Test du GMKtec EVO-X2 : iGPU Strix Halo, 128 Go RAM, RTX 4060

29 juin 2026

Le GMKtec EVO-X2 est équipé d’un processeur AMD Ryzen AI Max+ 395 avec 16 cœurs et 32 threads, ainsi que d’un GPU intégré AMD Radeon 8060S. Il dispose de 128 Go de mémoire LPDDR5X-8533 unifiée et d’un stockage de 2 To NVMe PCIe 4.0.

Le marché des mini PC haut de gamme a connu une transformation significative en quelques mois. Alors que l’on testait auparavant des configurations avec 32 Go de RAM et une carte graphique intégrée modeste, des machines dotées de la plateforme AMD Strix Halo, développée pour des PC portables professionnels et des stations de travail compactes, font maintenant leur apparition. Le GMKtec EVO-X2 fait partie de ces modèles qui redéfinissent les capacités d’un mini PC.

À l’intérieur, nous retrouvons un AMD Ryzen AI Max+ 395, doté de 16 cœurs Zen 5 et 32 threads, ainsi qu’un iGPU Radeon 8060S avec 40 unités de calcul RDNA 3.5. Cela équivaut à une carte graphique intégrée d’entrée à milieu de gamme. L’ensemble est associé à 128 Go de mémoire LPDDR5X-8533 unifiée, dont 64 Go peuvent être alloués comme VRAM dédiée au GPU. Cette mémoire est déterminante pour l’intelligence artificielle locale, un aspect que j’ai souhaité explorer en profondeur.

D’autres machines utilisent également la plateforme Strix Halo. J’ai testé le Minisforum MS-S1 Max et le Framework Desktop, tous deux équipés du même APU. La compétition va se jouer sur des critères tels que l’intégration, le refroidissement, les réglages du BIOS et la cible. J’ai consacré plusieurs jours à l’EVO-X2 sous Windows 11 et sous Linux/SteamOS, en utilisant un protocole de test approfondi axé sur l’IA locale. Voici les informations essentielles à retenir.

**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 conserve un format compact malgré sa puissance. Son châssis en aluminium s’agrémente d’une note de doré bronze sur les côtés, rappelant un boîtier de PC portable, mais avec plus de densité. La finition est soignée, évitant les excès de RGB, avec un éclairage léger sur les ventilateurs et un bouton à l’avant pour modifier le mode lumineux et accéder aux profils de ventilation. Dans l’ensemble, c’est sobre et adapté à un environnement de travail professionnel.

Concernant les connexions, GMKtec a bien soigné l’ensemble. À l’avant, on retrouve des ports USB-A 3.2 Gen 2 et un USB4 (40 Gbps, DP Alt-Mode, Power Delivery). À l’arrière se trouvent deux autres ports USB4, un HDMI 2.1, un DisplayPort 1.4, un port Ethernet 2,5 GbE et la prise d’alimentation. Cela permet de gérer jusqu’à quatre écrans simultanément. Un reproche serait l’absence d’OCuLink, comme sur l’EVO-T2S ; pour y connecter un eGPU, il faudra passer par l’USB4.

L’alimentation externe, de 230 watts, est robuste, similaire à celle d’un chargeur de PC portable gaming. Bien que peu pratique à transporter, elle correspond aux besoins d’une machine capable de tirer jusqu’à 140 W en pic. Un kit de fixation VESA est inclus pour ceux qui souhaitent installer l’appareil derrière un écran.

**Démontage : pas immédiat, mais accessible**

L’accès à l’intérieur n’est pas aussi simple que sur l’EVO-T2S. Plusieurs vis doivent être retirées, certaines cachées sous des patins en caoutchouc, ce qui peut s’avérer agaçant car ces composants sont collés et peuvent se déformer en étant détachés. Une fois la coque enlevée, la conception se révèle soignée, avec un système de refroidissement ambitieux.

À l’intérieur, un système dénommé Max3.0 combine trois caloducs en cuivre, deux ventilateurs CPU conséquents, et un ventilateur additionnel pour le refroidissement des SSD M.2 (égrené de RGB et contrôlable via le bouton avant).

