DAIV CX-A9A60 は、Ryzen AI Max+ 395 と 128GB のメモリを積み、そのうち最大 96GB を VRAM に回せる小型デスクトップです。
画像生成のモデルは大きくなり続けていて、FLUX.2 Dev は本体だけで 64.4GB あります。RTX 3090 の 24GB の VRAM には、そのままでは収まりません。
そこで、手元の RTX 3090 搭載PC と同じ ComfyUI を入れ、同じプロンプトで画像を作り比べました。
大きいモデルで画像を作りたい人が、GPU を積んだ PC とどちらを選ぶかを決めるための検証です。本記事では、速さ・画質・メモリの使われ方・音を2台で比べた結果を紹介していくので、ぜひご参照ください。
※本レビューはマウスコンピューター様より製品をお貸しいただきレビューしています
検証の環境と条件
DAIV CX-A9A60 の比較には、RTX 3090 を積んだ HP の OMEN 30L を使用しました。
| 項目 | DAIV CX-A9A60 | RTX 3090 搭載PC（HP OMEN 30L） |
|---|---|---|
| CPU | Ryzen AI Max+ 395（16コア32スレッド） | Core i9-10850K |
| メモリ | 128GB LPDDR5X-8000（うち 96GB を VRAM に割り当て） | 64GB DDR4-3200 |
| GPU・VRAM | Radeon 8060S（CPU内蔵）／96GB | GeForce RTX 3090／24GB |
| OS | Windows 11（26H2） | Windows 11（25H2） |
| PyTorch | 2.13.0（ROCm 10.0.0） | 2.13.0（CUDA 13.0） |
| ComfyUI | 0.42.0 | 0.42.0 |
画像を作るソフトは、どちらも ComfyUI 0.42.0 です。同じ版にそろえ、同じワークフローを読み込ませて比べました。
モデルのファイルは、2台とも NVMe SSD に置いています。DAIV CX-A9A60 は、出荷時と同じ VRAM 96GB、パフォーマンスモードで測りました。
AMD は、公式の Windows 向けインストーラーで ComfyUI を使う場合、128GB の Ryzen AI Max+ 機は VRAM を 64GB にするよう勧めています。今回は、64GB を超える FLUX.2 Dev の bf16 の本体を VRAM に載せるため、96GB のまま使いました。
本機の仕様や、ローカル LLM を動かした結果は、こちらの記事で紹介しています。
Ryzen AI Max+ 395 搭載 DAIV CX-A9A60 レビュー｜VRAM 96GB で大きな AI モデルをローカルで動かす小型デスクトップ
試したモデルは、画像が5通り、動画が1通りです。
| モデル | 形式と容量 | ステップ数 |
|---|---|---|
| FLUX 3 Image Klein（蒸留版） | bf16・11.1GB | 16 |
| FLUX 3 Image Klein（base） | bf16・11.1GB | 50 |
| FLUX.1 Dev | フル精度・本体 23.8GB＋テキストエンコーダー 9.79GB など | 20 |
| FLUX.2 Dev（fp8） | 本体 fp8 35.5GB＋テキストエンコーダー bf16 35.6GB | 20 |
| FLUX.2 Dev（bf16） | 本体 bf16 64.4GB＋テキストエンコーダー fp8 18GB | 20 |
| Wan 2.2 14B（動画） | fp8・640×640・81フレーム（5秒） | 4 |
bf16 はモデルの元の精度、fp8 は数値の桁を減らして容量を小さくした形式を指します。テキストエンコーダーは、プロンプトの文章をモデルが扱える形に変える部分です。
FLUX.2 Dev は、2つの組み合わせで試しました。どちらも、本体とテキストエンコーダーの片方を fp8 にした形です。
