大容量メモリでローカルLLMを動かすなら？〜GMKtec EVO-X2・Mac Studio・DGX Sparkを比較してみた

2026年6月30日

本ページは広告（アフィリエイトプログラム）を含みます。詳しくはプライバシーポリシーをご覧ください。

ローカルでLLM（大規模言語モデル）を動かしていると、最初に突き当たるのがメモリの壁です。コンシューマ向けのグラフィックボードに載っている作業用メモリ（VRAM。モデルを広げておく机の広さにあたります）は24GB前後が上限で、70B（パラメータ＝モデル内部の設定値が700億個という規模）を超えるような大きなモデルをそのまま載せるのは難しくなります。

そこで気になったのが、128GBクラスの大容量メモリを一体型で積む「ローカルAI向けミニPC・ワークステーション」でした。本記事では、話題になっている3機種——GMKtec EVO-X2、Mac Studio（M4 Max）、NVIDIA DGX Spark——を、メモリ帯域（メモリからデータを読み書きする速さ）・消費電力・価格・対応ソフト・生成速度の観点から調べて比較してみました。

なお、これらは手元で実測したものではなく、各メーカーの公称値と海外レビュー・実測ベンチマーク・国内の店頭価格を、出典を明記したうえでまとめた調査記事です。

結論としては、2026年6月時点で大容量メモリ機の選択肢は急に狭くなっており、128GBをいま現実的に買えるのは実質GMKtec EVO-X2（最安・省電力）とNVIDIA DGX Spark（CUDAに強い）の2機です。Mac Studioの大容量（128GB以上）はDRAM供給難で新規オーダーができなくなっており（現在は最大96GB）、大容量Macは次のM5 Ultra世代待ちです。コスパでも入手性でも、当面の筆頭候補はEVO-X2です。

※ 価格・性能は2026年6月15日に調べた公称値・店頭価格・レビューの実測値です。クーポン・為替・在庫で変動します。各数値の出典は記事末にまとめています（確認日: 2026年6月15日）。

目次

この記事の数値の考え方（机上検証の前提）

本記事は「買う前に、公開情報だけでどこまで見極められるか」を整理した机上検証です。数値は次の考え方で出しています。

  • 価格：国内のEC・店頭の実勢（クーポン適用後）を採用。メモリ価格高騰の影響を受けるため、確認日を添えています。容量で価格が大きく変わる点（128GBと64GB）に注意しています。
  • メモリ帯域：各メーカーの公称値（バス幅×メモリ速度から算出される理論帯域）を使用。
  • 生成速度：ここがいちばん注意の要る項目です。筆者が自分で測ったものではなく、海外レビューの実測値を引用しています。そのうえで「ローカルLLMの生成速度はメモリ帯域にほぼ比例する」という原則で、各機の数値が帯域の順番と矛盾しないかを照合しました。レビューは最適化（rocWMMA等）の条件で速い値が出ていることがあり、素の環境では下振れし得ます。実際に手元で動かした結果は、別途の実機検証シリーズで測り直して報告します（机上の見立てと実機がどれだけ食い違うかも、その記事で扱います）。

本記事は「購入前の比較・見立て」、続く実機検証シリーズは「実際に買って動かした結果」という二段構えです。

比較する3機種

今回取り上げるのは、いずれも128GBの大容量メモリを積めるコンパクト機です。

GMKtec EVO-X2は、AMDのRyzen AI Max+ 395（開発コード名Strix Halo）を載せたミニPCです。CPU・GPU・NPUが一体化したSoCで、128GBのLPDDR5Xメモリをシステムとグラフィックの両方で共有します。128GB／2TBモデルは日本でも販売中で、2026年6月時点ではメモリ価格高騰の影響もあり、楽天・Amazonのクーポン適用で約52万円から（公式直販とほぼ同等）が実勢です。なお下位の64GB版なら約27万円からと安く、容量がそこまで要らなければ有力な選択肢です。

Mac Studio（M4 Max）は、Appleのデスクトップ機です。ただし注意が必要で、2026年3月にAppleが大容量メモリの構成を整理し、2026年5月時点で現行Mac Studio（2025）は36GB・64GB・96GBの3択のみとなり、128GB・256GB・512GBは選べなくなっています（世界的なDRAM供給難の影響と報じられています）。そのため「Mac Studioで128GB」は現在は新規オーダーできず、Macでの大容量は最大96GBが上限です（70BのQ4量子化（量子化＝モデルを圧縮してサイズを小さくする手法。Q4は4bitまで圧縮する形式）＝約40GBは96GBに収まりますが、後述の超大型モデルは載りません）。なお、Mac miniは最大64GB（M4 Pro）までです。

NVIDIA DGX Sparkは、GPUメーカーのNVIDIAが出した小型のAI開発機です。GB10 Grace Blackwellを搭載し、128GBのLPDDR5Xを積みます。

現況：いま買える大容量メモリ機（2026年6月時点）

スペックの前に、いま実際に買えるかを整理します。価格・在庫は変動が激しいため、購入前に必ず最新情報を確認してください。

  • GMKtec EVO-X2（128GB）: 販売中。国内クーポン適用で約52万円〜（メモリ高騰後の実勢・公式直販と同等。64GB版なら約27万円〜）。それでも当面、いちばん現実的に買える128GB機です。
  • NVIDIA DGX Spark（128GB）: 販売中。国内リセラー価格は約73〜76万円（税込）。CUDAを使いたい場合の選択肢です。
  • Mac Studio: 大容量（128GB以上）は現在オーダー不可（最大96GB）。大容量Macは次期M5 Ultra世代（2026年後半見込み・遅延）待ちです。

2026年6月時点では大容量128GB機の選択肢が一時的に狭くなっており、EVO-X2の相対的な立ち位置が上がっています。

[kimono_product id="16082″]

まず土俵（プラットフォーム）を選ぶ〜最大の差はスペックではない

スペック表を見る前に、いちばん大事な視点をひとつ。3機種（と単体GPU機）の最大の差は、実はメモリ帯域や容量といったスペックではなく、プラットフォーム＝OS（基本ソフト）×GPUソフト基盤の組み合わせです。ここが選択を最も大きく左右します。

先に用語です。CUDA（クーダ）はNVIDIAのGPU計算基盤、ROCm（ロックエム）はAMDの対応基盤、Metal／MLXはAppleのGPU計算基盤です。AIのツールは、これらのどれに対応しているかで「動く・動かない」が変わります。

各機の土俵（プラットフォーム）は次のとおりです。

[kimono_cost_table title="プラットフォーム（土俵）の違い" note="OS×GPUソフト基盤×CPUアーキの組み合わせ。確認日2026-06-15。"]
機種 | OS | GPUソフト基盤 | CPUアーキ
GMKtec EVO-X2 | Windows / Linux | AMD ROCm / Vulkan | x86
Mac Studio | macOS | Metal / MLX | ARM(Apple)
NVIDIA DGX Spark | Linux | NVIDIA CUDA | ARM(Grace)
RTX dGPU搭載PC | Windows / Linux | NVIDIA CUDA | x86
[/kimono_cost_table]