Le ventilateur principal est plus grand que ceux présents sur la plupart des mini PC, ce qui est crucial. Un ventilateur volumineux tournant lentement déplace plus d’air et génère moins de bruit qu’un petit modèle à régime élevé. Cela se retrouve dans les mesures sonores plus loin : malgré la puissance, la machine demeure discrète sur le plan acoustique.

Concernant les mises à jour, c’est possible d’accéder aux deux emplacements M.2 2280 PCIe 4.0, permettant d’atteindre un stockage maximal de 16 To. En revanche, la mémoire vive est soudée ; cette caractéristique est inhérente à la plateforme Strix Halo et il est impossible de la changer. Pourtant, avec 128 Go, les besoins de la plupart des utilisateurs, même sur des applications d’IA, sont largement couverts.

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

L’EVO-X2 a été soumis aux mêmes protocoles de test que d’autres mini PC, avec une attention particulière à l’IA, qui justifie en grande partie sa création. Une précision méthodologique sur les chiffres : les benchmarks CPU et GPU ci-dessous ont été réalisés en mode Équilibré du BIOS, et non en mode Performance. En mode Performance maximale, les chiffres pourraient encore augmenter de 5 à 10 % en multi-cœur.

**Récapitulatif des benchmarks**

**CPU : 32 threads qui font la différence**

Le Ryzen AI Max+ 395 offre 16 cœurs Zen 5 et 32 threads grâce au Simultaneous Multi-Threading (SMT). Cela contraste avec les puces Intel Panther Lake qui proposent un thread par cœur, faisant de la différence un avantage significatif en multi-thread.

**Benchmarks CPU comparatifs**

| Bench. CPU | GMKtec EVO-X2 | Minisforum MS-S1 Max | Ratio |
|——————————————–|—————|———————-|———|
| Geekbench 6 Single | 2 939 | 2 925 | 1,00× |
| Geekbench 6 Multi | 22 009 | 21 133 | 1,04× |
| Cinebench 2026 Single | 451 | 461 | 0,98× |
| Cinebench 2026 Multi | 7 042 | 6 314 | 1,12× |
| Chiffrement AES256 | 37 989 Mo/s | 37 980 Mo/s | 1,00× |
| Compression LZW | 3 546 Mo/s | 3 851 Mo/s | 0,92× |

Avec Geekbench 6, l’EVO-X2 enregistre 22 009 points en multi-cœur, contre 15 665 pour le Core Ultra X7 358H et 11 282 pour le Minisforum M2, indiquant un net avantage sur les machines Intel Panther Lake. Dans Cinebench 2026, il atteint 7 042 points en multi, soit presque 1,6 fois plus que le X7. Pour des tâches de compilation, de rendu 3D, de transcodage ou de conteneurs, l’EVO-X2 surpasse largement la concurrence.

Pour ce qui est de l’endurance, le comportement thermique est satisfaisant. Lors de charges soutenues avec 32 threads durant 90 secondes, la fréquence se stabilise à environ 123 % de la fréquence de base, sans aucune chute thermique. La sonde indique environ 39 °C, un chiffre réaliste pour cette plateforme. Le refroidissement Max3.0 gère les 124 W de la puce sans problème.

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

La plateforme Strix Halo se distingue par son iGPU doté de 40 unités de calcul RDNA 3.5, tandis que la plupart des concurrents stagnent à 12 ou 16 unités. Le tableau ci-dessous résume les performances en comparaison avec le Minisforum MS-S1 Max, qui utilise le même APU.

| Métrique GPU | GMKtec EVO-X2 | Minisforum MS-S1 Max | Ratio |
|——————————————|—————|———————-|———|
| Geekbench Vulkan | 102 798 | 89 919 | 1,14× |
| Geekbench OpenCL | 98 874 | 102 008 | 0,97× |

Le Radeon 8060S atteint 102 798 points en Geekbench Vulkan, soit environ 1,6 fois plus que l’Arc B390 de l’EVO-T2S, et plus de 5 fois que l’iGPU du Minisforum M2. Les performances de l’iGPU s’apparentent à celles d’une RTX 4060 mobile dans de nombreux scénarios, comme le confirment les bases de données GPU de référence.

