Microsoft представила Project Zenith — Windows 11 для локального запуска AI-моделей 30B+

Microsoft представила Project Zenith — специальную готовую к разработке конфигурацию Windows 11 для мощных developer-class устройств. Несмотря на громкое название, это не новая редакция Windows и не отдельная операционная система. Zenith объединяет преднастроенное окружение для разработчиков с аппаратными требованиями, рассчитанными на локальный запуск крупных AI-моделей.

Дата анонса

4 сентября 2026

Unified memory

64 ГБ+

Пропускная способность

250 ГБ/с+

AI-модели

30B+ параметров

Главная идея Project Zenith проста: разработчик получает Windows 11, уже подготовленную для работы с современным программным стеком, а само устройство обладает большим объёмом быстрой унифицированной памяти. Microsoft рассчитывает, что такой подход позволит держать крупные модели непосредственно на компьютере и использовать их без постоянного обращения к облачным API.

Что такое Project Zenith

Project Zenith Microsoft описывает как ready-to-code Windows experience. Система ориентирована на разработчиков, которые создают приложения, AI-инструменты и агентные workflows. Вместо обычной чистой установки Windows пользователь получает заранее подготовленное рабочее окружение.

В конфигурацию входят языки программирования и runtime, Git, Windows Terminal, Visual Studio Code и другие инструменты. Microsoft также меняет ряд настроек Windows: например, включает отображение расширений и скрытых файлов, показывает полный путь в File Explorer, включает поддержку длинных путей и отключает часть уведомлений и рекомендаций, которые не нужны разработчику.

Важная часть окружения — WSL containers, позволяющие использовать Linux-инструменты непосредственно в Windows. Project Zenith также вписывается в более широкую стратегию Microsoft вокруг Windows ML, локального AI и агентных приложений.

Почему Microsoft требует 64 ГБ памяти

Аппаратная часть Project Zenith не менее интересна, чем сама настройка Windows. Microsoft указывает минимум 64 ГБ unified memory и пропускную способность памяти от 250 ГБ/с.

Unified memory означает, что CPU и GPU используют общий физический пул памяти. В обычном ПК системная RAM и видеопамять дискретной видеокарты разделены. При работе с большими языковыми моделями это может стать ограничением: модель должна помещаться в VRAM или постоянно обмениваться данными между оперативной памятью и видеокартой.

В системе с unified memory крупная модель может занимать значительную часть общего пула памяти, а CPU и GPU обращаются к одним и тем же данным. Это особенно полезно для локального инференса больших моделей, которым недостаточно типичных 8–16 ГБ VRAM.

Однако большая unified memory сама по себе не означает высокую скорость. Память одновременно используется операционной системой, CPU, GPU, runtime и самой моделью. Кроме того, пропускная способность в 250–256 ГБ/с значительно ниже, чем у некоторых мощных дискретных GPU.

Microsoft обещает локальные модели 30B+

Самое заметное заявление Microsoft касается AI-моделей. Компания говорит, что системы с профилем Project Zenith способны запускать локально и без поминутной тарификации модели с более чем 30 млрд параметров.

Это принципиально отличается от работы через облачные API. При локальном инференсе нет отдельной платы за каждый запрос или токен, а данные могут оставаться на устройстве. Для разработчика это особенно интересно при постоянном использовании AI в coding workflows и агентных системах.

При этом заявление «30B+» не означает, что любая модель такого размера будет работать быстро. Реальная производительность зависит от архитектуры модели, квантования, размера контекста, используемого runtime и распределения вычислений между CPU и GPU.

Это только размер самих весов. В реальной системе дополнительно требуются память для KV-cache, runtime, буферов вычислений, операционной системы и других процессов. Поэтому 64 ГБ следует воспринимать как нижнюю границу аппаратного профиля, а не как гарантию комфортного запуска любой 30B-модели.

Первой платформой станет AMD Ryzen AI Halo

Первой аппаратной платформой для Project Zenith Microsoft называет AMD Ryzen AI Halo. Конкретная developer-платформа на базе Ryzen AI Max+ 395 предлагает 128 ГБ LPDDR5X-памяти с пропускной способностью 256 ГБ/с.

CPU

16 ядер / 32 потока Zen 5

GPU

Radeon 8060S

Память

128 ГБ LPDDR5X

Bandwidth

256 ГБ/с

В составе платформы также есть XDNA 2 NPU и SSD на 2 ТБ. Заявленный TDP Ryzen AI Max+ 395 составляет 120 Вт. Эти характеристики относятся к конкретной AMD-платформе и не являются универсальными требованиями Project Zenith.

AMD отдельно демонстрирует на Ryzen AI Halo модели вплоть до 200 млрд параметров и приводит примеры крупных MoE-моделей, включая GLM 4.7 Flash-30B-A3B, GPT-OSS-120B и Qwen 3.5-122B-A10B. Однако это заявления AMD о возможностях собственной платформы, а не полный официальный список моделей Project Zenith от Microsoft.