なぜこれが最大の差なのか。GPUソフト基盤が「そもそも何が動くか・新しいモデルにどれだけ早く対応するか・つまずき（トラブル）の量」を決めるからです。

  • CUDA（NVIDIA）: AIのデファクト標準。ほぼ全てのツールが対応し、新しいモデルにも即対応、情報量も最多で、つまずきが最も少ない環境です。
  • Metal／MLX（Apple）: 完成度は高いものの、Apple専用で、一部のツールは対応が遅れることがあります。
  • ROCm（AMD）: 改善が続いていますが、互換性の摩擦が最も大きく、「動かない・調整が要る」場面が残ります。

OSの違いも日々効いてきます。Windowsは汎用・ゲームに強く、macOSは洗練されてクリエイティブ向き、Linuxは開発・サーバー向きです。

選び方は「プラットフォーム先・スペック後」が鉄則です。

  • (1) まず、自分のソフト要件と既存環境で土俵を決める。最新ツール・学習・画像生成・情報量を重視するならCUDA（NVIDIA／DGX Spark、または単体GPU機）、すでにApple環境で推論が中心ならMac、大型LLMを安く動かしたくROCmの摩擦を許容できるならEVO-X2。
  • (2) そのうえで、決めた土俵の中で帯域・容量・価格などのスペックを比較する。

戒めとして、スペックだけで選ぶと「速いはずなのに目的のツールが動かない／新モデルへの対応が遅い」で行き詰まることがあります。プラットフォームの適合が、スペックより先です（ソフト成熟度の評価は本文後半および記事末の各レビューに基づきます。確認日2026-06-15）。

メモリ容量とメモリ帯域

大きなモデルを動かすには「容量」だけでなく「帯域（メモリの読み書き速度）」が効いてきます。生成スピード（トークン毎秒）は、ざっくり言えばメモリ帯域に比例しやすいためです。

3機種はいずれも128GBを積めますが、帯域には差があります。公称値を並べると次のとおりです。

[kimono_bar title="メモリ帯域の比較（公称値・GB/s）" unit="GB/s" highlight="3″ note="EVO-X2は256bit LPDDR5X-8000、DGX SparkはLPDDR5X、Mac StudioはユニファイドメモリのApple/GPUメーカー公称値。比較用にゲームGPUのRTX 3060(12GB=360GB/s)とMac Studio M3 Ultra構成も併記（※M3 Ultra 512GB構成は2026年6月時点で新規オーダー不可）。確認日2026-06-15。"]
GMKtec EVO-X2 | 256
NVIDIA DGX Spark | 273
Mac Studio M4 Max | 546
参考:RTX 3060 12GB | 360
参考:Mac Studio M3 Ultra | 819
[/kimono_bar]

帯域だけを見ると、ユニファイドメモリのMac Studio M4 Maxが546GB/sと頭ひとつ抜けています。EVO-X2とDGX Sparkは250〜270GB/s台で近い水準です。なお、かつては最大512GB・819GB/sのMac Studio M3 Ultra構成が上位にありましたが、2026年6月時点では512GB構成は新規オーダーできなくなっています（前述）。

消費電力・価格・プラットフォーム

主な仕様を一覧にまとめます。価格は2026年6月15日時点で調べた国内の税込価格・海外公称です。

[kimono_cost_table title="3機種のスペック比較（2026年6月15日時点の調査値・在庫/価格は変動、要最新確認）" note="国内価格は税込。クーポン・為替・在庫で変動。★はコスパ面で優位なポイント。出典は記事末。"]
機種 | メモリ/SSD | メモリ帯域 | 消費電力の目安 | 国内価格(税込) | プラットフォーム
GMKtec EVO-X2 | 128GB/2TB | 約256GB/s | 〜140W | ★クーポン約52万円〜(メモリ高騰後・64GB版は約27万円〜) | Windows/Linux・ROCm/Vulkan
NVIDIA DGX Spark | 128GB/4TB | 273GB/s | 電源240W仕様(チップTDP140W) | OEM/リセラー約73〜76万円(直販/上位は100万円超の情報も) | Linux・CUDA/FP4
Mac Studio M4 Max | 最大96GB(128GB以上は廃止) | 546GB/s | 省電力寄り | 大容量構成は現在オーダー不可 | macOS・MLX/Metal
参考:Mac Studio M3 Ultra | 〜512GB(現在オーダー不可) | 819GB/s | 省電力寄り | 販売終了 | macOS・MLX/Metal
[/kimono_cost_table]

価格はEVO-X2が最も抑えめです。128GB／2TBはメモリ高騰の影響で、国内ではクーポン適用で約52万円から（公式直販とほぼ同等）が実勢です（下位の64GB版なら楽天・Amazonで約27万円からと安く買えます）。DGX Sparkの海外公称価格は$3,999からで、国内ではOEM版（ASUS・Dell等）やリセラー扱いが約73〜76万円（税込・NTTPC標準759,000円／キャンペーン726,000円など）で販売されています。同じGB10搭載でも、NVIDIA直販の純正（Founders）モデルや上位構成・バンドルでは100万円超との情報もあり、価格帯が分かれます（いずれも2026年6月時点・変動するため要最新確認）。Mac Studioは前述のとおり大容量構成（128GB以上）が新規オーダーできず、現在は最大96GBです。かつての128GB（583,800円）やM3 Ultra 512GB構成は現在購入できません。

消費電力は、DGX Sparkが3機種の中で最も高めです（付属電源は240W仕様で、GB10チップ自体のTDPは公称140W）。EVO-X2はパフォーマンスモードで140W級です。Mac Studioは負荷時でも比較的省電力寄りという報告が多く、常時稼働させる用途では電気代の差も無視できません。GPUの電気代については消費電力を測ってみた記事でも触れています。

実際の生成速度（レビューの実測値）

実際の速度はモデル・量子化・バックエンドで大きく変わります。ここでは海外レビューや検証ベンチの実測値を、出典を明記して紹介します。手元で計測した値ではありません。

70B級モデルのQ4量子化での生成速度（トークン毎秒）を見ると、傾向は次のとおりです。

GMKtec EVO-X2は、Llama 3.3 70BのQ4量子化で、Vulkanバックエンドで約11トークン毎秒、ROCmの最適化後で約18トークン毎秒という測定結果が報告されています（Hardware Corner、Strix Halo検証ガイドほか）。

Mac Studio（M4 Max）は、546GB/sの帯域を活かし、70B級の生成でおおむね20〜30トークン毎秒と、EVO-X2のおよそ2倍の速度が報告されています。帯域がそのまま生成速度に効きやすいローカルLLM用途で優位です。

NVIDIA DGX Sparkは、70B級の「生成速度（decode）」ではEVO-X2と同等域とされますが、「プロンプト処理（prefill）」がCUDAにより突出して速いのが特徴です。LMSYSのレビューでは70Bクラスでprefillとdecodeにはっきりとした差が出ており（LMSYS、Tom’s Hardware）、ServeTheHome等のレビューでは条件によりprefillが数千トークン毎秒級（約2,817トークン毎秒という報告も）に達するとされています。長いプロンプトをまとめて処理する用途で効いてきます。