Des tests en 3DMark Time Spy montrent 11 289 points, plus de 60 fps sur Spider-Man 2 en 1440p avec les paramètres très élevés (FSR Quality), Doom The Dark Ages en 1440p High avec FSR Balanced au-dessus de 60 fps, et Cyberpunk 2077 en 1440p Ultra (FSR Quality) réalisant une moyenne de 74 fps. Avec la génération de frames FSR3 activée, les titres les plus gourmands atteignent les 120 fps sans peine. Pour un GPU intégré dans un mini PC, c’est inédit.

Cependant, l’accent principal du Radeon 8060S réside dans le calcul, ce qui creuse la spécificité de l’EVO-X2 : sa mémoire unifiée.

**Mémoire unifiée et carveout VRAM : la signature Strix Halo**

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

| Mémoire | GMKtec EVO-X2 | Minisforum MS-S1 Max | Ratio |
|——————————————–|—————|———————-|———|
| Bande passante RAM | 73,8 Go/s | 72,8 Go/s | 1,01× |

GMKtec permet de configurer un « carveout VRAM » dans le BIOS, réservant une partie de la mémoire pour le GPU. Par défaut, la machine testée alloue 64 Go à la VRAM, laissant également 64 Go pour le système. Cette configuration est révolutionnaire pour l’IA locale ; un GPU avec 64 Go de VRAM dédiée est une première sur un mini PC, dépassant même la plupart des cartes graphiques professionnelles disponibles.

**Stockage NVMe : du PCIe 4.0 rapide**

Le SSD AirDisk de 2 To livré par défaut est un NVMe PCIe 4.0 rapide, particulièrement performant en lecture aléatoire 4K, un critère essentiel pour des usages quotidiens.

Avec 595 000 IOPS en lecture et 470 000 IOPS en écriture aléatoire 4K, ce SSD se classe parmi les meilleurs modèles disponibles. Le second emplacement M.2 2280 reste libre, permettant d’ajouter un second SSD pour atteindre jusqu’à 16 To de stockage total, un avantage appréciable pour ceux souhaitant créer une station de travail IA complète avec stockage de modèles et de datasets.

**IA locale : la vraie vocation de cette machine**

C’est là que cet article prend toute son importance. L’EVO-X2 est conçu pour exécuter des modèles d’intelligence artificielle en local, sans dépendance au cloud. Pour bien saisir les chiffres qui suivent, quelques définitions sont nécessaires.

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

La taille d’un modèle est exprimée en milliards de paramètres (notés B pour « billion » en anglais). Plus il est volumineux, plus il exige de mémoire pour s’exécuter. Un modèle 3B (3 milliards de paramètres) nécessite environ 2 à 4 Go en quantification 4 bits, un modèle 7B demande 4 à 6 Go, un 30B requiert 18 à 22 Go, un 70B 40 à 50 Go, et un 120B 55 à 65 Go. La quantification réduit la précision des poids du modèle, permettant d’économiser de la mémoire avec une dégradation de qualité généralement contrôlée.

Le débit est exprimé 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. Deux phases sont à distinguer : la **génération** (decode), qui produit la réponse token par token, et le **prompt eval** (prefill), qui traite l’entrée initiale. Cette dernière peut se faire beaucoup plus rapidement car elle s’opère en parallèle.

Le backend de calcul est le moteur logiciel exécutant le modèle sur le GPU. Pour les processeurs AMD, deux options s’offrent : Vulkan (généraliste, large compatibilité) et ROCm (optimisation maison d’AMD). J’ai testé les deux pour observer les différences de performance.

Maintenant que les bases sont posées, venons-en aux résultats.

**Démarche et outils**

J’ai utilisé Ollama, un outil open source facilitant l’exécution de modèles locaux. Sous Windows 11, j’ai activé l’utilisation de l’iGPU en configurant la variable `OLLAMA_IGPU_ENABLE=1`. Par défaut, les versions récentes d’Ollama préfèrent le CPU à l’iGPU, probablement par excès de prudence. J’ai ensuite chargé divers modèles de tailles croissantes, mesurant le débit de génération pour chacun avec un contexte fixé à 4 096 tokens et 200 tokens à générer en sortie.