ライセンスは、FLUX 3 Image Klein が FLUX Kommunity License で、年商500万ドル未満なら商用でも使えます（関連会社の扱いなど細かい条件は、ライセンス本文で確認してください）。FLUX.2 Dev は FLUX Non-Commercial License なので、仕事で使う場合は条件を確認してください。
動画の Wan 2.2 は、生成を4ステップに縮める LoRA を使う設定にしました。ComfyUI のテンプレートに用意されている設定です。
プロンプトは、
- ゲームコントローラーの商品写真
- ソファでコントローラーを持つ女性と猫
- 雨上がりの港町
- ゴルフの場面 × 6シーン
の計9種類。それぞれ seed（乱数の種）を 1001〜1008 の8通りにして、1つのモデルで72枚を作っています。
ただし、RTX 3090 の PC の FLUX.2 Dev（bf16）は11枚で止めました。表の2つとは別に、本体とテキストエンコーダーを両方とも bf16 にした組み合わせ（合計約100GB）も試しました。本機では動かず、RTX 3090 の PC では試していません。
画像の大きさは、すべて 1024×1024。動画は、アーケードコントローラーを操作する両手の場面を2本作りました。
速さは、コントローラーの商品写真8枚のうち、2〜8枚目の生成時間の平均で比べます。1枚目はモデルの読み込みを含むので、除きました。
画質は、生成した画像を目で見て判定しています。同じ PC では、ほかのアプリの起動の有無などを変えても、同じ seed なら画素単位で同じ画像になりました。
Windows で ComfyUI を動かすまで
ComfyUI の公式の説明では、Windows の AMD 環境は、ROCm 10.0.0 版の PyTorch 2.13 と Python 3.13 を使う形です。Ryzen AI Max / Max+ 向けには、専用のパッケージ（device-gfx1151）が用意されています。
AMD が挙げる ROCm 10.0.0 の前提は、以下の通りです。
- Windows 11 25H2
- AMD Software: Adrenalin Edition 26.8.1
- HIP SDK を削除しておく
- Windows Defender Application Guard（WDAG）をオフにする
- スマートアプリコントロールをオフにする
- Python 3.11〜3.14
本機は届いた時点で、スマートアプリコントロールがオフで、HIP SDK も入っていませんでした。前提をそろえるために変えたのは、Adrenalin を 26.5.2 から 26.8.1 に更新したことと、Python 3.13 と git を入れたことです。
本機の Windows は 26H2 で、AMD の対応表にある 25H2 より新しい版です。この状態で ComfyUI を動かし、画像も作れました。
ROCm 10.0.0 版の PyTorch は pip でインストールでき、約2分で終わっています。
手間取ったのは、ドライバーとモデルの入手の2点です。
Adrenalin 26.8.1 は、AMD の配布ページにあるリンクをクリックしてダウンロードします。ダウンロード先の URL を直接開くと、AMD 側で拒否されました。
FLUX.2 Dev は、Hugging Face で利用条件に同意したアカウントでないと、ダウンロードできません。コマンドで取得する場合は、そのアカウントのアクセストークンも必要です。
Linux を入れずに、Windows のままで ComfyUI が動き、FLUX.2 Dev まで読み込めています。
速さはどのモデルでも RTX 3090 が上
1024×1024 の画像を1枚作るのにかかった時間を、表にまとめました。
| モデル | DAIV CX-A9A60 | RTX 3090 搭載PC | 差 |
|---|---|---|---|
| FLUX 3 Image Klein（蒸留版） | 23.56秒 | 10.74秒 | 2.19倍 |
| FLUX 3 Image Klein（base） | 137.17秒 | 62.87秒 | 2.18倍 |
| FLUX.1 Dev | 51.65秒 | 23.77秒 | 2.17倍 |
| FLUX.2 Dev（fp8） | 240.79秒 | 92.50秒 | 2.60倍 |