数値を整理すると次のとおりです。

[kimono_cost_table title="生成性能の比較（レビュー実測値・2026-06-15確認）" note="モデル・量子化・バックエンドで変動。70B Q4の生成速度を基準とした目安。★は突出する点。出典は記事末。"]
項目 | GMKtec EVO-X2 | NVIDIA DGX Spark | Mac Studio M4 Max
メモリ帯域(公称) | 約256GB/s | 273GB/s | 546GB/s
70B Q4 生成速度 | 約11→18 tok/s | EVO-X2と同等域 | 約20〜30 tok/s
prefill(プロンプト処理) | 標準 | ★突出(CUDA) | 標準
ソフト成熟度 | ROCm/Vulkan | ★CUDA(最も成熟) | MLX
消費電力 | 〜140W | 240W | 省電力寄り
[/kimono_cost_table]

ソフトウェアの成熟度については、CUDA（NVIDIA）が最も高く、次いでmacOSのMLX、AMDのROCmはツール対応が追いついてきた段階、という評価が一般的です。EVO-X2はVulkanとROCmを使い分ける前提と考えておくとよいでしょう。

GPUの差はローカルLLMにどう効くか（prefillとdecode）

「GPUが強ければLLMも速い」と思われがちですが、これは半分だけ正解です。LLMの推論（モデルが答えを出す処理）は大きく2つのフェーズに分かれ、それぞれ速さを決める要素が違うためです。

ひとつ目はprefill（プリフィル）です。入力したプロンプトをまとめて読み込んで下準備をするフェーズで、ここでは大量の行列計算が一気に走ります。そのためGPUそのものの計算性能（生の演算力）が速さを決め、GPUが強いほど速くなります。

ふたつ目はdecode（デコード）です。答えを1語ずつ生成していくフェーズで、1語を作るたびにモデルの全パラメータ（重み）をメモリから読み出す必要があります。そのため速さはおおむね「メモリ帯域（メモリの読み書き速度）÷モデルサイズ」で決まり、GPUの計算性能よりメモリ帯域が支配的です。

文章が出てくる速さ（生成速度＝decode）はGPUの強さよりメモリ帯域でほぼ決まり、長い入力の処理（prefill）はGPUの強さで決まる、という住み分けです。prefillとdecodeで律速（ボトルネック）が変わることは、レビューの実測でも示されています（LMSYS、確認日2026-06-15）。

3機種に当てはめると次のとおりです。

  • 生成速度（decode）: GPUの差ではなくメモリ帯域の差で決まります。Mac Studio M4 Maxの546GB/sが、EVO-X2やDGX Sparkの256〜273GB/sを大きく上回るため、生成はMac Studioが速くなります。
  • prefill: GPUの生性能とソフトの最適化が効くため、CUDAを持つDGX Sparkが突出し、EVO-X2は相対的に弱めです。
  • ソフトの成熟度（CUDA ≫ MLX > ROCm）がこの差を広げます。最適化が進んだソフトほど、同じハードでも性能を引き出しやすいためです。

この仕組みをふまえると、買い手の判断は次のように整理できます。

  • 短い対話・チャットが中心: 体感速度を決める生成速度＝メモリ帯域が効くので、Mac Studioが有利です。
  • 長い文章・RAG（外部の文書を読ませる使い方）・コード補完・大量のバッチ処理: prefillとGPU性能・CUDAが効くので、DGX Sparkが有利です。
  • 省電力で常用したい: 消費電力の低いEVO-X2が向きます。

まとめると、「GPUが強ければLLMも速い」は、prefill（長い入力の処理）については正しく、生成（decode）についてはメモリ帯域のほうが効く、というのが実際のところです。

大容量メモリPCと単体GPUボード、どちらが向くか〜利点と欠点

ここまで読むと、「安い単体GPU（RTX 3060など）をPCに挿せばいいのでは？」という疑問が出てきます。大容量ユニファイドメモリを積むPC（EVO-X2・Mac Studio・DGX Spark）と、単体のGPUボード（RTX 3060などをPCに挿す方式）は、得意分野がそもそも違います。

先に用語を整理します。ユニファイドメモリはCPUとGPUが共有する大容量メモリ、dGPU（ディスクリートGPU）はPCに挿す単体のグラフィックボード、VRAM（ブイラム）はそのGPUに載っているメモリの容量、量子化（りょうしか）はモデルを圧縮してサイズを小さくする手法（例: Q4は重みを4bitに圧縮）です。

大容量メモリPCの利点

  • 容量で大型モデルが動く: 128GB級のメモリに、70B（Q4で約40GB）のような大型モデルをまるごと載せられます。単体GPUで同じ容量を確保するには、VRAM24GBのRTX 4090を2〜3枚（実勢で1枚25万円超、複数で50万円超）と大電力（4090は1枚あたり450W）が必要です。「動く／動かない」の壁を越えられるのが最大の利点です（4090のVRAM24GB・450WはGPU仕様データベース、確認日2026-06-15）。
  • 1台で完結: GPUボードはあくまで部品で、別途ホストPC（CPU・電源・マザーボード等）が要ります。大容量メモリPCは単体で完結します。
  • 省電力・静音・小型: EVO-X2は約140Wと、複数枚のdGPU構成（数百〜千W級）より大幅に省電力で、設置場所も取りません。
  • 大型モデルを安く動かせる: 「70Bを動かす」目的なら、多カード構成より総額・消費電力で有利になりやすいです。

大容量メモリPCの欠点

  • 帯域・演算は高性能dGPUに劣る: モデルがVRAMに収まる範囲なら、単体の高性能GPU（RTX 4090は帯域1,000GB/s超）のほうが速くなります。
  • prefill・学習が弱い: 長文の処理（prefill）やモデルの学習・ファインチューニングは演算力が要るため苦手です（CUDAを持つDGX Sparkは例外的に強め）。
  • ソフトが未成熟: ROCm（AMD）やMLX（Mac）はCUDA（NVIDIA）ほど対応が広くなく、ツールによっては動かす工夫が要ります。
  • 増設できない: メモリは基板に直付け（半田付け）で、後からの増設・換装ができません。買うときの容量で決まります。
  • 汎用GPU用途は不利: ゲームや動画編集など一般的なGPU用途は、単体の高性能GPUに分があります。

単体GPUボード（RTX 3060など）側

  • 利点: VRAMに収まるモデル（おおむね13B級まで）なら高速です。CUDAが成熟して対応ツールが多く、学習やprefillも得意です。増設・換装ができ、ゲームなど汎用にも使えます。中古で安く始められます。
  • 欠点: VRAMが12GB（RTX 3060）と小さく、70Bなどの大型は載りません。容量を増やすには多カード構成となり高コスト・大電力です。単体では動かず、別途ホストPCが要ります。

