Test du GMKtec EVO-X2 : AMD Strix Halo, 128 Go de RAM unifiée et un iGPU au niveau d’une RTX 4060

Le marché des mini PC haut de gamme a changé de visage en quelques mois. Là où l’on testait il y a peu des configurations à 32 Go de RAM et un iGPU disons… modeste, on voit désormais arriver des machines équipées de la plateforme AMD Strix Halo, conçue à l’origine pour les PC portables professionnels et les stations de travail compactes. Le GMKtec EVO-X2 fait partie de ces machines qui repoussent les frontières de ce que peut faire un mini PC.

À l’intérieur, un AMD Ryzen AI Max+ 395 propose 16 cœurs Zen 5 et 32 threads, accompagné d’un iGPU Radeon 8060S à 40 unités de calcul RDNA 3.5. C’est l’équivalent d’une carte graphique d’entrée à milieu de gamme intégrée au processeur. Le tout est adossé à 128 Go de mémoire LPDDR5X-8533 unifiée, dont 64 Go peuvent être alloués comme VRAM dédiée au GPU. C’est cette mémoire qui change tout pour l’IA locale, et c’est précisément ce que j’ai voulu tester en profondeur.

D’autres machines partagent la même plateforme Strix Halo. J’ai déjà testé le Minisforum MS-S1 Max et le Framework Desktop, qui embarquent le même APU. Le match va donc se jouer sur l’intégration, le refroidissement, le réglage BIOS et la cible. J’ai passé plusieurs jours sur l’EVO-X2 sous Windows 11 et sous Linux/SteamOS, avec un protocole de tests poussé sur l’IA locale en particulier. Voici tout ce qu’il faut savoir.

Fiche technique

L’exemplaire de ce test nous a été fourni par GMKtec, en configuration 128 Go de RAM et 2 To de SSD.

Design, refroidissement et démontage

L’EVO-X2 reste compact malgré la puissance embarquée. Le châssis en aluminium avec une touche de doré bronze sur les côtés évoque un boîtier de PC portable, en plus dense. La finition est soignée, sans excès de RGB, juste un éclairage discret sur les ventilateurs avec un bouton dédié sur la façade pour changer le mode lumineux et accéder aux profils de ventilation. Globalement, c’est sobre et bien pensé pour un poste de travail professionnel.

Côté connectique, GMKtec a soigné l’ensemble. En façade, on trouve des ports USB-A 3.2 Gen 2 et un USB4 (40 Gbps, DP Alt-Mode, Power Delivery). À l’arrière, deux USB4 supplémentaires, du HDMI 2.1, du DisplayPort 1.4, un port Ethernet 2,5 GbE et l’entrée d’alimentation. C’est suffisant pour piloter jusqu’à quatre écrans simultanés. Petit regret, pas d’OCuLink ici, contrairement à l’EVO-T2S. Pour qui voulait brancher un eGPU sur cette machine, il faudra passer par l’USB4.

Le bloc d’alimentation externe est costaud, 230 watts, soit l’équivalent d’un chargeur de PC portable gaming. Pas de quoi tenir dans une trousse, mais c’est cohérent avec une machine qui peut tirer jusqu’à 140 W en pic. Le kit de fixation VESA est fourni pour ceux qui veulent caler la machine derrière un écran.

Démontage : pas immédiat, mais accessible

L’accès à l’intérieur n’est pas aussi simple que sur l’EVO-T2S. Il faut retirer plusieurs vis, dont certaines sont logées sous les patins en caoutchouc, ce qui est une étape un peu agaçante car les patins sont collés et peuvent se déformer lors du décollage. Une fois la coque retirée, on découvre cependant une conception soignée et un système de refroidissement particulièrement ambitieux. Je vous laisse constater ça :

À l’intérieur, on découvre un système baptisé Max3.0 par GMKtec : trois caloducs en cuivre, deux ventilateurs CPU de bonne taille, et un troisième ventilateur dédié au refroidissement des SSD M.2 (équipé de RGB et pilotable depuis le bouton de façade).

Le ventilateur principal est nettement plus gros que sur la majorité des mini PC, et c’est important. Un gros ventilateur tournant lentement déplace plus d’air en faisant moins de bruit qu’un petit ventilateur à haut régime.

