mthr blog

あれやこれを書いたり

llama.cpp と ComfyUI の環境を ROCm 10 に更新した

LLM 生成AI

私は Radeon 環境で LLM 推論などを行なっています。おもに ROCm 7 を利用していました。

mthr.hatenablog.com

mthr.hatenablog.com

先日の 8/28 に最新バージョン ROCm 10 がリリースされました。

そして、気になるポストが投稿されました。その新しい 10 に切り替えたら、速度アップしたと。なら、やるしかない！

llama.cpp の推論速度

Windows + llama.cpp b10680 + ROCm 7.14.0 / 10.0 で、Ornith 1.5 35B を使って速度計測しました。b10680 だと速度低下したのが気になりますが、ROCm のアップデートで約 10 倍の速度アップ、しゅごい。

対象 ROCm 7.2.1 ROCm 10.0.0 倍率
tg 6.1 tok/s 64.0 tok/s 10.5倍

この Windows 向け ROCm 10 組み込み llama.cpp は、私が整備してる GitHub Actions 環境でビルドしました。ご興味あれば、ご利用ください。なお、ビルドオプションは私の環境向けに変更しています。

github.com

llama.cpp の公式でも ROCm 10 に変更する PR が挙がっています。それがマージされしだい、ROCm 10 への環境移行は問題ないと思います。

github.com

ComfyUI 動画生成

ComfyUI の動画生成時間を計測しました。生成設定は 864x480、20steps で同じプロンプトを与えました。ROCm 7.2.1 と ROCm 10.0.0 の比較結果を次にまとめました。

動画時間 フレーム数 ROCm 7.2.1 ROCm 10.0.0 短縮率
約5秒 124 322秒 (5分22秒) 280秒 (4分40秒) 13%
約15秒 362 1860秒 (31分) 1250秒 (20分50秒) 33%

ROCm 10 にしただけで、この速度アップ。すごい。

まとめ

ここまでパフォーマンスが上がるとは、ROCm 10 の効果はすごいです。どうしても CUDA が必須という環境を除けば、Radeon は環境が改善されているので、Rad良い選択になりそうですね。

なお、ROCm の 7 から 10 への変更ですが、私の環境ではビルド時のバージョン指定とダウンロード URL の変更が主な変更です。一点、ComfyUI でモデルロード時に --disable-dynamic-vram が必要になりました。これらの変更は、PR で残しているので興味ある方は参照してください。

github.com

Windows + Radeon GPU 環境で Claude Code と ComfyUI + MiniMax H3 を利用して動画を生成する

LLM 生成AI

先日、動画生成できるオープンウェイトモデル MiniMax H3 が公開されました。一般的な家庭向けのスペックでも動くと SNS でもバスったので、知ってる方も多いはず。

huggingface.co

ローカルで動画を作るには、ComfyUI と組み合わせればいいらしいということで、私も話題に乗って試しました。

comfy.org

結論から言うと、GeForce GPU ではあっさり動いたが、Radeon GPU ではComfyUIの起動からしてつまずいた。その試行錯誤をまとめました。まあ、主に施行してくれたのは、Claude Code なんですが。

GeForce 環境では簡単に動画生成

まず GeForce を積んだ検証機で試しました。ComfyUIの公式サイトからデスクトップ版をダウンロードして、インストーラーを進める。数分後には ComfyUI の環境が完成しました。

すでに MiniMax H3 に対応したテンプレートがあり、そのワークフローを選択します。そして、モデルをダウンロードして、Run ボタンを押したら動画が生成されました。簡単でした。

Radeon だと ComfyUI をインストールに手こずる

同じ手順を Radeon GPU の検証機でも試しました。しかし、ComfyUI がうまく起動しない。なんで GeForce だと動いて、Radeon だとコケるのか。Claude に聞いてみると、次が理由らしい。

GeForce の場合

  1. 公式インストーラーを実行する
  2. 同梱の PyTorch が最初から CUDA 向けにビルドされている
  3. torch.cuda.is_available() が素で True になる
  4. → そのまま動画生成できる

Radeon の場合

  1. 同じ公式インストーラーを実行する
  2. 同梱の PyTorch は CUDA 向けで、AMD の GPU はサポートしていない
  3. 終了

ComfyUI 自体が AMD 非対応というわけではなく、公式インストーラーがサポートしてるのは CUDA (NVIDIA) 向けのようです。AMD で動かすには ROCm 対応の PyTorch を自分で入れる必要があるようです。

github.com

そこで、AI が教えてくれた ROCm と相性がいいという Python 3.12 をインストールする。そして、インストーラーではなく、GitHub Releases で公開されているアセットをダウンロードして、環境を構築していきました。なんとか起動まではこぎ着けましたが、Geforce で見た画面と若干異なっており何をすればいんだと、その日は諦めました。

