Project Zenith skal gjøre Windows 11-PC-er klare for lokal KI-utvikling fra første oppstart

Microsofts Project Zenith er et forsøk på å gjøre en ny Windows-PC til en arbeidsstasjon for lokal KI-utvikling fra første oppstart, i stedet for en forbruker-PC som utvikleren først må bruke tid på å sette opp. Opplegget ble kunngjort 4. september 2026, etter en tidligere forhåndsvisning på Build 2026, og kombinerer en høy maskinvareterskel med en utviklerrettet, ferdig konfigurert Windows 11-opplevelse.12

Poenget: lokale modeller uten oppsett på dag én

Microsoft omtaler Zenith som en «klar-til-koding»-opplevelse med færre forstyrrelser, rettet mot enheter i utviklerklassen. Tanken er enkel: Når en utvikler åpner en ny PC, skal terminal, kodeeditor, Linux-miljø, språkstøtte og pakkeverktøy allerede være på plass.19

Zenith er ikke en egen Windows-utgave. Det er en konfigurasjon og programvarepakke som leveres på kvalifisert ny maskinvare med Windows 11 Home eller Pro, der utviklerrettede standardvalg og verktøy er satt opp på forhånd.34

Microsoft sier at Zenith-enheter skal kunne kjøre modeller med over 30 milliarder parametere lokalt og «uten måling». I praksis betyr det at inferens kan foregå på PC-en i stedet for å bruke tokens fra en skytjeneste. Det er ikke en garanti for at alle modeller vil passe, gå raskt ved alle kontekstlengder eller være uten kostnader til strøm, lagring og videre oppsett.1

Derfor kreves 64 GB samlet minne og 250 GB/s båndbredde

En Zenith-PC må ha minst 64 GB samlet minne og 250 GB/s eller mer i minnebåndbredde.1

Kravene retter seg mot to sentrale flaskehalser ved lokal inferens med store språkmodeller:

• Kapasitet: Modellvektene må få plass i tilgjengelig minne, sammen med kjøretid og kontekst. Et samlet minneområde lar CPU og integrert GPU dele en stor minnepool, i stedet for å være begrenset til den dedikerte grafikkminnemengden som ofte er liten i vanlige PC-er.
• Båndbredde: Under tekstgenerering må modellvektene leses fra minnet gjentatte ganger. Høyere båndbredde kan hindre at en modell som teknisk sett får plass, blir så treg at den er lite praktisk å bruke.

Dette bør forstås som et minimumskrav til plattformen, ikke som en ytelsesgaranti. Hastigheten påvirkes blant annet av modellarkitektur, kvantisering, kontekstlengde, inferensmotor, driverstøtte og hvor mye minne operativsystemet og andre programmer bruker.

Dette er ferdig satt opp på en Zenith-PC

Zenith-maskiner skal ha vanlige utviklerverktøy og innstillinger klare før brukeren begynner å konfigurere maskinen. Microsoft og omtale av lanseringen trekker særlig frem Visual Studio Code og Windows Terminal, men pakken omfatter et bredere sett med utviklings-, terminal- og kjøretidsverktøy.192135

Miljøet inkluderer blant annet:

• Visual Studio Code og GitHub Copilot-verktøy
• Windows Terminal, PowerShell, Git, GitHub CLI og Azure CLI
• Windows Subsystem for Linux (WSL)
• Python med uv, Node.js med nvm og tilhørende pakkeverktøy
• PowerToys, WinGet/Windows-pakkeverktøy og Windows Dev Skills2135

Windows-innstillingene er også justert for kodearbeid. Blant eksemplene som er omtalt, er Filutforsker med synlige filendelser, skjulte filer og full filsti i tittellinjen. Det er små endringer, men de sparer utviklere for gjentatt grunnoppsett.9

AMD Ryzen AI Halo blir første Zenith-plattform

Project Zenith kommer først på systemer med AMD Ryzen AI Halo. Microsoft opplyser at flere enheter fra andre PC-produsenter og silisiumpartnere skal følge.1

AMDs Ryzen AI Halo-plattform illustrerer hvorfor den passer inn: Den tilbyr opptil 128 GB samlet LPDDR5X-minne, og AMD markedsfører den for lokal KI med støtte for modeller på opptil 200 milliarder parametere.2728 En testet konfigurasjon med 128 GB har 256 GB/s minnebåndbredde og passerer dermed Microsofts oppgitte Zenith-terskel.18

Det betyr likevel ikke at 128 GB er en universell løsning for alle svært store modeller. AMDs separate påstand om støtte for modeller på opptil 300 milliarder parametere knyttes til Ryzen AI Halo-konfigurasjoner med opptil 192 GB samlet minne.19 Modellens parameterantall alene avgjør ikke hvor brukbar den er: komprimeringsformat, kontekstvindu, ekstra minnebruk i kjøretiden og ønsket antall tokens per sekund har mye å si.

En bredere utviklersatsing for Windows

Microsoft har ikke uttrykkelig sagt at Zenith skal hente utviklere fra macOS eller Linux. Retningen er likevel tydelig: Å redusere friksjonen ved å bruke Windows til Unix-lignende verktøy, lokale eksperimenter og oppsett av utviklingsmaskiner.

WSL gir Windows-utviklere et Linux-miljø ved siden av Windows-verktøyene. Samtidig ligger VS Code, GitHub-tjenester og Azure-kommandolinjeverktøy klare fra første økt.2135 Zenith erstatter ikke Linux, men er et tydeligere forsøk på å gjøre Windows til et troverdig standardvalg for KI- og systemutvikling.

Dette bør du kontrollere før kjøp

Zeniths spesifikasjoner er viktige, men de er bare utgangspunktet. Utviklere som vurderer en maskin, bør særlig sjekke:

1. Tilgjengelig samlet minne: Mer kapasitet gir rom for modellvekter, lange kontekster, kjøretidsmiljøer og flere programmer samtidig.
2. Målt inferensytelse: At en modell får plass i minnet, betyr ikke nødvendigvis at genereringshastigheten er god nok.
3. Støtte for rammeverk og drivere: Den valgte inferensstakken og modellformatet må fungere godt med den aktuelle GPU-en og Windows-konfigurasjonen.
4. Pris og oppgraderingsmuligheter: Samlet minne i kompakte systemer kan vanligvis ikke oppgraderes av brukeren, så valgt minnekapasitet blir særlig viktig.

Project Zeniths viktigste bidrag er dermed innpakningen: Microsoft definerer en maskinvareklasse og kombinerer den med et forberedt utviklingsmiljø i Windows. Om satsingen blir attraktiv for lokal KI-utvikling, vil avhenge mindre av Zenith-navnet enn av ytelsen, kompatibiliteten og prisen på PC-ene utviklerne faktisk kan kjøpe.14