On le constate dans les mesures sonores plus loin : malgré la puissance, la machine reste maîtrisée acoustiquement.

Côté évolutivité, on accède aux deux emplacements M.2 2280 PCIe 4.0 qui peuvent accueillir jusqu’à 16 To de stockage (2 × 8 To). La mémoire vive est en revanche soudée. C’est une caractéristique inhérente à la plateforme Strix Halo et il n’y a aucun moyen de la changer. Ce n’est pas vraiment limitant ici : à 128 Go, on est largement au-delà des besoins du commun des utilisateurs, même pour de l’IA.

Performances brutes : un mini PC qui joue dans la cour des stations de travail

J’ai testé l’EVO-X2 selon le même protocole que les autres mini PC, avec un focus particulier sur la partie IA qui justifie en grande partie l’existence de cette machine. Une précision méthodologique sur ces chiffres. Les benchmarks CPU et GPU ci-dessous ont été réalisés en mode Équilibré du BIOS, pas en mode Performance. En mode Performance maximal, les chiffres devraient encore monter de 5 à 10 % sur le multi-cœur. À garder en tête comme socle minimal plutôt que comme plafond.

Récapitulatif des benchmarks

CPU : 32 threads qui font la différence

Le Ryzen AI Max+ 395 affiche 16 cœurs Zen 5 et 32 threads grâce au Simultaneous Multi-Threading (SMT), là où les puces Intel Panther Lake n’ont qu’un thread par cœur. Cette différence pèse lourd en multi-thread.

Sur Geekbench 6, j’obtiens 22 009 points en multi-cœur, contre 15 665 pour le Core Ultra X7 358H et 11 282 pour le Minisforum M2, soit un gain massif sur les machines Intel Panther Lake. Sur Cinebench 2026, c’est 7 042 points en multi, près de 1,6 fois plus que le X7. Pour de la compilation, du rendu 3D, du transcodage massif ou des conteneurs, l’EVO-X2 prend nettement l’avantage.

En single-core en revanche, c’est plus serré. Geekbench mesure 2 939 points, quasi-égalité avec le X7 (2 789). Sur Cinebench single, l’AMD est même légèrement en retrait (451 vs 487). Les puces Panther Lake conservent un léger avantage sur les tâches mono-thread, qui pèsent sur la réactivité bureautique et certains jeux. Mais sur les charges parallèles, le Ryzen AI Max+ 395 est dans une autre catégorie.

Côté endurance, le comportement thermique est sain. Sous charge soutenue 32 threads pendant 90 secondes, la fréquence se stabilise sur un palier parfaitement plat autour de 123 % de la fréquence de base, sans aucun décrochage thermique. La sonde affiche autour de 39 °C, un chiffre crédible sur cette plateforme. Le refroidissement Max3.0 encaisse les 124 W de la puce sans broncher.

GPU Radeon 8060S : un vrai GPU dans un mini PC

Le Strix Halo se distingue par une autre caractéristique majeure : un iGPU à 40 unités de calcul RDNA 3.5, là où la plupart des iGPU concurrents s’arrêtent à 12 ou 16. Le tableau ci-dessous résume les résultats face au Minisforum MS-S1 Max, équipé du même APU.

Le Radeon 8060S signe 102 798 points en Geekbench Vulkan, environ 1,6 fois plus que l’Arc B390 de l’EVO-T2S, et plus de 5 fois l’iGPU du Minisforum M2. L’iGPU délivre des performances comparables à une RTX 4060 mobile sur de nombreux scénarios, un positionnement confirmé par les bases de données GPU de référence.

On a mesuré 11 289 points sur 3DMark Time Spy, plus de 60 fps sur Spider-Man 2 en 1440p Very High (FSR Quality), Doom The Dark Ages en 1440p High avec FSR Balanced à plus de 60 fps, et Cyberpunk 2077 en 1440p Ultra (FSR Quality) à 74 fps en moyenne. Avec la frame generation FSR3 activée, les jeux les plus exigeants franchissent les 120 fps sans difficulté. Pour un GPU intégré dans un mini PC, c’est un niveau jusque-là inédit.

