• CPU：64コア／128スレッド
• GPU：Radeon 8060Sの160 Compute Unit
• 統合メモリ：512GBのLPDDR5X-8000（1台あたり128GB）
• ノード数：A9 Mega 4台

ここでいう統合メモリは、CPUとGPUが共有するメモリです。専用GPUを搭載した一般的なサーバーとは異なり、各ミニPC内のCPU・GPU資源を使いながら、モデルをノード間に分割して処理します。

ローカル展開の仕組み

GEEKOMによると、4台のA9 MegaはUSB4で接続され、Ubuntu、ROCm、DwarfStarを含むソフトウェア構成でDeepSeek V4 Flashを動かします。最適化されたモデルを複数ノードに分割し、推論リクエストをOpenAI互換エンドポイントで受け付ける仕組みです。

OpenAI互換APIに対応する点は、企業導入を考えるうえで重要です。すでにOpenAI形式のエンドポイントに対応している社内アプリ、AIエージェント、開発ツールなら、統合部分を全面的に作り直さずにローカルモデルへ接続できる可能性があります。

つまり、狙いは1台のデスクトップでチャットボットを動かすことよりも、組織内ネットワークに閉じたプライベートAIサービスを構築することにあります。

一方、今回の発表だけでは、一般的なデータセンター向けサーバーと同じ性能や信頼性があるとは判断できません。ノード間の接続トポロジー、実効帯域幅、遅延、モデルの分割方式、精度や量子化形式、オーケストレーション設定、障害時の復旧方法などは明らかにされていません。モデル並列処理ではノード間通信が頻繁に発生するため、これらの条件が推論性能に大きく影響します。

ストレージと接続性

A9 MegaはPCIe 4.0対応のM.2スロットを2基備え、最大8TBのSSDストレージに対応するとされています。 4台すべてを最大構成にした場合、理論上の総容量は最大32TBです。これはクラスター全体で8TBという意味ではなく、各マシンに最大8TBを搭載した場合の合計です。

ストレージ容量は、システムの統合メモリ512GBとは別のものです。また、最大32TBという数字だけでは、DeepSeekのモデルファイルやキャッシュが実際にどれだけのディスク容量を必要とするかは分かりません。

ノード間接続にはUSB4が使われています。A9 Megaの製品情報では、USB4ポートは最大40Gbpsと記載されています。 ただし、このインターフェース上の理論値は、クラスターの実測性能を意味しません。プロトコルのオーバーヘッド、接続トポロジー、通信パターンによって、分散推論で利用できる実効帯域幅と遅延は変わります。

想定される企業向けの使い道

GEEKOMが打ち出すのは、オンプレミス型のプライベートAIアプライアンスです。企業は、プロンプト、社内文書、生成結果を自社ネットワーク内に置いたまま、社内アプリやエージェントからモデルを利用できる可能性があります。AMDのROCmを使うため、この構成ではNVIDIA CUDAベースのシステムを必須としません。

データの保存場所、プライバシー、ネットワーク分離を重視するチームにとっては、検討対象になり得ます。ただし、クラウドに任せていた運用の責任は自社側に移ります。ハードウェアの稼働状況、OSやモデルの更新、アクセス制御、監視、冷却、電力、ソフトウェアの安定性などを運用者が管理しなければなりません。

4台で約15,996ドル

GEEKOMのA9 Megaの掲載価格は1台3,999ドルです。 そのため4台の本体価格は、単純計算で約15,996ドルになります。

ただし、この金額には、追加ストレージ、ケーブル、ネットワーク機器、設置作業、電気代、保守、サポートなどは含まれません。評価すべきなのは4台の購入価格だけではなく、分散推論サービスを継続運用するための総コストと、実際に処理できる業務量です。

最大の未解決点は性能

今回の発表から確認できるのは、GEEKOMが4台のA9 MegaでDeepSeek V4 Flashを展開したという事実です。しかし、この構成について、第三者が再現できる標準化ベンチマークは提示されていません。

持続的なトークン生成速度、初回トークンまでの時間、同時利用者数、長大なコンテキストでの遅延、消費電力、ノード障害時の挙動といった情報は未公開です。

100万トークンのコンテキストに対応するというモデル仕様も、4ノードのA9 Megaが100万トークンのリクエストを高速かつ低コストで処理できることを意味しません。実際の性能は、モデルのビルド、精度、量子化、メモリ割り当て、入力長、同時リクエスト数、ノード間通信のオーバーヘッドなどに左右されます。

