النقاط الرئيسية
- Qwen3-Coder 30B (Alibaba, Apache 2.0) هو نموذج البرمجة المحلي الافتراضي في مايو 2026 — يتصدر اتجاه HumanEval+ الذي يُبلغ عنه المزودون بين النماذج مفتوحة الأوزان، ويدعم نافذة سياق 256K رمز، ويعمل بضغط Q4_K_M على معالج رسومات استهلاكي بسعة 24 جيجابايت.
- Qwen3-Coder 7B هو أقوى نموذج برمجة دون حد 10B — يناسب بطاقات 8-10 جيجابايت، ويعمل جيداً على MacBook بذاكرة 16 جيجابايت، ويشغّل سير عمل الإكمال التلقائي حيث يكون 30B مبالغاً فيه.
- DeepSeek Coder V3 يوفر أكبر نافذة سياق عملية في هذه المجموعة ويتميز في الاستنتاج متعدد الملفات — لكن النموذج الكامل يحتاج 48 جيجابايت أو أكثر من VRAM بضغط Q4_K_M؛ المتغيرات الأصغر المشتقة من MoE تسد الفجوة على بطاقات 24 جيجابايت.
- Codestral 22B (Mistral) هو خيار السرعة — عدد معاملات نشطة أقل، استنتاج سريع، ومسار تجاري واضح عبر ترخيص Mistral التجاري. يتأخر قليلاً عن Qwen3-Coder في اتجاه البرمجة لكنه يتقدم في الرموز في الثانية.
- Llama 3.3 Code يتأخر عن Qwen3-Coder في اتجاه البرمجة المنشور، لكنه يفوز حيث تكون المنظومة البيئية المحيطة (الضبط الدقيق الموجود، الأدوات الخاصة بـ Llama) أهم من الترتيب المطلق.
- Granite Code (IBM, Apache 2.0) مصمم للسياقات المؤسسية حيث تكون وضوح الترخيص وموقف التدقيق أهم من مكانة لوحة المتصدرين. المتغير 34B هو الأقوى في العائلة؛ والمتغير 8B هو خيار الحاسوب المحمول.
- StarCoder 2 (BigCode, BigCode OpenRAIL-M) يغطي أوسع مدى من لغات البرمجة في هذه المجموعة، مع تغطية قوية للغات المتخصصة (Rust وLua وHaskell وSolidity).
- VRAM هو القيد الأساسي لمعظم القرّاء. اختر أكبر نموذج يناسب ضغط Q4_K_M مع هامش 2-4 جيجابايت للسياق والأدوات — لا النموذج ذو أعلى نقاط على لوحة المتصدرين.
حقائق سريعة
- الخيار الأمثل (مايو 2026): Qwen3-Coder 30B بضغط Q4_K_M على معالج رسومات 24 جيجابايت.
- خيار الحاسوب المحمول / معالج رسومات 8-10 جيجابايت: Qwen3-Coder 7B بضغط Q4_K_M (~5 جيجابايت).
- خيار السياق الطويل: DeepSeek Coder V3 بضغط Q4_K_M على 48 جيجابايت أو أكثر من VRAM.
- خيار السرعة: Codestral 22B بضغط Q4_K_M — الأسرع في فئة 22B+.
- الخيار المؤسسي / الصديق للتدقيق: Granite Code 34B (IBM, Apache 2.0).
- خيار اللغات المتخصصة: StarCoder 2 15B (تغطية Rust وLua وHaskell وSolidity).
- حسابات VRAM بضغط Q4_K_M: تقريباً
(المعاملات بالمليار) × 0.6 جيجابايتزائد 2-4 جيجابايت لحمولة السياق. - التراخيص ليست متكافئة. Qwen3-Coder وDeepSeek Coder V3 وGranite Code تعمل بموجب Apache 2.0. Codestral يحمل ترخيص Mistral غير الإنتاجي مع شروط تجارية منفصلة. Llama 3.3 يستخدم رخصة مجتمع Llama (صديقة للاستخدام التجاري مع قيود سياسة Meta). StarCoder 2 موزَّع بموجب BigCode OpenRAIL-M.