Le PC Gamer Cybertek RTX AQUAFORGE PBM à moins de 1 250 euros !

Le PC Gamer AQUAFORGE offre un excellent équilibre entre performances et polyvalence, avec une configuration moderne idéale pour jouer en Full HD dans d’excellentes conditions.

Sponsorisé

Le PC Gamer Cybertek à moins de 1 250 euros

Mais le vrai usage du Radeon 8060S n’est pas tant le jeu que le calcul. Et c’est là qu’intervient la grande spécificité de l’EVO-X2 : sa mémoire unifiée.

Mémoire unifiée et carveout VRAM : la signature Strix Halo

L’EVO-X2 embarque 128 Go de LPDDR5X-8533 sur un bus 256 bits en 8 canaux, soudés directement sur la carte mère. CPU et GPU se partagent le même pool de RAM, pas de copie entre RAM système et VRAM dédiée. Le GPU peut adresser jusqu’à 96 Go pour ses propres calculs.

Concrètement, GMKtec permet de configurer dans le BIOS un « carveout VRAM » qui réserve une partie de la mémoire pour le GPU. Par défaut, sur la machine testée, ce sont 64 Go qui sont alloués à la VRAM, laissant 64 Go pour le système. C’est cette configuration qui change tout pour l’IA locale. Un GPU qui dispose de 64 Go de VRAM dédiée, c’est inédit sur un mini PC, et c’est même plus que la plupart des cartes graphiques professionnelles dédiées disponibles dans le commerce.

Stockage NVMe : du PCIe 4.0 rapide

Le SSD AirDisk de 2 To livré d’origine est un NVMe PCIe 4.0 rapide. Il se distingue surtout en aléatoire 4K, ce qui compte beaucoup dans les usages quotidiens.

Les 595 000 IOPS en lecture et 470 000 IOPS en écriture aléatoire 4K placent ce SSD au-dessus de la majorité des modèles grand public. Le second emplacement M.2 2280 reste libre, ce qui permet d’ajouter un second SSD pour atteindre jusqu’à 16 To de stockage total. Pour qui veut bâtir une station de travail IA complète avec stockage de modèles et de datasets, c’est appréciable.

IA locale : la vraie vocation de cette machine

C’est la grosse partie de ce test. L’EVO-X2 a été conçu pour exécuter des modèles d’intelligence artificielle en local, c’est-à-dire directement sur la machine sans dépendre du cloud. Pour bien comprendre les chiffres qui suivent, quelques définitions sont nécessaires.

Pour aller plus loin
Comment installer un modèle LLM type ChatGPT sur PC ou Mac en local ? Voici le guide ultime pour tous

Quelques notions pour comprendre les tests

Un LLM (Large Language Model) est un modèle d’intelligence artificielle entraîné pour générer du texte, du code ou d’autres contenus à partir d’une instruction (un « prompt »). ChatGPT, Claude ou Gemini sont des LLM accessibles via le cloud. En local, on peut faire tourner des modèles open source comme Llama, Qwen, Mistral, DeepSeek, Gemma ou gpt-oss directement sur sa machine, à condition d’avoir le matériel pour.

La taille d’un modèle s’exprime en milliards de paramètres (notés B pour « billion » en anglais). Plus un modèle est gros, plus il est généralement capable, mais plus il demande de mémoire pour tourner. Un modèle 3B (3 milliards de paramètres) tient dans environ 2 à 4 Go en quantification 4-bit, un 7B dans 4 à 6 Go, un 30B dans 18 à 22 Go, un 70B dans 40 à 50 Go, et un 120B dans 55 à 65 Go. La quantification réduit la précision des poids du modèle pour économiser de la mémoire, avec une dégradation de qualité généralement contenue.

Le débit s’exprime en tokens par seconde (tok/s). Un token correspond à environ un mot ou un fragment de mot. Au-delà de 20 tok/s, la génération est fluide pour la lecture humaine. En dessous de 5 tok/s, l’attente devient longue. On distingue deux phases : la génération (decode), qui produit la réponse token par token, et le prompt eval (prefill), qui traite l’entrée initiale. Cette dernière peut être beaucoup plus rapide car elle se fait en parallèle.

