ローカルLLM向けミニPCならEVO-X3｜Ryzen AI Max+ 395で235Bモデルを自宅実行する方法【2026年最新】

「ローカルLLMを自宅で動かしたいが、どのマシンを買えばいいのか分からない」——2026年時点でこの悩みを持つ人はかなり増えています。GPUを何枚も積んだ自作PCは電気代も設置場所も重く、かといってノートPCではメモリが足りず大きなモデルが読み込めない。この記事では、AMD Ryzen AI Max+ 395を搭載したGMKtec EVO-X3を「ローカルLLM実行用ミニPC」という切り口で公称スペックから読み解きます。結論から言うと、EVO-X3は128GBメモリのうち最大96GBをVRAMとして割り当てられる設計により、70B級モデルまでを主力として快適に、235B級の巨大モデルも強い量子化なら「実行可能性レベル」で扱える、現状かなり珍しいミニPCです。なお本稿は実機未検証・メーカー公称値ベースの選び方ガイドであり、体感速度の断言は避けています。

EVO-X3とは？ローカルLLM実行に振り切ったミニPCの正体

GMKtec EVO-X3は、AMDのAI向けAPU「Ryzen AI Max+ 395」を搭載したミニPCです。まずCPU部分はZen5世代の16コア32スレッド構成で、最大5.1GHzまで動作します。ここに統合GPUのRadeon 8060S（RDNA3.5・40CU）と専用NPUが同居しており、システム総合のAI処理性能は最大126 TOPSに達します。NPU単体では約50 TOPSで、この2つの数値は混同されがちなので分けて理解しておくと安心です。

ローカルLLMの世界でEVO-X3が注目されるのは、CPU・GPU・NPUがどれも速いから、という単純な理由ではありません。最大のポイントは128GBのLPDDR5Xメモリ（最大8000MT/s）を積み、そのうち最大96GBをVRAMとして割り当てられる統合メモリ設計にあります。通常のデスクトップ用グラフィックボードは搭載VRAMが8GBや16GB程度で、大きなモデルはそもそも読み込めません。EVO-X3はメモリとVRAMの垣根が低いAPU構成を活かし、「モデルが物理的に載る」という土俵にまず立てるのが強みです。

ローカルLLM自体の考え方やクラウドとの使い分けについては、Kimiなどオープンウェイト系AIの活用ガイドも参考になります。

そもそもローカルLLMをミニPCで動かすメリットとは

クラウドのAIサービスが充実している今、あえて手元でLLMを動かす理由は主に3つあります。

1つ目はプライバシーとデータ管理です。社外秘の資料や個人情報を含むテキストを扱う場合、外部APIに送信せず手元で完結できるのは大きな安心材料になります。2つ目はランニングコストの読みやすさです。クラウドAPIは使うほど従量課金が積み上がりますが、ローカル実行なら基本的にかかるのは電気代だけで、月々の変動が小さくなります。3つ目はカスタマイズ性で、量子化の強さやコンテキスト長、モデルの差し替えを自分の裁量で細かく調整できます。

一方で、ローカルLLMは「大きくて賢いモデルほど大量のメモリを食う」という制約から逃れられません。だからこそ、メモリ容量とVRAM割当の柔軟性を備えたEVO-X3のようなミニPCが、省スペースなローカル実行環境の候補に挙がりやすいわけです。設置面積が小さく消費電力も比較的抑えられるため、デスクの上に常時置いて推論サーバーのように使う運用にも向いています。

EVO-X3の公称スペックを実務目線で読み解く

数値の羅列だけでは実務のイメージが湧きにくいので、ローカルLLM用途で効いてくるポイントを整理します。

GPUのRadeon 8060SはRDNA3.5アーキテクチャの40CU構成で、性能表現としては「RTX 4070 Laptop（ノート版）級」とされています。ここはデスクトップ版のRTX 4070とは別物なので、期待値を上げすぎないことが大切です。とはいえ統合GPUとしては十分に強力で、中規模モデルの推論であれば実用的な速度が見込めます。

ストレージはM.2 PCIe4.0×4スロットを2つ備え、ベース構成は2TBモデル、最大16TBまで拡張できます。LLMのモデルファイルは1本あたり数十GBに達することも珍しくないため、複数モデルを常備するなら容量には余裕があるほど快適です。拡張性ではOCuLink（eGPU接続）、USB4（100WのPD給電と4K出力対応）、HDMI2.1、2.5GbEを搭載します。特にOCuLinkは外付けGPUを増設できる拡張口で、将来的にさらに大きなモデルや高速化を狙う際の伸びしろになります。

弱点も正直に挙げておきます。統合GPUである以上、単体で最上位のデスクトップGPUに推論速度で真っ向勝負するのは難しく、超大型モデルを高速に回したい上級者には物足りない場面もあります。また128GBという容量は魅力的ですが、後述する通り最も賢いフル精度クラスの巨大モデルまで無制限に載るわけではありません。用途を「70B級までを主力に、たまに巨大モデルを試す」と割り切れる人に合う製品です。