というわけで Claude Code に丸投げした

Claude Code に「このパソコンはRadeon gpuです。このパソコンでcomfyui + minimax h3で動画生成できるようにできる？」って伝えて、あとは調査からインストール、実際に動画が生成できるかの確認まで一通りやってもらうことにしました。

ROCm 版 PyTorch を GPU の型番に合わせて選ぶ

検証機の GPU は AMD Radeon AI PRO R9700 (32GB) を２つ搭載しています。まずこの型番のアーキテクチャコード gfx1201 を特定してもらって、AMD の配布サーバーから対応する ROCm SDK と PyTorch のビルドをインストールしました。

# venv作成 → ROCm SDK → ComfyUI本体 → 依存関係、のあとに
# ROCm版PyTorchを最後に入れ直す(この順番が重要)
python -m pip install --no-cache-dir `
    https://repo.radeon.com/rocm/windows/rocm-rel-7.2.1/torch-2.9.1%2Brocm7.2.1-cp312-cp312-win_amd64.whl `
    https://repo.radeon.com/rocm/windows/rocm-rel-7.2.1/torchaudio-2.9.1%2Brocm7.2.1-cp312-cp312-win_amd64.whl `
    https://repo.radeon.com/rocm/windows/rocm-rel-7.2.1/torchvision-0.24.1%2Brocm7.2.1-cp312-cp312-win_amd64.whl

この順番は、ComfyUI 本体の依存関係インストールの途中で、汎用版 ( CUDA/CPU 向け) の PyTorch が一緒に入ってきてしまうので、ROCm版を最後に上書きするようにしています。起動ログに GPU が表示されたので、成功です。

AMD arch: gfx1201
Device: cuda:0 AMD Radeon AI PRO R9700 : native
Device: cuda:1 AMD Radeon AI PRO R9700 : native

モデルの量子化形式選びにハマる

Radeon GPU が認識されても、モデルが読み込めないとダメです。ここで見事に二回ハマった。

その1：コミュニティ製のGGUF

有志が変換してくれた GGUF 量子化版を使おうとしたら、読み込み時に次のようなエラーが起こりました。

ValueError: This gguf file is incompatible with llama.cpp!
Consider using safetensors or a compatible gguf file

MiniMax H3のモデル構造が新しすぎて、GGUF を読み込む側 (ComfyUI-GGUF 拡張) がまだこのアーキテクチャを認識できてなかった。というわけで、GGUF 版はあきらめました。

その2：公式デフォルトのテキストエンコーダー

公式ワークフローが標準で指定してるテキストエンコーダーは NVFP4 っていう量子化形式です。これは NVIDIA の Tensor Core 専用フォーマットで、Radeon の ROCm 側に対応していませんでした。

最終的に落ち着いたのは、公式が配布してるもう一つの量子化版 int8_convrot です。UNet もテキストエンコーダーもこの形式に揃えたら、あっさり動きました。GeForce なら何も考えずに済む組み合わせを、Radeon　では自分で選び直す必要がありました。

動画生成

MiniMax H3 は公式スキルを公開しているので、このスキルの存在を Claude Code に伝えました。これにより、Claude に「xxxの動画を作って」と雑に指示しても、内部で MiniMax 向けの良い感じのプロンプトを生成してくれるようになりました。

github.com

動画作成の指示を与えると、バックエンドで ComfyUI が立ち上がり、面倒な処理は不要で動画が作成されます。ComfyUI のワークフローを直接触ったほうが、より精度や表現力が高い動画は作れるかもしれませんが、私のようなライトユーザーには十分です。

動くには動いたけど、たまにサーバーが落ちる

解像度を上げて長めの生成を試してるうちに、ComfyUI のサーバーが生成の途中で落ちることが何回かありました。RAM や VRAM 不足なのか、原因はまだ特定できてないです。Windows の ROCm がまだ発展途上なので、何かあるかも。

対策として、サーバーの生死を監視して、落ちてたら自動で再起動して同じジョブを再投入する小さい Python スクリプトを書いて、Claude Codeのスキルとして組み込みました。これのおかげで、以降は「動画作って」と頼むだけで、この問題を意識しなくなりました。

作業ディレクトリを GitHub に公開した

ここまでの試行錯誤や作業ディレクトリをそのままリポジトリとして GitHub で公開しました。なお、ComfyUI 本体やモデルの重みファイルは合わせて 100GB 近くになるのと、公式配布から再取得できるので、.gitignore で除いています。それらの取得や初期設定などのスクリプトを用意しました。

ファイル/ディレクトリ 役割
README.md / SETUP.md 環境の要件・つまずきポイント・再現手順
scripts/setup.ps1 venv〜ROCm〜ComfyUI〜モデルまで一括構築
scripts/download_models.ps1 モデルだけ再ダウンロード(中断からの再開対応)
.claude/skills/minimax-h3-video Claude Codeで動画生成を自動化するスキル