مقارنة ستة نماذج البرمجة المحلية في 2026
جميع الأرقام أدناه قابلة للتحقق علناً مقابل بطاقات النماذج المذكورة (انظر قسم المصادر). اتجاه HumanEval+ مُبلَّغ عنه من المزود؛ عامله كإشارة ترتيب لا دقة مطلقة — راجع بطاقة النموذج قبل أي قرار إنتاجي.
📍 في جملة واحدة
Qwen3-Coder 30B هو الخيار الافتراضي لمايو 2026؛ يفوز الباقون في ملاءمة العتاد أو طول السياق أو موقف الترخيص أو تغطية اللغات البرمجية.
💬 بعبارات بسيطة
ستة نماذج مفتوحة الأوزان للبرمجة، ليس هناك فائز واضح لكل الاحتياجات. Qwen3-Coder يتصدر اتجاه المعيار العلني؛ DeepSeek يتصدر في نافذة السياق؛ Codestral يتصدر في السرعة؛ Granite يتصدر في وضوح الترخيص؛ StarCoder يتصدر في تغطية اللغات المتخصصة. الاختيار الصحيح هو الذي يتطابق قيده الأكبر مع قيدك الأكبر.
| النموذج | الحجم | VRAM (Q4_K_M) | نافذة السياق | الترخيص | الأنسب لـ |
|---|---|---|---|---|---|
| Qwen3-Coder 30B | ~30 مليار معامل | ~17-18 جيجابايت | 256K | Apache 2.0 | الخيار الافتراضي لمعالجات رسومات 24 جيجابايت في مايو 2026 |
| Qwen3-Coder 7B | ~7 مليار معامل | ~5 جيجابايت | 128K | Apache 2.0 | الحواسيب المحمولة، معالجات رسومات 8-10 جيجابايت، سير عمل الإكمال التلقائي |
| DeepSeek Coder V3 | MoE، ~36 مليار معامل نشط من إجمالي أكبر | ~48 جيجابايت+ (كامل)؛ المتغيرات الأصغر ~24 جيجابايت | 128K (قابلة للتوسع) | Apache 2.0 | السياق الطويل، متعدد الملفات، الاستنتاج على مستوى المستودع |
| Codestral 22B | ~22 مليار معامل | ~13 جيجابايت | 32K | Mistral غير الإنتاجي (التجاري عبر Mistral) | الاستنتاج السريع، مسار الترخيص التجاري لفرق الاتحاد الأوروبي |
| Llama 3.3 Code | ~70 مليار (عام) / متغيرات 8 مليار | ~40 جيجابايت (70B) / ~5 جيجابايت (8B) | 128K | رخصة مجتمع Llama | التوافق مع منظومة Llama البيئية، سير عمل الضبط الدقيق الموجودة |
| Granite Code 34B | ~34 مليار معامل | ~20 جيجابايت | 128K | Apache 2.0 | التدقيق المؤسسي، موقف ترخيص قابل للتنبؤ |
| StarCoder 2 15B | ~15 مليار معامل | ~9 جيجابايت | 16K | BigCode OpenRAIL-M | تغطية واسعة للغات البرمجة بما فيها اللغات المتخصصة |
أيّها ينبغي أن تختار
النموذج الصحيح يحدده قيدك الأساسي — VRAM أو نافذة السياق أو الترخيص — لا ترتيب لوحة المتصدرين. استخدم هذه الاختصارات.