Pour évaluer l’impact du système d’exploitation, j’ai installé SteamOS (la distribution Linux de Valve, basée sur Arch) et ai réitéré l’ensemble des tests avec deux backends : Vulkan (générique) et ROCm (natif AMD). L’idée était de séparer les effets dus à l’OS de ceux liés au 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 attribués à l’iGPU, tous les modèles testés tournent intégralement sur le GPU, sans faire appel au CPU.

Ces chiffres doivent être comparés à ceux produits par la même puce dans le Minisforum MS-S1 Max, qui, par défaut, n’allouait que 2 Go à la VRAM. Le résultat est que sur le MS-S1 Max, les LLM fonctionnaient sur le CPU au lieu de l’iGPU, et l’EVO-X2 est environ deux fois plus rapide pour tous les modèles testés. L’écart ne résulte pas du silicium (c’est exactement la même puce) mais du réglage du BIOS. Sur Strix Halo, le carveout VRAM est essentiel pour optimiser l’IA locale.

Quelques observations qualitatives s’imposent. Le modèle gpt-oss:120b tournant à 35,7 tok/s est particulièrement impressionnant : 120 milliards de paramètres s’exécutant couplés à un iGPU de mini PC, à un taux confortable pour une conversation. Une telle capacité est inenvisageable sur d’autres configurations sans une carte graphique professionnelle, souvent coûteuse. Notons que ce modèle ne peut fonctionner que sur le GPU dans cette configuration ; sur CPU, il échoue car il dépasse les 64 Go de RAM système après le carveout.

Les modèles MoE (Mixture of Experts), comme qwen3:30b, affichent des performances remarquables, fonctionnant à 92 tok/s sur un 30B grâce à une architecture qui n’active qu’une partie des paramètres pour chaque token. En revanche, les modèles denses (où tous les paramètres sont sollicités à chaque token) s’avèrent logiquement plus lents : 11,4 tok/s pour un qwen2.5:32b dense, 5,3 tok/s pour un llama 3.3 70B. Ces chiffres demeurent fonctionnels, surtout pour des tâches réfléchies, telles que la rédaction assistée ou la génération de code longue.

**Windows vs Linux/SteamOS : qui gagne ?**

J’ai approfondi le sujet en installant SteamOS sur la machine pour évaluer un éventuel avantage. Connue dans le milieu gaming, cette distribution reste un Linux complet capable d’exécuter Ollama, ce qui a suscité la curiosité : SteamOS et, plus généralement, Linux, ont la réputation d’exploiter mieux les GPU AMD comparativement à Windows. Cela s’est avéré partiellement vrai.

Comme on peut le voir, à backend équivalent, Windows et Linux génèrent des résultats similaires. Vulkan sous Linux égalise, voire parfois dépasse légèrement Vulkan sous Windows ; l’écart étant dans les marges d’erreur. En revanche, le choix du backend est crucial. Sous Linux, ROCm (optimisation maison d’AMD) est en retrait de 16 à 21 % face à Vulkan sur la génération des petits et moyens modèles, surtout sur les MoE.

Concernant l’évaluation du prompt initial (prefill), la situation s’inverse. ROCm devance, parfois de manière significative.

Pourquoi cette différence ? La génération de textes nécessite de nombreuses petites opérations sur le GPU (un token après l’autre). Ce qui prime, c’est l’efficacité du dispatch, c’est-à-dire combien d’opérations courtes peuvent être lancées par seconde sur le GPU. Vulkan/RADV s’est montré plus efficace que ROCm sur ce point pour cet iGPU. En revanche, pour le « prompt eval » (le traitement initial d’un long prompt en parallèle), ROCm prend la tête en raison de la massivité du parallélisme sur de gros blocs.

À retenir : pour les scénarios de chat ou de génération conversationnelle, privilégiez Vulkan. Pour le « prefill » (traitement de longs documents, RAG), optez pour ROCm. L’OS à lui seul importe peu, tout se joue sur le backend.

**Autres mesures Linux (CPU, crypto, mémoire)**

Sous Linux, d’autres mesures complémentaires de charge CPU ont été réalisées pour vérifier la cohérence avec les chiffres Windows.

