我先找到 “Instinct Coder 355” 的原始发布内容，确认 “98%” 究竟指模型覆盖比例、性能比例，还是其他指标。
官方博客、硬件清单和脚注都核对完了。标题里的 “98%” 确实是翻译走样；我已经在正文第一段说明。以下是交付稿。
先纠正被译错的那句话。AMD 当地时间 11 月 9 日发布的 Instinct Coder 355，官方原文是 “最多可达前沿模型基准测试成绩的 98%”（Up to 98% of Frontier model benchmark performance），脚注写得很清楚：在 Vals AI 的 SWE-bench Verified 榜单（2026 年 9 月 1 日更新）上，本地跑的 GLM-5.3 解出 95.4% 的任务，Claude Opus 5 解出 97.0%，两者相比约 98.3%。所以 “98%” 说的是一个开源模型在一个编程基准上的解题率，接近某个前沿模型的成绩，不是 “一台机器里塞了 98% 的前沿模型”，更不是 “在所有任务上达到前沿水平的 98%”。而这套东西的真实形态是：一台配 8 张 MI355X（每张 288GB HBM3e）、2 颗 EPYC 9575F 的服务器，加一套本地优先的推理调度软件，官方标价约 59 万美元、按每节点 85 名开发者（50 并发）设计、宣称最多降 75% TCO。
一、把 “98%” 的三种误读摆出来
| 可能的理解 | 是否成立 | 实际情况 |
|---|---|---|
| 一台机器装下了 98% 的前沿模型 | 不成立 | 本地只部署一个模型：GLM-5.3 |
| 本地模型能力达到前沿模型的 98% | 部分成立，但仅限一个基准 | SWE-bench Verified 上 95.4% vs 97.0%，比值约 98.3% |
| 98% 的请求都能本地处理 | 不成立 | 官方设计是 “默认本地、必要时才路由到前沿”，比例由企业策略决定 |
这三行是本篇最该记住的：98% 是成绩之比，不是模型数量，也不是覆盖率。而且它比的是一个具体对手 ——Claude Opus 5，在一个具体榜单、一个具体时间点。换个基准、换个对手、换个日期，这个数就会变。
二、“一台机器” 拆开看：两个版本，配置几乎对齐
| 项目 | Dell 版 | Supermicro 版 |
|---|---|---|
| 服务器 | PowerEdge XE9785 | AS-A126GS-TNMR |
| CPU | 2× EPYC 9575F（64 核 / 3.3GHz） | 同 |
| GPU | 8× Instinct MI355X | 8× MI355X（288GB HBM3e，UBB8） |
| 显存合计 | 约 2.3TB HBM3e | 约 2.3TB HBM3e |
| 内存 | 3TB DDR5-6400 ECC（24×128GB） | 同 |
| 本地存储 | 8× 7.68TB PCIe Gen5 NVMe | 同 |
| 网络 | 2× Broadcom 200G（单口 400G） | 2× Pensando Pollara 400 400GbE |
| 电源 | 12× 3200W 冗余（6+6） | 6× 5250W 冗余（3+3） |
| 服务 | Dell 3 年下一工作日上门 | Supermicro 3 年 NBD 上门 |
两个版本只换了机箱、网卡和售后，算力底座一致。这里有个容易被忽略的隐性门槛：单机电源规模在 30kW 以上（12×3200W 或 6×5250W），这不是普通办公楼机柜能扛的负荷，机房供电、散热、承重都要提前算，往往比服务器本身更难搞定。
三、软件才是这套方案的卖点：本地优先，必要时才出网
硬件只是底座，AMD 这次真正打包的是三层：
| 层 | 内容 | 作用 |
|---|---|---|
| 本地模型 | GLM-5.3 | 承担日常代码生成、测试生成、文档、常规 Code Review |
| 前沿模型 | Claude、GPT、Gemini | 只在任务确实需要、且企业策略允许时调用 |
| 调度与治理 | Spectro Cloud PaletteAI Inference Launchpad | 智能路由、用量计量、配额、成本可见性、全栈生命周期管理 |
| 开发工具 | Claude Code、Cursor、VS Code | 开发者不用换工作流，直接接进来 |