別の Radeon (RX 9060 XT 16GB) でも同じ手順を試したら、問題なく動きました。なお、同じプロンプトや条件 (1344×768・約5秒・20ステップ) でも、生成にかかる時間は、R9700 が約5分なのに対して、RX 9060 XT は約15分と、3倍ぐらいの違いがありました。VRAM が少ない分、ComfyUI がモデルの一部をシステム RAM との間でオフロードしながら動いてるからだと推測します。ともあれ、Radeon 環境でも簡単に動画生成することができました。

まとめ

GeForceなら意識する必要すらなかった手順が、Radeon では１つずつ調べて選び直す作業になりました。しかし、面倒なことは Claude に任せたら、無事に動画生成ができるようになりました。ちょっと遊んでますが、簡単に動画が作成できるので、いいですね。本格的に作品となるような動画生成をしくなったら、Claude Code ではなく無検閲なエージェントに頼むのも手かもしれませんね。

今回の作業は GitHub にて公開しています。同じ Windows + Radeon 環境で動画生成に興味ある方がいれば、ご参照してください。

github.com

Windows + マルチ Radeon GPU 向けに llama.cpp をビルドする

LLM

私のメインとなる LLM 検証機は、Windows で複数の Radeon GPU を搭載しています。その RAM と VRAM はカジュアル用途には十分な量があるので満足していますが、１つ問題がありました。

qiita.com

私は日常的に Ollama を採用して、LLM 推論を行なっています。個人的には、リッチな UI を持つ LM Studio なども併用したいところですが、この検証機では Ollama だけを利用しています。なぜかというと、この検証機では必ずクラッシュするからです。LM Studio などは他の検証機でも利用していますが、複数の Radeon GPU がある環境では推論が失敗しました。

推論過程で文字化けして止まる

この例は Ollama ではないです。他の推論アプリで、このように文字化けして、推論が正しく動きません。文字化けならまだマシな方で、モデルを VRAM にマウントする途中で PC がクラッシュすることもあります。マウントしたグラボが動作無効の扱いになり、デバイスマネージャーから再有効する日々でした。

ちなみに、RTX 5060 Ti 16GB を２つ積んだ別の検証機だと、LM Studio で問題なくマルチ GPU は動作しました。マルチ Radeon GPU が問題のようです。

mthr.hatenablog.com

そんなわけで、私が検証した限りでは正常に動作した Ollama を利用しています。Ollama がある限り、LLM 推論に問題はありません。しかしながら、Ollama しか利用できないのは、不安です。ツール依存はいつ問題が起こるか分かりません。

そこで、いろいろ調査していました。そのとき、ビルドオプションや ROCm の設定周りが影響してるのではと、アドバイスをいただきました。それを起点に調査と実装したところ、問題は解決しました（主に行なったのは Codex ですが）。

そんなわけで、Windows + マルチ Radeon GPU 向けの llama.cpp をビルドするリポジトリを公開しました。同環境で悩む人がいれば、これで対応できます（できるはずです）。

github.com

ビルドの方針

主な方針は次の２点です。

  1. GPU 間の peer copy を使わない
  2. ROCm ランタイムを配布 ZIP に同梱する

GPU 間の peer copy を使わない

本プロジェクトでは CUDA 版と ROCm 版の両方を、次の設定でビルドしています。名前には CUDA とありますが、現在の llama.cpp では ROCm バックエンドにも適用されます。

GGML_CUDA_NO_PEER_COPY=ON

複数 GPU 間の直接コピーは高速です。一方で、私のように Windows で Radeon を複数組み合わせた環境や、PCIeの接続構成が異なる環境では、不安定要因になる可能性があります。

今回のビルドでは最高速度よりも、さまざまなマルチ GPU 構成での安定性を優先して peer copy を無効にしました。この設定は複数 GPU そのものを無効にするものではありません。異なる GPU 間で peer copy による直接転送を使わないという指定です。

Ollama は、Windows + ROCm 環境において、この機能を無効にしています。世間的に Ollama の推論は遅いと言われますが、これの安全に振った設定の副反応かもしれません、知らんけど。

if(GGML_HIP AND OLLAMA_RUNNER_DIR MATCHES "^rocm_v")
    ollama_set_cache_default(CMAKE_HIP_FLAGS STRING
        "-parallel-jobs=4" "HIP compiler flags")
    if(WIN32)
        # Windows ROCm split-load needs peer copies disabled for correctness.
        ollama_set_cache_default(GGML_CUDA_NO_PEER_COPY BOOL ON

github.com

ROCm ランタイムを配布 ZIP に同梱する

llama.cpp は、その GitHub リポジトリにて Windows + ROCm 向けのビルド済みファイルも配布しています。

github.com

その ROCm 版には ROCm は同梱されておらず、各自のローカル環境に ROCm の導入が案内されています。ここで、ROCm 版をダウンロードしたが CPU 推論されたという記事を見ましたが、それは ROCm がその実行マシンに インストールされていない可能性がありますね。

github.com

この導入手順に従って ROCm を導入すると、Ollama など既存ツールがうまく動作しなくなりました。おそらく、導入過程で設定した環境変数などが、既存ツールの ROCm に干渉したのではと推測します。他に推論ツールを入れてなければ問題ないですが、いくつかのツールを利用するので、これはまずいです。

