近年、大規模言語モデル（LLM）を活用した進化的計算の分野において、特にAlphaEvolve（Novikovら、2025；Georgievら、2025）が、新たな数学的構造の発見や困難な最適化問題の解決において顕著な成果を上げている。しかし、公開された研究報告書における高レベルな記述は、実装に関する多くの詳細を明示しておらず、再現性の確保やさらなる研究の進展を妨げている。本報告では、AlphaEvolveをモデルとして参考にしたハイブリッドLLM-進化的アプローチを研究・実験できる拡張可能なオープンソースフレームワーク「GigaEvo」を紹介する。本システムは、以下の主要構成要素をモジュール化して実装している：MAP-Elites品質・多様性同時最適化アルゴリズム、非同期DAGベースの評価パイプライン、洞察生成機能を備えたLLM駆動型変異演算子および双方向の系統追跡機能、柔軟なマルチアイランド進化的戦略。GigaEvoの再現性の検証および実装の正当性確認のため、AlphaEvolve論文に掲載された困難な問題（ヘイルブルォン三角配置問題、正方形内への円配置問題、高次元キッシング数問題）を対象に評価を行った。本フレームワークはモジュール性、並行処理、実験の容易さを重視しており、宣言型の構成設定により迅速なプロトタイピングを可能としている。さらに、システムアーキテクチャ、実装上の選択理由、実験手法について詳細な記述を提供することで、LLM駆動型進化的手法に関する今後の研究を支援する。GigaEvoフレームワークおよびすべての実験コードは、https://github.com/AIRI-Institute/gigaevo-core にて公開されている。