| FLUX.2 Dev（bf16） | 233.09秒 | 127.95秒 | 1.82倍 |
試した5通りすべてで、RTX 3090 の PC のほうが速い結果でした。差は1.82〜2.60倍で、多くのモデルが約2倍です。
5秒の動画を作る Wan 2.2 も、本機は1本目 275.68秒・2本目 268.33秒、RTX 3090 の PC は 123.35秒・115.89秒。動画でも、RTX 3090 の PC が2倍以上速く仕上げました。
差の原因は1つに絞れません。GPU の演算性能、メモリから読み出す速さ（帯域）、ROCm と CUDA の最適化の差が重なった結果と考えられます。
帯域は、本機のメモリが計算上 256GB/s、RTX 3090 の VRAM が 936GB/s です。
本機では、FLUX.2 Dev の bf16 の組み合わせが 233.09秒で、fp8 の組み合わせ（240.79秒）よりわずかに短く終わりました。2つはテキストエンコーダーの精度が逆なので、本体の精度だけの差ではありません。
AMD の技術ブログでは、同じ Ryzen AI Max+ 395 と 128GB のメモリを積んだ機種で、ROCm 7.2.1 の ComfyUI を測っています。メモリの速さ（ブログの機種は 8533MT/s）と ComfyUI の版は、今回と同じではありません。比べたのは、どちらもモデルを読み込んだあとの2回目以降の値です。
| 条件 | AMD のブログ（ROCm 7.2.1） | 本機（ROCm 10.0.0） |
|---|---|---|
| FLUX.1 Dev（フル精度・1024×1024・20ステップ） | 77.56秒 | 51.65秒 |
| Wan 2.2 14B（fp8・640×640・81フレーム・4ステップ） | 26分51秒 | 268.33秒 |
同じチップでも、ROCm や ComfyUI の版によって速さは大きく変わります。ROCm は 10.1.0 も公開されていますが、今回は試していません。
1枚ずつプロンプトを直していくなら、RTX 3090 の PC は待ち時間がおよそ半分で済みます。
画質：指示にいちばん近かったのは FLUX.2 Dev
同じモデルに同じ seed を与えると、本機と RTX 3090 の PC でほぼ同じ絵になりました。画質を決めるのは PC ではなくモデルなので、判定はモデルごとに行っています。
コントローラーの商品写真
プロンプトでは、胡桃材の机に置いた黒いワイヤレスコントローラーを指定しました。ボタンは紫の半透明で、背景の壁に「GAMING PAD」のネオンサインを入れる注文です。
Klein の2つは、十字キーがボタンの形になり、ボタンの文字もばらばらでした。base のほうが、形はいくらかきれいです。
FLUX.1 Dev は、十字キーとボタンを正確に描きます。ただ、斜めから写した構図では形が崩れ、ネオンがぼけて読みにくい画像もありました。
FLUX.2 Dev は、プラスチックの質感が本物に近い仕上がり。fp8 と bf16 はほぼ同じ出来で、どちらにもボタンの文字が「ABXX」になる画像が混じりました。
ソファでコントローラーを持つ女性と猫
夜のソファで、30代の日本人女性がコントローラーを両手で持つ場面です。顔にテレビの青い光が当たり、隣のクッションで猫が寝ている様子も指定しました。
Klein の2つは、女性が40〜50代に見え、しわも多く描かれています。手の形に違和感があり、猫はぼかしてごまかしたような絵です。
FLUX.1 Dev は、女性が20代に見えるほど若くなります。部屋の明かりをつけずに遊んでいるような暗さです。
FLUX.2 Dev は、指定どおり30代の女性に見えました。手やコントローラーに崩れがなく、猫も自然に描けています。
雨上がりの港町
雨上がりの夕暮れの港町を、観覧車・赤レンガ倉庫・濡れた路面の反射・高層ビルの灯り・傘をさして歩く人まで指定して描かせました。
Klein の2つは、赤レンガ倉庫を並べすぎて、町全体が赤レンガのようになっています。傘をさす人とささない人が半々の画像もありました。
FLUX.1 Dev は、観覧車の位置など、構図に不自然さが残ります。中央に水のない川のようなものがあり、道路と混ざったような絵でした。