| حالتك | الخيار |
|---|---|
| أملك معالج رسومات 24 جيجابايت وأريد أفضل نموذج برمجة محلي للأغراض العامة | Qwen3-Coder 30B |
| أملك معالج رسومات 12-16 جيجابايت وأريد نموذجاً قوياً للاستخدام اليومي | Qwen3-Coder 7B (مع هامش جودة) أو Codestral 22B (مع هامش سرعة) |
| أملك معالج رسومات 8 جيجابايت أو MacBook بذاكرة 16 جيجابايت | Qwen3-Coder 7B |
| أملك 48 جيجابايت أو أكثر من VRAM وأعمل على مهام مستودع كامل | DeepSeek Coder V3 |
| أبني منتجاً تجارياً وأحتاج وضوح الترخيص قبل كل شيء | Granite Code 34B (Apache 2.0) أو DeepSeek Coder V3 (Apache 2.0) |
| أشغّل نماذج Llama بالفعل وأريد الاتساق في بنيتي | Llama 3.3 Code 70B (إن سمح VRAM) أو المتغير 8B |
| أكتب بـ Rust أو Lua أو Haskell أو Solidity أو لغات متخصصة أخرى | StarCoder 2 15B |
| أولويتي هي الرموز في الثانية لا الجودة المطلقة | Codestral 22B |
Qwen3-Coder: الخيار الافتراضي للبرمجة المحلية
Qwen3-Coder هو سلسلة نماذج برمجة مفتوحة الأوزان من Alibaba، وفي مايو 2026 يُعدّ نموذج البرمجة المحلي الافتراضي. يجمع بين أقوى اتجاه HumanEval+ منشور علناً في هذه المجموعة ونافذة سياق 256K وترخيص Apache 2.0 — ثلاثة عناصر نادراً ما تتوفر معاً في نموذج واحد.
- الأحجام: 30B (النموذج الرئيسي) و7B (نموذج الحاسوب المحمول ومعالج رسومات 8 جيجابايت). كلاهما محوّل كثيف (لا يعتمد بنية خبراء مختلطين).
- نافذة السياق: 256K رمز للنموذج 30B؛ و128K للنموذج 7B. من أكبر النوافذ في هذه المجموعة دون اللجوء إلى نماذج مشتقة من MoE.
- تركيز التدريب: مجموعة بيانات تدريب متعددة اللغات مكثفة بالشيفرة البرمجية، مع تغطية قوية لـ Python وTypeScript/JavaScript وJava وC++ وGo وRust. أمثلة استدعاء الأدوات جزء من مزيج ما بعد التدريب.
- الترخيص: Apache 2.0 — الاستخدام التجاري مسموح به دون ترخيص إضافي مع الحفاظ على الإسناد.
- VRAM بضغط Q4_K_M: النموذج 30B يناسب تقريباً 17-18 جيجابايت، تاركاً هامشاً على بطاقة 24 جيجابايت للسياق والأدوات. النموذج 7B يناسب تقريباً 5 جيجابايت.
- موثوقية استدعاء الأدوات: الأقوى بين نماذج البرمجة مفتوحة الأوزان للأطر ذات مخططات أدوات صارمة (Cline، وضع وكيل Continue.dev). موثوقية تنسيق XML التي يعتمد عليها برنامج Cline عالية في النموذج 30B؛ أقل موثوقية في النموذج 7B.
- أين يتألق: البرمجة للأغراض العامة (Python وTypeScript)، مهام السياق الكبير (إعادة هيكلة ملفات كاملة)، حلقات وكلاء استخدام الأدوات.
- أين يقصر: المتغير 7B جيد لحجمه لكنه لا يضاهي النموذج 30B في الاستنتاج متعدد الخطوات. اللغات المتخصصة (Lua وHaskell وSolidity) أقل تغطية من StarCoder 2.
💡Tip: على معالج رسومات 24 جيجابايت، شغّل Qwen3-Coder 30B بضغط Q4_K_M لدور المحادثة/الوكيل، وشغّل Qwen3-Coder 1.5B بضغط Q4_K_M كعملية إكمال تلقائي منفصلة. إجمالي VRAM: ~19 جيجابايت. يُبقي هذا التقسيم كمون الإكمال التلقائي دون 200 مللي ثانية بينما يتعامل النموذج الأكبر مع العمل غير التافه في المحادثة.
