RTX PCのRAMを増設するか、2台目を買うか？
大型ローカルLLM環境の選び方【2026年】

30秒で結論｜大型LLMのために、いきなり2台目を買う必要はない

最初に結論を整理する。検討すべき選択肢は「RAM増設」と「2台目」だけではない。

判断の核心：
「32GB VRAMを超えるモデルを動かしたい」だけなら、まず既存PCのRAM増設やクラウド併用を検討できる。
2台目のAIノードが本領を発揮するのは、大容量モデルの保持に加えて、制作PCとAI処理の負荷を物理的に分けたいときだ。

1. RTX単体・RTX＋大容量RAM・RTX＋別AIノードは、何が違う？

3つの構成は、単にメモリ量が増える階段ではない。計算する場所と、競合する資源が異なる。

※2台構成にしても、RTX 5090の32GB VRAMと別PCの128GBメモリが自動的に合算されて「160GB VRAM」になるわけではない。通常の2台分業は、ネットワークAPIなどを介して役割を分ける構成だ。

2. 大容量RAMは、なぜVRAM不足への「条件付きの答え」になるのか

ローカルLLMが動かない原因の多くは、モデルの重みと作業領域（KVキャッシュなど）がGPUのVRAMに収まらないことにある。そこで、入りきらない部分をシステムRAMに置く方法が取られる。

ただし、「RAMに置ける」ことと「VRAMと同じ速さで動く」ことは同じではない。

GeForce RTX 5090の32GB GDDR7は1,792GB/sのメモリ帯域を持つ。一方、一般的なデスクトップ向けデュアルチャネルDDR5メモリは、GPU専用VRAMより帯域が大きく低い。そのため、VRAMからあふれた処理をどのようにRAMとCPUで扱うかによって、体感が大きく変わる。

DenseモデルとMoEモデルを混同しない

ここが最も重要な分岐点だ。

• Denseモデル（例：一般的な70Bモデル）：1トークン生成するたびにモデルの多くの層を通るため、VRAMに収まらない層をCPUとシステムRAMで処理すると、メモリ帯域やPCIe転送がボトルネックになりやすい。
• MoEモデル（例：Qwen3-235B-A22B、Qwen3-30B-A3B、gpt-oss-120Bなど）：全体のパラメータ数は大きくても、1トークンごとに使う領域（アクティブパラメータ）は一部に限られる。そのため、よく使う処理やKVキャッシュをGPU側に置き、巨大なExpert重みをシステムRAM側に配置する協調推論が現実的な選択肢になる。

つまり、RTX＋大容量RAMが特に相性を持ちやすいのは、巨大Denseモデルの高速化よりも、大型MoEモデルを1台で収容して動かす場面だ。

RAMとVRAMの構造差は「RAM 128GBでVRAM不足は補える？ メインメモリとGPUメモリの違い・オフロードの限界」、MoEとRTX 5090の組み合わせは「巨大MoE時代、RTX 5090は主役になれるのか？」で詳しく解説している。

3. RAMは64GB、96GB、128GB、192GB、256GBのどこまで増やす？

RAM増設を検討するときは、「何GBあれば安心か」よりも、自分のPCがその容量をどの条件で搭載できるかを先に確認する必要がある。

特にDDR5の一般的なデュアルチャネル・4スロット構成では、2枚挿し（1DPC：1チャネルにつき1枚）と4枚挿し（2DPC：1チャネルにつき2枚）で、CPUの公式対応メモリ速度が異なる場合がある。例えばAMD Ryzen 9 9950Xの公式仕様では、2枚構成時の対応速度がDDR5-5600、4枚構成時がDDR5-3600と案内されている。一方、最大メモリ容量についてはAMDの公開資料間にも掲載値の違いがある。特に192GB・256GB構成を検討する場合は、CPUの最新仕様に加え、マザーボードのBIOS、メモリQVL、使用するDIMM構成を確認する必要がある。マザーボード側の対応表記だけで動作を保証できるわけではない。

さらに、現在32GB（16GB×2）や64GB（32GB×2）を使っている場合、128GBや192GBへ増やすには既存メモリを流用できず、全交換になるケースも多い。