「動く／動かない」を分ける容量の壁を一覧にすると次のとおりです。

[kimono_cost_table title="大型モデル(70B)が動くか〜容量の壁" note="70BはQ4量子化で約40GBと仮定。VRAM=GPU搭載メモリ容量。消費電力は目安。確認日2026-06-15。出典は記事末。"]
構成 | メモリ容量 | 70B(Q4≈40GB)が動くか | 消費電力の目安
RTX 3060 12GB(単体) | 12GB | ×(載らない) | 約170W＋ホストPC
RTX 4090 24GB×2(計48GB) | 48GB | ○(ただし高コスト) | 約900W＋ホストPC
GMKtec EVO-X2 | 128GB | ○ | 〜140W(1台完結)
NVIDIA DGX Spark | 128GB | ○ | 240W(1台完結)
Mac Studio M4 Max | 128GB | ○ | 省電力(1台完結)
[/kimono_cost_table]

結論

  • 70B級をローカルで動かすのが目的なら: 容量の壁があるため、大容量メモリPCがほぼ一択です（単体GPUでは容量が足りず詰みます）。その中での生成速度は帯域順（Mac Studio > DGX Spark ≒ EVO-X2）です。
  • 中小モデル中心＋学習・prefill重視・CUDA資産・ゲームも兼用: 単体GPU（RTX 3060/4090など）を挿したPCのほうが向きます。

ひとことで言えば、「容量の壁を越えたいなら大容量メモリPC」「収まる範囲の速度と汎用性ならdGPU」という住み分けです。単体GPU側の選び方はGPU全機種スペック一覧やGPU2枚挿しの記事も参考にしてください。

対応ソフトとエコシステム

同じ「ローカルでLLMを動かす」でも、プラットフォームによって使えるソフトや量子化形式が変わります。

DGX SparkはNVIDIAのCUDAがそのまま使えるのが強みで、FP4というハードウェアレベルの低精度演算にも対応します。研究・開発でCUDA前提の資産を持っているなら相性が良い構成です。

Mac StudioはmacOS上で、MLXやMetal経由でモデルを動かします。ユニファイドメモリと高帯域を活かして、中型モデルを快適に回せるという報告が目立ちます。一方でFP4専用ハードウェアは持ちません。

EVO-X2はWindows/Linuxで動き、AMDのROCmやllama.cpp（Vulkan/ROCm）で4bit量子化（GGUFのQ4など）を動かす使い方が中心です。CUDA資産はそのままでは使えない点に注意が必要です。

用途ごとの向き不向きを整理すると、次のようになります。

[kimono_heatmap title="用途別の向き不向き（調査ベース）" note="◎=得意 ○=対応 △=工夫が必要 ×=不向き。公称値・レビュー実測からの整理。確認日2026-06-15。"]
用途 | GMKtec EVO-X2 | NVIDIA DGX Spark | Mac Studio M4 Max
コスパ重視 | ◎ | △ | ○
中型モデルを高速に(20〜70B) | ○ | ○ | ◎
長いプロンプト(prefill重視) | ○ | ◎ | ○
超大規模モデル(100B級〜) | △ | ◎ | ○
CUDA資産を活かす | × | ◎ | ×
静音・省電力 | ○ | △ | ◎
セットアップの手軽さ | ○ | △ | ◎
[/kimono_heatmap]

DGX SparkとEVO-X2は何が違うのか〜ARM Linuxの正体

同じ128GBのDGX SparkとEVO-X2は、推論速度こそ近いのですが、中身（土台）はかなり違います。ここを整理しておきます。

先に用語です。ARM（アーム）はスマホ等にも使われる省電力なCPU設計（PCで一般的なx86とは別系統）、CUDAはNVIDIAのGPU計算基盤、PFLOP（ペタフロップス）は1秒あたり1000兆回の計算量、FP4は4bitの低精度演算（AIで高速化に使う）です。

DGX Sparkの正体は「ARMベースのLinux機」です。CPUはGB10 Grace Blackwellで、ARMの20コア（高性能コアCortex-X925×10＋高効率コアCortex-A725×10、ARMv9世代）。OSはDGX OS（Ubuntuベースのlinux）で、CUDAツールキットやNIM等があらかじめ入っており、データセンター向けのDGXと同じディストリビューションです。一方EVO-X2は、x86のAMDチップ＋Windows（/Linux）という、ふだんのPCに近い構成です。

ひとつ補足すると、DGX Sparkには純正のFounders版と、各社のOEM互換機（ASUS・Dell・HP・Lenovo・MSI・Acer・Gigabyte等）がありますが、中身はどれも同じNVIDIA GB10 Grace Blackwell Superchip（Grace＝ARMの20コアCPU＋Blackwell GPU）です。OEM互換機もすべてARMで、OSも同じARM Linux（DGX OS／Ubuntu＋NVIDIA AIスタック）です。OEMで違うのは筐体・冷却・ポート・ストレージ・ブランド・価格（OEM/リセラーで約73〜76万円、純正Founders版は約120万円との情報も・要確認）だけで、性能（GB10・128GB・帯域約273GB/s・CUDA・演算）はほぼ同一です。

これは前出のStrix Halo系（EVO-X2・Framework・Minisforum等がすべて同じAMDチップ＝x86）とまったく同じ構図です。GB10系はどれも同じNVIDIAチップ＝ARM。ですからDGX系のどの互換機を選んでも「ARM Linux＋CUDA」という土俵は変わらず、差は価格と筐体だけ、ということです。

主な差分は次のとおりです。

[kimono_cost_table title="DGX Spark と EVO-X2 の差分（2026年6月時点・要最新確認）" note="価格は変動。出典は記事末。確認日2026-06-15。"]
項目 | NVIDIA DGX Spark | GMKtec EVO-X2
CPU | ARM(GB10 Grace・20コア) | x86(AMD Ryzen AI Max+ 395)
OS | ARM Linux(DGX OS/Ubuntuベース) | Windows / Linux
GPU基盤 | Blackwell + CUDA | Radeon 8060S + ROCm
メモリ | 128GB・273GB/s | 128GB・約256GB/s
演算 | 最大1 PFLOP FP4・1000 TOPS | NPU約50 TOPS
トークン生成 | ほぼ同じ(帯域が近い) | ほぼ同じ
prefill・学習 | 圧倒的に強い(CUDA) | ROCmで弱め
国内価格 | OEM/リセラー約73〜76万円(直販/上位は100万円超の情報も) | 約27〜55万円
[/kimono_cost_table]

核心はこうです。メモリ帯域が近い（273 対 約256GB/s）ため、大型MoEのトークン生成速度はDGX SparkとEVO-X2でほぼ同じ（おおむね11〜13トークン毎秒）です。「すでにあるモデルをただ動かす（推論する）」だけなら、両者に大きな速度差はありません。

決定的に違うのは、ソフト・演算・用途です。DGX Sparkは、ARM Linux＋CUDA＋圧倒的な演算（最大1 PFLOP FP4）＋データセンターとの互換性を備え、長文処理（prefill）やモデルの学習・開発に強い。EVO-X2は、Windows・ROCmで、安く・推論中心という性格です。