FLUX.2 Dev は、構図に不自然なところがなく、使えそうな画像が何枚もあります。
fp8 と bf16 の差は小さい
fp8 は1つの数値を8ビットで持つ形式で、16ビットの bf16 に比べて本体の容量は約半分です。本機で使った VRAM の最大値は、fp8 の組み合わせが 68.31GB、bf16 の組み合わせが 79.34GB です。
それでも、3つのプロンプトとも画質の差は小さく見えました。これから始めるなら、容量の小さい fp8 で十分です。
メモリ：RTX 3090 は足りない分をメインメモリから借りて動く
VRAM は GPU が使う専用のメモリで、メインメモリは CPU や Windows が使うメモリです。本機は 128GB のメモリを、VRAM（96GB）と Windows 側（32GB）に分けて使っています。
生成中に使った VRAM の最大値を、モデルごとに並べました。
| モデル | DAIV CX-A9A60 | RTX 3090 搭載PC（VRAM 24GB） |
|---|---|---|
| FLUX 3 Image Klein（蒸留版） | 18.31GB | 19.05GB |
| FLUX 3 Image Klein（base） | 18.59GB | 19.13GB |
| FLUX.1 Dev | 38.25GB | 23.58GB |
| FLUX.2 Dev（fp8） | 68.31GB | 22.95GB |
| FLUX.2 Dev（bf16） | 79.34GB | 専用 22.5GB＋共有 25.8GB |
| Wan 2.2 14B（動画） | 37.12GB | 21.08GB |
※ RTX 3090 の FLUX.2 Dev（bf16）の行のみ、タスクマネージャーで見た共有 GPU メモリも併記しています。
FLUX.1 Dev から先は、モデルが RTX 3090 の 24GB に収まりません。それでも RTX 3090 の PC は、エラーを出さずに最後まで画像を作りました。
RTX 3090 の数値が 24GB を超えないのは、GPU 専用の VRAM だけを測った値だからです。
ComfyUI は、VRAM に入りきらない部分をメインメモリ側に置いて動かします。タスクマネージャーでは、この分が「共有 GPU メモリ」として表示されました。
FLUX.2 Dev の bf16 では、専用 GPU メモリ 22.5GB に加えて、共有 GPU メモリを 25.8GB 使っています。メインメモリのコミット済みは 73.9GB 中 71.9GB で、残りは 2GB ほどでした。
コミット済みの上限（73.9GB）は、メインメモリ 64GB に、Windows がストレージに作るページファイルの分を足した値です。
RTX 3090 の PC はメインメモリが 64GB あったので、この動かし方で最後まで完走できました。メインメモリが少ない PC では、同じモデルを同じように動かすのは難しいと考えられます。
RTX 3090 の PC では、FLUX.2 Dev の bf16 の組み合わせが 127.95秒で、fp8 の組み合わせ（92.50秒）より長くかかりました。2つはテキストエンコーダーの精度も逆なので、何が時間を延ばしたのかは切り分けられていません。
本機は、FLUX.2 Dev の bf16 の組み合わせで最大 79.34GB を使い、すべて VRAM の中で動かしました。
本体とテキストエンコーダーを両方とも bf16 にすると、合計は約100GB です。この組み合わせは、本機でも動きませんでした。
VRAM 96GB・Windows 側 32GB の設定で、ComfyUI の読み込み方を2通り試しています。どちらも、モデルを読み込む途中で止まりました。RTX 3090 の PC では、この組み合わせは試していません。
RTX 3090 でも、大きいモデルはメインメモリを借りて動きます。ただし、今回の 64GB の PC では、残りが 2GB ほどで余裕はありませんでした。
FLUX.2 Dev を、静かに一晩回し続けられる
72枚を約4.7時間、止まらずに作り続けた
本機で、FLUX.2 Dev の bf16 を使って 72枚を続けて作りました。夜7時35分に始め、終わったのは0時16分です。
