REDMAGIC Astra 2を購入したら、ゲーム以外で一番試してみたいことがあります。

それが、

ローカルLLM。

です。

ChatGPTやGeminiのようなAIは通常、

Astra 2
↓
インターネット
↓
クラウド上のAI
↓
回答

という仕組みで動きます。

しかしローカルLLMなら、

Astra 2
↓
端末内に保存したAIモデル
↓
Astra 2自身で推論
↓
回答

という環境を作れます。

つまり、

9インチのゲーミングタブレットの中に、自分専用のAIを入れる。

ということです。

Astra 2は、

• Snapdragon 8 Elite Gen 5
• 最大16GB RAM
• 最大512GBストレージ
• 強力な冷却システム
• 8,300mAhバッテリー

を搭載しています。REDMAGIC公式もAstra 2を、ゲームだけでなくマルチタスクまでこなすハイエンドAndroidタブレットとして位置づけています。

では、この性能なら、

本当にローカルLLMを実用的に動かせるのでしょうか？

先に結論です。

ローカルLLM自体は動かせる可能性がかなり高い。

ただし、

16GB RAMだから20B・30Bモデルまで何でも快適に動く

という意味ではありません。

Astra 2で最初に狙いたいのは、

2B～4Bクラスの軽量モデル。

16GBモデルなら、その先に、

9B前後の量子化モデルへ挑戦

という流れが現実的だと考えています。

この記事では、

• Astra 2でローカルLLMを動かせる理由
• 12GB版と16GB版の違い
• AndroidではどうやってLLMを動かすのか
• MNN Chatとは何か
• どのサイズのモデルを選ぶか
• Qwen・Gemmaなど何を試すか
• GPU・NPUは使えるのか
• オフラインAIにするメリット
• Astra 2を買ったら実際に何を測るのか

まで初心者向けに整理します。

なお、この記事の初版は実機検証前です。

Astra 2を入手後、

実際の、

• Tokens/sec
• RAM使用量
• 発熱
• バッテリー消費
• 動作する最大モデル

を追記していきます。

---

この記事でわかること

• Astra 2でローカルLLMは動くのか
• Snapdragon 8 Elite Gen 5はAI用途でも強いのか
• RAM 12GBと16GBならどちらがいいか
• AndroidでローカルLLMを動かす方法
• MNN Chatとは何か
• Qwen・Gemmaを動かせるのか
• 4B・9Bなどモデルサイズの意味
• 量子化モデルとは何か
• オフラインAIとして使えるのか
• 実機購入後に検証したい項目

---

まず結論：Astra 2ならローカルLLMは十分狙える

Astra 2の主な仕様を見てみます。

項目	REDMAGIC Astra 2
SoC	Snapdragon 8 Elite Gen 5
CPU	Oryon、最大4.6GHz
RAM	12GB / 16GB
RAM規格	LPDDR5X
ストレージ	256GB / 512GB
ストレージ規格	UFS 4.1
バッテリー	8,300mAh
冷却	AquaCore Cooling System 2.0
OS	Android 16ベース REDMAGIC OS 11.5