ここで Ollama は ROCm をインストールしてない環境でも、ROCm を利用しているのを思い出しました。そう ROCm を同梱してるのです。また、ROCm をインストールする方式では、ビルド時と実行時の ROCm のバージョンが異なる場合が多々あります。

そこで Ollama に近い考え方で、ROCm 版 ZIP に次のものをまとめました。

  • llama.cpp の実行ファイル
  • ROCm/HIP の実行時 DLL
  • 間接的に必要になる DLL
  • GPU ターゲット別カーネル
  • 起動用 PowerShell スクリプト

別途、グラフィックドライバーの AMD Software: Adrenalin Edition アプリケーションのインストールが必要です。

www.amd.com

この梱包アプローチにより、ROCm の個別インストールと（面倒くさい）環境変数の設定は不要になりました。導入が簡単になりました。

対応バックエンド

このリポジトリでは、Windows x64 向けに次のバックエンドに対応します。ただ、世間一般的に CUDA 前提で作られているので、ここでビルドする必要性はないです。Codex が作成してくれたので、残しています。

  • NVIDIA CUDA
  • AMD ROCm
  • Vulkan

ROCm 版は gfx1200 や gfx1201 など、GPU ターゲットを選んでビルドします。

ビルド環境

このリポジトリは、原則的に GitHub Actions Runner の Windows 仮想環境を用いて、ビルドします。llama.cpp のアップデート頻度が多い、ROCm などの各種バージョンをダウンロードしてたら、ローカル環境が汚染されてしまうからです。あと、雑に利用する検証機なので、Windows 自体を壊す可能性もあり、再インストールもありえます。そのため、ビルド環境は別に用意したかった

GitHub Actions のワークフローから、バックエンドの種類と llama.cpp のバージョンを選択すると、ビルドされた Zip ファイルが生成されます。そのファイルは GitHub Release に添付してるので、誰でもご利用できます。

実行例

ビルドされた llama.cpp を実行して、Windows + マルチ Radeon GPU の環境で LLM 推論ができるのか確認しました。

Unsloth Desktop で動作実行する

今年8月、Unsloth からデスクトップ向けのアプリ Unsloth Desktop がリリースされました。

LM Studio は Bionic として、エージェント向けにシフトしたので、今は Unsloth Desktop を利用しています。LM Studio は従来アプリも更新されているので、Bionic と従来アプリの関係性がよく分からない。

lmstudio.ai

さておき、Unsloth Desktop の直近のリリース v0.1.801-beta で、カスタム llama.cpp が指定できるようになりました。まさに私が抱えてる問題を解決するためのアップデートです。

Unsloth Desktop でカスタム llama.cpp を指定する

私がビルドした llama.cpp のディレクトリを指定して、LLM 推論を行いました。結果は無事に推論することができました。

マルチ Radeon GPU 環境で LLM 推論が成功する

これで、マルチ Radeon GPU でも自由に LLM 推論ができます！まあ、ほぼほぼ現行 Ollama が提供しているランタイムの真似やクローンでもあるんですが、自身で管理できるというメリットが大きいです。

注意点

  • ROCm ランタイムを同梱するため ZIP は大きくなります
  • AMDドライバーは別途必要です
  • Radeon GPU に対応する gfx ターゲットを選ぶ必要があります
  • peer copy 無効化は高速化ではなく、安定性を優先する設定です
  • すべての GPU 環境での動作を保証するものではありません

まとめ

私の Windows + マルチ Radeon GPU の環境では、Ollama で LLM 推論ができましたが、他の推論アプリではうまく動作しないケースが多々ありました。そこで、llama.cpp を GPU 間の peer copy を無効してビルドし、ROCm ランタイムを同梱する配布する方法を採用して、自身でビルドできる環境を構築しました。

その自身でビルドした llama.cpp のおかげで、不安定だった Windows + マルチ Radeon GPU の環境での LLM 推論は安定しました。わいのマルチ Radeon GPU 構成のローカル LLM が、さらに本気を出して動くぞい。

詳しいビルド処理、対応ターゲット、GitHub Actions、実行方法はリポジトリにまとめているので、興味ある方は参照してください。

github.com

グラボを OCuLink で追加してみた

自作PC

正式に正規代理店からグラボの値上げが発表されました。ちょうど良いか、悪いタイミングというべきか、MiniMax H3 が発表されました。

さっそく、私の LLM 検証機に ComfyUI + MiniMax H3 の環境を構築してみることにしました。

qiita.com

Radeon 環境で ComfyUI を構築したい（しようとした）

普段使っている LLM 検証機は、Radeon のグラボを搭載しています。これまで Ollama や LM Studio で Radeon を使っていろいろ検証してきたので、今回もそのまま使えるだろうと思っていました。

