كيفية تشغيل ⁨Qwen2.5-VL⁩ و⁨Qwen3-VL⁩ محليًا في ⁨2026⁩: دليل ⁨OCR⁩ للمستندات والرؤية

أي نموذج رؤية من Qwen تشغّل؟

وسوم Ollama وأحجام وتراخيص Qwen3-VL وQwen2.5-VL

متطلبات الأجهزة لنماذج الرؤية من Qwen

• أحجام التنزيل تشمل الأوزان فقط: حجم Qwen3-VL 8B هو 6.2 GB وQwen2.5-VL 7B هو 6.0 GB. يحتاج ذاكرة السياق ومرمّز الصور إلى ذاكرة إضافية تزداد مع طول السياق وحجم الصورة، لذا اترك هامشًا فوق حجم التنزيل.
• خيارات أصغر: Qwen3-VL 2B (1.9 GB) و4B (3.3 GB) أو Qwen2.5-VL 3B (3.2 GB) تناسب وحدات GPU الصغيرة والحواسيب المحمولة؛ وتوقّع دقة أقل من نماذج 7B–8B.
• خيارات أكبر: Qwen3-VL 30B-A3B (20 GB) وQwen3-VL 32B وQwen2.5-VL 32B (21 GB) وQwen2.5-VL 72B (49 GB) تتطلب GPU كبيرة أو عدة وحدات GPU أو Apple Silicon بذاكرة موحدة كبيرة.
• التفريغ الجزئي: عندما لا يتسع النموذج في VRAM يمكن لـ Ollama وضع جزء منه في ذاكرة النظام؛ يعمل ذلك لكنه أبطأ بوضوح.
• البرمجيات: Ollama 0.12.7+ لـ Qwen3-VL و0.7.0+ لـ Qwen2.5-VL كما ورد في صفحات مكتبة Ollama.

إعداد Qwen2.5-VL وQwen3-VL مع Ollama

1. 1
   تثبيت Ollama أو تحديثه
   Why it matters: يتطلب Qwen2.5-VL إصدار Ollama 0.7.0 أو أحدث، ويتطلب Qwen3-VL الإصدار 0.12.7 أو أحدث. تحقق بالأمر `ollama --version` وحدّث عند الحاجة. يتوفر Ollama لأنظمة macOS وLinux وWindows.
2. 2
   تنزيل نموذج بوسم صريح
   Why it matters: استخدم `qwen3-vl:8b` أو `qwen2.5vl:7b`. لا تستخدم `qwen2-vl:7b` — فهو غير موجود في مكتبة Ollama الرسمية ولذلك يفشل التنزيل.
3. 3
   تشغيل النموذج وإرفاق صورة
   Why it matters: في الوضع التفاعلي اكتب مسار ملف الصورة داخل الأمر. يكتشف Ollama المسار ويحمّل الصورة.
4. 4
   إرسال الصور عبر API
   Why it matters: تقبل نقطة النهاية /api/generate مصفوفة `images` مشفّرة بـ base64 دون البادئة data:. وهكذا ترسل التطبيقات — ومنها PromptQuorum — الصور برمجيًا.
5. 5
   التحقق من OCR متعدد اللغات
   Why it matters: أرسل مسحًا ضوئيًا لمستند صيني أو ياباني وقارن النص المستخرج بالأصل قبل أن تبني عليه.

# Step 1 — Install or update Ollama (Qwen3-VL needs 0.12.7+, Qwen2.5-VL needs 0.7.0+)
# macOS
brew install ollama

# Linux
curl -fsSL https://ollama.com/install.sh | sh

# Windows — download from https://ollama.com/download
ollama --version

# Step 2 — Pull a Qwen vision model (explicit tag)
ollama pull qwen3-vl:8b          # 6.2 GB
# or: ollama pull qwen2.5vl:7b   # 6.0 GB

# Step 3 — Run and attach an image (interactive)
ollama run qwen3-vl:8b
>>> Extract every line of text from ./invoice-jp.png

# Step 4 — Send an image through the API
# Encode the image first:  base64 -i scan.png   (macOS)
curl http://localhost:11434/api/generate -d '{
  "model": "qwen3-vl:8b",
  "prompt": "Extract every line of text from this document. Preserve line breaks.",
  "images": ["<base64-encoded-image>"],
  "stream": false
}'

# Step 5 — Verify multilingual OCR
ollama run qwen3-vl:8b
>>> Extract all text from this image: ./contract-zh.png

إعداد نماذج الرؤية من Qwen مع LM Studio

1. 1
   تنزيل LM Studio وتثبيته
   Why it matters: واجهة رسومية متعددة المنصات للاستدلال المحلي للنماذج. لا حاجة إلى طرفية.
2. 2
   البحث عن نماذج الرؤية من Qwen
   Why it matters: ابحث عن "Qwen3-VL" أو "Qwen2.5-VL" في متصفح النماذج واختر نسخة تذكر بطاقة نموذجها دعم الرؤية. وطابق التكميم مع ذاكرتك.
3. 3
   تحميل النموذج وإرفاق صورة
   Why it matters: استخدم زر الصورة في حقل الدردشة لرفع صورة أو مسح ضوئي. يمرره LM Studio إلى مرمّز الرؤية.
4. 4
   تشغيل الخادم المحلي
   Why it matters: يعرض خيار "Start Server" واجهة API متوافقة مع OpenAI على localhost:1234. وتستخدم طلبات الرؤية صيغة المحتوى القياسية image_url.