REDMAGICの公式仕様では、16GB＋512GBまで選択できます。

AndroidローカルLLMで重要なのは、

GPUのVRAMだけを見るPCとは少し違う

ことです。

スマートフォンやタブレットでは、

主に、

• システムRAM
• CPU
• GPU
• NPU / DSP
• 実行アプリ
• モデルの量子化

などを組み合わせて動かします。

そのため、

RAM容量がかなり重要。

Astra 2の最大16GBという構成は、ローカルAI実験端末として見てもかなり面白いスペックです。

---

なぜゲーム用タブレットがAIにも向いている？

Astra 2はAI専用タブレットではありません。

でも、ゲーミング端末に必要な性能は、

ローカルAIでも役立ちます。

ゲームでは、

• 高性能CPU
• 高性能GPU
• 大容量RAM
• 高速ストレージ
• 冷却
• 大容量バッテリー

が必要です。

ローカルLLMでも、

かなり似ています。

AIモデルを読み込む。

↓

大量の演算。

↓

長時間処理。

↓

発熱。

という流れになるからです。

つまり、

ゲームを長時間安定して動かすためのハードウェアが、ローカルAIにも流用できる。

わけです。

---

特に「冷却」が意外と重要

PCでローカルLLMを動かしたことがある人なら分かると思いますが、

LLMは回答中にかなりの計算をします。

Androidでも同じです。

長文を生成。

↓

CPU・GPU負荷。

↓

発熱。

↓

温度上昇。

↓

クロック低下。

ということがあります。

Astra 2には、

• AquaCore Cooling System 2.0
• Liquid Metal 3.0
• 大型Vapor Chamber
• グラフェン
• 銅箔

などの冷却機構があります。

もちろんこれはゲーム向けに設計されたものですが、

ローカルLLMを連続推論するときにも、

性能を維持できる可能性

があります。

ここは実機でかなり気になる部分です。

---

AndroidでローカルLLMってどうやって動かすの？

Windows PCなら、

LM Studio

や、

Ollama

があります。

Androidの場合は別のアプリを使います。

2026年現在、候補の一つとしてかなり面白いのが、

MNN Chat

です。

Alibabaが公開しているAndroid向けローカルAIアプリで、

• Qwen
• Gemma
• Llama
• DeepSeek
• Phi
• LFM

など複数のモデルファミリーに対応しています。

さらにテキストだけではなく、

• 画像→文章
• 音声→文章
• テキスト→画像

などマルチモーダル処理にも対応しています。

---

MNN Chatならアプリの中からモデルを入れられる

MNN Chatでは、

アプリを起動。

↓

対応モデルを選ぶ。

↓

ダウンロード。

↓

チャット。

という流れで利用できます。

つまり、

WindowsでLM Studioを使う感覚に少し近い。

AlibabaはMNN Chatについて、

モデルを端末内で実行し、外部サーバーへ情報を送らない

構成だと説明しています。

ローカルLLM初心者なら、

まずこういったGUIアプリから始めるのが分かりやすそうです。

---

ただし「Astra 2公式対応」はまだ確認できていない

ここは大事です。

MNN Chatの開発元は、Android版についてこれまで、

OnePlus 13

Xiaomi 14 Ultra

などでテストしたと案内しています。

すべてのAndroid端末で安定動作することまでは保証していません。

つまり、

Snapdragon 8 Elite Gen 5だから絶対動く。

とはまだ言えません。

しかしAstra 2は、

• ARM64 Android
• ハイエンドSnapdragon
• 12GB / 16GB RAM

という構成なので、

試す価値はかなり高い

と考えています。

---

Qualcomm向けの高速化も進んでいる

もう一つ期待したいのが、

Qualcomm系SoCの高速化。

MNNは2026年7月に、

Qualcomm Hexagon DSPを利用するための、

Hexagon Backend

を追加しました。

これによってQualcomm端末でのオンデバイスAI推論高速化が進められています。

Astra 2もSnapdragon搭載端末なので、

将来的にこうしたRuntime側の最適化の恩恵を受けられる可能性があります。

ただし、

Astra 2でHexagon Backendが何％高速になる