したがって、現時点では「本番環境で検証済みのAI基盤」というより、ローカル展開が可能であることを示す技術デモと見るのが妥当です。

GEEKOM独自のハードウェアなのか

Ryzen AI Max+ 395を搭載したミニPCは、GEEKOMだけの製品カテゴリーではありません。同じプロセッサーと、場合によっては128GBの統合メモリを備える製品を他社も販売しています。

MinisforumのN5 Maxも比較対象の一つです。ただし、ServeTheHomeの報告によると、実際の小売版N5 Maxは、CES 2026で見られた初期プロトタイプの128GB構成ではなく、基板上に固定された64GBのLPDDR5X統合メモリを搭載して出荷されました。

このため、GEEKOMのより重要な差別化要素は、Ryzen AI Max+ 395そのものではなく、4台を連携させたソフトウェア構成と、その上でDeepSeek V4 Flashを動かしたというデモにあります。実用性を判断するには、再現可能なセットアップ手順、標準化ベンチマーク、ネットワーク測定、消費電力、現実的な負荷での安定稼働に関する情報が必要です。

まとめ

GEEKOMの構成は、4台のミニPCを組み合わせて大容量のAMDローカル推論基盤を作る方法を示しました。合計で64 CPUコア、128スレッド、Radeon 8060Sの160 Compute Unit、512GBの統合メモリを備え、USB4、Ubuntu、ROCm、DwarfStarを使ってDeepSeek V4 Flashを分散実行します。

魅力は、非常に大規模なMoEモデルを、使い慣れたAPI経由で社内ネットワークに閉じて利用できる可能性です。しかし、現在の資料が裏付けているのはデプロイの実施であり、速度、効率、信頼性、本番運用への適性ではありません。

GEEKOMが再現可能なベンチマークと実装の詳細を公開するまでは、この4ノード構成は専用AIインフラの代替品というより、興味深いオンプレミス実証として評価するのがよさそうです。

• CPU：64コア／128スレッド
• GPU：Radeon 8060Sの160 Compute Unit
• 統合メモリ：512GBのLPDDR5X-8000（1台あたり128GB）
• ノード数：A9 Mega 4台

ここでいう統合メモリは、CPUとGPUが共有するメモリです。専用GPUを搭載した一般的なサーバーとは異なり、各ミニPC内のCPU・GPU資源を使いながら、モデルをノード間に分割して処理します。

ローカル展開の仕組み

GEEKOMによると、4台のA9 MegaはUSB4で接続され、Ubuntu、ROCm、DwarfStarを含むソフトウェア構成でDeepSeek V4 Flashを動かします。最適化されたモデルを複数ノードに分割し、推論リクエストをOpenAI互換エンドポイントで受け付ける仕組みです。

OpenAI互換APIに対応する点は、企業導入を考えるうえで重要です。すでにOpenAI形式のエンドポイントに対応している社内アプリ、AIエージェント、開発ツールなら、統合部分を全面的に作り直さずにローカルモデルへ接続できる可能性があります。

つまり、狙いは1台のデスクトップでチャットボットを動かすことよりも、組織内ネットワークに閉じたプライベートAIサービスを構築することにあります。

一方、今回の発表だけでは、一般的なデータセンター向けサーバーと同じ性能や信頼性があるとは判断できません。ノード間の接続トポロジー、実効帯域幅、遅延、モデルの分割方式、精度や量子化形式、オーケストレーション設定、障害時の復旧方法などは明らかにされていません。モデル並列処理ではノード間通信が頻繁に発生するため、これらの条件が推論性能に大きく影響します。

ストレージと接続性

A9 MegaはPCIe 4.0対応のM.2スロットを2基備え、最大8TBのSSDストレージに対応するとされています。 4台すべてを最大構成にした場合、理論上の総容量は最大32TBです。これはクラスター全体で8TBという意味ではなく、各マシンに最大8TBを搭載した場合の合計です。

ストレージ容量は、システムの統合メモリ512GBとは別のものです。また、最大32TBという数字だけでは、DeepSeekのモデルファイルやキャッシュが実際にどれだけのディスク容量を必要とするかは分かりません。