Le backend de calcul est le moteur logiciel qui exécute le modèle sur le GPU. Sur AMD, deux options principales : Vulkan (générique, large compatibilité) et ROCm (la solution maison d’AMD, spécifiquement optimisée). J’ai testé les deux pour voir lequel donnait les meilleurs résultats.

Maintenant que les bases sont posées, passons aux tests.

Démarche et outils

J’ai utilisé Ollama, un outil open source qui simplifie l’exécution de modèles locaux. Sous Windows 11, j’ai forcé l’utilisation de l’iGPU en activant la variable OLLAMA_IGPU_ENABLE=1. Par défaut, les versions récentes d’Ollama écartent l’iGPU au profit du CPU, sans doute par excès de prudence. J’ai ensuite chargé une série de modèles de taille croissante, du plus petit au plus gros, en mesurant le débit de génération de chacun. Tous les tests ont été conduits avec un contexte fixé à 4 096 tokens et 200 tokens à générer en sortie.

Pour mesurer l’effet du système d’exploitation, j’ai ensuite installé SteamOS (la distribution Linux de Valve, basée sur Arch) et refait l’ensemble des tests avec deux backends différents : Vulkan (générique) et ROCm (AMD natif). L’idée était d’isoler ce qui vient de l’OS et ce qui vient du logiciel d’inférence.

Résultats face à la concurrence : un saut considérable

Les chiffres parlent d’eux-mêmes. Sur l’EVO-X2 avec 64 Go de VRAM allouée à l’iGPU, l’ensemble des modèles testés tourne à 100 % sur le GPU, sans recours au CPU.

Ces chiffres sont à comparer à ce que produit la même puce dans le Minisforum MS-S1 Max, qui n’avait par défaut que 2 Go alloués à la VRAM dans son BIOS. Résultat, sur le MS-S1 Max, les LLM tombaient sur le CPU plutôt que sur l’iGPU, et l’EVO-X2 va environ 2 fois plus vite sur tous les modèles testés. L’écart ne vient pas du silicium (c’est exactement la même puce) mais du réglage BIOS. Sur Strix Halo, le carveout VRAM fait tout pour l’IA locale.

Quelques observations qualitatives sur ces résultats. Le modèle gpt-oss:120b à 35,7 tok/s est le plus marquant : 120 milliards de paramètres qui tournent entièrement sur un iGPU de mini PC. Un modèle de 120 milliards de paramètres qui tourne entièrement sur un iGPU intégré à un mini PC, à un débit confortable pour une conversation. C’est inaccessible sur n’importe quelle autre configuration équivalente sans carte graphique professionnelle à plusieurs milliers d’euros. À noter, ce modèle ne tient QUE sur le GPU dans cette configuration. En mode CPU, il échoue car ses 65 Go dépassent les 64 Go de RAM système disponibles après le carveout.

Les modèles MoE (Mixture of Experts, comme qwen3:30b) tournent à des débits remarquables, 92 tok/s sur un 30B grâce à leur architecture qui n’active qu’une partie des paramètres à chaque token. Les modèles dense (où tous les paramètres sont sollicités à chaque token) sont logiquement plus lents : 11,4 tok/s sur un qwen2.5:32b dense, 5,3 tok/s sur un llama 3.3 70B. Ces deux chiffres restent utilisables, surtout pour du travail réfléchi (assistant rédactionnel, génération de code longue).

Windows vs Linux/SteamOS : qui gagne ?

J’ai poussé l’exercice un peu plus loin en installant SteamOS sur la machine, pour voir si Linux apportait un gain. La distribution est connue dans la communauté gaming, mais elle reste un Linux complet capable de faire tourner Ollama. La curiosité : SteamOS et Linux en général ont la réputation d’exploiter mieux les GPU AMD que Windows. Vérifié ? Pas exactement.

Comme vous pouvez le constater, à backend égal, Windows et Linux donnent les mêmes résultats. Vulkan sous Linux égale, voire dépasse marginalement Vulkan sous Windows, mais l’écart est dans la marge d’erreur. En revanche, le choix du backend compte beaucoup. Sous Linux, ROCm (la solution maison d’AMD) perd 16 à 21 % face à Vulkan en génération sur les petits et moyens modèles, particulièrement sur les MoE.