身も蓋もない結論を言えば、Qwen3-235Bのような大型モデルを「動かして使うだけ」なら、EVO-X2がDGX Sparkとほぼ同じ速度で、1/3〜1/4の価格です。DGX Sparkの上乗せ価格は、CUDA・大きな演算性能・ARM Linuxの開発環境に対して払うものです。「作る・学習する・CUDA前提で開発する」人向けであって、単に推論したいだけのユーザーには割高です（いずれも2026年6月時点・価格は変動するため要最新確認）。
[kimono_product id="16082″ compact="1″]

近く出る注目株：RTX Spark（DGX Sparkとは別物）

まぎらわしいのですが、「Spark」には2つあります。ここまでのDGX Sparkとは別に、2026年秋に発売予定のRTX Sparkという新顔が発表済みです。混同しやすいので分けて整理します。

先に用語です。Windows on ARMはARM版のWindows、Copilot+ PCはAI処理を強化したWindows PCの規格、petaFLOP（ペタフロップス）は1秒あたり1000兆回の計算量です。

RTX Spark（旧コードネームN1X、NVIDIA＋MediaTek）は、2026年5月31日にNVIDIAとMicrosoftが発表し、この秋に各社（ASUS・Dell・HP・Lenovo・Microsoft Surface・MSI）から発売予定です。位置づけは一般PC（ノート／小型デスクトップ）向け。中身は20コアのGrace系ARM CPU＋Blackwell世代のRTX GPU＋NPU＋最大128GBのユニファイドメモリで、OSはWindows on ARM（Copilot+ PC）です（報道では6,144 CUDAコア・TSMC 3nmプロセス・1 petaFLOP級とされ、Jensen Huang氏は「全てのWindowsアプリが動く」と説明しています）。

2つのSparkの違いを整理します。

[kimono_cost_table title="DGX Spark と RTX Spark の違い（RTX Sparkは2026年秋発売予定）" note="RTX Sparkは発表済み・未発売。価格/実性能は確定値が出るまで推測しません。確認日2026-06-15。出典は記事末。"]
項目 | DGX Spark | RTX Spark(新・秋発売予定)
チップ | GB10 Grace Blackwell | N1X(Grace系ARM＋Blackwell RTX)
OS | ARM Linux(DGX OS) | Windows on ARM(Copilot+ PC)
位置づけ | CUDA開発/推論アプライアンス | 一般PC(ノート/小型デスク)
メモリ | 128GB ユニファイド | 最大128GB ユニファイド
価格 | 約73〜120万円(OEM〜純正の情報) | ノートPC価格帯(未確定)
[/kimono_cost_table]

どちらもGrace系ARM＋Blackwell＋128GBユニファイドメモリという「兄弟」ですが、OS・用途・価格が違います。DGX SparkはARM Linux＋CUDAの開発・推論アプライアンス、RTX SparkはWindowsの一般PCです。

ローカルLLMの観点では、RTX SparkはWindows＋ARM＋Blackwell GPU＋最大128GBを一般PCに持ち込むため、EVO-X2のWindows親和性と、NVIDIAのGPU／CUDAの強みを両取りしうる新顔です。出てくれば、本記事の比較構図を塗り替える可能性があります。

ただし現時点では、発売は2026年秋・ノート／小型デスク中心で、Windows on ARM上でのCUDAや実際のローカルLLM性能は今後の確認待ちです。価格・性能の確定値が出るまで、ここでの評価は控えます（発表済み・未発売。確認日2026-06-15）。

用途別のおすすめ

ここまでの調査をふまえると、選び方は次のように整理できます。

まず、とにかく費用を抑えて、省電力で大容量メモリのローカルLLMを始めたいなら、GMKtec EVO-X2が筆頭候補です。128GBを積みつつ国内クーポンで約27万円から狙え、消費電力も140W級と3機種で最も低めです。Windows/Linuxで扱える点も導入しやすいところです。

次に、生成速度と安定性そのものは、メモリ帯域で勝るMac Studio（M4 Max）が本来有力で、70B級でEVO-X2のおよそ2倍の生成速度が報告されています。静音・省電力で常時稼働させやすいのも利点です。ただし2026年6月時点では大容量構成（128GB以上）が新規オーダーできず、現在は最大96GB（70BのQ4は載りますが、それ以上の大型モデルは不可）。大容量のMacが欲しい場合は次期M5 Ultra世代（2026年後半見込み・遅延）を待つ形です。かつてはEVO-X2が割高な販路（55万円級）だとMac Studioと価格差がほぼ無くなる場面もありましたが、現在はMacの大容量自体が買えないため、128GBを今すぐ確保するならEVO-X2が現実的です。

最後に、長いプロンプトの処理（prefill）の速さやCUDA前提の開発資産があり、FP4・大規模モデルまで見据えるなら、NVIDIA DGX Sparkが軸です。価格と消費電力は3機種の中で最も高い点は織り込む必要があります。

LLM以外でも差は出るのか〜用途別に効く軸

ここまでは大型LLMの話でしたが、画像生成や学習など別の用途では、効く軸が変わります。ざっくり言うと、「容量の壁」があるのは大型LLMだけで、画像生成や学習はむしろ逆に、GPUの演算力とCUDAが効きます。

先に用語を整理します。画像生成はStable Diffusion（SD）などで絵を作る処理、学習・ファインチューニング（FT）はモデルを追加で訓練して調整すること、埋め込み（エンベディング）は文章を数値ベクトルに変換する処理です。

用途ごとに効く軸を整理すると次のとおりです。

[kimono_cost_table title="用途別に効く軸と向く構成" note="一般的な傾向の整理。確認日2026-06-15。出典は記事末。"]
用途 | 主に効く軸 | 向く構成
大型LLM(70B級) | メモリ容量 | 大容量メモリPC(EVO-X2/Mac/DGX)
画像生成(SD/SDXL) | GPU演算＋CUDA | dGPU(RTX系)。モデルは収まるので容量より演算
動画生成・長尺高解像 | 演算＋容量 | 高性能dGPU。超大はVRAM超で大容量PCも
学習・ファインチューニング | NVIDIA・CUDA | NVIDIA dGPU / DGX Spark
音声・埋め込み・中小モデル | 軽い | どれでも可
[/kimono_cost_table]

画像生成については、現状はNVIDIA（CUDA）が最も成熟していて速く、対応ソフトも広いです。RTX 3060でもSDXLは実用的に動き、RTX 4090ならかなり高速です。

AMDのRyzen AI Max+ 395（EVO-X2のSoC）は、AMD公称では内蔵GPU「Radeon 8060S」がノート向けのRTX 4070に匹敵し、Stable DiffusionでMacBook Pro（M4 Pro）の約3.9倍という数値を出しています。ただしこれはAMDの公称値で、実際にはROCmの成熟度や対応ソフトの互換性が課題となるため、割り引いて見る必要があります（AMD公称。出典: AMD developer記事・Notebookcheck、確認日2026-06-15）。

Mac（MLX）でも画像生成は動きますが、同価格帯のNVIDIA GPUより遅い傾向です。

ただし容量の壁の例外もあります。大きなバッチ処理・高解像度・長尺の動画など、単体GPUのVRAMを超える場面では、大容量メモリPCが活きてきます。Ryzen AI Max+ 395はAMD公称で最大96GB（環境により112GBとも）をGPU側に割り当てられ、VRAM不足で止まらない強みがあります（AMD公称、確認日2026-06-15）。

