Beelink推出了一系列预装OpenClaw并采用金属红色机身的迷你PC型号。编辑部收到了实机，现带来使用体验报告。
配备Ryzen AI 9 PRO HX 370/32GB/1TB，预装OpenClaw和大型语言模型的迷你PC
在Beelink官网可以看到，预装OpenClaw并采用金属红色机身的型号包括GTR9 Pro、GTi15 Ultra、SER10 MAX、GTi14 Ultra、SER9 Pro、SER9 MAX、EQi Pro、EQi12 Pro等多款。处理器涵盖Core Ultra 9 285H、Ryzen AI Max+ 395、Ryzen 7 7735HS等，用户可根据预算和用途选择。
本次收到的是SER9 Pro，搭载Ryzen AI 9 PRO HX 370（12核24线程，最高5.1GHz，L2/L3缓存12MB/24MB，TDP 28W，cTDP 15～54W）、32GB LPDDR5x-7500MHz内存（不可扩展）、1TB PCIe4.0 NVMe SSD（M.2 2280，2个插槽，1个空闲），预装Ubuntu 24.04.4 LTS操作系统。显卡为集成的Radeon 890M（16核），接口包括HDMI、DisplayPort和Type-C。网络支持2.5GbE、Wi-Fi 6和蓝牙5.2。前置接口有USB 3.2 Gen 2、USB 3.2 Gen 2 Type-C和3.5mm音频接口，后置接口包括USB4、USB 3.2 Gen 2、USB 2.0、3.5mm音频接口、2.5Gb以太网、DisplayPort和HDMI。机身尺寸为135×135×44.7mm，重量约780克，售价1169美元（约19万元人民币，汇率1美元=162日元）。
机身采用金属红色设计，较为少见。与日本国家iPhone 16 Pro对比，尺寸稍大。前面板布局合理，背面接口丰富。附带AC适配器和HDMI线。拆机较为方便，打开底部橡胶垫后可拆卸后盖，内部还有额外面板固定扬声器，拆卸后可访问M.2插槽。内置双扬声器音质表现不错。内存为固定的LPDDR5x，无法升级。噪音较低，发热控制良好，得益于较大机身设计。
操作系统为Ubuntu 24.04.4 LTS
初次启动即进入Ubuntu 24.04.4 LTS，界面和应用布局符合常规Linux用户习惯。存储分区约为997GB。通过lshw命令确认SSD型号为Micron CT1000E100SSD8，网络芯片为Realtek RTL8125 2.5GbE控制器，Wi-Fi和蓝牙均为Intel产品。
系统监控显示29GB内存中已使用14.6GB，较高的内存占用主要是因为预装的本地大型语言模型（LLM）运行所致。性能测试使用GeekBench和kDiskMark，处理器和SSD性能表现良好。
体验OpenClaw
系统预装了本地LLM，运行llama.cpp，加载了Qwen3.5-9B-Q4_K_M.gguf模型，解释了内存占用较高的原因。通过curl命令测试本地API，确认模型正常响应。
$ ps ax | grep llama
1833 ? Ssl 0:01 /root/llama.cpp/build/bin/llama-server -m /opt/models/Qwen3.5-9B-Q4_K_M.gguf --port 8080 --ctx-size 262144 --n-gpu-layers 99
$ curl http://localhost:8080/v1/chat/completions \
-H "Content-Type: application/json" \
-d '{
"model": "Qwen3.5-9B-Q4_K_M",
"messages": [{"role": "user", "content": "动作确认"}],
"max_tokens": 30
}'
模型响应时间约为36秒，平均生成速度约10 tokens/s，适合简单聊天应用。OpenClaw版本为2026.3.2，虽然已有更新版本，但此次测试使用预装版本。通过浏览器访问http://localhost:18789，查询Yahoo! JAPAN头条新闻，响应时间约2分钟，符合模型速度预期。
9B模型以10 tokens/s速度运行，虽然能用，但响应速度有限，难以满足通用实用需求。作者因此跳过了27B和30B模型，转而使用更大规模的DeepSeek V4 Flash（284B激活13B）或MiMo-V2.5（310B激活15B，需视觉支持）。
本机适合执行对时间要求不高的任务，如夜间爬取数据并次日汇总。完全本地运行OpenClaw具有一定意义，用户可选择直接使用或搭配更强大的LLM。
综上所述，Beelink「SER9 Pro / Ryzen AI 9 PRO HX 370（OpenClaw & 本地LLM）」开机即运行本地llama.cpp，加载Qwen3.5-9B模型，支持OpenClaw本地运行，构建了完整的本地AI环境。尽管性能有限，但为本地AI应用提供了便捷入口。后续将继续探讨更强大LLM的应用方案。