1枚目はモデルの読み込みを含めて 249.9秒。2枚目からは、72枚目まで 232.07〜235.13秒の間に収まりました。
約4.7時間のあいだ、エラーで止まることはなく、1枚あたりの時間もほとんど変わっていません。プロンプトと seed をまとめて渡しておけば、PC の前にいなくても FLUX.2 Dev の画像が作られていきます。
RTX 3090 の PC では、同じ 72枚は試していません。FLUX.2 Dev の bf16 は、11枚を作ったところで止めています。
生成中も 41dBA 台
騒音計（wintact WT85）を本体の正面から10cm の位置に置き、FLUX.2 Dev の bf16 を生成している間と、止めたあとの音を測りました。
| アイドル時 | 生成中 | |
|---|---|---|
| DAIV CX-A9A60 | 31.9dBA | 41.4〜41.6dBA |
| RTX 3090 搭載PC | 38.6dBA | 53.5dBA |
本機は机の上で、正面の中央にまっすぐ向けて測っています。RTX 3090 の PC は床に置き、正面の左寄りから斜めに測ったので、数値は目安です。
生成中の差は約12dB で、アイドル時も約7dB の差がありました。
消費電力
消費電力は測っていないため、仕様に書かれた上限を表にしました。
| DAIV CX-A9A60 | RTX 3090 搭載PC | |
|---|---|---|
| 電源 | 250W の AC アダプター | 750W（NVIDIA が RTX 3090 に推奨する電源容量） |
| チップ・GPU | Ryzen AI Max+ 395：TDP 55W（設定により45〜120W） | RTX 3090 単体：350W |
上限は、実際に使う電力とは別の数字です。RTX 3090 の PC は1枚を約半分の時間で作るので、1枚あたりの電力量はこの表からは比べられません。
幅70mm の本体で回せる
本体の大きさは幅70×奥行198×高さ200mm（突起物を除く）、重さは約1.98kg です。脚などを含めた設置幅は 78.5mm。
FLUX.2 Dev の bf16 を VRAM に載せて回すために、大きなケースの PC を置く必要はありません。
どのモデルでも崩れた題材：ゴルフと動画
ゴルフは6場面とも、ほぼ使えなかった
ゴルフでは、右打ちの女性ゴルファーを、ティーショットからパターまでの6つの場面で描かせました。場面ごとに、使うクラブとピンまでの距離も指定しています。
全場面で、左手に白いグローブをはめ、グリップは左手が上・右手が下になるよう指定しました。
結果は、5つのモデルとも、ほぼ使えない画像でした。左右の手の上下が逆になり、グローブが下の手に付いた絵が出ます。
打つ場所やピンまでの距離感も、場面と合いません。ボールが2個になったり、影が途中で切れたりする画像もありました。
手の順番がたまたま合った画像もあり、アイアンとアプローチは数枚が使える出来です。それでも、6つの場面を通して使えるモデルはありませんでした。
動画は、映像が崩れて使えなかった
動画は、Wan 2.2 14B で、アーケードコントローラーを操作する両手の場面を2本作りました。生成を4ステップに縮める LoRA を使い、640×640・81フレーム（5秒）の設定です。
2本とも映像が崩れていて、記事に載せられる動画にはなりませんでした。LoRA を使わない20ステップの設定は、今回は試していません。
動画と、手の向きやクラブの持ち方のように決まりごとの多い絵は、いまのモデルに期待しすぎないほうが無難です。
LoRA の学習は、ComfyUI 標準の機能では動かなかった
ゴルフのように崩れる題材は、LoRA でモデルに覚えさせる方法があります。LoRA は、元のモデルに追加で学習した差分を、小さなファイルとして足して使う仕組みです。
そこで、ComfyUI に標準で入っている学習機能（Train LoRA ノード）で、FLUX.2 Dev の LoRA を作れるかを試しました。画像4枚・10ステップの、動くかどうかを見るための小さな学習です。
| 試した設定 | 結果 |
|---|---|
| 本体 bf16・画像 1024 | メモリ不足のエラー |
| 本体 fp8・画像 1024 | PC 全体が固まった（VRAM 64GB に下げた2回目は、約100GB で ComfyUI が落ちた） |