EVO-X3と前世代EVO-X2の違い【比較表】

同じRyzen AI Max+ 395を搭載する前世代EVO-X2との違いは、購入判断で最も気になるところでしょう。両者はコアとなるAPUが共通のため、CPU・GPU・NPUの基礎性能は近い水準にあります。差が出るのは拡張性とデザインです。

項目	EVO-X3	EVO-X2（前世代）
APU	Ryzen AI Max+ 395	Ryzen AI Max+ 395
システムAI性能	最大126 TOPS	同等クラス
メモリ	128GB LPDDR5X（最大96GBをVRAM割当）	同等クラス
OCuLink（eGPU）	搭載	非搭載
USB4 / HDMI2.1 / 2.5GbE	対応	対応
冷却・筐体	縦型冷却デザイン	従来デザイン

比較表で最も注目すべきは、外付けGPUを増設できるOCuLinkの有無です。GMKtec公式製品ページの仕様表を見ると、EVO-X2のポート一覧にはOCuLinkが含まれておらず、OCuLink搭載はEVO-X3のみとなっています。将来的にeGPUで推論を底上げしたい、あるいは用途を広げたいと考えるなら、この拡張口の差は決定打になり得ます。加えてEVO-X3は縦型の冷却デザインを採用しており、長時間の推論で発熱が続く用途では筐体設計の違いも効いてきます。逆に言えば、eGPU拡張を一切想定せず基礎性能だけを求めるなら、前世代のEVO-X2でも実用上の差は小さいと考えられます。

235Bモデルは本当に自宅で動くのか？量子化とVRAM割当のリアル

EVO-X3を語るうえで避けて通れないのが「235Bモデルに対応」という点です。これは魅力的に響きますが、正確に理解しないと期待外れになりかねないので、ここは数値で丁寧に押さえます。

例としてQwen3-235B-A22Bを取り上げます。Hugging FaceのUnsloth公式GGUFで配布されている強めの量子化「UD-Q2_K_XL」は約88GBです。EVO-X3は最大96GBをVRAMとして割り当てられるため、この88GBは割当枠の内側に収まり、読み込み自体は可能です。メーカーが掲げる「235B対応」という公称は、おおむねこの水準の話だと理解しておくと実態とズレません。

一方、より精度が高い量子化「Q4_K_M」は約142GBあります。これは128GBのメモリには収まらず、EVO-X3単体では読み込めません。つまり235Bモデルは「動くか動かないか」の二択ではなく、「どこまで量子化を強めるか」で可否が変わるのです。結論としては、2bit級の強い量子化であれば235Bも実行可能ですが、精度と速度の妥協が大きく、日常的に使う主力はやはり70B級までと考えるのが現実的です。235Bクラスは「常用する性能」ではなく「実行できるという可能性レベル」で捉えるのが誠実な見方でしょう。

この割り切りができると、EVO-X3の価値がむしろ明確になります。70B級までを実用速度で回し、巨大モデルは検証用に時々読み込む——この使い方であれば、128GBメモリと96GBのVRAM割当は過不足のないバランスに落ち着きます。

クラウドAPI課金 vs ローカル実行の損益分岐を試算する

ローカルLLM用ミニPCを買うべきか迷う最大の論点は「クラウドAPIを使い続けるのと、どちらが得か」です。ここでは本体価格を軸に、あくまで前提を明示した試算として損益分岐を考えます。数値は各自の使用量で変わるため、目安として読んでください。

EVO-X3の価格は、2TBモデルが576,576円、4TBモデルが616,456円（いずれも期間限定）です。さらにクーポンコード「A8X301」で5,000円OFFになります。参考までにグローバル価格は約$3,600からとされています。仮に2TBモデルを約57万円で導入したとしましょう。

ここにクラウドAPIの月額課金を当てはめます。たとえば開発や検証で月3万円分のAPIを消費するユーザーなら、57万円 ÷ 3万円 ≒ 約19ヶ月で本体価格を回収できる計算です。月5万円を使うヘビーユーザーなら約11〜12ヶ月まで短縮されます。逆に月1万円程度のライトな使い方なら回収に4年以上かかるため、この場合はクラウドを使い続けるほうが合理的です。

ただしこの試算には注意点が3つあります。第一に電気代です。常時稼働させれば月数百〜千円台の追加コストが乗るため、回収期間はもう少し伸びます。第二に推論品質の差で、最新のフラッグシップAPIモデルと70B級ローカルモデルでは得意分野が異なり、単純なコスト比較だけで優劣は決められません。第三にプライバシー価値で、外部にデータを出せない業務ではそもそもクラウドが選択肢に入らず、損得を超えた導入理由になります。

