Er 64 GB DDR5-6000 C40 det nye optimale valg til AI og gaming?

Som nævnt sidste år var den anbefalede ideelle RAM-kapacitet til gaming og AI-opgaver 96 GB systemhukommelse. Siden da har der været mange ændringer, og et 96 GB-sæt er måske ikke længere en anbefalet løsning.

Markedet for hukommelse har ændret sig dramatisk. AI-infrastrukturen forbruger enorme mængder DRAM- og HBM-kapacitet, hvilket lægger et betydeligt pres på udbuddet og priserne på DRAM til forbrugermarkedet. I 2026 kan det være svært at finde 96 GB-sæt, eller også vil de være forbundet med en betydelig prisforhøjelse, hvilket gør dem betydeligt mindre attraktive til en almindelig entusiast-PC.

Så tilbage til laboratoriet for at finde den bedste løsning under de givne omstændigheder.

Konfigurationerne på 32 GB og 64 GB blev sammenlignet ved hjælp af et RTX 4090-grafikkort og lokale LLM-arbejdsbelastninger, samtidig med at man undersøgte effekten af DDR5-ydeevnen.

Testsystemet var som følger:

• CPU: Intel® Core™ Ultra 7-processor 270K Plus
• DRAM: CORSAIR VENGEANCE RGB CMH64GX5M2D6000C40
• SSD: MP600 ELITE 2 TB PCIe Gen4 x4
• AIO: iCUE LINK TITAN 360 RX RGB AIO
• VGA: RTX 4090 24 GB XLR8 Gaming UPRISING EPIC-X

Konklusionen er klar: For et moderne spil- og AI-system er 64 GB DDR5 det optimale valg, og DDR5-6000 C40 tilbyder en fremragende balance mellem kapacitet, ydeevne og praktisk anvendelighed.

Som forventet kan 32 GB hukommelse ikke håndtere et stort LLM med 70 milliarder parametre. RAM-udnyttelsen ligger langt over 95 %, og det gør systemet langsomt. Derimod havde systemet med 64 GB stadig ca. 15 GB RAM til rådighed, hvilket giver brugerne mulighed for at udføre andre opgaver samtidigt.

Hvad angår den tid, det tager at generere tokens, er der ikke nogen særlig stor forskel at spore. 64 GB 6000C40-sættet ligger en smule foran, men det betyder ikke, at det i praksis er det bedste. Til netop denne graf er de hurtigste og langsomste kørsler blandt de to sæt blevet udvalgt.

Selvom resultaterne er de samme, når man ser på et gennemsnit af 3 kørsler. 5600C40- og 6000C40-sættene brugte næsten lige lang tid på at gennemføre opgaverne. 6000C40-sættet var en anelse hurtigere, nemlig 0,5 sekunder, men det ligger inden for fejlmargenen.

Samlet set var 64 GB hukommelse tilstrækkeligt til at køre betydeligt større lokale AI-arbejdsopgaver uden at udsætte systemet for alvorligt hukommelsespres. Den forskel er vigtig.

Men hvorfor lokale LLM’er? Hvorfor ikke bruge en online API som ChatGPT eller lignende? Privatliv. Data, som brugerne importerer til en online tjeneste, kan blive offentliggjort. Ved at køre en LLM på en maskine, som du selv kontrollerer, behøver du ikke at oprette forbindelse til internettet og har fuld kontrol over dens adfærd. Fordelene ved lokale LLM’er begrænser sig ikke kun til privatliv. Omkostninger, tilpasning og kontekstlængde er vigtige faktorer, der taler til fordel for de lokale LLM’er.

Til testene blev der anvendt Meta’s Llama 3.1 70B Instruct-model, der kørte lokalt via Ollama. 70B-modellen indeholder cirka 70 milliarder parametre og understøtter et kontekstvindue på 128K. Dette er ikke ment som en opfordring til, at alle AI-brugere bør køre en 70B-model. Selvom større modeller generelt har større kapacitet til at repræsentere viden og sammenhænge og kan præstere bedre ved krævende opgaver inden for ræsonnement, kodning, analyse og udførelse af instruktioner.

Et RTX 4090-grafikkort har 24 GB dedikeret VRAM. Det er en enorm mængde grafikhukommelse, men det er ikke nødvendigvis nok til større lokale AI-modeller. Når en model overskrider den tilgængelige VRAM, skal en del af arbejdsbyrden placeres i systemhukommelsen (RAM). Det er her, system-RAM bliver meget mere end blot en ressource til Windows, spil og baggrundsprogrammer.

Til den primære ydeevne-test blev Llama3.1 8B valgt. Den er betydeligt mindre end de 24 GB VRAM, der er til rådighed på RTX4090, hvilket betyder, at systemhukommelsen spiller en mindre vigtig rolle i testen.

I stedet for at bede modellen om at udføre en kunstig benchmark-opgave, såsom at generere tusindvis af ord, blev der anvendt opgaver, der afspejler den daglige brug af AI.

Disse omfattede aktiviteter som planlægning, sammenfatning, analyse og udarbejdelse af struktureret indhold.

Følgende opgave blev brugt: »Jeg planlægger en 10-dages rejse til Japan, der omfatter Tokyo, Kyoto, Osaka og Hiroshima. Udarbejd en detaljeret dagsplan for hver dag. For hver dag skal du medtage de vigtigste seværdigheder, den rækkefølge, jeg bør besøge dem i, den omtrentlige rejsetid mellem de forskellige steder, forslag til restauranter eller spisesteder samt praktiske tips. Forklar begrundelsen bag rejseplanen, og påpeg eventuelle problemer med tidsplanlægningen. Afslut med en kortfattet pakkeliste og en oversigt over den samlede tid, der bruges på rejse i forhold til sightseeing.“

Markedet for PC-entusiaster er under forandring.

• 32 GB er stadig en brugbar løsning til spilsystemer og mindre AI-opgaver, men det begrænser i stigende grad, hvad et high-end-system uden problemer kan klare.
• 96 GB er stadig et fremragende valg for specialiserede brugere, men de nuværende priser og tilgængeligheden på hukommelse gør det svært at anbefale det som standardvalg til entusiaster.
• 64 GB-sæt ligger midt imellem, og derfor er de et fornuftigt valg.

De tilbyder tilstrækkelig kapacitet til moderne gaming, multitasking og krævende lokale AI-opgaver, samtidig med at man undgår de omkostnings- og tilgængelighedsproblemer, der i stigende grad er forbundet med større sæt.

Sammen med DDR5-6000 C40-specifikationerne sikrer de en god balance mellem kapacitet og hukommelsesydelse.