ノード間接続にはUSB4が使われています。A9 Megaの製品情報では、USB4ポートは最大40Gbpsと記載されています。 ただし、このインターフェース上の理論値は、クラスターの実測性能を意味しません。プロトコルのオーバーヘッド、接続トポロジー、通信パターンによって、分散推論で利用できる実効帯域幅と遅延は変わります。

想定される企業向けの使い道

GEEKOMが打ち出すのは、オンプレミス型のプライベートAIアプライアンスです。企業は、プロンプト、社内文書、生成結果を自社ネットワーク内に置いたまま、社内アプリやエージェントからモデルを利用できる可能性があります。AMDのROCmを使うため、この構成ではNVIDIA CUDAベースのシステムを必須としません。

データの保存場所、プライバシー、ネットワーク分離を重視するチームにとっては、検討対象になり得ます。ただし、クラウドに任せていた運用の責任は自社側に移ります。ハードウェアの稼働状況、OSやモデルの更新、アクセス制御、監視、冷却、電力、ソフトウェアの安定性などを運用者が管理しなければなりません。

4台で約15,996ドル

GEEKOMのA9 Megaの掲載価格は1台3,999ドルです。 そのため4台の本体価格は、単純計算で約15,996ドルになります。

ただし、この金額には、追加ストレージ、ケーブル、ネットワーク機器、設置作業、電気代、保守、サポートなどは含まれません。評価すべきなのは4台の購入価格だけではなく、分散推論サービスを継続運用するための総コストと、実際に処理できる業務量です。

最大の未解決点は性能

今回の発表から確認できるのは、GEEKOMが4台のA9 MegaでDeepSeek V4 Flashを展開したという事実です。しかし、この構成について、第三者が再現できる標準化ベンチマークは提示されていません。

持続的なトークン生成速度、初回トークンまでの時間、同時利用者数、長大なコンテキストでの遅延、消費電力、ノード障害時の挙動といった情報は未公開です。

100万トークンのコンテキストに対応するというモデル仕様も、4ノードのA9 Megaが100万トークンのリクエストを高速かつ低コストで処理できることを意味しません。実際の性能は、モデルのビルド、精度、量子化、メモリ割り当て、入力長、同時リクエスト数、ノード間通信のオーバーヘッドなどに左右されます。

したがって、現時点では「本番環境で検証済みのAI基盤」というより、ローカル展開が可能であることを示す技術デモと見るのが妥当です。

GEEKOM独自のハードウェアなのか

Ryzen AI Max+ 395を搭載したミニPCは、GEEKOMだけの製品カテゴリーではありません。同じプロセッサーと、場合によっては128GBの統合メモリを備える製品を他社も販売しています。

MinisforumのN5 Maxも比較対象の一つです。ただし、ServeTheHomeの報告によると、実際の小売版N5 Maxは、CES 2026で見られた初期プロトタイプの128GB構成ではなく、基板上に固定された64GBのLPDDR5X統合メモリを搭載して出荷されました。

このため、GEEKOMのより重要な差別化要素は、Ryzen AI Max+ 395そのものではなく、4台を連携させたソフトウェア構成と、その上でDeepSeek V4 Flashを動かしたというデモにあります。実用性を判断するには、再現可能なセットアップ手順、標準化ベンチマーク、ネットワーク測定、消費電力、現実的な負荷での安定稼働に関する情報が必要です。

まとめ

GEEKOMの構成は、4台のミニPCを組み合わせて大容量のAMDローカル推論基盤を作る方法を示しました。合計で64 CPUコア、128スレッド、Radeon 8060Sの160 Compute Unit、512GBの統合メモリを備え、USB4、Ubuntu、ROCm、DwarfStarを使ってDeepSeek V4 Flashを分散実行します。

魅力は、非常に大規模なMoEモデルを、使い慣れたAPI経由で社内ネットワークに閉じて利用できる可能性です。しかし、現在の資料が裏付けているのはデプロイの実施であり、速度、効率、信頼性、本番運用への適性ではありません。

GEEKOMが再現可能なベンチマークと実装の詳細を公開するまでは、この4ノード構成は専用AIインフラの代替品というより、興味深いオンプレミス実証として評価するのがよさそうです。