Sur l’évaluation du prompt initial (prefill), la situation s’inverse. ROCm prend l’avantage, parfois très largement.

Pourquoi cette différence ? La génération texte enchaîne de très nombreuses petites opérations sur le GPU (un token, encore un token, etc.). Ce qui domine, c’est l’efficacité du dispatch, autrement dit combien d’opérations courtes le GPU peut lancer par seconde. Vulkan/RADV est plus efficace que ROCm sur ce point pour cet iGPU. À l’inverse, sur le « prompt eval » (le traitement initial d’un long prompt en parallèle), ROCm prend l’avantage, parce que le calcul devient massivement parallélisable sur de gros blocs.

À retenir : pour du chat ou de la génération conversationnelle, restez sur Vulkan. Pour du gros prefill (traitement de longs documents, RAG), passez à ROCm. L’OS lui-même importe peu, tout vient du backend.

Autres mesures Linux (CPU, crypto, mémoire)

Sous Linux, j’ai également mesuré quelques charges CPU complémentaires pour vérifier la cohérence avec les chiffres Windows.

La bande passante mémoire est quasi identique entre Windows et Linux (écart de 2 %), confirmant que l’écart observé entre les backends GPU est 100 % logiciel et pas matériel. Côté crypto, les 22,5 Go/s d’AES-256-GCM montrent que les instructions AES-NI sont parfaitement exploitées sous Linux.

Génération d’image et de vidéo

Au-delà des LLM, l’EVO-X2 se montre aussi capable sur la génération d’image et de vidéo. Avec l’application Amuse, la machine génère 7 secondes de vidéo IA en environ 243 secondes (99 étapes pour la production d’images suivies de la compilation). C’est nettement plus lent qu’un GPU dédié haut de gamme (une RTX 9070 XT diviserait ce temps par deux ou plus), mais c’est exploitable pour des cas d’usage occasionnels, notamment quand la confidentialité des données prime sur la rapidité.

Réseau, consommation et acoustique

Côté réseau, le Wi-Fi 7 mesure un débit réel de 1,26 Gbit/s en iperf3 sans fil, ce qui est très bon et supérieur au gigabit filaire. Le port Ethernet 2,5 GbE est un peu en retrait par rapport au 10 GbE de l’EVO-T2S, mais il reste largement suffisant pour la plupart des usages domestiques et bureautiques.

Sur la consommation, c’est la contrepartie de la puissance.

CPU et GPU partagent une enveloppe de puissance « package » d’environ 130 W, ils ne s’additionnent pas. À titre de comparaison, le Minisforum M2 sous Intel Core Ultra 7 356H culmine à 70 W au pic. L’EVO-X2 consomme donc le double, ce qui est cohérent avec sa puissance.

Sur le bruit, l’EVO-X2 reste maîtrisé compte tenu de l’enveloppe thermique embarquée. À un mètre de distance, le sonomètre relève 47 dB en pleine charge. C’est plus élevé que les 37 dB de l’EVO-T2S, mais cohérent avec un APU qui tire le double de courant. Le bruit est par ailleurs particulièrement feutré, pas de sifflement aigu, juste un souffle régulier, ce qui le rend acceptable dans un environnement de travail.

Synthèse comparative : EVO-X2 vs Minisforum MS-S1 Max

Le GMKtec EVO-X2 et le Minisforum MS-S1 Max partagent exactement la même puce. Voici tous les ratios mesurés métrique par métrique, comme synthèse complète de ce test.

Sur les LLM, l’EVO-X2 est deux fois plus rapide que le MS-S1 Max dans la configuration testée. Mais cet écart ne vient pas du silicium : il vient du réglage BIOS. Le MS-S1 Max avait un carveout VRAM de 2 Go par défaut, ce qui forçait les LLM à tourner sur le CPU. En passant le carveout à 64 Go dans le BIOS du MS-S1 Max, on obtient des performances quasi identiques à l’EVO-X2. C’est une caractéristique de la plateforme Strix Halo, le réglage BIOS fait tout.