La bande passante mémoire est quasi identique entre Windows et Linux (un écart de 2 %), confirmant que la différence observée entre les backends GPU est entièrement logicielle. Les 22,5 Go/s en AES-256-GCM démontrent que les instructions AES-NI sont efficacement exploitées sous Linux.

**Génération d’image et de vidéo**

Au-delà des LLM, l’EVO-X2 est également performant pour la génération d’images et de vidéos. Avec l’application Amuse, il génère 7 secondes de vidéo IA en environ 243 secondes (99 étapes pour la production d’images suivies de la compilation). Bien que cela soit bien plus lent qu’une RTX 9070 XT (qui pourrait réduire ce temps de moitié ou davantage), cela reste utilisable pour des cas d’usage occasionnels, surtout lorsque la confidentialité des données est primordiale.

**Réseau, consommation et acoustique**

Pour ce qui est du réseau, le Wi-Fi 7 atteint un débit réel de 1,26 Gbit/s mesuré avec iperf3, un excellent résultat, surpassant même le gigabit filaire. Le port Ethernet 2,5 GbE est un peu en retrait comparé au 10 GbE de l’EVO-T2S, mais reste suffisant pour la majorité des usages domestiques et professionnels.

| Réseau | GMKtec EVO-X2 | Minisforum MS-S1 Max | Ratio |
|——————————————|—————|———————-|———|
| Wi-Fi (iperf3 TCP) | 1,26 Gbit/s | 1,07 Gbit/s | 1,18× |

En matière de consommation, cela représente le prix de la puissance.

| Consommation | Valeur |
|——————————————|—————–|
| Au repos | 16,6 W |
| Charge CPU seule | 124,4 W |
| Charge GPU seule | 134,4 W |
| Combinée maximale (CPU + GPU) | 128,9 W |

Les CPU et GPU partagent une enveloppe de puissance « package » d’environ 130 W, sans que cela s’additionne. À titre de comparaison, le Minisforum M2 utilisant l’Intel Core Ultra 7 356H atteint un maximum de 70 W. Ainsi, l’EVO-X2 consomme le double, ce qui est cohérent avec sa puissance.

Concernant le bruit, l’EVO-X2 reste maîtrisé en tenant compte de l’enveloppe thermique concernée. À un mètre de distance, le sonomètre indique 47 dB en pleine charge. C’est au-dessus des 37 dB de l’EVO-T2S, mais en phase avec un APU tirant le double de courant. Le bruit est également feutré, évitant les sifflements aigus, produisant plutôt un souffle régulier, ce qui le rend acceptable dans un cadre professionnel.

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

Le GMKtec EVO-X2 et le Minisforum MS-S1 Max partagent la même puce. Voici la synthèse des ratios mesurés :

| Métrique | Ratio EVO-X2 / MS-S1 Max |
|——————————————|—————————|
| Geekbench 6 Single | 1,00× |
| Geekbench 6 Multi | 1,04× |
| Cinebench 2026 Single | 0,98× |
| Cinebench 2026 Multi | 1,12× |
| Chiffrement AES | 1,00× |
| Compression LZW | 0,92× |
| Bande passante RAM | 1,01× |
| NVMe lecture séquentielle | 3,11× |
| NVMe écriture séquentielle | 1,20× |
| NVMe 4K lecture | 1,97× |
| NVMe 4K écriture | 4,90× |
| GPU Geekbench Vulkan | 1,14× |
| GPU Geekbench OpenCL | 0,97× |
| LLM 3B (génération) | 2,01× |
| LLM 7B (code) | 2,03× |
| LLM qwen3:30b (MoE) | 2,63× |
| LLM qwen3-coder:30b | 2,68× |
| LLM 32B (dense) | 2,28× |
| LLM 70B | 2,23× |
| LLM gpt-oss:120b | 2,06× |
| Réseau (LAN/Wi-Fi) | 1,18× |

Concernant les LLM, l’EVO-X2 est deux fois plus rapide que le MS-S1 Max dans la configuration testée. Cependant, cet écart ne découle pas du silicium ; il est due à un bon réglage du BIOS. Le MS-S1 Max avait un carveout VRAM par défaut de 2 Go, ce qui obligeait les LLM à évoluer sur le CPU. En augmentant ce carveout à 64 Go dans le BIOS du MS-S1 Max, les performances deviennent presque identiques à celles de l’EVO-X2. C’est une caractéristique inhérente à la plateforme Strix Halo ; le réglage du BIOS est un facteur essentiel.