// LM Studio — OpenAI-compatible vision request (localhost:1234)
{
  "model": "<model-id-shown-in-LM-Studio>",
  "messages": [
    {
      "role": "user",
      "content": [
        { "type": "text", "text": "Extract all text from this document." },
        {
          "type": "image_url",
          "image_url": { "url": "data:image/png;base64,<base64-encoded-image>" }
        }
      ]
    }
  ]
}

OCR للمستندات الصينية واليابانية والمختلطة اللغات

• استخراج النص العادي: "استخرج كل سطر نصي من هذه الصورة. احتفظ بفواصل الأسطر وترتيب القراءة."
• الحقول المنظمة: "هذه فاتورة يابانية. أعد المورّد والتاريخ والمجموع الفرعي والضريبة والإجمالي كأزواج مفتاح: قيمة."
• استخراج الجداول: "استخرج هذا الجدول بصيغة CSV. اعتبر الصف الأول رأس الجدول."
• الاستخراج والترجمة في خطوة واحدة: "استخرج النص الصيني من هذه الصورة ثم ترجمه إلى الإنجليزية. اعرض الاثنين."

# Japanese invoice -> structured fields
ollama run qwen3-vl:8b
>>> This is a Japanese invoice. Extract vendor name, invoice date,
    subtotal, consumption tax, and total. Return as key: value pairs.
    ./invoice-jp.png

# Illustrative output format (not a measured result):
# vendor: <vendor name>
# date: <invoice date>
# subtotal: <amount> JPY
# tax: <amount> JPY
# total: <amount> JPY

الأسئلة عن الصور وتحليل لقطات الشاشة وقراءة الرسوم البيانية

• الأسئلة عن الصور: اطرح أسئلة مفتوحة عن صورة — "ما الموجود في هذه الصورة؟" — وتحقق من الإجابات بمقارنتها بالصورة.
• تحليل لقطات الشاشة والواجهات: ابدأ بقراءة لقطات الواجهات ونوافذ الأخطاء وحالات التطبيقات. تصف بطاقتا النموذجين أيضًا قدرات وكيل الواجهات الرسومية، وهي خارج نطاق هذا الدليل.
• قراءة الرسوم البيانية: وصف بنية الرسم واتجاهاته أفضل من استخراج أرقام دقيقة؛ فتأكد من القيم الدقيقة من البيانات الأصلية.
• مقارنة عدة صور: أرسل عدة صور في طلب واحد لمقارنة نسخ أو وصف مجموعة؛ ويعتمد عدد الصور الممكن على ذاكرتك وحجم السياق.

مقارنة Qwen2-VL وQwen2.5-VL وQwen3-VL

ربط نموذج رؤية محلي من Qwen مع PromptQuorum

استكشاف أخطاء نماذج الرؤية من Qwen

• "pull model manifest: file does not exist" أو نموذج غير معروف: الوسم غير موجود في المكتبة الرسمية. `qwen2-vl:7b` غير متاح — استخدم `ollama pull qwen3-vl:8b` أو `ollama pull qwen2.5vl:7b`.
• ينجح التنزيل لكن النموذج لا يُحمَّل: حدّث Ollama. يتطلب Qwen2.5-VL الإصدار 0.7.0+ ويتطلب Qwen3-VL الإصدار 0.12.7+.
• تُتجاهل الصورة ويجيب النموذج كأنه لم يستلم صورة: تأكد من أن مسار الملف صحيح وقابل للقراءة. في API الخاصة بـ Ollama يجب أن تحتوي المصفوفة `images` على base64 خام *دون* البادئة `data:` — فالبادئة `data:` خاصة بصيغتي LM Studio وOpenAI.
• أحرف CJK مشوهة أو مفقودة: دقة المسح الضوئي منخفضة غالبًا. أعد المسح بدقة 150–300 DPI وقارن النتيجة.
• نفاد الذاكرة: اختر وسمًا أصغر (مثل `qwen3-vl:4b` أو `qwen2.5vl:3b`)، أو قلّل حجم السياق أو دقة الصورة، أو استخدم Apple Silicon الذي يتشارك فيه المعالج وGPU ذاكرة موحدة.
• أرقام خاطئة مستخرجة من فاتورة أو رسم بياني: قد تخطئ نماذج الرؤية المحلية في قراءة الأرقام عند المدخلات المشوشة. حسّن جودة المسح وتحقق دائمًا من المخرجات الرقمية بمقارنتها بالأصل.
• ملف PDF لا يُحمَّل: تقبل API الخاصة بـ Ollama الصور لا ملفات PDF. حوّل الصفحات أولًا إلى PNG أو JPEG (باستخدام pdf2image أو pypdfium2) ثم أرسل كل صفحة كصورة منفصلة.
• يعرض LM Studio الرسالة "failed to load model": إما أن الذاكرة غير كافية أو أنك نزّلت نسخة لا تدعم الرؤية. تأكد من أن بطاقة النموذج تذكر دعم الرؤية وجرّب تكميمًا أصغر.

قراءات ذات صلة

• كيفية تشغيل Qwen 3 محليًا — دليل نماذج النص المرافق: إعداد Ollama وLM Studio لنماذج Qwen اللغوية.
• مقارنة نماذج الرؤية المحلية: LLaVA وLlama 3.2 Vision وMiniCPM-V — الاستعراض الكامل لنماذج الرؤية المحلية الأخرى.
• نماذج LLM محلية متعددة الوسائط: الرؤية والصوت والنص — نظرة أوسع على تشغيل النماذج متعددة الوسائط محليًا.
• Qwen مقابل Llama مقابل Mistral — كيف تقارن نماذج Qwen النصية بالبدائل.
• دليل أجهزة LLM المحلية — متطلبات VRAM وGPU للاستدلال المحلي.
• تصفح جميع أدلة LLM المحلية

الأسئلة الشائعة