ThinkPad X1 Extreme Gen 4 Test: Premium-4-GB-VRAM für mobile KI
Für wen ist dieses Notebook?
Das Lenovo ThinkPad X1 Extreme Gen 4 ist der edle, schlanke Einstieg in GPU-KI. Es packt eine RTX 3050 Ti Laptop GPU mit 4 GB GDDR6 und einen Core i7-11800H in ein 16-Zoll-ThinkPad mit ~1,8 kg, erstklassiger Tastatur und atemberaubendem Display. Es ist nicht die schnellste KI-Maschine hier — 4 GB VRAM sind die Einstiegsklasse — aber es ist mit Abstand das angenehmste Gerät im Alltag, und es überschreitet die Grenze, die Notebooks mit integrierter Grafik nicht schaffen: Es hat CUDA.
Studierende (Budget: 680–940 €)
Ein hervorragendes Allround-Notebook für Studierende, das zusätzlich echte GPU-KI beherrscht. Die 4-GB-RTX-3050-Ti führt Stable Diffusion 1.5 aus und beschleunigt Whisper sowie 7B-LLMs — genug, um den kompletten CUDA-Workflow zu lernen, ohne an einen festen Schreibtisch gebunden zu sein. Für Verarbeitung und Bildschirm des X1 zahlst du gegenüber einem günstigeren Dell Precision einen Aufpreis; wenn dir Bildgenerierung wichtiger ist als die Wertigkeit, wäge das Dell Precision 5560 (ebenfalls 4 GB) dagegen ab.
ML-Ingenieure & Data Scientists
Sieh es als schönes Alltagsgerät mit CUDA-Sicherheitsnetz, nicht als primäre Trainingsmaschine. 4 GB VRAM bewältigen SD 1.5, 7B-LLMs teilweise auf der GPU sowie CUDA-Entwicklung und -Debugging, können aber SDXL nicht komfortabel oder 13B nicht auf der GPU laden. Wenn du hauptsächlich Code schreibst, APIs aufrufst und gelegentlich ein kleines Modell lokal testest — und dafür die beste ThinkPad-Tastatur und ein 16-Zoll-Display willst — ist das X1 Extreme eine Freude. Für anhaltende generative Arbeit ist eine 8-GB-Maschine das eigentliche Werkzeug.
Kleine Teams & Start-ups
Als kundennahes Premium-Notebook, das trotzdem lokale KI-Demos ausführt, sieht und fühlt sich das X1 Extreme passend an. Es ist portabel genug für den täglichen Transport und leistungsfähig genug, um eine Stable-Diffusion-1.5- oder 7B-LLM-Demo direkt auf dem Gerät zu zeigen. Für eine gemeinsam genutzte Generierungs- oder Fine-Tuning-Workstation solltest du das Budget aber lieber in 8 GB oder 16 GB stecken.
What can it actually run?
| Task | Works? | Notes |
|---|---|---|
| GitHub Copilot / Cursor AI | ✅ Yes | API-based, runs perfectly |
| Whisper transcription (local) | ✅ Yes | medium model GPU-accelerated; large-v3 better on CPU+RAM |
| Ollama 7B | ✅ Yes | Q4 splits GPU+CPU (4 GB won’t hold it all). ~12–18 tok/s |
| Ollama 13B | ⚠️ Tight | CPU + 16 GB RAM only; slow. 32 GB strongly recommended |
| Stable Diffusion 1.5 | ✅ Yes | ~12–20s per 512×512 image at 20 steps |
| Stable Diffusion XL | ⚠️ Tight | Loads with --medvram/tiling but slow; 4 GB is below comfort |
| ComfyUI / FLUX.1 | ❌ No | FLUX needs far more than 4 GB even quantised |
Key:
- ✅ Yes — works well
- ⚠️ Possible but slow — usable with patience
- ❌ No — hardware limitation prevents this
Full Specifications
| Component | Specification |
|---|---|
| CPU | Intel Core i7-11800H (8C/16T) |