DeepSeek Coder V3: الثقيل لنطاقات السياق الطويلة
DeepSeek Coder V3 هو النموذج الذي تلجأ إليه حين يكون طول السياق هو القيد الأساسي. يستخدم بنية خبراء مختلطين (MoE)، مما يمنحه استنتاجاً قوياً بعدد معاملات نشطة معتدل، لكن بحجم نموذج إجمالي ثقيل يؤثر في قرارات اختيار العتاد.
- البنية: MoE — المعاملات الإجمالية أعلى بكثير من المعاملات النشطة أثناء الاستنتاج. النموذج الكامل أثقل على القرص وذاكرة VRAM مما يوحيه عدد المعاملات النشطة.
- نافذة السياق: 128K رمز مع تقنيات توسيع تدفع السياق القابل للاستخدام أبعد حسب الضغط الكمّي ومحرك الاستنتاج.
- تركيز التدريب: الشيفرة البرمجية والاستنتاج. قوي في Python وTypeScript وC++ وGo. التخطيط متعدد الخطوات والاستنتاج بأسلوب سلسلة التفكير نقاط قوة بارزة.
- الترخيص: Apache 2.0 — الاستخدام التجاري مسموح به.
- VRAM بضغط Q4_K_M: النموذج V3 الكامل يحتاج 48 جيجابايت أو أكثر للاستنتاج المريح. توجد متغيرات مقطرة ومشتقة من MoE أصغر تستهدف بطاقات 24 جيجابايت؛ تحقق من المتغير في بطاقة النموذج قبل التنزيل.
- موثوقية استدعاء الأدوات: قوي على الأطر التي تسمح باستدعاءات أدوات بأسلوب OpenAI؛ أضعف قليلاً من Qwen3-Coder على مخطط XML الصارم لبرنامج Cline في مايو 2026.
- أين يتألق: الاستنتاج على مستوى المستودع الكامل، مهام السياق الطويل، خطط الوكلاء متعددة الخطوات.
- أين يقصر: الحاجز التقني من حيث العتاد هو الأعلى بين جميع النماذج في هذا الدليل. على بطاقة 24 جيجابايت، المتغيرات المشتقة الأصغر هي الخيار الوحيد القابل للتطبيق، وهي تتأخر عن النموذج الكامل في مهام السياق الطويل.
⚠️Warning: يمتلك DeepSeek Coder V3 أعلى حاجز تقني في هذا الدليل — 48 جيجابايت أو أكثر من VRAM بضغط Q4_K_M للنموذج الكامل. توجد مشتقات مجتمعية تستهدف 24 جيجابايت وهي قابلة للاستخدام، لكنها تتخلى عن الاستنتاج ذي السياق الطويل الذي هو السبب الرئيسي لاختيار DeepSeek على Qwen3-Coder. طابق المتغير مع عتادك قبل اتخاذ القرار.
Codestral 22B: خيار السرعة مع مسار تجاري واضح
Codestral هو نموذج برمجة Mistral المضبوط. يتأخر قليلاً عن Qwen3-Coder في اتجاه البرمجة المنشور، لكنه يفوز في الرموز في الثانية وفي مسار ترخيص تجاري نظيف عبر Mistral.
- الأحجام: 22B (النموذج الرئيسي). يناسب بضغط Q4_K_M معالج رسومات 16 جيجابايت بشكل مريح مع هامش سياق.
- نافذة السياق: 32K رمز. أصغر من Qwen3-Coder وDeepSeek؛ كافية لتعديلات ملف واحد ومعظم التعديلات متعددة الملفات، لكن مقيّدة للعمل على مستودعات كاملة.
- تركيز التدريب: تغطية برمجية واسعة متعددة اللغات مع أداء قوي في Python وTypeScript وJava وC++ وBash.
