ChatGPTやCopilotなどの生成AIが普及する一方、PC上でAIを直接動かす「ローカルLLM」にも注目が集まっています。AIモデルをあらかじめダウンロードしておけば、インターネットに接続していない環境でも利用でき、社内の機密情報を外部に送信するリスクも抑えられます。クラウドサービスの利用回数制限や料金を気にせず使えるのもメリットです。
ただし、ローカルLLMを快適に動かすには、高い処理性能と大容量メモリが必要です。特に大規模なモデルは数十GBのメモリを使用するため、一般的なPCでは動作させることすら難しい場合があります。
そこで今回取り上げるのが、MSIのデスクトップPC「PRO MAX EDGE AI+」です。AMD Ryzen AI MAX+ 395と128GBのユニファイドメモリを搭載し、最大96GBをGPU用メモリに割り当てられます。約4Lというコンパクトな筐体で、120B(1,200億パラメーター)級のLLMも実行できるのです。
今回は、各種ベンチマークで基本性能を確認したうえで、11種類のローカルLLMを実際に動かして生成速度を比較しました。業務資料を使った品質テストやAIエージェントとの連携も試し、「PRO MAX EDGE AI+」がローカルAI環境としてどこまで使えるのかを検証します。
128GBメモリと高性能GPUを搭載したコンパクトなAI PC
今回検証した「PRO MAX EDGE AI+ 11M-008JP」は、16コア32スレッドのAMD Ryzen AI MAX+ 395、Radeon 8060S Graphics、128GBメモリ、2TB SSDを搭載。CPU、GPU、NPUを合わせたAI処理性能は最大126 TOPSです。
| 項目 | スペック |
|---|---|
| 製品名 | PRO MAX EDGE AI+ 11M-008JP |
| OS | Windows 11 Pro |
| CPU | AMD Ryzen AI MAX+ 395 |
| CPUコア数 | 16コア/32スレッド |
| CPU動作クロック | 3.0GHz/最大5.1GHz |
| GPU | AMD Radeon 8060S Graphics(40 CU) |
| AI処理性能 | 総合最大126 TOPS/NPU最大50 TOPS |
| メモリ | 128GB LPDDR5X-8000 |
| GPU用メモリ | 最大96GB割り当て可能 |
| ストレージ | 2TB M.2 NVMe SSD |
| ネットワーク | Wi-Fi 7/Bluetooth 5.4/2.5Gbps有線LAN |
| 主なインターフェース | USB4×2/USB Type-A/SDカードリーダーなど |
| 本体サイズ | 97.5×188.4×248.5mm |
| 本体重量 | 3.1kg |
| 電源 | 300W |
| その他 | Copilot+ PC対応 |
ローカルLLMを使ううえで特に重要なのが、128GBのユニファイドメモリです。一般的なデスクトップPCでは、CPU用のシステムメモリと独立型GPUのビデオメモリ(VRAM)がわかれています。一方、PRO MAX EDGE AI+はCPUとGPUが同じメモリ領域を利用する方式を採用しており、最大96GBをGPU用に割り当てられます。
たとえば、1200億パラメーター級のLLMでは、量子化によってモデルを圧縮しても数十GBのメモリが必要です。一般的なグラフィックスカードでは容量の制約で実行できないモデルも、PRO MAX EDGE AI+なら大容量メモリを活用して動かせるのです。
また、約4Lの筐体には、300W電源と冷却システム「Frozr AI Cooling Pro」も内蔵しています。高性能なAI PCを省スペースで設置できる点も特徴です。
CPU・GPU・AIベンチマークで基本性能をチェック
まずは「PRO MAX EDGE AI+」の基本性能を確かめるため、ベンチマークテストを行いました。CPU性能は「Cinebench 2026」と「Geekbench 7」、GPU性能はGeekbench 7のOpenCLテストと「『ファイナルファンタジーXIV: 黄金のレガシー』 ベンチマーク」、AI処理能力は「Geekbench AI」で測定しています。
Cinebench 2026は、3DCGのレンダリング処理でCPUの性能を測るテストです。全コアを使ったマルチコアテストでは7,029ポイント、1コアの処理性能を見るシングルコアテストでは618ポイントを記録しました。マルチコアは動画の書き出しなど負荷の高い作業、シングルコアは普段のアプリ操作の快適さを見る目安になります。
日常的な作業を想定してCPU性能を測る「Geekbench 7」では、シングルコアが2,692ポイント、マルチコアが22,390ポイントでした。16コア32スレッドの強みが表れており、ローカルLLMとほかの作業を並行する使い方にも対応できそうです。
GPUのOpenCLスコアは99,281ポイントでした。OpenCLは、GPUを画像表示だけでなく汎用的な計算に使う仕組みで、このスコアはAI処理や画像処理でGPUをどこまで活用できるかの目安になります。