学習・ファインチューニングは、CUDAとNVIDIAのエコシステムがほぼ支配的で、DGX SparkやNVIDIAのdGPUが向きます。

用途も含めた早見として整理すると、次のとおりです。

  • GMKtec EVO-X2: 大型LLMを安く・省電力で常用したい人向け。画像生成や学習は相対的に弱めです。
  • Mac Studio（M4 Max）: 動画編集なども静音でこなしつつ中型LLMを動かしたい人向け。ただし大容量（128GB以上）は現在オーダー不可で、現状は最大96GB（大容量Macは次期M5 Ultra世代待ち）。
  • NVIDIA DGX Spark: 学習・画像/動画・prefill・開発まで、CUDAで幅広くやりたい人向け。
  • RTX 3060（dGPU）: 画像生成・中小LLM・軽い学習・ゲームなど汎用を、安く始めたい人向け。

向かない人・注意点

どれも万能ではないので、向かないケースも挙げておきます。

GMKtec EVO-X2は、CUDA前提のツールやライブラリをそのまま動かしたい人には不向きです。ROCmやVulkan、量子化まわりで手を動かす前提と考えたほうがよいでしょう。70B級の生成速度はMac Studioに一歩譲ります。

NVIDIA DGX Sparkは、価格と消費電力が高く、70B級の「生成速度」だけを見ればEVO-X2と大きく変わらないため、「とりあえずローカルLLMを試したい」という入り口の用途にはオーバースペックです。長いプロンプト処理やCUDA資産を活かす目的が明確な人向けです。

Mac Studio（M4 Max）は、FP4専用ハードウェアを持たず、CUDA前提のソフトも動きません。WindowsやLinuxの環境に揃えたい場合や、特定のNVIDIA向けツールが必須の場合は選びにくくなります。

なお、これら一体型の大容量メモリ機は「買ってすぐ最大性能」というより、モデルの量子化やバックエンド（Vulkan/ROCm/MLX等）の調整で速度が変わります。手持ちのグラフィックボードで小さく始めてから移行するという考え方も現実的です。ローカルLLMの入り口についてはOllamaの導入記事、グラフィックボード側の選択肢はGPU全機種スペック一覧も参考にしてください。

LLM用GPUの選び方〜段階別の購入指針

ここまでで「大型LLMは容量、画像・学習は演算とCUDA」という軸を見てきました。では実際にGPUを買うとき、どのクラスを選べばよいのか、段階別に整理します。

まず大前提として、ローカルLLMで最大のボトルネックになるのはVRAM（GPUのメモリ容量）です。推論（モデルに答えさせる処理）はメモリ帯域と容量で決まる場面が多く、GPUの演算性能は思うほど効きません。「VRAMが足りるか」がまず効き、そのうえで帯域が速さを左右する、という順番です（出典: ローカルLLM向けGPUの各ガイド、確認日2026-06-15）。

段階別の目安は次のとおりです（価格は2026年時点・変動あり）。

  • 入門・小型(7〜13B)・画像生成・ゲーム兼用: x060クラス。最安入門ならRTX 3060 12GB、予算ベストはRTX 4060 Ti 16GB（16GBで余裕があり、消費電力も低めです）。VRAM 8GB版は窮屈なので、12GB／16GB以上をおすすめします。
  • 本命コスパ・中型(30B級まで): 中古のRTX 3090 24GB。VRAM 24GB・帯域936GB/sで、多くのガイドが「価格あたりの価値が最も高い」と推す定番です。中古相場は約13〜18万円です。
  • 新品ハイエンド(RTX 4090 24GB / RTX 5090 32GB): LLMだけが目的なら割高になりがちです。演算性能が過剰で使い切れないうえ、24GBでは70Bは載らず、容量の壁は中位カードと変わりません（5090は32GBで32B級まで快適）。学習・画像生成・ゲームを兼ねるなら価値があります。
  • 大型(70B以上): どの単体GPUも容量が足りません。大容量メモリPC（EVO-X2やDGX Sparkなどの128GB級。Macの大容量は2026年6月時点でオーダー不可・96GB上限）か、複数GPU構成が必要です。

[kimono_cost_table title="目的別のGPU/PC早見（2026年時点・価格変動あり）" note="価格は2026年時点の目安で変動します。VRAM=GPUメモリ容量。出典は記事末。確認日2026-06-15。"]
目的 | 推奨 | 理由
入門・小型LLM(〜13B)・画像・ゲーム | RTX 3060 12GB / RTX 4060 Ti 16GB | 安く始められ、16GBなら余裕。8GBは窮屈
中型LLM(30B級)・コスパ最優先 | 中古 RTX 3090 24GB(約13〜18万円) | 24GB・936GB/sで価格あたりの価値が最高
学習/画像/ゲーム兼用のハイエンド | RTX 4090 24GB / RTX 5090 32GB | 演算も速い。ただしLLM単目的は割高・70Bは載らず
大型LLM(70B以上) | 大容量メモリPC / マルチGPU | 単体GPUは容量不足。128GB級でまるごと載せる
[/kimono_cost_table]
[kimono_product id="15759″ compact="1″]
[kimono_product id="15773″ compact="1″]
[kimono_product id="15761″ compact="1″]

要点は、入門はx060（12／16GB）、中型のコスパ王は中古RTX 3090、新品のx090はLLMだけなら割高、70B以上は容量の問題で大容量メモリPC、という段階です。

ローカルでClaude Codeやcodexの代わりになるか〜期待値の正し方

ここがいちばん気になるところかもしれません。「128GBの機械を買えば、Claude CodeやcodexのようなクラウドのAIコーディングを置き換えられるのか？」という問いに、正直に答えます。

先に用語です。エージェント型コーディング（agentic coding）は、AIが自分でファイルを読み、コードを書き、テストを回す、という作業を何度も繰り返して進める使い方です。SWE-benchは、実際のソフトの不具合を直せるかを測る代表的なベンチマーク（性能テスト）です。frontier（フロンティア）は、その時点で最も性能が高い最前線のモデルを指します。

結論を先に言うと、2026年時点では、128GBクラスの機械では、Claude Codeやcodexがいちばん得意とする難しいエージェント型コーディングと、まだ同じ土俵には立てません。ただし「モデルが弱いから」ではなく、「土俵に立てる肉薄モデルを、快適に動かす容量と速度がローカルに無いから」です。順を追って説明します。

モデル単体では、オープンとクローズドの差は縮まった

2026年のベンチマーク報告では、誰でも重みを使えるオープンウェイトのモデルが、性能の最前線にかなり近づいています。SWE-bench Verifiedでは、MiniMax・GLM-5・Kimi K2.5・Qwen 3.5といったオープンモデルが76〜80%前後に達し、トップクラスのクローズドモデル（Claude Opusクラス）との差は数ポイントまで縮まったと報告されています（2026年時点のベンチ報告で変動あり。出典は記事末）。「オープンか、クローズドか」というモデルの実力差は、以前より小さくなりました。