しかし、ComfyUI の環境構築がなかなかうまくいきません。Python 3.12 をインストールしたり、公式サイトで配布されているインストーラーではなく GitHub からソースコードを取得して環境を構築したりと、いろいろ試しました。

なんとか ComfyUI 自体は起動できるところまで進んだものの、肝心の動画生成でエラーになりました。ここでいったん Radeon 環境での挑戦は諦めることにしました。

GeForce ならあっさり動いた

そこで Geforce で構築した他の検証機で試しました。

パーツ 構成
CPU AMD Ryzen 7 7700 8-Core Processor（3.80 GHz）
RAM 32 GB
GPU NVIDIA GeForce RTX 5060 Ti 16 GB

こちらでは、公式サイトから ComfyUI のアプリをインストールして、画面をポチポチと進めていくだけで、動画生成ができました。Radeon 環境であれだけ苦労したのに...。

「これからは動画生成の時代だ！」

「グラボも値上げするから、今のうちに追いグラボだ！」

というのは半分冗談ですが、適当に中古パーツを眺めていたところ、RTX 5060 Ti 16 GB の中古品が手頃な価格で出ているのを発見しました。気がついたらポチっていました。

しかし、グラボを挿す場所がない

この検証機は microATX でコンパクトに組んでいるため、RTX 5060 Ti をもう１枚取り付ける余裕はありません。

マザーボードには PCIe 4.0 x4 の１スロットの空きがありました。そこで、以前から興味があった OCuLink を使って、2枚目の GPU を外付けすることにしました。

外付け GPU 用のドックとして Minisforum DEG1 を選択しました。有名どころであり、ちょうどアマゾンのタイムセールでした。

Minisforum DEG1 OcuLink外付けGPU ドッキング ステーションwww.minisforum.jp

検証機には OCuLink 端子がありません。そこで PCIe の拡張ボードを購入しました。これは検索して上にあったからという理由です。

www.amazon.co.jp

そういうことで、グラボをドックに組みました。

RTX 5060 Ti 16GB on Minisforum DEG1

いざ PC に接続すると、映像が出なかったり、グラボが認識されなかったりと不安定になりました。中古グラボということで、初期不良も考えましたが他の PC で映像出力できたので、問題は OcuLink の接続周りです。

BIOS で PCIe を Gen 3 に固定

OCuLink の拡張ボードを接続している PCIe 4.0 x4 スロットのリンク速度を BIOS から Gen 3 に固定しました。初期値の AUTO のままだと GPU の認識が不安定でしたが、Gen 3 に落とすことで安定して認識するようになりました。

ライザーカードなどでもよくある PCIe の世代の問題ですね。帯域は落ちますが、今回の用途は特別問題はなさそうでした。モデルを VRAM にマウントした後の処理が大切なので、まずは安定性を優先することにしました。

MINISFORUM DEG1 の設定変更

DEG1 側も設定を変更しました。

  • DEBUG：B
  • TGX：OFF

ドキュメント見当たらずで AI に聞いたところ、DEBUG の初期値 A は MINISFORUM 製品向けらしく、汎用向けとして B にしました。また、TGX は Lenovo 向けの設定らしい。詳しいのは知らないです。

Minisforum DEG1 の裏蓋を開ける設定スイッチ

これらの設定により外部接続したグラボが認識されました。検証機は RTX 5060 Ti ２枚を利用できるようになりました。

OcuLink 接続したグラボを認識した

RTX 5060 Ti 16 GB ×2 で検証

16 GB の GPU が２枚使えるようになったので、マルチ GPU の検証をしてみました。約 20 GB のモデルを使用しました。RTX 5060 Ti 16 GB １枚では VRAM に収まりきらないサイズです。

１枚だけで動かしていたときは遅いと感じていましたが、２枚構成にするとかなり快適になりました。単純に VRAM が 32 GB になったことで、扱えるモデルの幅が大きく広がります。

LLM 推論

LM Studio のマルチ GPU 制御

検証は LM Studio でしました。これまで Radeon ２枚構成でも同じような検証をしていたのですが、私の環境ではかなり不安定でした。不安定ならまだマシで、正直なところ利用するには厳しい状態でした。マルチ GPU は Ollama で動かしてました。

今回の LM Studio + GeForce 2枚構成 は、問題なく動いています。マルチ GPU で遊ぶなら GeForce のほうが圧倒的に楽ですね...。

まとめ

これまでは Radeon を中心にローカル LLM 環境を構築して遊んできました。Radeon は VRAM 容量に対して価格が魅力的な製品も多く、Ollama や LM Studio で LLM を遊んでいます。一方で、ComfyUI やマルチ GPU まで手を広げると、やはり NVIDIA / CUDA を前提にした情報やツールの多さを実感します。