AIの推論性能を測る「Geekbench AI」では、量子化演算を評価するQuantizedで11,268ポイントを記録しました。AI推論に必要な量子化演算でも、高い処理性能を備えていることがうかがえます。
さらに『ファイナルファンタジーXIV: 黄金のレガシー ベンチマーク』では、解像度1,920×1,080ドット、グラフィックス設定を「高品質(デスクトップPC)」とし、FSRを使用する条件で13,702ポイントを記録しました。評価は「とても快適」です。
独立型GPUを搭載していないPCでありながら、ゲームの3D描画も快適にこなせる性能を備えているのは好印象でした。AIの処理だけでなく、動画編集やクリエイティブ作業などにも幅広く活用できそうです。
※本テストは『ファイナルファンタジーXIV』のベンチマークソフトを使用し、マイナビ独自の環境で計測した結果です。結果は参考値でありスクウェア・エニックスが保証するものではありません
ベンチマーク結果一覧
| ベンチマーク | 項目 | スコア |
|---|---|---|
| Cinebench 2026 | CPU Multi Core | 7,029 |
| Cinebench 2026 | CPU Single Core | 618 |
| Geekbench 7 | CPU Single-Core | 2,692 |
| Geekbench 7 | CPU Multi-Core | 22,390 |
| Geekbench 7 | GPU OpenCL | 99,281 |
| Geekbench AI | Single Precision | 6,668 |
| Geekbench AI | Half Precision | 2,398 |
| Geekbench AI | Quantized | 11,268 |
| ファイナルファンタジーXIV 黄金のレガシー | 1920×1080・高品質・FSR | 13,702 |
CPUもGPUも十分な処理性能を備えていることがわかりました。ただし、ローカルLLMの快適さには演算性能だけでなく、モデルを展開するメモリ容量やメモリ帯域も関わります。ここからは128GBメモリを活用し、実際に大規模なAIを動かしてみましょう。
GPU用メモリの割り当てを96GBに増やし、120B級LLMを動かす
大規模なLLMを実行する前に、GPU用メモリの設定を変更しておきます。PRO MAX EDGE AI+は初期状態では、128GBのメモリのうち64GBがGPU用に割り当てられていますが、今回はAI活用を想定し、最大の96GBに設定します。
設定ソフトの「AMD Software: Adrenalin Edition」で「パフォーマンス」から「チューニング」を開き、「可変グラフィックスメモリ」を「カスタム」に変更し、「専用グラフィックスメモリ」で96GBを指定して再起動します。Windowsのタスクマネージャーで確認すると、GPU専用メモリは95.8GBとして認識されました。
GPU用に96GBを割り当てると、システム側で利用できるメモリは約32GBになりますが、その分、大規模なAIモデルをGPU側で実行できます。
ローカルLLMの実行には「LM Studio 0.4.26」を使用しました。モデルの検索からダウンロード、実行まで画面上で操作できるため、複数のAIモデルを手軽に試せます。
テストに選んだのは、比較的軽量なQwen3 8Bから、DeepSeek-R1を蒸留した70Bモデル、NVIDIAのNemotron 3 Super、OpenAIのgpt-oss-120b、123BのMistral Large 2まで、合計11種類です。その結果、11モデルすべてで文章を生成できました。特に、120B級を超えるモデルまで手元のPCで実行できたことには驚かされます。
一般的なゲーミングPCに搭載されるGPUのビデオメモリは8~16GB程度で、最上位クラスのGeForce RTX 5090でも32GBです。120B級のLLMをGPUメモリだけで実行するには容量が足りず、最大96GBを割り当てられるPRO MAX EDGE AI+の強みが際立ちます。
実行中のメモリ使用量も確認しました。120B級であるNemotron 3 Superの読み込み時にはGPU専用メモリを77.2GB使用しており、大規模モデルを読み込むとメモリを大量に消費することがわかります。稼働中は約32GBのシステムメモリもほぼ使い切っており、128GBという大容量メモリの必要性を実感できます。
PRO MAX EDGE AI+を見る→
軽量な8Bから120B級まで、11種類のローカルLLMの生成速度を比較
続いて、各モデルの文章生成速度を測定しました。指標にしたのは「TPS(Tokens Per Second)」で、1秒間に生成できるトークン数を表します。数値が高いほど文章を速く生成できるというわけです。各モデルに同じプロンプトを入力し、LM Studioに表示されるTPSをチェックしました。
生成AIを企業で活用するメリットを、具体例を交えて1,000文字程度の日本語で解説してください。
| モデル | TPS | 出力トークン数 |
|---|---|---|
| Qwen3 8B | 37.16 | 200 |
