# Lokala modeller ökar träffsäkerheten för AI-agenter i edge-miljöer

> En hybridlösning med moln och edge ökade framgångsgraden med upp till 14,9 procentenheter i AppWorld-tester, samtidigt som användardata stannade på enheten.

Oossa · 2026-10-14 · https://oossa.com/sv/local-models-improve-edge-ai-agent-success-rates

Forskare under ledning av Boris Radovič undersökte en mellanväg mellan AI-agenter som enbart körs i molnet och små modeller som körs på enheten. Molnet skriver ett program, men när det behöver tolka användardata anropar det en liten lokal modell. Tester på AppWorld-benchmarken visade att hybridlösningen ökade den kodbaserade agentens framgångsgrad i samtliga sex kombinationer av modeller och testuppdelningar. Ökningen var som mest 14,9 procentenheter, vilket minskade en stor del av gapet till en helt molnbaserad ReAct-loop, samtidigt som integriteten skyddades.

## Fakta

- Ökade framgångsgraden med upp till 14,9 procentenheter
- Utvärderades på AppWorld i sex kombinationer av basmodell och testuppdelning

## Varför det spelar roll

Användare av edge-enheter kan få mer träffsäkra AI-assistenter utan att skicka sina privata uppgifter till molnet.

## Källor och referenser

1. [Should SLMs be in the Driver's Seat? A Study of Local Models as Interpreters in Cloud-Written Agent Programs](https://arxiv.org/abs/2610.14209) – arXiv, 2026-10-14

Senast uppdaterad: 2026-10-14