4. 2026年10月の価格で比較すると、「RAM増設は安い」とは言えない

かつては「新しいPCを買うより、メモリを足す方が圧倒的に安い」と考えやすかった。しかし2026年10月時点では、大容量DDR5メモリの価格水準が高く、単純な少額投資とは言えなくなっている。

※購入価格は税込表示の一例であり、確認時点の販売条件・在庫状況・セール・為替・ショップ条件によって変動する。なお、同調査では96GBキットが前回調査比で値下がりした一方、128GBキットは値上がりしており、容量帯によって価格動向には差がある。

この比較から分かるのは、96GB〜128GBのRAM増設だけでも20万〜40万円規模の判断になり得るということだ。もし192GBや256GBを狙い、マザーボード交換や電源見直しまで発生するなら、2台目の大容量メモリPCとの差はさらに縮まる。

逆に言えば、今のマザーボードとCPUのまま96GBまたは128GBへ増設でき、目的が「1台で大型モデルを試すこと」に限定されているなら、2台目を買うより出費と設置場所を抑えられる可能性がある。購入候補の全体像は「128GBユニファイドメモリPC比較ガイド」で確認できる。

5. 「動かせる」と「使い続けられる」には設定の壁がある

RTX＋大容量RAM構成で見落とされやすいのが、ハードウェアではなくソフトウェア側の扱いやすさだ。現在の運用は、大きく3段階に分かれる。

また、WindowsのNVIDIAドライバには、VRAM不足時にシステムメモリへ逃がす「CUDA Sysmem Fallback」がある。これはアプリが即座にメモリ不足で停止するのを防ぐには役立つが、LLM推論を高速化する仕組みではない。意図せずシステムメモリへあふれた状態と、MoEのExpert配置を設計して動かす状態は分けて考える必要がある。

6. 2台目が本当に有効なのは、「モデルが大きい」だけではない

では、どんなときに2台目のAIノードが合理的なのか。答えは「大きなモデルを動かしたいとき」ではなく、「大きなモデルを、制作PCの作業と切り離して使いたいとき」だ。

1台のRTX PCで大容量RAMを使って大型LLMを動かすと、次のような競合が起きやすい。

• 動画編集、3DCG、Unreal Engine、ComfyUIとGPU使用率やVRAMを取り合う
• CPU側のオフロード処理が重くなると、ブラウザ、ビルド、Docker、バックグラウンド処理にも影響する
• 制作PCの再起動、ドライバ更新、スリープでローカルLLMサーバーも止まる
• 大きなモデルを読み込み直すたびに待ち時間が発生する

これに対して、RTX制作PCとは別に128GBクラスのAIノードを置くと、「RTXでつくる」「AIノードで考える」という分業ができる。制作PCのGPUは描画・生成・エンコードに集中し、AIノード側はローカルLLMやRAG、複数AIエージェントの応答窓口として待機させやすい。

2台構成の設計全体は「RTX PC＋128GB AIノードの2台構成ガイド」、RTX 5090単体と2台構成の比較は「RTX 5090 Desktop単体 vs RTX 5090＋128GB AIノード」で整理している。

7. どちらを買うべきか｜5つの判断ルート

迷ったときは、次の5つのルートのどこに自分が当てはまるかで決めると判断しやすい。

8. 結論｜増やすべきなのはメモリではなく、解決したい能力

RTX搭載PCのRAM増設と、2台目のAIノード追加は、どちらも「VRAMだけでは足りない」ときに浮上する選択肢だ。しかし、解決している問題は同じではない。

• RAM増設は、今のRTX PCを活かして1台で保持できるモデルの幅を広げる方法
• 2台目のAIノードは、大容量モデルの保持に加えて、制作とAIの計算資源を分離する方法

大型LLMをたまに試したいなら、いきなり2台目を買う必要はない。
しかし、制作を止めずに大きなAIを常時使いたいなら、1台のRAM増設だけでは解決しない問題が残る。
増やすべきなのは「GB数」そのものではなく、自分のワークフローに足りない役割だ。