今回、OCuLink を使って RTX 5060 Ti 16 GB ×2、合計 32 GB の VRAM 環境を手に入れることができました。これでローカル LLM だけでなく、CUDA 利用を想定された画像・動画生成など、いろいろ試せる範囲が広がりそうです。

しかし、たまたま滑り込みでお手軽価格のグラボを見つけたとはいえ、これからグラボは値上げなので、辛いっすね。

Intel N100 を搭載したマザーボード ASRock N100M を購入したよ

自作PC

Intel N100 という CPU をご存知ですか？Intel は第 12 世代の CPU から、電力効率を重視した Eコア、性能を重視した P コアと特性が異なる二種類のコアを組み合わせています。その E コアだけの CPU が N100 です。

低電力のため低性能ですが、数世代前の CPU に相当する性能と言われ、低電力を目的としてパソコンでは注目されます。しかしながら、そのコアだけの単体販売は、私が知る限りないです。国内は主に、いわゆる中華メーカー、マニア向けパソコンを販売する一部の会社から、ノートパソコンやミニパソコンとして販売しています。

他の販売形態としては、Intel N100をオンボード搭載したマザーボードが一部会社から販売されています。これなら自由にパーツを組み合わせて、目的に応じて設計できる。ただし、国内で販売されているそれらは Mini-ITX であり、PCIe の拡張性に乏しいです。この N100 を使って重い処理をするわけではないですが、グラボなどを挿したくなったときに困ります。また、AC アダプターからの給電のため、一般的な PC ケースで組みずらいです。

akiba-pc.watch.impress.co.jp

一方で Micro-ATX 版もありますが、なぜか国内販売はされていません。なんで？と思いつつ、アマゾンを見ていると、Amazon US からの発送で、Micro-ATX 版の N100 を搭載したマザーボードが販売されていました。買うしかねえ。なお、猛者たちはずっと前からアリエクから買っていたようでした。

www.amazon.co.jp

ASRock N100M

US からの発送なので、ポチってから二週間ぐらいで届きました。Micro-ATX ですが、他の Micro-ATX と比べると若干小さかったです。

ASRock N100M

さて、組んでみる。ケースは「MAQUYマイクロATX PCケース」です。アマゾンで安く売っており、小さい。あと、HDD を搭載して家庭内サーバーや NAS に運用したときの最低限の拡張性があるので採用しました。

www.amazon.co.jp

なお、このパソコンを組み始めたあたりで、Antec から安価なケース「ST20M」が発売されました。ニュースサイトの記事を見る限り、今回採用したケースと同じ製造元かな？と。もっと早く出てくれば、試したのになあ。

akiba-pc.watch.impress.co.jp

ということで、どん。このマザーボードの画像をよく見ると分かるんですが、マザーボード向けの電源のみで、CPU 電源は不要です。省電力ですね。そのため N100 の発熱をヒートシンクで逃すように設計されています。この状態で、アイドル時が 50 度ぐらい、負荷時に 70 度ぐらいでした。

気になる温度だと思い、ケースファンを置きました。CPU 向けのファン端子が未実装なので、ケースファンの端子を利用しました。すると、アイドル時が 30 度ぐらい、負荷時が 50 ~ 60 度ぐらいに下がりました。そのため、ファンをヒートシンクに載せる運用にしました。

調べるとヒートシンクの上にファンを固定する 3D プリンターのデータがあったので、DMM.make で依頼して作成しました。

www.thingiverse.com

ベンチマーク

先に書きましたが、N100 は数世代前の CPU 並の性能と言われています。私が聞いたのは、第8世代の i5 相当らしい。幸いなことに、私の手元に第8世代の Core i7-8700T があったので、比較します。簡単な比較表は次の通りです（Gemini 製）。

項目 Core i7-8700T Intel N100
リリース時期 2018年 第2四半期 2023年 第1四半期
アーキテクチャ Coffee Lake (第8世代) Alder Lake-N (省電力)
プロセスルール 14 nm Intel 7 (10 nm)
コア / スレッド数 6コア / 12スレッド 4コア / 4スレッド (Eコアのみ)
基本クロック周波数 2.40 GHz 0.80 GHz
最大ブースト周波数 4.00 GHz 3.40 GHz
L3 キャッシュ 12 MB 6 MB
内蔵グラフィックス Intel UHD Graphics 630 Intel UHD Graphics
GPU 実行ユニット(EU) 24 EU 24 EU
TDP (熱設計電力) 35 W 6 W
対応メモリ DDR4-2666 (最大2チャンネル) DDR5-4800 / DDR4-3200 (1チャンネル)
主な特徴 多コア・多スレッドによる並列処理、旧世代デスクトップのパワー 圧倒的な省電力性、最新コーデック（AV1）対応、新しい設計