这套设计的核心不是 “本地更快”，而是“默认不出网”。源码、提示词、上下文留在企业内网，只有被策略判定为 “可以外发” 的请求才走前沿 API。对金融、军工、医药、车企这类代码本身就是核心资产的行业，这一条比性能数字更重要。
四、75% TCO 怎么算出来的：一个能被复算的模型
AMD 在脚注里把假设全列出来了，这点值得肯定 —— 它给了你复算的入口：
| 假设项 | 数值 |
|---|---|
| 开发者规模 | 85 人 |
| 人均每月 AI 编程／API 支出 | 2,000 美元（年 204 万美元） |
| 服务器标价（含软件与授权） | 590,000 美元，按 3 年摊销 |
| 仍需支付的前沿 API 费用 | 基线的 10%（年 20.4 万美元） |
| 数据中心年运营成本 | 50,000 美元 |
| 模型算出的年成本 | 约 513,500 美元 |
| 结论 | 约降 75%，回收期约 5 个月 |
AMD 自己也写明 “结果仅为示意”。这句话要当真：这个 75% 高度依赖两个变量 —— 人均月支出 2,000 美元，以及 85 人满负荷使用。如果你们人均月花 300 美元，或者只有 30 个开发者偶尔用，同一台 59 万美元的机器摊下来，账会完全反过来。采购前把自己的真实用量代进去算，比看厂商的示意模型有用得多。
五、谁适合，谁别碰
| 你的情况 | 判断 | 原因 |
|---|---|---|
| 80 人以上研发团队，AI 编程已成日常 | 值得评估 | 规模足够摊薄单机成本，85 人 / 节点的设计就是这个量级 |
| 代码不能出内网（金融、军工、医药） | 强相关 | 本地优先路由直接解决合规问题 |
| 人均 AI 编程支出高、账不可预测 | 值得评估 | 把按量计费换成可预算的固定基础设施 |
| 20 人以下团队 | 不建议 | 59 万美元的机器，摊不到人头上 |
| 只想要 “最强模型” | 不建议 | 本地是 GLM-5.3，不是前沿模型本体；追新能力仍要出网 |
| 机房供电压不住 30kW | 先解决机房 | 电和散热是前置条件，不是配套 |
六、真要采购，先问这六个问题
- 98% 是对谁、在哪张榜、哪一天？ 答案是 GLM-5.3 vs Claude Opus 5、SWE-bench Verified、2026 年 9 月 1 日快照。让对方确认这个口径，别接受 “接近前沿” 的模糊说法。
- 85 人 / 50 并发是怎么测的？ 是并发会话数还是同时在跑的 Agent 数？这两个含义完全不同。
- 模型能不能换？ 官方写的是 “可评估新的本地模型”，要确认换模型后路由策略、性能验证、支持范围是否还在服务内。
- 路由策略谁定、怎么审计？ 哪些请求允许出网，必须由企业策略控制并可追溯，否则合规上是空话。
- 59 万美元含什么、不含什么？ 官方口径是含软件与授权、3 年硬件摊销；电费、机房改造、运维人力不在里面。
- 三年后怎么办？ 摊销按 3 年算，但 GPU 代际更新远快于 3 年，要提前想好到期后的续购或置换路径。
七、不同角色该看什么
| 你是 | 关注点 | 一句话 |
|---|---|---|
| CIO / IT 负责人 | 数据边界与治理 | 本地优先路由＋用量配额，是这套方案真正的价值 |
| 研发负责人 | 并发与工具兼容 | 确认 50 并发怎么定义，Claude Code／Cursor 接入是否开箱可用 |
| 财务 | TCO 假设是否成立 | 用自己人均支出重算，别用厂商的 2,000 美元 |
| 运维 | 机房条件 | 30kW 以上单机功率，供电与散热先行 |
八、收尾的判断
这次发布值得写，但值得写的地方不在 “98%” 这个数字，而在两件事：一是 AMD 把 “本地跑编程模型” 从散件组装变成了带售后的整套交付（硬件＋模型＋调度＋三年上门）；二是它给出了一个可复算的 TCO 模型，虽然只是示意，但至少把假设摊开了。
至于那个被传歪的标题 —— 记住一句就够：98% 是 GLM-5.3 在 SWE-bench 上相对 Claude Opus 5 的解题率，不是这台机器装下了 98% 的前沿模型。一台机器里只有一个本地模型，剩下的能力，得靠路由把请求送出去。
IT之家
【相关 FAQ】
问题 1：AMD Instinct Coder 355 说的 “98% 前沿模型性能”，到底是什么意思？