でも、その肉薄モデルは128GBに載らない

ここに落とし穴があります。最前線に肉薄するこれらのモデルは、いずれも規模が大きく（200B〜1Tパラメータ級のMoE）、128GBの機械にはそのまま載りません。MoE（混合エキスパート）は、毎回計算に使うのは一部の専門家だけですが、全部の重みをメモリに載せておく必要があるためです（例: 1T級と報告されるKimi K2.5は、4bit量子化でも約280GBを要し、512GBクラスがいるとされます）。

128GB機（EVO-X2やDGX Spark。Macは現在96GBが上限）で快適に動かせるのは、70B級〜中規模のMoE（4bitでおおむね120B程度まで）です。これは肉薄モデルより一段下になり、しかも生成やprefillが遅いため、何度もループするエージェント型コーディングでは実用的な速度が出にくくなります。

かつての例外（Mac Studio M3 Ultra 512GB）は今は買えない

少し前までは、Mac Studioの最上位M3 Ultra（最大512GB）が、大きなオープンMoEを量子化して動かせる「唯一の手の届く機材」でした。ところが2026年3月以降、Appleは大容量構成を整理し、2026年6月時点では512GBどころか128GB構成も新規オーダーできません（最大96GB）。そのため、身近な機材で大型MoEを丸ごと動かす道は、現状ほぼふさがっています。大容量Macは次期M5 Ultra世代（2026年後半見込み・遅延）待ちで、それまではこの用途のハードルはむしろ上がっています。

線引き: どこをローカル、どこをクラウドにするか

現実的な使い分けは次のとおりです。

[kimono_cost_table title="ローカル vs クラウド AIコーディングの線引き（2026年時点）" note="2026年時点のベンチ報告・実勢に基づく整理で変動あり。出典は記事末。確認日2026-06-15。"]
用途 | 向き先 | 理由
最難のエージェント型コーディング(難所の約2割) | クラウドの最前線(Claude Code/codex等) | 肉薄モデルの容量・速度・成熟度が今もクラウド優位
日常の補完・小さな修正・大量の定型作業 | 収まる範囲のローカル | 実用速度が出る。トークンが10〜100倍安い
社外に出せないコード(プライバシー重視) | ローカル | 手元で完結し外部送信がない
本命: 量はローカル・難所はクラウド | ハイブリッド | コストと品質のバランスが最良
[/kimono_cost_table]

ひとことで言えば、難しい2割はクラウドの最前線が今も一択、残りの大量の作業はローカルで十分実用的（しかもトークン単価が10〜100倍安い）です。いちばん現実的なのは、量をローカルで回し、難所だけクラウドに投げるハイブリッドだと言えます。

まとめ：やりたいことから逆引き

128GBクラスの大容量メモリでローカルLLMを動かす3機種と、単体GPUを比較してきました。最後に、「やりたいこと」から「何が強いか」を逆引きできるように整理します。

用語のおさらいです。dGPU（ディスクリートGPU）はPCに挿す単体のグラフィックボード、VRAMはそのGPUのメモリ容量、prefillは入力プロンプトをまとめて処理するフェーズ、ファインチューニング（FT）はモデルを追加で訓練して調整することです。

[kimono_cost_table title="やりたいこと→強いハード（逆引き早見）" note="本文・各レビューの整理。数値や理由の詳細・出典は記事末。確認日2026-06-15。"]
やりたいこと | 強いハード | 理由
大型LLM(70B級)を動かす | 大容量メモリPC | 容量の壁。70B(Q4≈40GB)はdGPUに載らない。安く省電力=EVO-X2(128GB) / CUDA=DGX Spark。※Macの大容量(128GB+)は現在オーダー不可で96GB上限
中小LLM(〜13B) | RTX dGPU(3060/4090) | VRAMに収まり高速・安い・CUDA成熟。大容量PCは不要
画像生成(SD/SDXL/Flux) | NVIDIA GPU(CUDA) | 演算+CUDAが効く。3060実用/4090高速/DGXも可。Macは可だが遅め・AMDはROCm課題
動画 長尺/高解像/超大バッチ | DGX Spark、VRAM超なら大容量PC | 演算が効く。VRAMを超える規模では大容量PC(AMD公称で最大112GB割当)が活きる
学習・ファインチューニング | NVIDIA/CUDA(DGX・dGPU) | CUDAエコシステムが支配的。Macは小規模まで・AMDは弱め
長文・RAG・コード(prefill) | DGX Spark | prefillが突出して速く・CUDAが成熟
省電力・静音で大型LLMを常駐 | EVO-X2(128GB) | 低消費電力(〜140W)・静音で常時稼働向き。※Macは大容量が現在買えず96GB上限
クリエイティブ＋中型LLM | Mac Studio(最大96GB) | 動画編集など静音＋中型LLM。大容量(128GB+)は現在オーダー不可
ゲーム＋AI | RTX dGPU | ゲーム汎用と中小AIを1枚で兼ねられる
予算最優先 | 中小/画像=RTX 3060 / 大型LLMを安く=EVO-X2 | 3060は中古で安い／EVO-X2はクーポンで約27万円
[/kimono_cost_table]

要点をひとことでまとめると、大型LLMはメモリ容量で決まるので大容量メモリPC、画像生成や学習は演算力とCUDAで決まるのでNVIDIA、中小モデルやゲーム兼用なら単体GPU（dGPU）、という住み分けです。自分の「やりたいこと」から逆に選ぶのが近道です。

GMKtecの本当の価値〜「235Bが動く」の正体と、他機との等価性

「128GBの機械で235Bの巨大モデルが動く」と聞くと驚きますが、誇張を排して正体を見ておきます。

先に用語です。MoE（混合エキスパート）は、モデル内部に多数の「専門家」を持ち、1トークンを作るときはその一部だけを使う仕組みです。活性パラメータは、その「実際に使われる分」のこと。疎活性化（スパース）とは、全体のごく一部だけを動かすことを指します。

動かしているのはQwen3-235B（正式にはQwen3-235B-A22B）という標準のオープンMoEモデルで、カスタム品ではありません。総パラメータは235Bですが、1トークンの生成で実際に動くのは約22Bだけです（128人の専門家のうち8人だけが働くイメージ）。だから量子化すれば128GBに収まり、約11トークン毎秒で動きます。「巨大なのに動く」のは、MoEの疎活性化のおかげで、魔法ではありません（出典: モデル仕様。確認日2026-06-15）。

次に、これはGMKtec固有の性能ではありません。生成速度（トークン毎秒）は、おおむねメモリ帯域と「活性パラメータの量」で決まります。そのため、同じチップ（AMD Ryzen AI Max+ 395／Strix Halo）と128GBユニファイドメモリを積んだ機械——GMKtec EVO-X2、Framework Desktop、Minisforum MS-S1 Max、HPなど——は、AI性能がほぼ横並びです（Qwen3-235Bでおおむね約11トークン毎秒）。差が出るのは主に冷却・拡張性・ネットワーク・価格・形状で、AIの速度そのものはチップとメモリ帯域で決まります。帯域がより高い機械（Mac Studioの546GB/s 対 Strix Haloの約256GB/s）なら、その比に応じて速くなります。

