Kan lokale sprogmodeller erstatte et ChatGPT Plus-abonnement til 20 dollar om måneden for almindelige hverdagsopgaver? En 30-dages beretning på Towards AI beskriver et forsøg, hvor forfatteren skiftede fra ChatGPT til lokal kørsel via Ollama og Open WebUI på en stationær pc og en MacBook. Ifølge forfatteren dækkede lokale modeller en stor del af de daglige opgaver, mens en mindre andel stadig krævede skybaserede modeller. Alle vurderinger knytter sig til den ene case, ikke til en bred markedsmåling.
I samme periode rapporterede VentureBeat den 25. juni, at OpenAI begyndte at udrulle en opdatering til GPT-5.5 Instant med forbedret forståelse af hensigt, bedre shoppingresultater, lokale anbefalinger og håndtering af komplekse begrænsninger. VentureBeat bemærkede, at OpenAI ikke delte numeriske benchmarks for forbedringerne. Det er kontekst for læseren, ikke en del af casens egne resultater.
Hovedpointer fra casen
Forfatteren på Towards AI beskriver, at de lokale modeller var “genuinely capable” til hverdagsarbejde som skrivning, opsummering, brainstorming og mange af de såkaldte “80% of the time” vidensopgaver. Outputs var ofte “close enough to ChatGPT to be hard to tell apart”. Beretningen fremhæver to konkrete fordele ved lokal kørsel: privatliv, fordi prompts ikke forlader maskinen, og økonomi ved højvolumen batch-arbejde, hvor lokal inferens kan være billigere og hurtigere for gentagne tekstjobs.
Forfatterens samlede konklusion er, at lokale modeller ikke fuldt ud erstatter de bedste sky-modeller, men at de kan erstatte det meste af den daglige brug. Den praktiske anbefaling beskrives som en hybrid tilgang: kør lokalt til hovedparten af opgaverne, og brug skyen til de sværeste cirka 10–15 procent. Tallet er forfatterens egen vurdering i casens ramme.
Opsætning og afgrænsninger
Ifølge casen blev Ollama brugt som runtime og Open WebUI som grænseflade, på både en stationær maskine og en MacBook, over 30 dage. Udgangspunktet var et eksisterende ChatGPT Plus-abonnement til 20 dollar pr. måned. Kilden angiver ikke detaljerede hardware-specifikationer i den gennemgåede beskrivelse. Det begrænser, hvor præcist andre kan forvente samme ydelse uden egne målinger.
Forfatteren beskriver, at modelvalg blev matchet til opgavetyper: Qwen3 32B var hovedmodel, når kvalitet vægtede højest. DeepSeek-varianter blev valgt til opgaver med mere udtalt reasoning-struktur. Gemma blev brugt til lette opsummeringer og korte spørgsmål-svar. De roller fremgår eksplicit af casens tekst.
Hvad fungerede ifølge casen
Daglige skriveopgaver, mellemlange opsummeringer og idegenerering fungerede samlet set godt i det lokale setup, ifølge forfatterens beskrivelse. Ved høj volumen nævnes lokal kørsel som praktisk og økonomisk fordelagtig, blandt andet fordi arbejdet kunne afvikles uden afhængighed af eksterne API-køer og uden uforudsete regninger. Privatliv fremhæves som en tydelig styrke, fordi input og dokumenter blev på maskinen.
Sammenligningen med ChatGPT beskrives kvalitativt. Forfatteren skriver, at resultaterne ofte var tæt nok på til, at forskellen kunne være svær at se i brug. Der præsenteres ikke kvantitative målinger i casen, og overførsel til andre miljøer kræver derfor egne tests.
Hvor casen så begrænsninger
Forfatteren beskriver tilbagevendende problemer ved langkontekst reasoning i flere trin, hvor en rød tråd over mange tusind tokens ikke altid holdt, og hvor opgaven derfor skulle gentages eller kontrolleres ekstra. Dertil kommer, at billedforståelse var begrænset eller fraværende i de fleste lokale opsætninger i casens forløb.
Svartid på store modeller uden dedikeret GPU oplevedes som langsom, og forfatteren brugte tid på fejlfinding, opsætning og modelvalg. Disse er casens egne observationer og leveres uden tilhørende benchmarks.
Privatliv og omkostninger
Casen peger på privatliv som den største enkeltgevinst ved lokal kørsel, fordi prompts og dokumenter ikke sendes ud af maskinen. Økonomien beskrives som workload-afhængig: ved høj volumen og gentagne tekstopgaver kan lokal inferens være markant billigere og hurtigere for netop den type arbejde, ifølge forfatterens erfaringer i de 30 dage.
Det sammenfattende resultat er derfor ikke et farvel til skyen, men en arbejdsdeling. Lokal kørsel anvendes, hvor kvaliteten opleves som tilstrækkelig, og hvor privatliv og omkostninger taler for det. Skyen bevares til de mest krævende opgaver.
Modelvalg som beskrevet i kilden
I casen fremgår det, at Qwen3 32B var hovedvalget, når kvalitet var afgørende. DeepSeek blev hentet ind til opgaver med mere eksplicit reasoning-struktur, og Gemma blev brugt til lette opsummeringer og korte Q&A. Disse roller og valg kan verificeres i Towards AI-artiklen.
Casens anbefalinger knytter sig udtrykkeligt til forfatterens egen arbejdsbyrde og opsætning. Da kilden ikke angiver hardware-specifikationer i den gennemgåede beskrivelse, er det en væsentlig begrænsning for dem, der vil vurdere hastighed og respons uden selv at måle.
OpenAIs GPT-5.5 Instant-opdatering
VentureBeat rapporterede 25. juni, at OpenAI opdaterede GPT-5.5 Instant med forbedret forståelse af brugerhensigt, bedre shoppingresultater, lokale anbefalinger og håndtering af komplekse begrænsninger. Ifølge VentureBeat blev udrulningen påbegyndt til betalende ChatGPT-brugere og dernæst til gratis-brugere, og OpenAI delte ikke numeriske benchmarks for forbedringerne. De oplysninger gengives her som VentureBeats rapportering.
For casen betyder det alene, at eventuelle sammenligninger med de nyeste skymodeller må baseres på egne målinger, hvis forskelle skal kvantificeres. Casen leverer ikke sådanne tal.
Kilder og verificerede udsagn
Primærkilde: Towards AI, “I Replaced ChatGPT With Local AI for 30 Days. Here’s What Actually Happened.” Herfra stammer de dokumenterede udsagn om 30-dages forløbet med Ollama og Open WebUI på stationær og MacBook, betalingen af 20 dollar pr. måned for ChatGPT Plus, de beskrevne modelroller (Qwen3 32B, DeepSeek, Gemma), de oplevede fordele (privatliv, økonomi ved batch-arbejde) og begrænsninger (langkontekst reasoning, vision-understøttelse, CPU-hastighed og tid til fejlfinding).
Supplerende kilde: VentureBeat, dækning af OpenAIs opdatering af GPT-5.5 Instant 25. juni, herunder manglende offentliggjorte benchmarks.
Bemærkning: Den primære kilde angiver ikke detaljerede hardware-specifikationer i den gennemgåede beskrivelse, hvilket begrænser overførbarheden af ydelsesvurderinger uden egne målinger.
