高価なAI PCは本当に必要？XServer VPS 4GBでQwen3 0.6Bを動かして実測【RTX 4090代替になるか】

【PR】この記事にはA8.netのアフィリエイト広告を含みます。

先に結論：XServer VPS 4GBは、RTX 4090を複数枚使う70B級ローカルLLM環境の代わりにはなりません。しかし今回、GPUなしの実機でQwen3 0.6Bを動かしたところ、ウォーム状態で25トークンを0.441秒、長めの生成では48.5トークン/秒で処理できました。高価なAI PCを買う前に、小型AIと24時間動く司令塔を試す用途なら「一部解決」です。

2026年9月1日、契約中のXServer VPS 4GBへOllama 0.33.2とQwen3 0.6Bを入れ、CPU推論、メモリ、ストレージ、既存APIへの影響を実測しました。この記事はスペック表だけを並べた紹介ではなく、実際にDockerコンテナを起動して得た一次情報です。

高価なAI PCを買いたくない悩みはXServer VPSで解決する？

つまり「GPU PCを一切買わず、何でもXServer VPSで処理する」は無理があります。一方で、調査ジョブの受付、証跡保存、小型モデルによる分類、自宅PCへの指示をVPSへ任せれば、最初から80万〜100万円級のマシンを買わずに検証を始められます。

[PR]
VPSでいろいろ試すなら『XServer VPS』

なぜ「RTX 4090を買うのがもったいない」という悩みが生まれるのか

きっかけにしたのは、Zennの「ローカルLLMのための最適なGPU選定：Mac Studio購入の決め手」です。同記事では、Llama 70BのQ4_K_M量子化でも42.5GB以上のメモリが必要で、NVIDIA GPUを複数枚使う完成環境は80万〜100万円に達すると説明されています。

ただし、これは「70B級をローカルで快適に使う」という条件の話です。今回の問いは、用途を小型AIと調査司令塔に分けたら、最初から同じ金額を払わずに済むのか、です。

今回使ったXServer VPSとDocker構成

XServerの管理画面で確認した契約実機は、Ubuntu 26.04、4 vCPU、4GB RAM、150GB NVMe SSDです。XServer公式サイトでも4GBプランは4 vCPU・4GBメモリ・150GB NVMe SSDと案内されています。料金や受付状況は変わるため、XServer VPS公式サイトで最新情報を確認してください。

Ollamaをインターネットへ直接公開しなかった点は重要です。実験用APIはVPS内部のループバックアドレスだけで待ち受け、外部から接続できない状態にしました。

実験前のCPU・RAM・ストレージ使用状況

Qwen3 0.6Bのコールド起動とウォーム起動を比較

モデルを停止した状態から1回目を実行し、同じプロンプトをモデル常駐中にもう一度実行しました。temperature 0、seed 42、最大64トークン、context 1024、CPU 2スレッドに固定しています。両方とも同じ25トークンの回答になりました。

小型モデルでは、モデル読み込み後の応答はかなり軽快でした。ただし、生成文には一般論や不正確な表現も含まれました。0.6Bモデルは事実確認の最終判断者ではなく、分類、候補整理、短文生成など補助用途に限定するのが安全です。

CPUを使い切っても既存APIは止まらなかった？

次に325トークンを生成し、その間に別接続からDockerのCPU・RAMと公開APIを12回監視しました。

CPU約200%は、設定した2コア上限どおりです。VPS全体は4 vCPUなので、Caddy、FastAPI、PostgreSQL用の計算資源を残せました。今回の短時間・単発負荷では公開APIの停止やDBエラーは発生しませんでした。

一番意外だった問題はOllama Dockerイメージの容量

Qwen3 0.6Bのモデルデータは約523MBでした。しかし、Dockerが表示したOllamaイメージの仮想サイズは8.45GBです。実験後、ルートディスク使用量は表示上11%まで増えました。

「0.6Bモデルだから数百MBだけ空ければよい」と考えると外します。モデル本体だけでなく、推論ランタイムとDockerレイヤーの容量を含めて確認する必要があります。150GBプランでは直ちに困りませんが、複数モデルを次々追加する運用なら定期的な容量監視が必要です。

実験後に環境は元へ戻った？

実験コンテナを停止すると、RAM使用量は715MB、availableは3188MBへ戻りました。Caddy、FastAPI、PostgreSQLはすべて稼働し、公開APIもreadyでした。後続実験で再利用するため、Ollamaイメージとモデルボリュームは削除していません。

XServer VPSで解決できる部分と解決できない部分

解決できる部分

• 小型オープンソースLLMをCPUだけで試す
• AI調査ジョブを24時間受け付ける
• 自宅PCが停止中でも操作履歴や証跡を保持する
• DockerでCPU・RAM上限を決め、既存サービスと共存させる
• 高価なGPU PCを買う前に、ワークフロー自体を検証する

解決できない部分

• Llama 70B級モデルを4GB RAMへ載せる
• CUDAが必要なソフトを標準VPSのGPUなし環境で動かす
• 大規模画像生成や動画生成をGPU機と同じ速度で行う
• 0.6Bモデルだけで記事の事実確認や最終判断を完結する

高価なAI PCを買う前にXServer VPSを選びやすい人

• AIエージェントの司令塔やAPIを24時間動かしたい人
• モデルサイズより、ジョブ管理・証跡保存・遠隔連携を重視する人
• 自宅PCは必要なときだけ推論ワーカーとして起動したい人
• まず月額VPSで構成を試し、必要性を確認してからGPUへ投資したい人

反対に「70B級を完全ローカルで高速に回したい」「Stable Diffusionや動画生成を主目的にしたい」なら、今回の4GB VPSは候補から外れます。

よくある質問

XServer VPS 4GBだけでLlama 70Bは動きますか？

実用的な構成としては無理です。今回動かしたのは0.6Bモデルで、70Bとは規模が大きく異なります。

GPUなしでもOllamaは動きますか？

動きました。今回のQwen3 0.6BはCPU 2コア制限で約48.5〜63.7 token/秒でした。ただし、モデルが大きくなるほどRAMと処理時間の制約が強くなります。

Ollama APIをそのまま外部公開してよいですか？

おすすめしません。今回は127.0.0.1だけに公開しました。外部連携は認証・TLS・アクセス制御を持つAPI層を前段に置くべきです。

高価なAI PCは不要ですか？

用途次第です。小型AIと司令塔なら購入を先送りできますが、大規模モデルやGPU生成処理には専用GPU機またはGPUサービスが必要です。

まとめ：XServer VPSはGPU PCの完全代替ではなく、先に試すための司令塔

今回の実機テストでは、XServer VPS 4GBでQwen3 0.6Bが動き、モデル常駐後は0.441秒で短文を返しました。2コアを使い切る生成中も、既存の調査APIはreadyを維持しました。

一方、4GB RAMに70B級モデルは載りません。OllamaのDockerイメージだけで8.45GBを使う点も見落としやすい問題でした。

したがって答えは「一部解決」です。高価なAI PCを衝動買いする前に、XServer VPSで小型AI、ジョブ管理、証跡保存、自宅PC連携を先に作り、GPUが本当に必要な処理だけを見極める。この順番なら、投資の失敗を減らせます。

[PR] 実験に使用した4GBプランの最新料金・仕様を確認する
VPSでいろいろ試すなら『XServer VPS』

システム全体の構築記録は、CodexにChromeからXServer VPSを操作させ、Android実機調査AIの司令塔を構築した実測記事で公開しています。