Le Framework Desktop offre des performances analogues sur le plan CPU et GPU, mais se différencie par une approche plus axée sur le DIY, avec une modularité supérieure, tout en restant légèrement plus encombrant et plus cher. Pour un usage IA précis, les trois machines égalisent leurs performances une fois le carveout VRAM bien ajusté. Les choix se porteront donc sur le format, le bruit, le refroidissement et le prix.

**À qui s’adresse vraiment cette machine ?**

L’EVO-X2 n’est manifestement pas destiné à tous. Son prix et son empreinte énergétique l’orientent vers une cible précisée. Qui tirerait profit d’un tel investissement ?

– **Pour les développeurs IA, chercheurs et professionnels cherchant une station d’inférence locale.** L’EVO-X2 permet d’exécuter des modèles de 70B ou même 120B en local, à un débit exploitable, sans transmettre aucune donnée vers OpenAI, Anthropic ou d’autres fournisseurs. Ce niveau de performance est généralement accessible uniquement via des configurations à 5 000 ou 10 000 euros avec des cartes graphiques professionnelles. L’EVO-X2 propose tout celaà 1 900 euros dans un format de mini PC. Pour des besoins comme l’assistance IA, le RAG, ou simplement garantir la confidentialité, c’est un investissementjustifié.

– **Pour les créateurs de contenu nécessitant puissance CPU et GPU sans tour.** Les 16 cœurs Zen 5 et 32 threads manient sans effort les charges parallèles (rendu vidéo, compilation, encodage), tandis que le Radeon 8060S facilite l’utilisation d’Adobe Premiere ou DaVinci Resolve. Avec 64 Go de VRAM, il est possible de travailler sur des projets vidéo en 4K HDR ou des compositions Photoshop volumineuses sans limitation de mémoire graphique.

– **Pour les amateurs de mini PC haut de gamme souhaitant jouer en 1080p ou 1440p sans GPU dédié.** L’EVO-X2 se positionne au même niveau qu’un PC portable gaming avec RTX 4060, mais dans un format quatre à cinq fois plus compact. Il n’égale pas les performances d’une tour gaming avec RTX 4080, mais reste suffisant pour la majorité des jeux en haute qualité.

– **À ne pas viser :** Les utilisateurs focalisés sur la bureautique ou la navigation web n’ont pas de raison de payer pour cette puissance. Les joueurs recherchant du 4K Ultra avec ray tracing devront s’équiper d’une véritable tour avec une carte graphique dédiée. Enfin, ceux en quête d’une machine évolutive devront faire avec la mémoire soudée, sans possibilité d’upgrade au-delà des 128 Go d’origine, ce qui reste déjà très vaste.

**Prix et disponibilité**

Le GMKtec EVO-X2 est disponible à la vente via le constructeur, expédié depuis l’entrepôt allemand. Le modèle de base (64 Go de RAM, 1 To de SSD) est affiché à 2 199 euros, voire à **1 899,99 euros** avec le code promo GMKEVO50OFF obtainable sur le site officiel. Des configurations supérieures avec 96 Go ou 128 Go de RAM et 2 To de SSD sont proposées à des tarifs plus élevés.

À ce niveau de prix, l’EVO-X2 se positionne face au Minisforum MS-S1 Max et au Framework Desktop, partageant la même puce. Les trois modèles se distinguent par leurs performances équivalentes, une fois le BIOS ajusté convenablement. Le choix final reposera sur le format, le refroidissement, le bruit, la modularité et l’utilité. Pour quiconque désire une station d’IA compacte avec un refroidissement efficace, l’EVO-X2 est l’un des meilleurs choix disponibles sur le marché.

Je vous invite à consulter notre guide d’achat sur les meilleurs mini PC testés, ainsi qu’un autre guide dédié aux meilleurs mini PC dédiés à l’IA.