| CPU Generation | Intel 11th Gen (Tiger Lake H, 2021) |
| RAM | 16 GB DDR4-3200 (2× SO-DIMM, max 64 GB) |
| Storage | 512 GB NVMe Gen 4 (2× M.2 2280 slots) |
| GPU | NVIDIA GeForce RTX 3050 Ti Laptop (4 GB GDDR6, ~60W) |
| VRAM | 4 GB GDDR6 (dedicated) |
| Display | 16” 2560×1600 IPS or 4K UHD+ (config-dependent) |
| Battery | 90 Wh |
| Weight | 1.81 kg |
| TDP | 45W CPU + up to 60W GPU |
| AI Score | 60/100 |
Mobil vs. Desktop: warum 4 GB die Untergrenze sind
Eine Desktop-„RTX 3050 Ti” gibt es nicht — das ist eine reine Laptop-GPU —, aber die VRAM-Lektion gilt trotzdem, denn 4 GB sind die Untergrenze für ernsthafte KI. Stable Diffusion 1.5 passt und läuft gut; SDXL braucht 6–8 GB, um komfortabel zu sein, und FLUX braucht weit mehr. VRAM ist die harte Mauer: Ein Modell passt in 4 GB oder eben nicht, und keine Menge an CPU oder RAM ändert das bei GPU-Arbeit. Das X1 Extreme ist die angenehmste Art, diese 4-GB-Untergrenze zu besitzen — aber wenn deine Arbeit Bildgenerierung ist, plane lieber 6–8 GB ein. Unser Guide Was VRAM ist und warum es für KI wichtig ist erklärt die Stufen, und GGUF-Quantisierung erklärt zeigt, wie Quantisierung knappen VRAM für LLMs streckt.
KI-Leistung in der Praxis
Die RTX 3050 Ti Laptop ist eine Einstiegs-Ampere-GPU mit 2560 CUDA-Kernen und einem bescheidenen Leistungslimit von ~60 W. Für Stable Diffusion 1.5 ist sie wirklich brauchbar — rund 12–20 Sekunden pro 512×512-Bild bei 20 Schritten, mit ControlNet bei niedriger Auflösung möglich. SDXL lädt technisch mit speichersparenden Flags (--medvram, Tiling), aber die 4-GB-Grenze macht es langsam und fummelig; behandle SDXL hier als „möglich, aber nicht angenehm”.
Für LLMs reichen 4 GB nicht, um ein 7B-Modell allein zu halten, also verteilt Ollama die Layer auf GPU und CPU — erwarte geschätzte 12–18 tok/s bei 7B Q4, schneller als ein reines CPU-Notebook, aber deutlich hinter einer 8-GB-Karte. 13B ist eine CPU-und-RAM-Aufgabe; rüste mindestens 32 GB nach, wenn du es ausführen willst. Siehe unseren Guide zu Ollama-Notebook-Anforderungen für das Modell-für-Modell-Bild.
Thermisches Verhalten
Das X1 Extreme ist ein Thin-and-Light, und seine Kühlung ist auf leisen Alltagsbetrieb statt auf anhaltende GPU-Last ausgelegt. Das bescheidene ~60-W-Limit der 3050 Ti hilft — es muss weniger Hitze abgeführt werden als bei einer RTX 3080 —, aber unter kombinierter CPU+GPU-Last erwärmt sich das Gehäuse und die Lüfter drehen hörbar auf. Für die stoßweisen SD-1.5- und Klein-LLM-Workloads, für die diese Maschine geeignet ist, sind die Temperaturen in Ordnung; sie ist nicht für stundenlanges GPU-Training gebaut.
Akkulaufzeit unter KI-Last
Der 90-Wh-Akku ist groß und liefert wirklich gute Laufzeit im allgemeinen Gebrauch (6–9 Stunden Coden und Surfen) — eine der echten Stärken des X1 Extreme. Wie bei jedem dGPU-Notebook reduziert anhaltende GPU-Inferenz das auf rund 90 Minuten, und die GPU drosselt im Akkubetrieb. Für SD 1.5 und GPU-Arbeit bleib am 135–170-W-Netzteil.
