GMKtec EVO-X2 64GBは、仮想マシン母艦＋ローカルLLMの最初の大きな一歩になる

※本記事にはアフィリエイトリンクを含みます。Amazonのアソシエイトとして、当ラボは適格販売により収入を得ています。価格・在庫・販売元・保証条件は変わるため、購入前にリンク先で必ず確認してください。

GMKtec EVO-X2の64GB/1TB構成を、今回は「ローカルLLMが動くミニPC」としてだけでなく、仮想マシンの母艦にもなる小型AIサーバとして見ます。

128GB構成は魅力的です。大きなモデルを載せる余地が一気に広がります。ただ、価格はかなり重い。しかもローカルLLMは「入る」ことと「毎日使う速度で動く」ことが別です。70B級よりさらに大きなモデルを無理に載せても、遅すぎて常用しない可能性があります。

だから今回の本命は、64GB構成です。64GBをどう割るかで、この機械の見え方が変わります。

EVO-X2 64GB/1TBは何が面白いのか

Amazon掲載のEVO-X2は、確認時点でAMD Ryzen AI Max+ 395、16コア/32スレッド、64GB LPDDR5X-8000、1TB PCIe 4.0 SSD、Radeon 8060S、Wi-Fi 7、USB4、2.5GbE LANという構成です。GMKtec公式側でも、Ryzen AI Max+ 395、Radeon 8060S、XDNA 2 NPU、総合126TOPS級という方向性が示されています。仕様や同梱物は販売ページ側で変わる可能性があるので、最終確認はリンク先で行ってください。

ここで重要なのは、GPUカードを挿したデスクトップとは違い、CPUとGPUが同じメモリプールを使えることです。一般的な自作PCでは、システムメモリ64GBがあっても、GPU側のVRAMが12GBや16GBなら、ローカルLLMの置き場所はそこで詰まります。EVO-X2の価値は、64GBの高速メモリをAI用途にも回せるところにあります。

32GBを仮想マシン、32GBをローカルLLMに使う

まず現実的なのは、64GBをざっくり半分に分ける考え方です。

• 仮想マシン/コンテナ側に32GB
• ローカルLLM側に32GB

この使い方なら、EVO-X2は「AIだけの箱」ではなくなります。小さな検証VM、Dockerサービス、監視、開発用の軽いサーバ、ローカルLLMのAPIを同居させる母艦になります。

32GBを仮想マシン側に残すと、例えば次のような使い方が見えてきます。

• 8GB VMを2〜3台立てて、Webアプリ、DB、検証用Linuxを分ける
• 16GB級の少し重い検証VMを1台立て、残りをDockerや監視へ回す
• NAS上のデータを使いながら、ローカルで小さなAI処理や要約を走らせる
• 家庭内向けのOpen WebUI、Ollama/LM Studio、軽いRAG検証を置く

一方、LLM側の32GBで狙うモデルは、7B〜14Bならかなり扱いやすく、20B前後も現実的です。Qwen2.5 Coder 32BのOllama版はQ4_K_Mで約20GBなので、32GB枠でも動かす余地はあります。ただし、長いコンテキスト、複数モデル常駐、同時リクエストまで欲張ると一気に窮屈になります。

つまり、32GB+32GB運用の狙いは「最大モデルを動かす」ではありません。仮想化母艦としても使いながら、実用速度のローカルLLMを横に置くことです。家庭内のAI補助、コードの下書き、ログ要約、軽い調査メモ整理なら、この方が長く使いやすいと思います。

64GBをまるごとローカルLLMに振ると何ができるか

次に、仮想マシンを減らして、64GBをほぼローカルLLMへ寄せる使い方です。

この場合、32B級はかなり余裕を持って扱いやすくなります。Qwen2.5 Coder 32Bのようなコード寄りモデルを常用候補にしつつ、コンテキストや周辺アプリのための余白も残せます。ローカル開発の相棒としては、このあたりが一番おいしい領域です。

70B級も、量子化モデルなら「載せて試す」範囲に入ります。OllamaのLlama 3.3 70Bは配布サイズが約43GBとされ、AMDもRyzen AI Max+系でLlama 70Bをローカル実行する方向性を示しています。ただし、ここは期待値を上げすぎない方がいいです。大きなモデルは、入るだけでなく、応答速度、コンテキスト長、同時利用、UIやOSが使うメモリまで効いてきます。

