随着X870E/X870主板的正式解禁上市，AMD宣布了多条重大消息，尤其是锐龙9000系列的延迟问题、架构优化。
AMD表示，部分媒体测试发现，双CCD配置锐龙9000系列的核心间延迟偏高，但他们测试的场景很罕见，对实际性能影响很小，但即便如此，AMD还是做了优化。
目前，AMD已经正式发布了AGESA PI 1.2.0.2版本的微代码，包括X870E/X870在内的全系AM5主板都可以刷新BIOS，降低核心间延迟。
AMD没有透露核心间延迟的具体改善幅度，而根据此前测试，有的从180纳秒降低到了75纳秒，幅度高达58％，有的从200纳秒降到了95纳秒，幅度也有52.5％。
1.2.0.1
1.2.0.2
同时，AMD联合微软发布了KB5041587系统补丁，可以优化Zen架构的分支预测，显著提升性能。
该补丁之前只是可选项，现在已经正式加入Windows自动更新，支持Windows 11 23H2 Build 22631.4112及更新版本、24H2 Build 26100.1301及更新版本。
据悉，这一补丁除了优化Zen5，也能给Zen4、Zen3带来一定的改善。
根据实测，锐龙7 9700X游戏性能平均提升约11％，部分游戏相当夸张，比如《战争机器5》提升多达35.1％，《堡垒之夜》提升30.6％，《遗迹2》提升22.3％，《星球大战绝地武士：幸存者》提升21.9％，《世界大战3》提升21.5％，《家园3》提升20.0％。
同时，锐龙7 7700X可平均提升10％，其中《战争机器5》高达32.6％。
至于该补丁是否会下放给Windows 10，暂时不详。
AGESA PI 1.2.0.2版微代码还正式解锁了锐龙5 9600X、锐龙7 9700X的热设计功耗限制，从原本的65W开放到105W，官方预计最多可带来10％的性能提升。
它同样支持所有的AM5主板，包括新的X870E/X870。
AMD确认，X870E/X870主板上只需打开EXPO，就可以一键达成DDR5-8000的超高内存频率，尤其适合X870E。
华硕ROG团队宣布，将一颗锐龙9 9950X超频到了惊人的7548.65MHz，并且打破了五项世界纪录。
主板是新发布的ROG CROSSHAIR X870E HERO，液氮自然也是少不了的，温度低至零下189度，最终在16核心全开的情况下达到了这一成就，只是关闭了多线程。
这也是锐龙处理器迄今为止的最高频率，比之前又提高了100MHz——上个记录也是锐龙9 9950X创造的。
如此高频下，GeekBench 3多核得分170646，7-Zip得分321970，CineBench R20多核得分23550，CineBench R23多核得分60798，HWBOT x265 4K得分77.57，都是世界第一。
除了极限超频，X870主板普遍也针对日常操作做了大量支持，尤其是新的AI超频，即便是小白也能轻松释放全部潜力。
接下来，锐龙9000X3D系列即将登场，而担当首发的将是大家最青睐的性阿訇，锐龙7 5800X3D/7800X3D的继承者，锐龙7 9800X3D。
根据MLID的最新曝料，锐龙7 9800X3D在官方资料中被列为2024年的产品，而更高端的锐龙9 9900X/9950X、更主流的锐龙5 9600X3D都不在此列，显然要明年再见了。
锐龙7 9800X3D的缓存总量仍然是104MB，包括6MB二级缓存、32MB原生三级缓存、64MB 3D缓存，这已经三代没变了。
不过，它的频率会显著提升频率，解决前两代最大的不足，同时有望基本解除对超频的限制，那就几乎不存在短板了，游戏、生产力可兼顾。
AMD在宣传材料中多次提及“最佳”(the best)、“精彩游戏终极处理器”(Ultimate Processor for Elite Gaming)等字样，看起来是极为自信啊。
另外，AMD还表示，锐龙9000X3D的最佳显卡搭档是RX 7000系列，完全没提RX 8000系列，显然得明年了。
最后，AMD发布了自己的首个小语言模型(SLM)，名为“AMD-135M”。
相比于越来越庞大的大语言模型(LLM)，它体积小巧，更加灵活，更有针对性，非常适合私密性、专业性很强的企业部署。
AMD-135小模型隶属于Llama家族，有两个版本：
一是基础型“AMD-Llama-135M”，拥有多达6700亿个token，在八块Instinct MIM250 64GB加速器上训练了六天。
二是延伸型“AMD-Llama-135M-code”，额外增加了专门针对编程的200亿个token，同样硬件训练了四天。
创建与部署流程
它使用了一种名为“推测解码”(speculative decoding)的方法，通过较小的草稿模型，在单次前向传播中生成多个候选token，然后发送给更大的、更精确的目标模型，进行验证或纠正。
这种方法可以同时生成多个token，不会影响性能，还可以降低内存占用，但因为数据交易更多，功耗也会增加。
AMD还使用AMD-Llama-135M-code作为CodeLlama-7b的草案模型，测试了推测解码使用与否的性能。
比如在MI250加速器上，性能可提升最多约2.8倍，锐龙AI CPU上可提升最多约3.88倍，锐龙AI NPU上可提升最多约2.98倍。
推测解码
AMD-135M小模型的训练代码、数据集等资源都已经开源，遵循Apache 2.0。
按照AMD的说法，它的性能与其他开源小模型基本相当或略有领先，比如Hellaswag、SciQ、ARC-Easy等任务超过Llama-68M、LLama-160M，Hellaswag、WinoGrande、SciQ、MMLU、ARC-Easy等任务则基本类似GTP2-124MN、OPT-125M。