同じ横並びの中でも、たとえば MINISFORUM MS-S1 Max は、EVO-X2 より拡張に振った上位機として位置づけられています。AIの速度を決めるチップ（Ryzen AI Max+ 395）とメモリ（128GB）は同じなので、生成速度はほぼ横並びと考えられます。違いは主に拡張性で、公称スペックでは MS-S1 Max が PCIe 4.0 x16（x4動作）スロット・デュアル10GbE・USB4 V2（80Gbps）・M.2 RAID に対応する一方、EVO-X2 はスロットなし・2.5GbE・USB4（40Gbps）と、価格を抑えた構成です。海外での実売価格は MS-S1 Max のほうが高めでした（確認日 2026年7月）。拡張やネットワークを重視するなら MS-S1 Max、価格と手軽さなら EVO-X2、という住み分けになりそうです。

[kimono_product id="16519″]

ではGMKtecの価値はどこにあるのか。身も蓋もない結論を正直に言えば、GMKtec EVO-X2は魔法の箱ではなく、「AMDチップ＋128GBユニファイドメモリ」という能力を、最も安く・最も入手しやすい形に詰めたパッケージです。

  • 価格・入手性: 128GB/2TBが海外実勢で約$2,199（GMKtec直販。96GB/2TBは約$1,800）、国内ではクーポンで約27万円から。Framework Desktopは64GB＋AMD Ryzen AI Max+ 395で$1,639から（ストレージ・OS別）。同種の中でも安く、最も広く出回った早期実装です。
  • 形状: 小型で組み立て不要の完成機。電源・冷却込みの1台完結です。

選び方としては、まず同じStrix Haloチップ機の中なら価格・冷却・拡張性・形状で選び、純粋に速度が欲しいなら帯域の高い機械（Mac等）を選ぶ、という整理です。AI能力は「チップ＋メモリ」由来、GMKtecの差別化は「価格と流通」だと割り切ると、判断がぶれません（いずれも2026年6月時点・価格や在庫は変動するため要最新確認）。

参考：同じ235BをMacで動かしたら何トークン毎秒？（理論値・要実測）

同じQwen3-235BをもしMac Studio（M4 Max）で動かした場合の速度を、帯域比例でざっくり見積もってみます。あくまで理論値で、実測の公開値は十分に確認できていないため、目安としてお読みください。

トークン生成は前述のとおりメモリ帯域で律速されるので、帯域比でおおよそ換算できます。Mac M4 Maxの546GB/s ÷ Strix Haloの約256GB/s ≈ 2.1倍。EVO-X2のQwen3-235B 約11トークン毎秒に当てはめると約23〜24トークン毎秒、現実的な期待値としては約20〜25トークン毎秒（MLXの効率・量子化・発熱で上下）と見込まれます。実際、Mac単体の公開ベンチでも20トークン毎秒前後という報告があります（出典: MacStories／llmcheck。確認日2026-06-15。いずれも理論値・要実測）。

ただし大事な注意点があります。Qwen3-235Bを単体のMacに「載せられるか」は量子化（圧縮）次第で、レビューでは4bitで約132GB、3bitで約103GBという報告があります。そのため、現在新規オーダーできるMac Studioの上限96GBでは、実用的な品質ではそのまま収まりにくいのが実情です（計算上は128GB構成なら3bit級で収まりますが、その128GB以上は前述のとおり現在オーダー不可）。「速度を取るならMac」は理屈の上では成り立ちますが、現時点では大容量Macの入手性そのものがボトルネックです。

整理すると、速度を取るなら高帯域のMac（ただし大容量の入手性が課題で、現状はM5 Ultra世代待ち）、価格と入手性を取るならEVO-X2（同チップの他社機も同性能）、という構図です。

総括：GMKtec EVO-X2の立ち位置

最後に、この記事の主役であるGMKtec EVO-X2の立ち位置をまとめます。

一言でいえば、大型のローカルLLM（70B級）を、最も安く・省電力で、1台完結で動かせる入口です。ただし、そのAI性能はAMDチップ＋128GBメモリ由来で、同じチップを積む他社機（Framework等）とほぼ同じです。GMKtecの差別化は性能そのものより、価格と入手しやすさ（流通）にあります。

強みは次のとおりです。

  • 128GBを約27〜55万円で確保できる。単体GPUで同じ容量をそろえると多カードで高額になり、Macの128GB以上は供給難で今は買えません。「安く・今すぐ・128GBを持てる」現実解です。
  • 省電力・小型・静音の完成機（約140W）。常時稼働させて大型LLMを置いておく用途に向きます。

一方で、割り切るべき弱みもあります。

  • 生成速度はMac Studio M4 Maxの約半分です（メモリ帯域256GB/s 対 546GB/s）。
  • prefill（長文の処理）や演算は弱めです。
  • ROCmが未成熟で、画像生成・学習・CUDA前提のツールでは不利です。
  • 最前線のエージェント型コーディング（Claude Code／codex）の土俵には立てません。

ほかの選択肢との位置取りを整理すると、次のとおりです。

  • 安く大型LLMを動かす ＝ EVO-X2の独自性
  • 快適な生成・クリエイティブ ＝ Mac（ただし大容量は次期M5 Ultra世代待ち）
  • 学習・画像/動画・prefill・CUDA ＝ NVIDIA DGX Spark
  • 中小モデル・画像・ゲーム ＝ 単体GPU（入門はRTX 3060、コスパ王は中古RTX 3090）

追い風として、Macの高メモリ構成が供給難の今、安く128GBをすぐ入手できる点で、EVO-X2の相対的な価値は上がっています（いずれも2026年6月時点で、価格・在庫は変動するため要最新確認）。
[kimono_product id="16082″ compact="1″]

最後に向き不向きです。速度や汎用性、ソフトの成熟度をある程度割り切れて、大型LLMを安く省電力で常用したい人には、EVO-X2はよく合います。逆に、生成速度・画像生成・学習・CUDA・最難のコーディングを重視する人は、Mac（大容量はM5 Ultra待ち）やDGX Spark、単体GPUを検討したほうがよいでしょう。

出典（確認日: 2026年6月15日）

数値は以下の公称値・レビュー・店頭価格を参照しました。

記事内で取り上げた機材

本記事で比較したのは以下の3機種です。価格・在庫は変動するため、購入前に最新の仕様と価格を確認してください。

  • GMKtec EVO-X2（AMD Ryzen AI Max+ 395 / 128GB LPDDR5X / 2TB）
  • Apple Mac Studio（M4 Max。※大容量128GB以上は2026年6月時点でオーダー不可・現在は最大96GB）
  • NVIDIA DGX Spark（GB10 Grace Blackwell / 128GB LPDDR5X）

参考にしたサイト

本記事の数値・市況の確認に使った主な参考サイトです（確認日2026年6月15日。詳細な対応箇所は上の「出典」を参照）。

ローカルAI