という実測データは、現時点では確認できていません。

ここは実機検証項目です。

---

Androidでは「Snapdragonが速い＝全部NPUで動く」ではない

ここは少し注意です。

Astra 2は非常に高性能なSnapdragonを搭載しています。

だからといって、

ローカルLLMアプリを入れれば、

自動的にすべてNPUで高速推論される

わけではありません。

アプリによって、

• CPU
• GPU
• OpenCL
• Vulkan
• Hexagon DSP
• NPU

など、使うバックエンドが違います。

例えばMLC LLMはAndroid向けSDKを提供し、モバイルGPUを使ったローカル推論をサポートしています。

つまり、

Astra 2のハードウェア性能

だけでなく、

アプリ側がその性能をどこまで使えるか

が重要です。

---

では何Bくらいのモデルを狙う？

ここが一番気になるところでしょう。

LLMには、

0.8B。

2B。

4B。

9B。

12B。

などがあります。

Bは、

Billion＝10億パラメータ

です。

ざっくり言えば、

小さい

軽い。

速い。

能力は低くなりやすい。

大きい

能力は高くなりやすい。

重い。

という傾向があります。

Astra 2では、私は次のような順番で試します。

---

0.8B～2B｜まずここから

最初に入れるなら、

0.8B～2Bクラス。

です。

このサイズなら、

「AndroidでローカルAIが動く」

ことを体験するには十分です。

例えば、

• 簡単な文章整理
• 要約
• 箇条書き
• アイデア
• 軽いチャット

など。

性能を評価するというより、

まず動かす。

ためのモデルです。

---

2B～4B｜Astra 2の本命

個人的には、

ここが一番重要。

Astra 2を実用的なローカルAI端末として使うなら、

2B～4Bクラスを中心にしたいです。

2026年にはGoogleの、

Gemma 4 E2B / E4B

のように、

スマートフォンやIoTでのオンデバイス実行そのものを意識して設計されたモデルも登場しています。

GoogleはE2B・E4Bについて、

モバイル・エッジ向けに計算量とメモリ効率を最適化したモデル

と説明しています。

これはAstra 2とかなり相性が良さそうです。

---

Gemma 4 E2Bはかなり試してみたい

Gemma 4 E2Bは、

2.3B effective parameters

という小型モデルです。

しかも、

• テキスト
• 画像
• 音声

を扱えるマルチモーダルモデルです。

GoogleはGemma 4の小型モデルについて、

ハイエンドスマートフォンからノートPCまで

を対象にしています。

さらにMNN Chatの2026年版では、

Gemma 4 E2B / E4Bのエントリーも追加されています。

つまり、

Astra 2に小さなマルチモーダルAIを入れる

ということも現実的な実験テーマになっています。

---

Qwenも外せない

もう一つ試したいのが、

Qwen系。

MNN ChatはQwenシリーズに広く対応しています。

Qwenは日本語でも比較的使いやすいモデルが多く、

ローカルLLM初心者には面白い候補です。

例えば、

• 文章修正
• ブログの壁打ち
• アイデア出し
• 要約

など。

Astra 2で、

日本語をどのくらい自然に返せるか

はかなり確認したいところです。

---

LFM2.5-2.6Bも面白い

MNN Chatには、

LFM2 / LFM2.5系のモデルも追加されています。

LFM2.5-2.6Bのようなモデルは、

スマートフォンなどのエッジ環境を意識した、

小型AIエージェント

として注目されています。

つまり、

Astra 2では、

単なるチャットAIだけではなく、

将来的には、

小型AIエージェントを端末内で動かす

実験にもつなげられます。

---

9Bクラスは動く？

ここからが挑戦です。

Astra 2の16GBモデルなら、

9B前後の量子化モデル

にも挑戦してみたい。

ただし、

私は最初から、

9Bなら普通に快適。

とは考えていません。

理由は、

16GBすべてをLLMに使えるわけではない

からです。

---

16GB RAM＝16GB全部AI用ではない

Astra 2にはAndroid OSがあります。

さらに、

• REDMAGIC OS
• バックグラウンドサービス
• ローカルLLMアプリ
• GPU用メモリ
• KV Cache
• モデル実行用ワーク領域