| Qwen3 14B | 22.54 | 409 |
| Qwen3 32B | 10.47 | 311 |
| Qwen3.8 27B | 17.20 | 537 |
| Gemma 4 31B QAT | 10.15 | 805 |
| Gemma 4 31B | 6.07 | 701 |
| DeepSeek-R1-Distill-Llama-70B | 4.77 | 1,501 |
| Mistral Large 2 123B | 2.80 | 1,838 |
| NVIDIA Nemotron 3 Super | 18.07 | 742 |
| Meta Muse Glimmer 30B | 12.36 | 836 |
| gpt-oss-120b | 32.33 | 1,097 |
最も高速だったのはQwen3 8Bの37.16TPSでした。同じQwen3シリーズでも、14Bは22.54TPS、32Bは10.47TPSとなり、モデルの規模が大きくなるほど生成速度が低下しています。素早い応答を重視するなら、小規模なモデルが有力な選択肢になるでしょう。
興味深いのは、120B級の大規模モデルでも高速に動作するものがあったことです。OpenAIの「gpt-oss-120b」は32.33TPSを記録し、Qwen3 14Bを上回りました。NVIDIAの「Nemotron 3 Super」も18.07TPSと、大規模モデルとしては軽快な速度です。一方、123Bの「Mistral Large 2」は2.80TPSで、文章が生成されるまでの待ち時間が長く感じられました。同じ120B級でも、使い勝手には大きな違いがあります。
この違いを生む理由の1つが、AIモデルの構造です。gpt-oss-120bとNemotron 3 Superは、MoE(混合エキスパート)方式を採用しています。たとえば、Nemotron 3 Superの総パラメーター数は約1,200億ですが、トークンごとの計算に使うのは約120億です。必要な部分だけを選択して計算するため、大規模なモデルでも処理負荷を抑えられるのです。
また、量子化によってモデルを小さくすることも、生成速度に影響します。Gemma 4 31Bでは、4ビット量子化のQAT版が約19GBで10.15TPS、8ビット量子化の通常版が約32GBで6.07TPSでした。モデルのデータ量を減らすことで、GPUメモリを節約しながら生成速度も高められる場合があるのです。
今回の検証では、軽量な8Bから120B級まで、11種類すべてのローカルLLMを動かすことができました。生成速度も一様ではなく、MoE方式の120B級モデルには、小規模モデルに匹敵する速さで文章を生成するものがあります。ただし、実際の業務では生成速度だけでなく、回答の正確さや具体性も重要です。そこで次に、軽量モデルと大規模モデルを使い、業務を想定した回答内容の違いを比べてみます。
小規模な8Bと大規模な120B、業務で使うとどこまで違う?
TPSは重要な指標ですが、実際の業務では、指示に従って必要な情報を整理し、使える成果物を作れるかどうかも重要です。
そこで、今回は小規模な「Qwen3 8B」と、大規模な「Nemotron 3 Super」を比較することにしました。Nemotron 3 Superは、NVIDIAが複雑な推論や長文処理、AIエージェントでの利用も想定して開発したモデルです。
検証には、架空のIT企業の事業運営と業務改革をまとめた11ページのPDF資料を使用しました。LM Studioのファイル参照機能で両モデルに同じPDFを添付し、資料の要約、記事構成の作成、業務改善アイデアの提案を1回のプロンプトでまとめて指示してみました。
添付したPDFは、中小企業の業務改善に関する社内検討資料です。内容を読み、以下の3つの作業を行ってください。
1.資料の目的、現状の課題、決定事項、未決事項を300字程度で要約してください。重要な数値や条件を落とさないでください。
2.中小企業の経営者向けに、この資料を基にした記事のタイトル案を1つ、導入文、小見出し3つとそれぞれの概要を作成してください。
3.資料に記載された課題を解決するため、生成AIを活用した改善アイデアを3つ提案してください。それぞれ実施方法、期待できる効果、注意点を説明してください。
資料に書かれた事実と新たな提案を区別し、記載のない数値や事実は作らないでください。
Qwen3 8Bは、継続支援への移行率や月間問い合わせ数などを拾い、要約や記事構成、3つの改善案を作成できました。テンプレートの自動生成や月次報告書の作成、継続支援の進捗管理という提案も、アイデアのたたき台にはなります。ただし、内容は一般的で、予算や実施範囲などの重要な決定事項もいくつか抜け落ちていました。
一方、Nemotron 3 Superは、資料に書かれた課題を複数の角度から整理し、事業上の問題点を記事の見出しに反映できました。改善案も、何をどう実施するかに加えて期待できる効果や注意点を具体的に説明しており、Qwen3 8Bよりも実務で使う下書きとして完成度が高い印象です。ただし、保留中の施策を決定事項と取り違え、重要な実施条件も一部見落としていました。大規模モデルでも人間による確認は必要です。