Microsoft Store にある Cinebench 2026 で計測しました。メモリは共に 16GB です。ただし、i7-8700T は 8GBx2、N100 は 16GBx1 です。

項目 Core i7-8700T Intel N100
シングル 336 233
マルチ 1342 527

マルチは 12 スレッドある i7-8700T の完勝です。シングルも i7-8700T の勝ちですが、クロック周波数や TDP を比較をすると良い勝負ではないでしょうか。噂通り、第8世代に相当する、は妥当そうです。

なお、ベンチマークの計測中は i7-8700T はファンが全開で回って五月蝿かったです。一方で N100 は気になる騒音はありませんでした。

まとめ

N100、すごいぞ。HDD を組んで NAS 運用に利用しようかな。

技術書典20に参加しています

技術書典 日記

2026/4/11 から 4/26 まで開催されている技術書典20 に参加しています。今回は三足の草鞋です。

techbookfest.org

ゆめみより '26

ご存知の方もいらっしゃると思いますが、株式会社ゆめみは昨年の 2025 年 12 月に買収されたため消滅しました。ゆめみは我々の執筆サークルの運営母体でもあるため、当サークルも影響を受けました。前回の技術書典19の時点では、今後の動きが本当に分からず、シーズン１エンドとして、幕を閉じました。ちょうど技術書典19の最終日が、最後の日でした。

シーズンエンドと言ってたのに、こんなに早い復活になったので、ウソ？やらせ？演出？と思うかもしれません。私もこんなに早く戻れるとは思っていませんでした。

今回の技術書典20に参加できるかは分からず、名前を捨てて規模を小さくして野良サークルとして参加しようと考えていました。一方で活動を継続できないかと社内でも模索しました。と言っても、私は「どうなんですかね？」とメンションするだけで、実際に動いてたの ギュンギュン です。皆さんが見かける姿は破天荒が服を着て歩いてる姿ですが、本来は真面目な方ですよ（営業妨害）。さらに、社内での理解もあり継続出来ることになりました。

もし野良サークルになっても参加したいと、いろいろ準備をしていたのもあり、過去最高のページ数となりました。ページ数と部数から印刷代の金額をみたときは Neo が買えると頭を抱えたくなりましたが、実際に印刷された本を見ると、やっぱり作って良かったとなりましたね。

techbookfest.org

新シーズンの開始として、「ゆめみ大技林」から「ゆめみより」と名前を変えてました。ググラビリティが低い名前だとお思いでしょうでしょう。それが狙いです。他の由来もありますが、裏表紙にちょっと書かれています。ぜひ表紙も見てください。

4/12 のオフラインイベントでは、たくさん刷って参加しましたが、無事にすべてを頒布できました。ブースではゆめみを心配された方も来られ、本当にありがとうございました。これからもゆめみは技術を楽しく発信していきます。新しくなったけど、これまで通りで変わらないゆめみをよろしくお願いします。

イベント中、同僚のポストがバズってました。私がミームっぽく書いたホワイトボードを特に意図なくポストしたそうです。このホワイトボードの写真を撮られる方も多かったです。なお、開催前に某マーベル風に書いた私のネタポストは無風でした。(´・ω・｀)

余暇時間

次は個人サークルの話。今回は最近遊んでいるボードコンピューター AMD-BC-250 の内容をまとめました。落ちこぼれ PS5 とも呼ばれる AMD-BC-250 をゲーミング PC にできないかなと、私なりに情報を収集して、試行錯誤した結果です。

しかしながら、思った以上に成果が出来なかった。これを改造されている YouTube やブログ記事はすでにありますが、それらのｎ番煎じは抜けられなかったです。

これで遊んでいる人は私含めてそこそこのゲーミング PC を持ってるんだよなと、オタクの禁忌を思うようになってしまった。改造や加工スキルが向上したり、3D プリンタなどのツールを揃えて再挑戦したいです。

このままお蔵入りを考えましたが、今度やる人が同じ轍を踏まないようにと、私が調べたこと、やったことをまとめてました。材料費を回収するか悩みましたが、特別な内容も新規性もないので0円です。

techbookfest.org

なお、最近はこの記事など使用した PC パーツを使って、PC を組む遊びをしています。このパーツ価格が高騰してるのに！？

UBE TEC COMMUITY

私が最近参加した地方の技術コミュニティ本です。このコミュニティは出来たばかりで、地元でも知名度も少ないので、ならば外に出ようと、私が無茶ブリで企画したものです。

techbookfest.org

田舎でもこういことしてるぞと、主に地元学生さんに知ってもらって、今後参加されるとうれしいですね。

まとめ

技術書典はやっぱり楽しい。知らないジャンルのいい意味でのヤバい人達が集まる空気感は他じゃ味合えない！！。買った本は発送したので、届くのは明後日かな？楽しみです。

技術書典20が終わるとどうなる？

知らんのか　技術書典21が始まる（知らんけど）

と、言うことで次回の執筆ネタを溜めます。

ありがとう技術書典 ありがとう弊社

この記事は帰りの空港ロビー、そして飛行機の中で下書きしています。フライハイで文章が不安定かもしれませんが、お読みいただきありがとうございました。

おわり

元メーカー製 PC の生まれ直しの生まれ直し

日記 自作PC

ここ数ヶ月をかけて、元メーカー製スリム PC の再構築を行ってきました。無事に完結したと思いきや、気になるところがあり、二回目の生まれ直し（組み直し）を行いました。今度は、その完結編になるはずの記事です。