- الترخيص: ترخيص Mistral غير الإنتاجي افتراضياً؛ الاستخدام التجاري يستلزم الترخيص التجاري من Mistral (مدفوع). هذا أمر غير معتاد في هذه المجموعة وهو الحقيقة الأهم للفرق التي تطلق منتجاً تجارياً على هذا النموذج.
- VRAM بضغط Q4_K_M: ~13 جيجابايت — يناسب معالج رسومات 16 جيجابايت مع هامش للسياق، ومريح على 24 جيجابايت.
- سرعة الاستنتاج: أسرع من Qwen3-Coder 30B بنفس مستوى الضغط الكمّي، وأسرع بكثير من DeepSeek Coder V3. المقايضة بين الجودة والسرعة هي الأنظف من بين الستة.
- أين يتألق: الإكمال التلقائي الفوري على بطاقات 16-24 جيجابايت، سير عمل الفرق الأوروبية حيث تُهم العلاقة التجارية مع Mistral، التكرار السريع في المحادثة.
- أين يقصر: سياق 32K هو الأصغر في المجموعة بعد StarCoder 2. قصة الترخيص أكثر تعقيداً من Apache 2.0 — اقرأ شروط Mistral غير الإنتاجي قبل الدمج.
📌Note: ترخيص Codestral هو النقطة الأكثر إثارةً للانتباه في هذه المجموعة. Mistral غير الإنتاجي مناسب للاستخدام الشخصي والتقييم والبحث والتطوير الداخلي. للمنتج التجاري، يجب التفاوض على ترخيص Mistral التجاري أو اختيار نموذج مختلف — البدائل Apache 2.0 (Qwen3-Coder وDeepSeek Coder V3 وGranite Code) تغطي نفس حالات الاستخدام دون تعقيدات إدارة الترخيص.
Llama 3.3 Code: خيار التوافق مع المنظومة البيئية
Llama 3.3 Code هو الخيار الصحيح حين تستخدم بنيتك الحالية نماذج Llama بالفعل. اتجاه البرمجة الخام يتأخر عن Qwen3-Coder وDeepSeek، لكن المنظومة البيئية المحيطة بـ Llama (الضبط الدقيق والأدوات وأنماط النشر) هي الأكبر لأي عائلة نماذج في هذا الدليل.
- الأحجام: 70B (للأغراض العامة بقدرة برمجية)، 8B (حاسوب محمول / معالج رسومات 8 جيجابايت). النموذج 70B هو الرئيسي؛ والنموذج 8B خيار إكمال تلقائي شائع بسبب دعم الأدوات القوي.
- نافذة السياق: 128K رمز.
- تركيز التدريب: للأغراض العامة مع قدرة برمجية قوية — غير متخصص في البرمجة بنفس طريقة Qwen3-Coder أو Codestral. نقاط قوته البرمجية مصدرها الاتساع لا العمق.
- الترخيص: رخصة مجتمع Llama — الاستخدام التجاري مسموح به في حدود قيود سياسة Meta، بما فيها عتبة استخدام يخضع ما يتجاوزها لشروط ترخيص منفصلة. اقرأ الترخيص قبل الدمج في المنتجات التجارية.
- VRAM بضغط Q4_K_M: ~40 جيجابايت للنموذج 70B (بطاقات 24 جيجابايت تحتاج متغيراً أصغر أو ضغطاً كمياً أكثر حدة)؛ ~5 جيجابايت للنموذج 8B.
- موثوقية استدعاء الأدوات: جيدة لاستدعاءات الأدوات بأسلوب OpenAI؛ أقل موثوقية من Qwen3-Coder على مخططات XML الصارمة لبرنامج Cline. المتغير 8B يعاني مع استدعاءات الأدوات في حلقات الوكلاء.
- أين يتألق: البنى التي تشغّل Llama بالفعل (البنية التحتية الموجودة، وصفات النشر، الضبط الدقيق)، البرمجة للأغراض العامة مع استنتاج غير برمجي أحياناً.
