구하는 제목도 마찬가지입니다 Hardspace : Shipbreaker 바람이 불었습니다. 그러나 내 직감은 사람들이 이것을 기본 게임 기계로 보지 않을 것이라고 말합니다. 그것은이 장치의 힘이 실제로있는 곳이 아니라 APU에 더 잘 맞는 더 많은 작업 작업에서.

내가 말했듯이, 나는 AI 개발자가 아니지만 LM Studio를 엉망으로 만들었습니다. LM Studio는 Google의 Gemma 3 27B 모델을 실행하는 챗봇으로 테스트했습니다. 성능은 웹 기반 AI 클라이언트에서 볼 수있는 것보다 약간 느리지 만 문제가되지는 않습니다. LM Studio는 또한이 실행이 데스크탑의 CPU 전력의 3 분의 1만을 차지하고 있다고 제안 했으므로 더 크고 더 까다로운 모델을 실행하기 위해 더 많은 헤드 룸이있을 것입니다.

그러나 비디오 편집 및 내보내기와 같은 큰 워크 스테이션 작업과 함께 Surer 발판에 참여하고 있으며 여기에서 결과에 깊은 인상을 받았습니다. 이를 위해 2 시간의 런타임으로 39GB HD 비디오 파일을 가져 와서 약간의 작은 트림을 만들어 mp4 파일로 압축하여 내보냈습니다. 파일을 6GB로 낮추는 데 1 시간 12 분이 걸렸으며, 더 적은 하드웨어에서 수출하는 데 반나절이 걸릴 수있는 작업의 경우 놀라운 속도 향상이있었습니다. 64GB RAM으로 데스크탑의 중간 계층 버전을 테스트하고 있다는 것을 기억할 가치가 있습니다.

Patel은 데스크탑을 발표 할 때 기계가 정점에서 조용히 작동 할 것이라고 말했다. 그는“정상적인 하중으로 데스크탑에 앉아있는 동안 침묵하고 게임에서도 조용히 조용합니다.”라고 묘사했습니다. 프레임 워크의 실적과 지금까지 제품에 익숙하다면, 그 인용문은 즉시 비웃음을 불러 일으킬 것입니다. 이 회사는 많은 일을 잘 수행하지만 기계가 얼마나 조용하고 냉각되는지에 대해 과도하게 과도하게 제공됩니다.

프레임 워크는 시끄럽고 랩 로스팅이었던 랩톱 13의 최근 출시 된 Ryzen AI 300 메인 보드에서 냉각이 얼마나 더 좋았는지 트럼펫을 썼습니다. 여기에는 120W에서 지속되는 기간 동안, 최대 140W의 부스트가 진행될 것으로 예상됩니다. 나는 절반을 우주 히터로 사용할 수있을 것으로 기대했지만 자비 롭게도 회사는 그 약속에 좋게 만든 것 같습니다. 120mm 팬은 거의 시끄럽지 않았으며, LM Studio에서 더 무거운 AI 모델을 실행할 때와 비디오 파일을 내보내기 시작할 때만 눈에 띄게되기를 기억할 수 있습니다.

가격

최대 385 및 32GB의 RAM을 갖춘 기본 모델 데스크탑의 시작 가격은 $ 1,099입니다. 이를 위해 자체 Wi-Fi 모듈이 포함 된 경우 전원 공급 장치 및 메인 보드를 얻을 수 있습니다. 그러나 회사가 옵션 엑스트라로 상장하는 것은 SSD, CPU 팬, OS 및 Power Lead도 포함됩니다. 따라서 장식 타일과 2 개의 전면 확장 카드를 포함하여 기본 모델을 선반 구매에서 기본적으로 구매하려는 경우 가격은 $ 1,386로 상승합니다. 미드 계층 옵션 (64GB RAM의 395)을 선택하려면 기본 모델 가격에 500 달러를 추가하십시오. 128GB RAM으로 High End 395를 원한다면 기본 가격에 900 달러를 추가하여 상용 모델의 총계를 약 2,286 달러로 가져옵니다.