30B параметров — это не всегда одно и то же

При оценке локальных моделей важно учитывать их архитектуру. В плотной модели все параметры участвуют в вычислениях, тогда как в MoE-системах общее количество параметров может быть значительно выше числа параметров, активных для каждого токена.

Поэтому две модели с одинаковым обозначением по количеству параметров могут предъявлять совершенно разные требования к вычислительной мощности. Особенно это важно для крупных MoE-моделей, которыми AMD демонстрирует возможности Ryzen AI Halo.

Главная проблема — пока нет benchmark'ов

Microsoft не опубликовала для Project Zenith собственные показатели tokens per second, time to first token, задержки или энергопотребления на токен. Также нет официального сравнения с облачными API, Apple Silicon или системами с дискретными видеокартами.

Это важное ограничение. Факт того, что модель можно загрузить и запустить, ещё не говорит о том, насколько комфортно с ней работать. Для coding assistant одна скорость может быть приемлемой, для интерактивного агента — уже нет.

AMD публикует собственные результаты и примеры для Ryzen AI Halo, однако их следует отделять от показателей Project Zenith. Пока независимых измерений, которые позволили бы оценить реальную производительность всей конфигурации Microsoft, недостаточно.

Зачем Microsoft это делает

Project Zenith показывает более широкое изменение стратегии Microsoft. Компания постепенно рассматривает Windows не только как клиент для облачных AI-сервисов, но и как платформу для локального инференса и агентных приложений.

Для разработчика локальная модель может быть полезна там, где важны приватность, отсутствие интернет-зависимости, предсказуемые расходы и быстрый доступ к достаточно мощной модели. Облако при этом остаётся естественным выбором для наиболее тяжёлых frontier-моделей.

В этом смысле Project Zenith ближе не к новой Windows, а к попытке Microsoft сформировать новый класс developer-PC: достаточно мощный, чтобы крупная AI-модель могла постоянно находиться рядом с разработчиком, но при этом использующий привычную Windows-инфраструктуру.

Как Zenith выглядит на фоне Apple и обычных ПК

Сам принцип unified memory для локального AI не является изобретением Microsoft. Apple давно использует общий пул памяти в своих чипах M-серии, а Mac с большим объёмом памяти уже способен запускать крупные квантованные модели локально.

Отличие Project Zenith — в попытке объединить подобный аппаратный подход с конкретной конфигурацией Windows 11 и заранее подготовленным developer-окружением. Это делает акцент не только на самом чипе, но и на готовности всей системы к разработке AI.

На обычных Windows-ПК локальные модели тоже давно запускаются. Однако системы с 16–32 ГБ RAM и видеокартами с небольшим объёмом VRAM быстрее упираются в ограничения памяти. Zenith ориентирован на гораздо более дорогой класс устройств, где главным ресурсом становится вместимость и пропускная способность unified memory.

Но это пока дорогой эксперимент

Аппаратный профиль Project Zenith далёк от массового ПК. Developer-платформа AMD Ryzen AI Halo с 128 ГБ памяти позиционируется примерно за 3 999 долларов. Это делает подобные системы инструментом прежде всего для разработчиков и энтузиастов, которым действительно нужен большой локальный AI.

Есть и другие ограничения: 120-ваттный TDP Ryzen AI Max+ 395, конкуренция CPU и GPU за общий пул памяти, зависимость от программного стека и отсутствие гарантии, что конкретная модель будет одинаково хорошо работать через разные runtime и backend'ы.

Кроме того, Microsoft пока не раскрыла полный список будущих устройств Project Zenith. Компания ожидает появление других OEM- и silicon-партнёров, поэтому текущая AMD-платформа — скорее начало направления, чем его окончательный стандарт.

Что это меняет для локального AI

Project Zenith интересен прежде всего тем, что Microsoft начинает описывать локальный AI не как эксперимент для энтузиастов, а как отдельный класс рабочего компьютера для разработчиков. Требование 64 ГБ unified memory и 250 ГБ/с прямо показывает, насколько сильно меняются аппаратные требования, когда на ПК нужно держать действительно крупные модели.

При этом проект пока нельзя считать доказательством того, что Windows-PC уже стали полноценной заменой облачным AI-серверам. Без независимых benchmark'ов неизвестно, насколько быстро будут работать конкретные модели, а цена подходящего железа остаётся высокой.

Но направление очевидно: Microsoft хочет, чтобы часть AI-работы происходила непосредственно на устройстве. Если память станет дешевле, а производительность unified-memory платформ продолжит расти, локальные модели 30B+ постепенно могут перестать быть экзотикой и превратиться в обычный инструмент разработчика.