この業務テストでの生成速度はQwen3 8Bが27.05TPS、Nemotron 3 Superが17.08TPSでした。最初のトークンが出るまでの時間もそれぞれ1.64秒と7.20秒で、軽量モデルの方が素早く反応します。Nemotron 3 Superは推論処理にも時間がかかりましたが、完成した回答は情報量が多く、改善提案も具体的でした。素早い回答を求める作業では軽量モデル、時間をかけて内容を練る作業ではNemotron 3 Superのような大規模モデルと、用途に応じて使い分けられます。複数の選択肢から目的に合ったモデルを選べる点は、大容量メモリを備えたPRO MAX EDGE AI+ならではの魅力でしょう。
今回試した長文要約や記事構成の作成、改善案の検討は、提案書の下書きや議事録の整理、社内資料の分析など、さまざまな業務にも応用できそうです。機密情報を含む資料を外部のクラウドサービスに送らず、手元のPCで処理できる点も企業にとって大きなメリットとなります。
OpenClawと組み合わせればローカルAIの活用がさらに広がる
さらに、ローカルLLMはチャットだけでなく、AIエージェントの頭脳として利用することもできます。AIエージェントは、ユーザーから指示された仕事を複数の手順に分け、必要な操作を実行する仕組みです。たとえば、ファイルの整理や情報収集、レポートの作成などを一連の作業として任せられます。
PC上で動作する「OpenClaw」はLM StudioやOllamaのローカルLLMと連携でき、AIによる一連の作業を手元の環境に構築できます。
今回はWindows 11にOllamaとOpenClawを導入し、AIモデルは「qwen3.5:4b」を利用しました。Ollamaを「Local only」で接続し、OpenClawのダッシュボードから日本語で話しかけると、ローカルモデルが返答。画面上では77トークンの回答が約3秒で完了し、Ollama側でもモデルがGPUに展開されていることを確認できました。
OpenClawには指定した時刻に処理を実行する機能もあり、PCを常時稼働させておけば、24時間いつでもAIエージェントを動かせる環境を構築できます。たとえば、毎朝の情報整理や社内文書の下書き作成を自動化し、社員が出社する前に資料を用意しておく使い方も考えられます。ローカルLLMならクラウドAIのAPI利用料を気にせず継続的に処理を実行でき、社内専用のAIエージェントとして運用することも可能です。PRO MAX EDGE AI+を活用すれば、さらに幅広い業務の自動化が期待できるでしょう。
大規模LLMを手元で活用できるコンパクトなAI PC
「PRO MAX EDGE AI+」を使って最も印象的だったのは、約4Lのコンパクトな筐体で120B級の大規模LLMまで動かせることです。今回検証した120B級のLLMはいずれも実行でき、高い負荷がかかる場面でもファンの動作音はそれほど気になりませんでした。設置スペースが限られ、騒音にも配慮したい日本のオフィスや住宅にもぴったりの一台でしょう。
社内資料を外部に送信せずにAIで分析したい企業や、クラウドAIのAPI利用料を気にせず、さまざまなAIモデルを検証したい開発者に最適なPCといえます。OpenClawなどを導入してローカルLLMと連携させれば、AIエージェントの実行環境も構築でき、ローカルAIを日常業務から開発・検証まで本格的に活用したい人は、ぜひ「PRO MAX EDGE AI+」をチェックしてみてはいかがでしょうか。
よくある質問
Q PRO MAX EDGE AI+ではどの程度のローカルLLMが動きますか?
今回の128GBメモリ搭載機では、GPU用メモリを96GBに設定し、gpt-oss-120b、Nemotron 3 Super、Mistral Large 2 123Bの文章生成を確認しました。すべての120B級モデルや設定での動作を保証する結果ではありません。
Q 120B級LLMの生成速度はどのくらいですか?
今回の同一プロンプトによる測定では、gpt-oss-120bが32.33トークン/秒、Nemotron 3 Superが18.07トークン/秒、Mistral Large 2 123Bが2.80トークン/秒でした。モデルの構造や量子化方式、入力条件によって速度は変動します。
Q 96GBの専用VRAMを搭載していますか?
独立型GPUに96GBのVRAMを搭載している構成ではありません。128GBのユニファイドメモリから、最大96GBをGPU用に割り当てる方式です。
Q インターネットに接続せずに利用できますか?
モデルや必要なソフトウェアを事前に用意し、外部サービスを利用しない構成であれば、ローカル環境のみで推論できます。利用するアプリや連携機能の通信条件については、個別に確認してください。
Q 生成した業務資料をそのまま使えますか?
人による確認が必要です。今回のPDFテストでも、大規模モデルであっても決定事項の取り違えや条件の見落としが見られる場合がありました。要約や下書き作成の補助として活用し、重要な数値や判断は必ず原資料と照合してください。
© SQUARE ENIX
[PR]提供:エムエスアイコンピュータージャパン














