Qwen3.5-9B eller Ministral-3-14B-Instruct-2512: hur stor skillnad gör den lokala AI-modellen?
My Wealth 1.6 erbjuder flera lokala AI-modeller för olika datorresurser. Qwen3.5-9B har 9 miljarder parametrar och Ministral-3-14B-Instruct-2512 har 14 miljarder.
På papperet har Ministral större kapacitet. I praktiken visar testerna en mer intressant bild: den större modellen klarar komplexa frågor oftare, men är inte alltid bättre. En lättare modell kan vara mer direkt, snabbare och ibland mer trogen den strukturerade information som den får.
Jämförelsen ska därför inte utse en absolut vinnare. Den hjälper oss att förstå hur varje modell resonerar och förbättra assistenten för alla profiler.
Hur utvärderar vi modellerna?
Vi använder en reproducerbar testförmögenhet och frågor formulerade som i appen. Scenarierna omfattar värde och sammansättning, fördelning och koncentration, skulder och finansierade tillgångar, passiva inkomster, budgetar och återkommande transaktioner, investeringsmål och prognoser, korsning av flera källor samt förberedelse av ändringar enligt behörigheter.
Modellen ska förstå frågan, välja rätt MCP-verktyg, förbereda parametrar, använda resultaten och skriva ett svar som stämmer med data. Vi kontrollerar även att den inte hittar på värden eller föreslår en åtgärd som inte efterfrågats.
Fel klassificeras efter den första orsaken: fel verktyg, påhittad parameter, felaktigt verksamhetsvärde, otillräckligt underbyggt svar eller körningsproblem. En korrigering läggs bara till när spåren visar att den behövs.
Resultaten i siffror
För en rättvis jämförelse fick modellerna samma 46 frågor om samma referensförmögenhet och samma verktyg:
| Resultat i de 46 gemensamma scenarierna | Qwen3.5-9B | Ministral-3-14B-Instruct-2512 |
|---|---|---|
| Godkända tester | 33 / 46 — 71,7 % | 37 / 46 — 80,4 % |
| Misslyckade tester | 13 / 46 — 28,3 % | 9 / 46 — 19,6 % |
| Observerad mediantid | 2 min 52 s | 3 min 44 s |
Siffrorna är en ögonblicksbild från utvecklingen, inte ett universellt riktmärke. Testerna kördes på en Intel Core Ultra 7 165U med integrerad Intel-grafik och 18 GB delat minne, utan separat grafikkort eller eget grafikminne. Ändå svarar Qwen inom några minuter och hanterar vissa vanliga frågor på drygt en minut.
Båda modellerna använde i praktiken Compute-delen av Intel-GPU:n. För Ministral kan Vulkan rapportera ett skenbart CPU-läge, men resursövervakningen visar att processorn är inaktiv och GPU:n bär lasten. Testerna följde dessutom flera förbättringar av orkestratorn, så tiderna isolerar inte enbart modellarkitekturen.
Ministral klarade fler scenarier i denna omgång, medan Qwen förblev märkbart snabbare. Den större modellen förbättrar vissa komplexa frågor på bekostnad av mer resurser och tid.
Där Ministral har ett övertag
Ministral var bättre när flera uppgifter behövde kopplas samman: jämförelser mellan ägare, värdet av en tillgångsfamilj jämfört med skuld, inkomstandelen från finansiella tillgångar, värdefulla men lågavkastande tillgångar, finansierade tillgångar och tillhörande skulder, återkommande budgetinvesteringar samt mål längst från sitt målvärde.
Det passar dess avsedda användning: rikare jämförelser, relationer mellan enheter och frågor med fler steg.
Där Qwen överraskar
Qwen är inte bara ett lättare alternativ. Det är ofta mer direkt och undviker att i onödan omtolka en tydlig sammanfattning eller ett kanoniskt resultat.
En ny testserie innehöll AI-panelens fyra standardfrågor:
- Hur ser min förmögenhetssituation ut?
- Var är min förmögenhet mest koncentrerad?
- Vilken tillgång har bäst utveckling?
- Hur stor del av min förmögenhet kan jag snabbt frigöra?
Qwen klarade alla fyra. Ministral klarade tre vid den första fullständiga körningen men utelämnade den högsta koncentrationen trots att uppgiften fanns. Rätt MCP-analys hade valts; felet uppstod när de returnerade dimensionerna omtolkades.
Mer utvecklat resonemang kan lösa en komplex fråga men också i onödan omklassificera ett redan beräknat svar.
Modellen arbetar inte ensam
Kvaliteten beror inte bara på antalet parametrar. My Wealth lägger ett orkestreringslager mellan frågan och data. Det visar en kompakt verktygskatalog, låter modellen välja verktyg och parametrar, validerar anrop, returnerar korrigerbara strukturerade fel, beräknar kanoniska relationer från MCP-resultat och låter modellen ansvara för förståelse och formulering.
LLM-modellen tolkar och förklarar; appen skyddar åtkomsten och stabiliserar exakta fakta. Eftersom en instruktion som fungerar för Qwen kan ignoreras eller övertolkas av Ministral — och tvärtom — använder My Wealth modellanpassade principer i stället för en universell prompt.
Vilken profil ska du välja?
Qwen är den bästa utgångspunkten för vardagsfrågor, förmögenhetsöversikter och datorer med begränsade resurser. Ministral blir intressant när flera dimensioner analyseras, enheter jämförs eller fler steg krävs. Ett perfekt svar garanteras inte och modellen kan ta längre tid, särskilt utan GPU-acceleration.
Valet beror på frågorna, datorns resurser och den svarstid du accepterar.
Utvärderingen fortsätter efter lanseringen
My Wealth 1.6 avslutar inte kampanjen. Varje reproducerbart fel kan avslöja ett tvetydigt verktyg, en otydlig verksamhetsrelation eller modellspecifikt beteende. Lärdomarna förbättrar orkestratorn, MCP-kontrakten och modellprinciperna och vägleder framtida LLM-val.
Som all AI kan assistenten ha fel. Viktig finansiell information bör alltid kontrolleras, oavsett profil.