mthr.hatenablog.com

mthr.hatenablog.com

抱える問題点

この PC で気に入ってるところは、安くてシンプルでコンパクトなケースです。しかしながら、メリットはデメリットの裏返しでもあります。

item.rakuten.co.jp

ケースがコンパクトゆえに拡張性はありません。この PC は元々あった ZOTAC Geforce GTX 1650 のロープロ版を積んでいましたが、ふと気がついたら MSI Geforce RTX 3050 を入手してしました。あるのがいけないと、颯爽と交換しましたが、ケース幅が足りず。

また、エアーフローが微妙です。側面一部と背面に空気穴がありますが、全体的には窒息感がありました。

出会い

話は変わって、このケースを気に入ったので、他にシリーズがないか調べました。このケースは、おそらくかなり前のモデルです。Acer eMachines と懐かしいロゴが刻印してるため、新型かマイナーチェンジがあるだろうと調べました。そして、見つけたのが SOEYI U300 です。なお、私が当初購入したケース Acer U200 は、現在は SOEYI V200 となっていました。

Amazon.co.jp: PCケース SOEYI U300 M-ATXケース : パソコン・周辺機器

このケースは、Acer U200 をまさに横置きにしたケースであり、フロントに Type-C 端子が搭載されています。買うしかないね、ということで購入しました。

購入した後に気づきましたが、このケースフロントの Type-C はまさかの USB 2.0 でした。そこで、フロントパネル向けの USB 3.1 Gen2 Type-C to Type-E 変換アダプターを購入しました。フロントパネルに装着できるのか？と不安でしたが、純正品か？というぐらいぴったりでした。

www.amazon.co.jp

最終系になるはずの再々構築

ということで、SOEYI U300 にケースを変更しました。さらに、ここ一ヶ月で入手したパーツなどを換装しました。

今度こそ完成系

主なパーツ構成は次のようになりました。オリジナル要素はまだギリギリ残っています。まだ完全新規ではなく、メーカー製 PC の改造です。

部品 オリジナル 再構築 再々構築（最終系）
ケース EPSON Endeavor MR5000 Acer U200 SOEYI U300
マザーボード 詳細不明 ASRock B760M Pro RS/D4 WiFi (B760 1700 MicroATX) ドスパラ限定モデル →
CPU Intel Core i7-12700 → →
CPU クーラー 詳細不明 ID-COOLING FROZN-A400-BLACK →
グラボ ZOTAC GAMING GeForce GTX 1650 Low Profile 4GB → ZOTAC GAMING GeForce RTX 3050 6GB GDDR6 Solo
SSD SATA 500 GB M.2 NVMe SSD 500 GB + 1TB →
メモリ DDR4 16GB DDR4 32GB DDR4 48GB
電源 詳細不明 玄人志向 ATX 電源 650W →
ワイヤレス なし Intel Wi-Fi 7 BE200NGW →
Windows 付属ライセンス → →

グラボは MSI Geforce RTX 3050 8GB を載せる予定でした。ケース幅に収まりましたが、補助電源に挿すケーブルがケースに干渉するため断念しました。柔らかいケーブルや、L字の変換コネクターを噛ませば収まりそうですが、面倒だったので断念。そのあと、気晴らしに寄ったハードオフにシングルファンモデルの 3050 がありました。PC パーツの取り扱いが少ない田舎店では珍しいです。さらに相場より安かった。勢いで購入して、その勢いで装着しました。

また少しは修正するかもですが、これがこの PC の最終系になるでしょう。元々中古で安く買った PC ですが、その後のパーツで良い値段になったかな。ただ、現役並みのライトなゲーム用スペックになったので、満足です。

さて、前回ケースの Acer U200 が横になったケース SOEYI U300 ですが、ATX 電源とフロントパネルのマザーボードへの干渉が少なくなり、組み易くなりました。さらに横長になった分、グラボの選択肢が増える（空きスペースに余裕がある）のがいいですね。Acer U200 もよいですが、コンパクトな PC を組むなら SOEYI U300 もおすすめです。

まとめ

余ったグラボとPC ケースはどうしよう。裏では、メイン PC とサブ PC の再構成や、ミニ PC の改造をやってるので、気が向いたら書きます。