などにもRAMを使います。

つまり、

16GB RAM
↓
Android
↓
アプリ
↓
GPU・Runtime
↓
残りをモデルに利用

です。

そのため、

モデルファイルが6GBだから、

16GB端末なら余裕。

とは言えません。

---

量子化が重要になる

そこで出てくるのが、

量子化。

です。

例えば同じAIモデルでも、

高精度のまま保存すると非常に重くなります。

そこで、

• Q4
• INT4
• INT8

などへ軽量化します。

イメージとしては、

元モデル
↓
量子化
↓
ファイルサイズ削減
↓
RAM使用量削減
↓
モバイルでも実行しやすくなる

です。

少し精度とのトレードオフはありますが、

ローカルLLMをスマートフォンやタブレットで動かすための重要技術

です。

---

12GB版と16GB版、AIならどっち？

ゲームだけなら、

12GB＋256GB。

でもかなり強力です。

しかし、

ローカルLLMまでやるなら16GB＋512GB。

私はそう考えます。

理由は2つあります。

---

理由① RAM

12GBと16GB。

差は4GBです。

ゲームでは体感差が小さい場面もあるかもしれません。

しかしLLMでは、

この4GBが、

起動できる。

起動できない。

の境目になる可能性があります。

---

理由② ストレージ

AIモデルは意外と容量を使います。

例えば、

2GB。

4GB。

6GB。

とモデルを何個も保存。

さらに、

• ゲーム
• 動画
• Androidアプリ

まで入れます。

256GBだと早めに厳しくなる可能性があります。

そこで、

16GB＋512GB

がローカルAI用途では安心です。

Astra 2には公式に12GB＋256GBと16GB＋512GBの2構成が用意されています。

---

私ならまずこの3段階で試す

実機を買ったら、

いきなり大きなモデルを入れません。

LEVEL 1

2B前後

まず動作確認。

見るのは、

• 起動する？
• 日本語は？
• 発熱は？
• Tokens/secは？

です。

---

LEVEL 2

4B前後

ここを実用ラインとして検証。

• 壁打ち
• 要約
• 文章修正
• アイデア
• 長文

を試します。

---

LEVEL 3

9B前後

Astra 2の限界へ挑戦。

• 起動時間
• RAM
• 発熱
• Tokens/sec
• 安定性

を確認。

これで、

Astra 2で実用的なのは何Bまで？

という記事が作れます。

---

私の予想では「4Bが一番おいしい」

これは実機検証前の予想です。

Astra 2の16GBモデルで、

日常的にローカルLLMを使うなら、

2B～4Bあたりが一番バランスが良い

のではないかと考えています。

9Bを無理やり動かして、

回答を何十秒も待つ。

よりも、

少し能力を落として、

すぐ返事が来る4B。

の方が実用的な可能性があります。

ローカルLLMは、

動く最大モデル競争

だけではありません。

毎日使いたくなる速度で動くか

の方が大切です。

---

ChatGPTの代わりになる？

ここは期待しすぎない方がいいでしょう。

Astra 2で動かす2B～4Bクラスと、

クラウド上の最新ChatGPT。

では、

能力差があります。

特に、

• 複雑な推論
• Web検索
• 最新ニュース
• 高度な画像解析
• 長時間のAgent処理

などはクラウドAIが強いでしょう。

ローカルLLMは、

ChatGPTを完全に消すためのものではありません。

---

私ならこう使い分ける

ChatGPT

最新情報。

複雑な調査。

重要な文章。

高度な推論。

Astra 2ローカルLLM

軽い壁打ち。

文章修正。

アイデア。

メモ整理。

オフライン。

何度でも気軽に使う。

です。

---

ローカルLLMのメリット① オフラインで動く

モデルを端末へ保存すれば、

推論自体はインターネットなしでできます。

MNN Chatも、推論を端末内で完結させるローカルAIアプリとして設計されています。

例えば、

飛行機。

新幹線。

電波の悪い場所。

Wi-Fiがない場所。

でも使えます。

---

メリット② AIを何回使ってもAPI料金が増えない

ローカルモデルなら、

クラウドAPIのような、

1トークン○円

という課金はありません。

もちろん、

• Astra 2本体
• 電気
• ストレージ

などのコストはあります。

でも、

くだらない質問を100回する。

アイデアを何度もやり直す。