- أين يقصر: اتجاه البرمجة المطلق يتأخر عن النماذج المتخصصة. إن كانت البرمجة هي حالة الاستخدام الأساسية ولا توجد ارتباطات بـ Llama، فإن Qwen3-Coder هو الخيار الافتراضي الأفضل.
💡Tip: Llama 3.3 8B خيار إكمال تلقائي شائع على معالجات رسومات 8 جيجابايت — لكن موثوقية حلقات الوكلاء تنخفض بشكل حاد عند هذا الحجم. استخدم النموذج 8B للإكمالات الأسطرية، وأحّل إلى نموذج 27B+ مدرّب على استدعاء الأدوات لأعمال المحادثة وإعادة الهيكلة. نموذجان في نفس إعداد Continue.dev أو برنامج Cline هو النمط الشائع.
Granite Code: الخيار المؤسسي الصديق للتدقيق
سلسلة Granite Code من IBM مصممة للسياقات المؤسسية حيث تكون موثوقية الترخيص وموقف التدقيق أهم من مكانة لوحة المتصدرين. Apache 2.0 وتوثيق بيانات التدريب الشفاف وإيقاع إصدار منتظم تجعلها الأسهل دفاعاً في مراجعات المشتريات من بين الستة.
- الأحجام: 34B (النموذج الرئيسي) و8B (حاسوب محمول / معالج رسومات 8 جيجابايت). محوّلات كثيفة، ليست MoE.
- نافذة السياق: 128K رمز.
- تركيز التدريب: متعدد اللغات مكثف بالشيفرة مع توثيق متعمد لبيانات التدريب — خيار توضعي أهم في المشتريات منه في جودة الشيفرة.
- الترخيص: Apache 2.0 — نفس موقف Qwen3-Coder وDeepSeek Coder V3.
- VRAM بضغط Q4_K_M: ~20 جيجابايت للنموذج 34B، ~5 جيجابايت للنموذج 8B.
- اتجاه البرمجة: يتأخر عن Qwen3-Coder 30B في معظم المعايير العلنية؛ تنافسي مع Codestral في Python وJava، متأخر في TypeScript.
- أين يتألق: الخيارات التي تدفعها متطلبات المشتريات، سياقات التدقيق المؤسسي، نشرات القطاعات المنظمة حيث يُشكّل توثيق مصدر بيانات النموذج في حد ذاته مخرجاً قابلاً للتسليم.
- أين يقصر: القدرة البرمجية المطلقة دون القادة. إن لم تكن المشتريات قيداً ملزماً، فإن Qwen3-Coder أقوى بنفس ميزانية العتاد.
StarCoder 2: خيار اللغات المتخصصة
StarCoder 2 هو سلسلة نماذج برمجة مفتوحة الأوزان من BigCode، وفي مايو 2026 يُعدّ النموذج مفتوح الأوزان الأقوى للغات البرمجة المتخصصة. يغطي لغات أكثر من أي نموذج آخر في هذه المجموعة، بما فيها Lua وHaskell وSolidity وذيل طويل من اللغات الأقل شيوعاً.
- الأحجام: 15B (الخيار المحلي العملي)، 7B، 3B. محوّلات كثيفة.
- نافذة السياق: 16K رمز — الأصغر في المجموعة، وهو القيد الأساسي.
- تركيز التدريب: الاتساع على حساب العمق — مُدرَّب على مئات لغات البرمجة مع تغطية متعمدة للغات الأقل شيوعاً. أداء Python وTypeScript يتأخر عن القادة، لكن تغطية Rust وLua وHaskell وSolidity هي الأفضل في فئتها بين النماذج مفتوحة الأوزان.
- الترخيص: BigCode OpenRAIL-M — ترخيص ذكاء اصطناعي مسؤول مع قيود على حالات الاستخدام. اقرأ الترخيص قبل الدمج التجاري؛ هو أكثر مرونة من Mistral غير الإنتاجي لكن أكثر تقييداً من Apache 2.0.
- VRAM بضغط Q4_K_M: ~9 جيجابايت للنموذج 15B — يناسب بشكل مريح بطاقة 12 أو 16 جيجابايت.