回答 1：指的是本地运行的 GLM-5.3 在 Vals AI 的 SWE-bench Verified 榜单（2026 年 9 月 1 日更新）上解出 95.4% 的任务，对比 Claude Opus 5 的 97.0%，比值约 98.3%。这是 Instinct Coder 355 在单一编程基准上相对某个前沿模型的成绩之比，不是 “装下了 98% 的前沿模型”。
问题 2：AMD Instinct Coder 355 一台机器是什么配置，能支持多少开发者？
回答 2：Instinct Coder 355 单节点为 8 张 Instinct MI355X（每张 288GB HBM3e，合计约 2.3TB 显存）、2 颗 EPYC 9575F（64 核）、3TB DDR5 内存、8 块 7.68TB NVMe，分 Dell 与 Supermicro 两个版本；官方设计为每节点最多 85 名开发者、50 并发。
问题 3：AMD Instinct Coder 355 本地只跑一个模型，那前沿模型怎么用？
回答 3：Instinct Coder 355 采用 “本地优先” 路由：默认把请求发给本地的 GLM-5.3，只有当任务确实需要且企业策略允许时，才经 Spectro Cloud PaletteAI Inference Launchpad 路由到 Claude、GPT、Gemini 等前沿服务，敏感工作负载可全程留在内网。
问题 4：AMD Instinct Coder 355 宣称降 75% TCO，这个数字能直接信吗？
回答 4：不能直接套用。Instinct Coder 355 的 75% 基于一组具体假设：85 名开发者、人均每月 2,000 美元 AI 支出、服务器标价 59 万美元按 3 年摊销、仍需 10% 的前沿 API 费用、年运营 5 万美元，AMD 自己也注明 “结果仅为示意”；团队规模或人均支出不同，结论会反转。
问题 5：中小企业适合上 AMD Instinct Coder 355 吗？
回答 5：通常不适合。Instinct Coder 355 是按每节点 85 名开发者、50 并发设计的整机方案，服务器标价约 59 万美元，且单机电源规模在 30kW 以上；20—30 人团队摊不平成本，机房供电也常是硬门槛，更适合 80 人以上、且代码不宜出内网的研发团队。
【参考资料】
- [2026-11-11]（AMD 推出企业级 AI 辅助编程平台 Instinct Coder 355，支持本地运行 GLM-5.3）IT 之家
- [2026-11-11]（AMD 推出 Instinct Coder 355：单节点 8 张 MI355X，支持 85 名开发者）IT 之家官方微博
- [2026-11-11]（AMD Unveils Local Coding Platform Instinct Coder 355）AIbase
- [2026-11-10]（AMD 部落格：Instinct Coder 355 发布信息汇总）AMD
- [2026-11-09]（Introducing AMD Instinct Coder 355: The next generation AI Assisted Coding Platform for the Enterprise（含 Supermicro 版配置与脚注））AMD
- [2026-11-09]（Introducing AMD Instinct Coder 355: A Turnkey AI Assisted Coding Platform for the Enterprise（含 Dell 版配置与脚注））AMD
【免责声明】
本文硬件配置、开发者规模、性能与 TCO 数据均引自 AMD 官方博客（2026 年 11 月 9 日）及其脚注：98% 为 GLM-5.3 与 Claude Opus 5 在 Vals AI SWE-bench Verified 榜单（2026 年 9 月 1 日快照）上的解题率比较，75% TCO 与 5 个月回收期为 AMD 基于特定假设的建模结果，官方注明 “结果仅为示意”，实际成本与收益随用量、利用率、模型选择、机房条件变化。文中 “一台机器” 指单节点 8 卡服务器，售价为官方列出的约 59 万美元（含软件与授权、按 3 年摊销），不含电费、机房改造与运维人力。本文仅作技术与选型分析，不构成采购建议。