En 10 år gammel mini-PC kan køre AI, men det kræver tålmodighed

Man behøver ikke dyrt udstyr for at køre kunstig intelligens derhjemme. Det er konklusionen i en test fra MakeUseOf, hvor forfatteren Gregory Gibson prøvede at køre små sprogmodeller på en 10 år gammel mini-PC. Artiklen udkom 24. oktober 2026.

Gammel maskine, små modeller

Maskinen var en Zotac ZBOX C1325 nano med en Celeron N3160-processor med fire kerner, 8 GB hukommelse og en billig SSD. Den kørte Ubuntu Server og brugte kun processoren, altså uden hjælp fra et grafikkort. Gibson satte programmet llama.cpp op og brugte en chatside i browseren.

Han testede tre små modeller: SmolLM2 360M, Qwen3.5 0,8B og Qwen3.5 2B. Tallene angiver modellens størrelse. Jo mindre tal, desto mindre fylder modellen, men desto mindre kan den typisk også. Hukommelsesforbruget lå mellem ca. 390 MB for SmolLM2 og ca. 1,3 GB for Qwen3.5 2B, så maskinen slap for at bruge swap, som er harddisk brugt som nødhukommelse.

Hurtig eller god

Qwen3.5 0,8B brugte omkring 90 sekunder på at behandle opgaven og skrev 2,63 tokens i sekundet. Et token er et lille stykke tekst, ofte en del af et ord. Den større Qwen3.5 2B brugte omkring 202 sekunder på at behandle opgaven og skrev 1,23 tokens i sekundet. Hastigheden for SmolLM2 er ikke oplyst.

Kvaliteten fulgte størrelsen. SmolLM2 klarede sig dårligst: Da den omskrev en e-mail, udeladt den en frist og detaljer om en præsentation. Den udtrak tallet 12 som genstand i stedet for antal, og i et resumé om wi-fi vendte den fakta om.

Qwen3.5 0,8B bevarede e-mailens indhold og fandt data korrekt, men overholdt ikke kravet om at lave et resumé. Qwen3.5 2B løste både e-mail-, udtræks- og resuméopgaven og regnede andengradsligninger rigtigt med verifikation.

Upraktisk i hverdagen

Ventetiden skyldtes mest, at maskinen skulle behandle det, den fik at vide. Gibson vurderer selv, at han kunne have løst opgaverne, før svaret kom. Ifølge artiklen viser forsøget, at lokal AI kan køre uden dyrt udstyr, men at opsætningen er upraktisk til almindelig brug.

Til sammenligning

En separat test fra It's FOSS på en ældre i5-laptop med 12 GB hukommelse og Ollama gav et lignende billede. Her nåede modeller på 7-9 milliarder parametre 3-4 tokens i sekundet, mens modeller på 0,6-1 milliard nåede 18-36. It's FOSS vurderer, at modeller på 1-2 milliarder er den bedste balance på maskiner med omkring 8 GB hukommelse. Svar ved 3-5 tokens i sekundet virker teknisk, men føles ifølge dem smertefuldt langsomt.

Det er en anden maskine og andre modeller, så tallene kan ikke sammenlignes direkte. Gibsons resultater er hans egne og ikke afprøvet uafhængigt.