といった使い方を気にせずできます。

---

メリット③ 自分専用の壁打ち端末になる

個人的にはこれが一番欲しい。

例えば電車で、

この企画どう思う？

と聞く。

↓

AIが回答。

↓

さらに、

弱点は？

↓

別案は？

↓

もっと面白くするなら？

と何度も繰り返す。

これを、

通信量やクラウドAIの使用回数を気にせずできる。

9インチという画面サイズも壁打ちにはちょうど良さそうです。

---

メリット④ データを外へ送らない構成を作れる

ローカルLLMでは、

入力した文章を外部AIサービスへ送信せず処理する構成を作れます。

ただし、

ローカル＝絶対安全

ではありません。

• Androidアプリ自体の通信
• バックアップ
• クラウド同期
• マルウェア
• OS
• 権限

などは別に確認する必要があります。

そして、

会社資料。

個人情報。

患者情報。

機密資料。

を私物Astra 2へ勝手に入れてよいという意味でもありません。

---

外付けSSDにモデルを置ける？

これもAstra 2で試したいポイントです。

Astra 2にはmicroSDがありません。

しかし短辺側USB-Cは、

USB 3.2 Gen 2 / 最大10Gbps

です。

そこで、

1TB SSD。

↓

AIモデル保管。

という使い方を考えています。

ただし、

SSDがAndroidで認識される

ことと、

MNN ChatなどのAIアプリが外部SSD上のモデルを直接読み込める

ことは別です。

ここは実機で試します。

---

外部モニターへ出せば「AIデスクトップ」にもできる

Astra 2はDisplayPort映像出力に対応します。

そこで、

Astra 2
│
├─ USB-C → 外部モニター
│
├─ USB-C → 充電
│
├─ Bluetooth → キーボード
└─ Bluetooth → マウス

という構成。

その状態で、

MNN Chat。

↓

ローカルQwen / Gemma。

を使う。

すると、

9インチタブレットが簡易ローカルAIデスクトップ

になります。

これもかなり試してみたい使い方です。

---

でもWindows PCの代わりにはならない

例えばRTX GPUを搭載したPCなら、

• 14B
• 20B
• 30B

など、さらに大きなモデルを狙えます。

LM Studio。

Ollama。

RAG。

AIエージェント。

などの環境もWindowsの方が自由度があります。

Astra 2は、

PCのローカルLLM環境を置き換える端末

というより、

ローカルAIを持ち歩く端末

として考えた方が面白いでしょう。

---

Astra 2で試したいモデル

実機入手後、現時点では次のような順番で試したいと思っています。

モデル候補	サイズ感	目的
Qwen系 0.8B～2B	超軽量	動作確認
Gemma 4 E2B	軽量	モバイルAI
LFM2.5 2.6B	軽量	Agent用途
Qwen系 4B	中量級	日本語実用
Gemma 4 E4B	中量級	マルチモーダル
Qwen系 9B前後	重め	限界テスト

特に、

Gemma 4 E2B / E4B

はGoogle自身がモバイル・Edge用途を意識しているため、Astra 2では優先的に試したいモデルです。

---

実機購入後は何を測る？

ここからがAI Motion Labの記事として重要です。

単に、

動きました。

では終わらせません。

モデルごとに、

次を記録します。

---

① モデルサイズ

何GBか。

---

② 起動時間

モデルロードに何秒かかる？

---

③ Tokens/sec

1秒間に何Token生成できるか。

ここが体感速度です。

---

④ RAM使用量

16GBのうちどこまで使う？

---

⑤ 発熱

短い質問。

↓

10分。

↓

30分。

でどう変わる？

---

⑥ バッテリー

30分AIを使うと、

何％減る？

---

⑦ 日本語品質

例えば同じ質問をします。

「ローカルLLMを使うメリットを初心者向けに5つ教えて」

そして、

• 日本語
• 内容
• 速度

を比較。

---

⑧ 長文

短い質問だけでなく、

1,000文字。

3,000文字。

とContextを増やします。

---

比較表は最終的にこうしたい

実機入手後は、

モデル	サイズ	起動	Tokens/sec	RAM	発熱	日本語	判定
2B	実測	実測	実測	実測	実測	★★★	○
4B	実測	実測	実測	実測	実測	★★★★	○
9B	実測	実測	実測	実測	実測	★★★★	△