8 /10

Framework

Desktop

Fiche produit Voir le test 1 279 €

8 /10

Minisforum

MS-S1 Max

Fiche produit Voir le test 2 599 €

9 /10

GMKtec

EVO-X2 AI

Fiche produit Voir le test 1 899,99 €

Le Framework Desktop joue la même partition côté CPU et GPU, avec une philosophie différente : châssis plus orienté DIY, modularité supérieure, mais format légèrement plus volumineux et tarif différent. Pour un usage IA spécifiquement, les trois machines arrivent au même niveau une fois le carveout VRAM correctement réglé. Le choix se fera donc sur le format, le bruit, le refroidissement et le prix.

À qui s’adresse vraiment cette machine ?

L’EVO-X2 n’est clairement pas un mini PC pour tout le monde. Je pense que vous l’avez compris à ce stade du test. Son tarif et son profil énergétique le placent dans une catégorie spécifique. Pour qui ce compromis fait-il sens ?

Pour les développeurs IA, chercheurs et professionnels qui veulent une station d’inférence locale. C’est ici que l’EVO-X2 prend tout son sens. Faire tourner un modèle 70B ou même 120B en local, à un débit utilisable, sans envoyer aucune donnée vers OpenAI, Anthropic ou un autre fournisseur, est aujourd’hui réservé à des configurations à 5 000 ou 10 000 euros avec carte graphique professionnelle. L’EVO-X2 le fait à 1 900 euros dans un format mini PC. Pour de l’agentique IA, du RAG, du code assistant local, ou simplement pour de la confidentialité maximale, c’est un investissement défendable.

Pour les créateurs de contenu qui ont besoin de puissance CPU et GPU sans tour. Les 16 cœurs Zen 5 et 32 threads dévorent les charges parallèles (rendu vidéo, compilation, encodage), et le Radeon 8060S accélère sans difficulté Adobe Premiere ou DaVinci Resolve. Avec 64 Go de VRAM disponible, on peut travailler sur des projets vidéo 4K HDR ou des compositions Photoshop massives sans la moindre limitation de mémoire graphique.

Pour les passionnés de mini PC haut de gamme qui veulent du jeu en 1080p ou 1440p sans GPU dédié. L’EVO-X2 joue à un niveau comparable à un PC portable gaming équipé d’une RTX 4060, dans un format quatre à cinq fois plus compact. Pas de quoi rivaliser avec une tour gaming avec RTX 4080, mais largement suffisant pour la majorité des titres en haute qualité.

Pour qui n’est-il pas fait ? Les utilisateurs de bureautique pure ou de navigation web n’ont aucun intérêt à payer pour cette puissance. Les joueurs qui veulent du 4K Ultra avec ray tracing devront passer à une vraie tour avec carte graphique dédiée. Et ceux qui veulent une machine évolutive devront accepter que la mémoire soit soudée, sans possibilité d’upgrade au-delà des 128 Go d’origine. Ce qui est déjà énorme.

Prix et disponibilité

Le GMKtec EVO-X2 est commercialisé directement par le constructeur, expédié depuis l’entrepôt allemand. La configuration de base (64 Go de RAM, 1 To de SSD) est affichée à 2 199 euros, ramenée à 1 899,99 euros avec le code promo GMKEVO50OFF et B5AZRTWS disponible sur le site officiel. Des configurations supérieures existent avec 96 Go ou 128 Go de RAM et 2 To de SSD pour un tarif plus élevé. Vous avez également -5 % avec le code B5AZRTWS sur Amazon.

À ce niveau de tarif, l’EVO-X2 se positionne face au Minisforum MS-S1 Max et au Framework Desktop, qui partagent la même puce. Les trois machines délivrent des performances comparables une fois le BIOS bien configuré. Le choix se fera donc sur le format physique, le refroidissement, le bruit, la modularité et la cible. Pour qui veut une station IA dans un format compact avec un excellent refroidissement, l’EVO-X2 fait partie des meilleurs choix du marché.

Je vous renvoie à nos deux guides d’achat, celui des meilleurs mini PC que l’on a testés, et nous avons également un guide d’achat dédié aux meilleurs mini PC pour l’IA.