| 本体 fp8・画像 512 | PC 全体が固まった |
| 本体 fp8・画像 512・量子化した学習 | 約100GB で止めた |
| 本体 fp8・画像 512・メインメモリへの退避 | 約100GB で止めた |
どの設定も、メモリが足りなくなって先へ進めませんでした。使ったメモリを測れた3回は、どれも約100GB に達しています。
止まったのは、どれも10ステップの1歩目に入る前後です。
固まった2回は、電源ボタンの長押しで再起動しました。後半の2通りは、Windows の空きメモリが6GB を切ったら ComfyUI を止める仕組みを足して試しています。
VRAM の割り当てを 96GB から 64GB に下げても、止まるまでに使ったメモリの合計はほぼ同じでした。本機は VRAM と Windows 側で 128GB を分け合うので、割り当てを変えても合計の上限は 128GB のままです。
ComfyUI 以外の学習ツールと、RTX 3090 の PC での学習は試していません。ComfyUI 標準の機能では、128GB のメモリでも FLUX.2 Dev の LoRA は作れませんでした。
LoRA の学習で画質を上げられるかは、時間が取れたら改めて検証します。Stable Diffusion 系のような小さいモデルなら、本機でも学習して画質を上げられる可能性があると考えています。
Ryzen AI Max+ 395 が向く人・向かない人
ここまでの結果を、使い方ごとに整理しました。
| 使い方 | 合う PC |
|---|---|
| 1枚ずつ結果を見ながらプロンプトを詰める | RTX 3090 搭載PC（約2倍速い） |
| FLUX.2 Dev の bf16 で、時間をかけて大量に作る | DAIV CX-A9A60（モデルを VRAM に収めて、生成中 41dBA 台） |
| 動画を作る | 今回の設定では、どちらも使える映像にならなかった |
| LoRA を学習する | ComfyUI 標準の機能では本機も不可。RTX 3090 は未試験 |
速さを最優先するなら、RTX 3090 クラスの GPU を積んだ PC が合います。ただし、FLUX.2 Dev の bf16 まで使うなら、メインメモリにも余裕が要ります（今回の 64GB の PC では残り約2GB）。
本機が合うのは、大きいモデルを静かに長く回したい方。GPU を積んだ PC にメインメモリを足して、大きな電源を用意する手間もかかりません。
本機は、gpt-oss-120b のような大きな LLM も動かせるので、LLM と画像生成を1台でまかなえます。
一方で、本機の価格は 949,800円（税込）からです。画像生成だけが目的なら、同じチップを積んだ安い機種も含めて比べる価値があります。
まとめ
本記事では、DAIV CX-A9A60 で画像生成を試し、RTX 3090 搭載PC と比べた結果を紹介してきました。
DAIV CX-A9A60 は、128GB のメモリのうち最大 96GB を VRAM に回せる小型デスクトップです。今回の検証では、FLUX.2 Dev の bf16 の組み合わせを VRAM に収めたまま、72枚を約4.7時間、止まらずに作り続けました。
生成中の音は 41.4〜41.6dBA で、RTX 3090 の PC の 53.5dBA より約12dB 低い値です。
一方で、画像1枚にかかる時間は、どのモデルでも RTX 3090 の PC の1.8〜2.6倍でした。動画とゴルフの画像は崩れ、ComfyUI 標準の機能では LoRA も学習できていません。
本機をおすすめできるのは、次のような方です。
- FLUX.2 Dev のような大きいモデルを、すべて VRAM に収めて動かしたい方
- プロンプトをまとめて渡して画像を大量に作り、そのあいだの音を抑えたい方
- ローカル LLM と画像生成を、小さな1台でまかないたい方
- Linux を入れずに、Windows のまま ComfyUI を使いたい方
FLUX.2 Dev のような大きい生成モデルを、静かに回し続けられる小型デスクトップ。VRAM が足りずに大きいモデルをあきらめていた方は、ぜひ検討してみてください。
