Zaczynałem od komputera z 64 KB pamięci. Dziś mam maszynę z 128 GB RAM i 24 GB VRAM — i nie uważam tego za przesadę. To minimum, jeśli chcesz poważnie bawić się lokalnymi modelami językowymi.
Kwiecień 2026
Pamiętam moment, gdy po raz pierwszy uruchomiłem komputer. Było 64 KB RAM — liczba, która brzmi dziś jak żart, a wtedy była wystarczająca do wszystkiego, czego potrzebowałem. Gry, proste programy, edytor tekstu. Technologia spełniała swoje zadanie.
Minęło kilkadziesiąt lat. Mam teraz maszynę z 128 GB RAM i kartą graficzną z 24 GB VRAM. Czy to fanaberia? Wbrew pozorom — nie. W 2026 roku ta konfiguracja to nie luksus dla entuzjastów, ale robocze minimum dla kogoś, kto chce lokalnie uruchamiać modele językowe i naprawdę z nimi pracować.
Skąd ten skok?
Jeszcze pięć lat temu 32 GB RAM wystarczało niemal każdemu użytkownikowi zaawansowanemu. Programiści, graficy, montażyści wideo — wszyscy zmieścili się w tej puli. Dzisiaj te liczby wyglądają inaczej, a winowajcą jest sztuczna inteligencja.
Modele językowe — te same, które napędzają ChatGPT, Claude czy Gemini — mają swoje wagi, czyli parametry, zapisane w plikach liczonych w dziesiątkach gigabajtów. Model o rozmiarze 70 miliardów parametrów w formacie 4-bitowej kwantyzacji zajmuje około 40 GB. Żeby go uruchomić lokalnie i uzyskać sensowną prędkość generowania tekstu, potrzebujesz albo wystarczająco dużo VRAM na karcie graficznej, albo ogromnej ilości RAM systemowego — ewentualnie obu naraz.
128 GB RAM i 24 GB VRAM to nie fanaberia — to minimalna konfiguracja do poważnej zabawy z lokalnymi modelami językowymi w 2026 roku.
Dlaczego akurat 128 GB?
Przy 24 GB VRAM możesz zmieścić solidny model w wersji skwantyzowanej bezpośrednio na GPU — i to jest scenariusz najszybszy. Ale co, gdy chcesz uruchomić coś większego? Albo kilka modeli naraz? Tutaj wkracza RAM. Przy 128 GB pamięci systemowej możesz załadować model częściowo do VRAM, a resztę warstw obsłużyć przez RAM, korzystając z techniki zwanej offloadingiem. Nie jest to tak szybkie jak pełne uruchomienie na GPU, ale działa — i pozwala eksperymentować z modelami 100B+, które inaczej byłyby niedostępne bez wielotysięcznych konfiguracji serwerowych.
Do tego dochodzi zwykły komfort pracy. Gdy masz uruchomiony lokalny model, przeglądarkę z kilkudziesięcioma kartami, środowisko programistyczne, kontenery Docker i kilka innych aplikacji — 32 czy 64 GB potrafi zniknąć zadziwiająco szybko.
A co z „normalnym” użytkownikiem?
Oczywiście — nie każdy musi bawić się lokalnymi modelami. Nie każdy potrzebuje 128 GB. Ale warto zdać sobie sprawę, jak szybko „normalne” potrzeby rosną. Przeglądarki są pożeraczami RAM. Aplikacje do edycji zdjęć i wideo stają się coraz bardziej wymagające. Gry w 2026 roku potrafią zarezerwować 16 GB tylko dla siebie.
Historia kołem się toczy
Gdy miałem 64 KB RAM, nie wyobrażałem sobie kilobajtów zamienionych w megabajty. Gdy dostałem pierwszy komputer z 4 MB, 640 KB wydawało się śmieszne. Teraz patrzę na swoje 128 GB i zdaję sobie sprawę, że za dekadę ta liczba wywoła uśmiech u kogoś, kto będzie uruchamiać lokalnie modele multimodalne o bilionach parametrów.
Technologia nie pyta, czy jesteś gotowy. Rośnie, a my doganiamy. Tyle że dzisiaj, w 2026 roku, po raz pierwszy od długiego czasu można powiedzieć, że maszyna do zadań domowych — a nie centrum danych — jest zdolna robić rzeczy, które jeszcze niedawno wymagały ogromnej infrastruktury.
I właśnie dlatego 128 GB RAM nie jest przesadą. To bilet wstępu do nowego rodzaju komputerowania — lokalnego, prywatnego, kontrolowanego przez użytkownika. Dla mnie ten bilet jest wart swojej ceny.
Konfiguracja referencyjna autora: 128 GB DDR5 RAM, karta graficzna z 24 GB VRAM. Modele testowane lokalnie: Llama 3.3 70B Q4, Mistral Large, Qwen 2.5 72B. Narzędzia: Ollama, llama.cpp, LM Studio.