Ryzen AI 软件 1.7 引入了多项更新，旨在提高模型覆盖范围、降低本地开发工作流程的复杂度，并让 AMD 应用处理单元 (NPU + iGPU) 实现更稳定的性能。该版本增加了对新架构的支持，扩展了 LLM 的上下文长度，将 Stable Diffusion 集成到统一的 Ryzen AI 安装程序中，并降低了 BF16 推理延迟。

新架构：GPT‑OSS (MoE) 和 Gemma‑3 4B VLM

Ryzen AI 软件 1.7 增加了对混合专家 (Moe) GPTOSS 模型和 Gemma3 4B 视觉语言模型 (VLM) 的支持，为开发者提供更多 NPU 可执行架构选择。

• MoE 效率：MoE 模型将 token 分配至不同专家网络进行处理，使开发者能够运行更高性能的模型，而无需承担密集架构的全部计算成本。这可以转化为更高的吞吐量和更快速的本地 LLM 流水线。
• VLM 能力：加入 VLM 后，可支持多模态任务，例如基于图像的推理、图像描述、轻量级视觉搜索或多模态智能体组件。
• 更广泛的实验：开发者现在可以在相同的 NPU 约束下对密集、MoE 和 VLM 架构进行基准测试和比较，从而更轻松地为生产环境选择合适的模型。

Stable Diffusion 已集成至 Ryzen AI 主安装程序

Stable Diffusion 现已直接内置到 Ryzen AI 主安装程序中，无需在单独环境中运行。

• 可预测的环境设置：开发者不再需要管理 SD 特定的 Python 环境、依赖项或构建步骤。
• 统一工具链：LLM、VLM 和 SD 工作流程现在位于同一环境中，简化了构建混合模态应用的开发流程。
• 更快的迭代：更快的设置意味着开发者可以快速为文本到图像、图像到图像或混合工作流程创建原型，而无需担心环境碎片化问题。

LLM 在混合模式下支持高达 16K 上下文长度

现在，在 Ryzen AI 软件 1.7 中，大多数 LLM 在 iGPU 和 NPU（混合）模式下运行，可支持高达 16K token 的上下文。

• 长文本推理：借助长文本推理能力，开发者可以构建能够处理长篇文档、多轮超长对话或需要持久记忆的工作流程的应用。
• 本地 RAG 堆栈：更长的上下文可直接提升设备端检索增强生成的有效性，从而减少截断并增强模型对事实依据的把握。

与 RAI 1.6 相比，BF16 流水线的延迟降低了约一半

在 Ryzen AI 软件 1.7 中，BF16 流水线延迟显著降低，与 Ryzen AI 软件 1.6 相比，吞吐量提升约一倍。

• 更快的交互式 LLM：降低 token 延迟可提升用户感知的响应速度，尤其是对于聊天类应用或智能体循环。
• 为微调模型提供更可靠的基准：BF16 的优化改进使预训练模型和自定义微调模型均能受益，缩短了首个 token 生成时间和整体推理时长。

Ryzen AI 软件 1.7 专注于优化日常开发体验：更多模型选择 (MoE + VLM)、集成 Stable Diffusion 的统一安装程序、在 NPU 上支持更长的 LLM 上下文窗口，以及显著降低的 BF16 延迟。其结果是：设置过程更顺畅、测试改动时的反馈循环更快速、以及更强大的本地堆栈（助力交付 LLM/VLM 功能）。

有关 1.7 软件版本中新功能和增强功能的详细概述，请参阅官方版本说明。 

订阅接收 Ryzen AI 软件更新通知，并获取最新工具和资源，以尽情探索 AI PC 的可能性边界。

其他资源

• Ryzen AI 视频教程 
• AMD Ryzen AI 开发者中心
• Ryzen AI 1.7 版本说明
• Ryzen AI 1.7 模型
  • 混合 (iGPU + NPU)：Hugging Face 上的 Ryzen AI 1.7 混合模型
  • 纯 NPU：Hugging Face 上的 Ryzen AI 1.7 纯 NPU 模型

如需详细了解支持的架构、设置说明以及如何开始使用 Ryzen AI 软件 1.7 进行构建，请查看 Ryzen AI 文档。