Microsoft kondigt Project Zenith aan voor pc's die 30B-modellen lokaal draaien

Microsoft kondigt Project Zenith aan, een vooraf ingerichte Windows 11-opzet voor ontwikkelmachines met minstens 64 GB gedeeld werkgeheugen en 250 GB/s geheugenbandbreedte, waarop modellen van 30 miljard parameters lokaal en ongemeterd draaien.

Daarmee verschuift de rekensom voor een Nederlands team dat AI in zijn ontwikkelwerk gebruikt. Die kosten zaten tot nu toe in tokens per aanroep, een post die meebeweegt met hoeveel je team draait. Zenith verplaatst ze naar de inkoop van hardware, eenmalig en zichtbaar op de balans, plus stroom. De prijs van die overstap staat in de eisen zelf: een werkplek met 64 GB gedeeld geheugen en 250 GB/s bandbreedte zit niet in de laptopvloot die je nu hebt staan.

Wat Microsoft aankondigt

Zenith is geen nieuwe Windows-versie maar een vooraf ingestelde uitvoering van Windows 11 op wat Microsoft ontwikkelaarsklasse-apparaten noemt. Logan Iyer, corporate vice president Windows Platform en Developer, schrijft dat ontwikkelaars op zulke machines modellen van meer dan 30 miljard parameters lokaal kunnen draaien, wat de afhankelijkheid van afgerekende cloudtokens moet verkleinen.

Het eerste apparaat komt van AMD, dat vandaag op het IFA-podium een mini-pc op Ryzen AI Halo toonde als eerste Zenith-machine. Meer apparaten volgen de komende maanden, ook op andere chips.

Wat er vooraf op staat is concreet: Visual Studio Code, GitHub Copilot, PowerToys, WinAppCLI en Windows Dev Skills, met daarnaast PowerShell 7, Git, GitHub CLI, Azure CLI en Oh My Posh. Aan talen en runtimes staan Python 3.14 of nieuwer, uv, NVM, Node 24 of nieuwer en .NET 10 klaar, met WSL 2 en Ubuntu erbij. Verkenner toont standaard bestandsextensies, verborgen bestanden en het volledige pad, en tips en accountmeldingen staan uit.

De geheugendrempel is de echte aankondiging

De twee getallen in de eisen doen het werk. De 64 GB bepaalt of een model uberhaupt in het geheugen past, de 250 GB/s bepaalt hoe snel het antwoordt: bij het genereren leest een model per token zijn actieve gewichten opnieuw uit het geheugen, dus de bandbreedte is de bovengrens van de snelheid.

AMD laat op zijn eigen productpagina zien wat dat aan hardware kost. Het ontwikkelplatform heeft 16 kernen op Zen 5, een XDNA 2-NPU en 128 GB LPDDR5x op 8000 MT/s, goed voor 256 GB/s, met 2 TB opslag. Dat is een vaste configuratie: dit geheugen zit op het bord en is niet met een reep bij te plaatsen. Een bestaande laptop met 16 of 32 GB upgrade je hier dus niet naartoe, je vervangt hem.

Wat er dan past is bescheidener dan de aankondiging suggereert. AMD zegt dat de 128 GB-uitvoering modellen tot 200 miljard parameters aankan, maar de praktische grens ligt rond 70 miljard voor niet-gecomprimeerde modellen.

De timing helpt ook niet. Engadget noemt het vreemd dat een opgeruimde Windows alleen op dure ontwikkelhardware landt, juist nu de geheugenprijzen oplopen. Die prijsdruk komt niet uit de lucht vallen: geheugenmakers verplaatsen wafercapaciteit naar HBM voor AI-versnellers, en elke wafer die naar HBM gaat maakt geen DDR5 meer, precies het geheugen waar de prijs van je laptops en werkstations aan hangt.

Wat ongemeterd wel en niet betekent

Ongemeterd betekent geen rekening per token. Het betekent niet gratis. Je betaalt vooruit in hardware en daarna in stroom, en je krijgt er een model voor terug dat kleiner is dan wat je bij een aanbieder huurt. Microsoft zet het zelf ook neer als minder afhankelijkheid, niet als vervanging.

Hoe zwaar die tokenpost kan wegen, bleek in Microsofts eigen huis. Medewerkers rapporteerden een mediaan van ongeveer 300 dollar aan AI-verbruik over 28 dagen, ruim vijftien keer de zetelprijs waarop veel AI-begrotingen nog rusten. Bij dat soort bedragen per ontwikkelaar per maand weegt een eenmalige machine anders dan bij een team dat een model af en toe aanroept.

Zenith staat daarin niet alleen. Nvidia bracht op dezelfde beurs PAIR uit, gratis software die machines op een netwerk als gedeelde inferentiepool laat werken, en liet in zijn eigen demo een werkstroom met vijf subagenten in 8 minuten en 48 seconden op drie apparaten lopen tegen 18 minuten op een enkele laptop.

Waar dit heen wijst

Twee jaar lang was het antwoord op de vraag waar een model draait vrijwel altijd een datacenter. Op deze IFA verkopen AMD, Nvidia en Microsoft alle drie een antwoord dat onder een bureau past: de chip, de routeerlaag en nu het besturingssysteem eromheen.

Wat daarbij echt verschuift is niet alleen de plek van de berekening, maar het moment van betalen. Een tokenrekening groeit mee met gebruik en kun je per maand terugdraaien. Een machine met 64 GB vastgezet geheugen koop je een keer, voor de hele afschrijvingstermijn, in een markt waarin dat geheugen duurder wordt. Lokale inferentie is daarmee geen goedkopere optie maar een andere weddenschap: op hoeveel je de komende jaren zelf gaat draaien.