Was vor dem Kauf (gebraucht) zu prüfen ist
Bestätige, dass es die RTX 3050 Ti hat — nicht die reine iGPU-Konfiguration Manche X1-Extreme-Gen-4-SKUs wurden mit schwächeren GPU-Optionen ausgeliefert oder GPU-arm bestellt. Verifiziere „RTX 3050 Ti Laptop” und 4 GB in GPU-Z und bitte um einen Screenshot. Ohne die dGPU ist das nur ein teures Notebook mit integrierter Grafik.
RAM und der Weg zu 32 GB Basisgeräte werden oft mit 16 GB ausgeliefert. Zwei SO-DIMM-Slots erlauben bis zu 64 GB — plane ein Upgrade auf 32 GB ein, wenn du 13B-LLMs auf der CPU ausführen willst. Bestätige, dass beide Slots zugänglich sind.
Display-Variante und Einbrennen Die 4K-UHD+- und OLED-nahen Panels sind wunderschön, aber zehren am Akku; das 2560×1600-IPS ist die pragmatische Wahl für die KI-Entwicklung. Inspiziere jedes hochauflösende Panel auf Gleichmäßigkeit und Abnutzung.
Temperaturen und Lüftergesundheit
Lass FurMark 10–15 Minuten laufen und achte auf Throttling; dünne Gehäuse altern weniger gut als Workstations. Prüfe powercfg /batteryreport auf Verschleiß der 90-Wh-Zelle.
Wo in Deutschland kaufen
Back Market DE — Zuverlässig eingestufte X1-Extreme-Gen-4-Geräte tauchen regelmäßig auf, typischerweise 680–940 € mit 12 Monaten Garantie. Bestätige die RTX-3050-Ti-/4-GB-Konfiguration.
Rebuy — Listet Ex-Firmen- und Open-Box-X1-Extreme-Geräte ab rund 680 €. Verifiziere GPU und RAM, da hier integriert-lastige Konfigurationen auftauchen.
eBay — Beste Preise (680–880 €) und die größte Auswahl, oft aus Premium-Firmenflotten. Verlange einen GPU-Z-Screenshot, der die 3050 Ti und 4 GB bestätigt, und prüfe die Display-Variante.
Was zu vermeiden ist: Anzeigen, die die GPU verschweigen, oder ein hochauflösendes 4K-Panel mit schlechten Fotos zur Akkugesundheit kombinieren — du zahlst einen Aufpreis für den Bildschirm und erbst einen verschlissenen Akku.
Fazit
AI Score: 60/100 — SD Ready
Das ThinkPad X1 Extreme Gen 4 ist das edle, schlanke Tor zur GPU-KI. 4 GB CUDA-VRAM sind die Einstiegsklasse — genug für Stable Diffusion 1.5, beschleunigtes Whisper und teil-GPU-7B-LLMs — verpackt in die beste Tastatur, ein wunderschönes 16-Zoll-Display und ein ~1,8-kg-Gehäuse, das du gerne täglich trägst. Als Allround-Notebook, das zusätzlich echte GPU-KI beherrscht, ist hier nichts angenehmer im Gebrauch.
Die ehrliche Grenze ist die 4-GB-Decke: kein komfortables SDXL, kein FLUX, kein 13B auf der GPU. Wenn Bildgenerierung dein Hauptjob ist, ist das Geld besser in 6–8 GB investiert. Aber wenn du ein hervorragendes Alltags-ThinkPad mit echtem CUDA-Sicherheitsnetz willst, verdient das X1 Extreme seinen Aufpreis.
Kaufen, wenn: Du ein erstklassiges portables ThinkPad zum Coden und für die tägliche Arbeit willst, mit genug GPU für SD 1.5 und Klein-Modell-Experimente.
Nicht kaufen, wenn: Dein Fokus auf SDXL/FLUX oder 13B-LLMs liegt (hol dir eine 8-GB-Maschine wie das ASUS ROG Zephyrus G14) oder du maximalen GPU-Gegenwert über Wertigkeit willst (das Dell Precision 5560 bietet ähnliche 4-GB-Leistung für weniger). Vergleiche die gesamte Bandbreite in unserer Übersicht beste gebrauchte Laptops für lokale LLMs.