という表にします。

これなら、

Astra 2で何Bまで実用になる？

が一目で分かります。

---

12GBモデルも検証できれば面白い

できれば、

12GB＋256GB

と、

16GB＋512GB

で差を比較したいところです。

ただ、2台購入するのは現実的ではありません。

そのため16GBモデルを購入した場合、

OS側で利用できるRAMやモデル使用量を見ながら、

12GB版ならこのモデルは厳しそう

という形で考察することになると思います。

実測できない部分は、実測したようには書きません。

---

16GBモデルを買う理由が「AI」で作れる

ゲーミングタブレットの記事を見ると、

16GB RAMについて、

ゲームに16GBも必要？

という疑問もあります。

ゲームだけなら、

12GBでも十分なケースは多いでしょう。

しかし、

Astra 2でローカルAIまでやる。

なら話が変わります。

私が16GB版を選ぶ理由は、

ゲームだけではなく、

ローカルLLMという別の用途を持たせたいから。

です。

これはAstra 2の16GBモデルを選ぶ理由としてかなり分かりやすいと思います。

---

Astra 2は「AI PC」ではない。でも面白い

Astra 2は、

ROG Flow Z13のようなWindows AI PCではありません。

RTX GPUもありません。

128GB RAMもありません。

ですから、

大型LLMを本格運用。

という用途には向きません。

でも、

363g。

9.06インチ。

16GB RAM。

Snapdragon 8 Elite Gen 5。

という端末の中で、

AIモデルが完全ローカルで動く。

これは別の面白さがあります。

---

「AIを持ち歩く」という遊び

例えば、

自宅ではRTX搭載PC。

↓

大きなLLM。

外ではAstra 2。

↓

小型LLM。

という使い分け。

さらに必要なら、

Astra 2から自宅PCへリモート接続。

すると、

Astra 2ローカルLLM
↓
軽い作業

自宅RTX PC
↓
重い作業

ChatGPT
↓
Web・最新情報

という3段構成も作れます。

これがかなり理想です。

---

結論：Astra 2でローカルLLMは動く可能性が高い。問題は「何Bが快適か」

現時点で分かっていることをまとめます。

Astra 2は、

• Snapdragon 8 Elite Gen 5
• 最大16GB RAM
• 高速UFS 4.1ストレージ
• 強力な冷却
• 8,300mAhバッテリー

を搭載しています。

一方Androidには、

MNN Chat

MLC LLM

など、すでにローカルLLMを実行できる仕組みがあります。

そのため、

Astra 2でローカルLLMを動かすこと自体は、十分現実的。

と考えられます。

しかし本当に知りたいのは、

動くか？

だけではありません。

2Bはどれくらい速い？

4Bは実用になる？

9Bは起動する？

30分使うと熱くなる？

バッテリーは何％減る？

日本語は使える？

です。

ここはスペック表だけでは分かりません。

だからAstra 2を入手したら、

2B。

↓

4B。

↓

9B。

と段階的に試します。

目標は、

「一番大きなモデルを起動すること」

ではありません。

9インチのAndroidタブレットを、毎日使える自分専用AIにできるか？

を確認することです。

ゲームをする。

↓

AIを起動する。

↓

移動中に壁打ち。

↓

家では外部モニターにつなぐ。

↓

必要ならPCへリモート接続。

そこまでできれば、

Astra 2は、

ゲーミングタブレット

から、

ゲームもAIも持ち歩ける9インチ端末

になります。

AI Motion Labでは、

実機入手後にこの記事を、

「Astra 2で本当にローカルLLMを動かしてみた」

へ更新します。

---

実機購入後の検証予定

検証端末

REDMAGIC Astra 2
16GB＋512GB予定

検証項目

• MNN Chatのインストール
• オフライン動作
• Qwen系2B
• Qwen系4B
• Gemma 4 E2B
• Gemma 4 E4B
• LFM2.5系
• 9B前後の量子化モデル
• Tokens/sec
• RAM使用量
• 発熱
• バッテリー
• 長文処理
• 日本語性能
• 外部SSD
• 外部モニター
• Bluetoothキーボード

この結果をすべて一覧表にして追記します。

---

関連記事

Astra 2をもっと使い倒したい

USB-Cを活用したい

ローカルLLM自体が分からない

モデル選びから知りたい

---