64GB全振りの現実的な見方はこうです。

• 7B〜14B: 常用しやすい。家庭内AI補助、軽い要約、下書き、コード相談向き
• 30B〜32B: かなり本命。コード、推論、文章生成の品質と速度のバランスが良い
• 70B級: 試せる価値はある。ただし速度と運用快適性は用途を選ぶ
• 100B超: 64GB構成では無理をしすぎ。128GB構成や別のAIノードを考えた方がいい

128GB構成が買えるなら話は別です。でも「買える価格」「毎日使う速度」「仮想マシン母艦としても使う」という現実を入れると、64GB構成をちゃんと使い切る方が堅いです。

弱点は2.5GbEが1ポートなこと

EVO-X2のデメリットは、有線LANが2.5GbE 1ポートであることです。

ローカルLLMを単体で動かすだけなら、2.5GbEで困る場面は多くありません。推論リクエストやAPI応答は、巨大な動画ファイル転送とは違います。家庭内のWeb UI、開発PCからのAPI利用、軽いRAG検証なら、2.5GbEは十分に実用速度です。

ただし、高速NASと組み合わせる場合は別です。10GbE NAS上の大きなデータセット、仮想マシンイメージ、動画素材、バックアップを頻繁に読み書きするなら、2.5GbEはボトルネックになります。EVO-X2は「10GbEバックボーンに最初から深く刺すノード」ではありません。

ここを理解したうえで買うなら、評価は変わります。2.5GbEは弱点ですが、家庭内サーバの入口としては十分速い。まずEVO-X2で仮想化とローカルLLMを始めて、NASや10GbEスイッチは次の段階で足す。この順番なら、かなり大きな一歩になります。

同じ方向を自作AIラボサーバで組むと、結局高い

価格面も見ておきます。確認時点で、AmazonのEVO-X2 64GB/1TBページは32万円台の表示でした。これだけ見ると安くはありません。

ただ、同じ方向を普通のAIラボサーバ/自作PCとして組むと、思ったほど安くなりません。16コア/32スレッド級のRyzen 9 9950XはAmazon表示で約10万円、価格比較サイトでも9万円前後。DDR5 64GBは2026年7月時点で高騰しており、32GB×2のDDR5-5600でも約10万円前後の表示が目立ちます。AM5/X870系マザーボードは安いものでも3万円前後、クリエイター寄りやUSB4/高機能品では5万〜8万円台。1TB NVMe SSD、ケース、電源、CPUクーラー、OS、必要なら10GbE NICまで入れると、30万円を超える構成は普通に見えてきます。

しかも、その構成は「CPU32スレッド、メモリ64GB、NVMe 1TB」にはなっても、EVO-X2のようなユニファイドメモリのローカルLLM箱にはなりません。別途GPUを足すなら、今度はVRAM容量とGPU価格の問題が出ます。

ここがEVO-X2の面白いところです。単なる安いミニPCではなく、CPU32スレッド級の仮想化母艦と、64GBユニファイドメモリのローカルLLM環境を、小型筐体でまとめて買うという意味があります。

まとめ：最初の大きな一歩としてアリ

GMKtec EVO-X2 64GB/1TBは、128GB構成ほど夢を見せる機械ではありません。100B超の巨大モデルを快適に常用する箱でもありません。

でも、そこが逆に現実的です。32GBを仮想マシンやDockerへ、32GBをローカルLLMへ。あるいは64GBをローカルLLMに寄せて、32B級を本命にする。家庭内AIサーバ、自宅ラボの検証母艦、ローカルLLMの入口を1台で始めるには、かなり筋がいい構成です。

2.5GbE 1ポートなので、10GbE NASと高速に組み合わせる用途には特化していません。そこは割り切る必要があります。それでも、今から自宅ラボを増強していくための「最初のAIサーバ」として見るなら、EVO-X2 64GBはかなりアリです。

参考: GMKtec公式 EVO-X2 / AMD Ryzen AI Max+ 395仕様 / Ollama Qwen2.5 Coder 32B / AMD Ryzen AI Max+ とLM Studioの解説 / 既存のRyzen AI Max+ 395比較記事