自分のAPI消費額を正確に把握するには、まず現状の課金額を確認するのが近道です。従量課金の考え方はChatGPT APIの料金体系ガイドやClaude APIの使い方・料金解説で整理できます。月々の課金が本体価格の20分の1を超えているなら、ローカル移行は前向きに検討する価値が出てきます。

EVO-X3でローカルLLMを動かす手順（LM Studioの場合）

EVO-X3が届いてから実際にモデルを動かすまでの流れを、GUIツールのLM Studioを例に整理します。専門知識がなくても画面の操作だけで進められます。

1. LM Studioの公式サイトからWindows版インストーラーをダウンロードし、案内に従ってインストールします。
2. LM Studioを起動し、検索欄で使いたいモデル名（たとえば70B級のオープンウェイトモデル）を検索します。
3. 表示された候補から、EVO-X3のメモリに収まる量子化版（GGUF形式）を選んでダウンロードします。ファイルサイズがVRAM割当の96GBに収まるかを目安に選ぶのがコツです。
4. ダウンロード完了後、チャット画面でモデルを読み込みます。設定でGPUオフロードを有効にすると、Radeon 8060S側で推論が走ります。
5. VRAM割当量はBIOSまたはドライバの設定から調整できます。大きなモデルを扱う際は、あらかじめVRAM割当を増やしておくと読み込みに失敗しにくくなります。
6. あとはチャット欄に日本語で入力すれば、手元のマシンだけで応答が返ってきます。

なお、初回は量子化を強めた軽いモデルから試し、動作を確認しながら徐々に大きなモデルへ移行すると失敗が少なくなります。

こんな人に向いている・向いていない

向いているのは、機密データを外部に出さずAIを使いたい人、クラウドAPIの月額課金が積み上がってきた開発者やリサーチャー、そして省スペースで常時稼働のローカル推論環境を作りたい人です。特に月々のAPI課金が数万円規模に達しているなら、損益分岐の観点から導入メリットが出やすくなります。

逆に向いていないのは、月のAI利用が数千円程度に収まるライトユーザーや、常に最新最高性能のモデルを最速で回したい上級者です。前者はクラウドのほうが割安で、後者はデスクトップの上位GPU環境のほうが満足度が高いでしょう。EVO-X3は「省スペースと大容量メモリの両立」という中間地点に最適化された製品であり、その価値が刺さる人を選ぶマシンです。

よくある質問

Q. EVO-X3で本当に235Bモデルは動きますか？

A. 強い量子化（例：Qwen3-235B-A22BのUD-Q2_K_XL・約88GB）なら最大96GBのVRAM割当内に収まり読み込めます。ただし精度と速度の妥協が大きく、常用というより「実行できる可能性レベル」と捉えるのが現実的です。

Q. 前世代のEVO-X2ではダメなのでしょうか？

A. APUが共通のため基礎性能は近く、eGPU拡張を想定しないなら実用差は小さいです。違いは外付けGPUを増設できるOCuLinkの有無と縦型冷却デザインで、将来の拡張余地を重視するならEVO-X3が有利です。

Q. 日本語のローカルモデルはちゃんと使えますか？

A. LM Studioなどから日本語対応のオープンウェイトモデルを選べば、手元だけで日本語のやり取りが可能です。モデルによって日本語精度に差があるため、いくつか試して用途に合うものを選ぶと安定します。

Q. 電気代はどのくらいかかりますか？

A. 使い方次第ですが、ミニPCは省電力性が高く、常時稼働でも月数百円から千円台の追加が目安です。損益分岐を考えるときはこの電気代を加味しておくと見積もりが正確になります。

Q. クラウドAPIとローカル、結局どちらが得ですか？

A. 月のAPI課金が本体価格の20分の1（約3万円）を超えるあたりが目安です。それ以上使うならローカル移行で1〜2年内に回収しやすく、それ未満ならクラウド継続が合理的な傾向があります。

Q. 購入時に安く買う方法はありますか？

A. 期間限定価格に加えて、クーポンコード「A8X301」を入力すると5,000円OFFになります。ストレージ容量で価格が変わるため、常備したいモデル数に応じて2TBか4TBかを選ぶと無駄がありません。

まとめ：EVO-X3は「省スペースで大きなモデルを載せたい人」の現実解

GMKtec EVO-X3は、Ryzen AI Max+ 395と128GBメモリ（最大96GBをVRAM割当）という構成で、ローカルLLMを自宅実行するための土俵にしっかり立てるミニPCです。235Bモデルは強い量子化での実行可能性レベルにとどまり、実用の主力は70B級までと割り切るのが誠実な見方ですが、その範囲で見れば省スペースと大容量メモリを両立した希少な選択肢と言えます。クラウドAPIの月額課金が積み上がっている人ほど損益分岐で有利になりやすく、プライバシー要件がある業務では金額を超えた導入価値もあります。本稿は実機未検証・公称値ベースの解説のため、最終判断の前に最新の公式情報も確認しつつ、自分のAPI消費額と照らして検討してみてください。