- أين يتألق: العمل في اللغات المتخصصة (Rust وLua وHaskell وSolidity وElm وJulia)، قواعد الشيفرة متعددة اللغات، تغطية لغات لا توفرها النماذج الأخرى.
- أين يقصر: نافذة سياق 16K هي الأصغر في المجموعة؛ الأداء المطلق في Python وTypeScript دون Qwen3-Coder وDeepSeek.
حسابات VRAM حسب مستوى الضغط الكمّي
VRAM هو القيد الأساسي لمعظم قرارات نماذج البرمجة المحلية. القاعدة البسيطة: بضغط Q4_K_M، توقع تقريباً (المعاملات بالمليار) × 0.6 جيجابايت لأوزان النموذج، زائد 2-4 جيجابايت للسياق والأدوات. الضغط الأعلى (Q5 وQ6 وQ8) يقايض VRAM باستعادة الجودة.
- Q4_K_M (الافتراضي): أفضل توازن بين الحجم والجودة لمعظم أعمال البرمجة. تقريباً 0.6 جيجابايت لكل مليار معامل. نموذج 30B يناسب ~18 جيجابايت؛ نموذج 7B يناسب ~5 جيجابايت.
- Q5_K_M: تقريباً 0.75 جيجابايت لكل مليار معامل. نموذج 30B يحتاج ~22 جيجابايت. استعادة الجودة صغيرة لكن قابلة للقياس في الاستنتاج متعدد الخطوات.
- Q6_K: تقريباً 0.85 جيجابايت لكل مليار معامل. نموذج 30B يحتاج ~26 جيجابايت. يستحق الهامش على بطاقة 32 جيجابايت.
- Q8_0: تقريباً 1.05 جيجابايت لكل مليار معامل. نموذج 30B يحتاج ~32 جيجابايت. الأقرب لجودة FP16 بنصف VRAM.
- FP16 (بدون ضغط): تقريباً 2.0 جيجابايت لكل مليار معامل. نموذج 30B يحتاج ~60 جيجابايت. للضبط الدقيق أو البحث فقط؛ لا يُستخدم أبداً للاستنتاج المحلي.
- تكلفة VRAM للسياق: تتناسب مع طول التسلسل. كقاعدة عامة، توقع ~1 جيجابايت لكل 32K رمز من السياق النشط على نماذج البرمجة — أمر ذو أهمية لاستخدام السياق الطويل في DeepSeek Coder V3 وQwen3-Coder.
- حمولة الأدوات: برنامج Ollama وLM Studio وllama.cpp يضيف كل منها ~500 ميجابايت إلى ~1 جيجابايت فوق النموذج والسياق. احجز هامشاً إجمالياً من 2-4 جيجابايت للأدوات النشطة.
💡Tip: للاطلاع على شرح أعمق لآلية عمل الضغط الكمّي ولماذا يُعدّ Q4_K_M الافتراضي الأكثر استشهاداً، راجع شرح الضغط الكمّي للنماذج اللغوية الكبيرة. يفترض باقي هذا الدليل الحسابات الواردة أعلاه.
مقارنة نوافذ السياق
نافذة السياق هي القيد الثاني بعد VRAM والمقياس الأكثر مبالغةً في تقديره في النصوص التسويقية. نماذج البرمجة لا تحافظ على جودة الانتباه الكاملة عبر النافذة المُعلنة بالكامل — الجزء العملي أصغر عادةً. استخدم الأرقام المذكورة أدناه كحد أقصى لا كحد عملي.