Ryzen Ai Max의 뚜렷한 특성으로 인해 사과 대 사과 비교가 완벽하지는 않습니다. 그러나 고성능 PC에서 2 개의 그랜드를 쓰려고한다면 AMD와 함께 Lenovo의 군단과 같은 것을 걸 수 있습니다. $ 2,200는 1TB SSD 16GB DDR5 RAM, 12GB RAM이 장착 된 NVIDIA의 Geforce RTX 4070 Ti를 가진 Ryzen 7을 구입합니다. 또는 그 수치는 Ryzen 7, Radeon RX 9070 XT Prime (16GB VRAM 포함), 16GB RAM 및 2TB SSD와 함께 제공 할 수 있습니다. 실제 차별화 요소는 더 빠른 메모리 대역폭을 소중히 여기고 AI Max가 이산 라이벌을 통해 제공하는 속도입니다.

프레임 워크는 또한 사용자에게 데스크탑 메인 보드를 자체적으로 판매하며 기본 모델은 $ 799입니다. 확실히, 예비 부품으로 가득 찬 상자와 필요한 미니 ITX 케이스가 있다면, 그런 식으로 변화를 저장할 수 있습니다. 이는 또한 고급 사용자가 더 큰 프로젝트를 위해 보드 클러스터를 실행하는 가장 비용 효율적인 방법이 될 것입니다. 선주문은 열려 있지만 회사는 모든 시스템 주문이 이행 될 때까지 스스로 배송 보드를 시작하지 않습니다.

마무리

프레임 워크 데스크탑을 사용한시기 에이 제품이 히트 또는 미스인지 몇 번 뒤집 었습니다. 프레임 워크는 특히 흥미 진진한 칩을 기반으로 모듈 식 노트북을 구축하기위한 정기적 인 송금 외에도 측면 프로젝트와 유사하다는 사실에 대한 프레임 워크가 열려있었습니다. 따라서 올인원 접근 방식은 일반 PC에 비해 후진 단계라고 생각하지만 여기에서 그렇게하는 이론적 근거를 얻습니다.

Framework Whiffed는 자신의 구축과 관련된 “정신적, 물리적 부하”를 줄임으로써 “PC 게임에 더 접근하기 쉽다”는 기계로서 이것을 투구하는 것이 었습니다. 열 페이스트에 대한 악몽은 제쳐두고, 비슷한 현금으로 사전 구축 된 시스템을 쉽게 선택할 수 있기 때문에 게이머에게는 실제 문제라고 생각하지 않습니다. 그리고 대부분의 게이머는 통합 GPU로 슬럼가 대신 독립형 그래픽 카드가있는 PC를 사용한다고 생각합니다.

게임에 대해 언급조차도 실제로 기계는 엄청난 장애로 인해 실제 강점에서 초점을 맞 춥니 다. 이 기계가 AI 모델 실행 및 크런치 비디오와 같은 생산성 작업을 쉽게 처리 할 수 있습니다. 고유 한 작은 패키지의 창조적 인 강국 인 Mac Studio와 같은 제품을 염두에 두어 처리 한 힘들. 그것은 이것 그 프레임 워크는 특히 모든 작업을 수행하고 측면에서 게임을 할 것이기 때문에 이끌어 냈습니다.

강력한 PC 나 게임용 PC를 구매하려는 사람들 에게이 제품을 추천할지 모르겠습니다. 워크 스테이션이 필요한 AI Max의 이점을 활용할 수있는 특정 사용자 그룹을위한 도구입니다. 따라서 프레임 워크 데스크탑이 자체 장점으로 판단 될 때 검토 점수가 정당하게 높지만 너 하나를 소유해야합니다.

이 기사는 원래 Engadget at에 실 렸습니다

출처 참조