| النموذج | السياق المُعلن | السياق العملي للعمل البرمجي | ملاحظات |
|---|---|---|---|
| Qwen3-Coder 30B | 256K | ~64K-128K | من أقوى نماذج البرمجة ذات السياق الطويل في مايو 2026. |
| Qwen3-Coder 7B | 128K | ~32K-64K | فئة 7B تفقد دائماً بعضاً من استدعاء السياق الطويل. |
| DeepSeek Coder V3 | 128K | ~64K-96K | استدعاء قوي عبر النافذة؛ القائد في السياق الطويل. |
| Codestral 22B | 32K | ~16K-24K | الأصغر في فئة 22B+؛ ضيّق للعمل على مستودعات كاملة. |
| Llama 3.3 Code | 128K | ~32K-64K | استدعاء السياق الطويل يتأخر عن Qwen3-Coder. |
| Granite Code 34B | 128K | ~32K-64K | متوازن؛ ليس القائد في السياق الطويل. |
| StarCoder 2 15B | 16K | ~8K-12K | الحد الأقصى الصارم في المجموعة. |
💡Tip: السياق العملي للعمل هو ما يحدد ما إذا كان النموذج قادراً على استيعاب مستودعك في الذاكرة، لا الرقم التسويقي. في حالة إعادة الهيكلة متعددة الملفات، أعطِ الأولوية لعمود الاستدعاء الفعلي على العمود التسويقي — 32K لـ Codestral حقيقية، و128K لـ Llama 3.3 جزئية.
مقارنة التراخيص
شروط الترخيص تحدد أيّ النماذج يمكن دمجه في منتج تجاري. تحقق من الترخيص وقت الدمج — تراخيص نماذج البرمجة مفتوحة المصدر تتغير أحياناً بين الإصدارات، لا سيما خطوط الترخيص التي يديرها المزودون (Mistral وLlama).
| النموذج | الترخيص | الاستخدام التجاري دون ترخيص منفصل؟ | القيد الرئيسي |
|---|---|---|---|
| Qwen3-Coder | Apache 2.0 | نعم | إسناد معياري؛ لا قيود أخرى. |
| DeepSeek Coder V3 | Apache 2.0 | نعم | إسناد معياري؛ لا قيود أخرى. |
| Codestral | Mistral غير الإنتاجي | لا | الاستخدام التجاري يستلزم الترخيص التجاري المدفوع من Mistral. |
| Llama 3.3 Code | رخصة مجتمع Llama | نعم (بشروط) | سياسة الاستخدام المقبول؛ شروط منفصلة تسري فوق عتبة استخدام معينة. |
| Granite Code | Apache 2.0 | نعم | إسناد معياري؛ لا قيود أخرى. |
| StarCoder 2 | BigCode OpenRAIL-M | نعم (بقيود على حالات الاستخدام) | قيود على التطبيقات عالية المخاطر؛ راجع نص الترخيص للتحقق. |
⚠️Warning: ترخيص Codestral يُوقع الفرق التي تبني نماذج أولية به ثم تطلق المنتج دون مراجعة. إن كان النموذج يلمس مستخدماً يدفع — حتى بشكل غير مباشر عبر أداة داخلية تُنتج مخرجات تواجه العملاء — تحتاج الترخيص التجاري من Mistral. انتقل إلى Qwen3-Coder أو Granite Code (كلاهما Apache 2.0) قبل الدمج لتجنب دورة إعادة التفاوض على الترخيص.
شجرة القرار: أيّها ينبغي أن تختار
ست أسئلة بالترتيب توصل معظم القرّاء إلى الخيار الصحيح.
📍 في جملة واحدة
القرار هو VRAM أولاً، الترخيص ثانياً، السياق ثالثاً — Qwen3-Coder هو الافتراضي الآمن على 24 جيجابايت بموجب Apache 2.0؛ كل خيار من الخمسة الأخرى يعالج قيداً محدداً لا يحله Qwen3-Coder.
💬 بعبارات بسيطة
اختر Qwen3-Coder ما لم يكن لديك سبب محدد لعدم ذلك. الأسباب هي: العتاد (أقل من 12 جيجابايت → 7B؛ أكثر من 48 جيجابايت → DeepSeek)، اللغات (دعم لغة متخصصة → StarCoder 2)، المشتريات (قطاع منظَّم → Granite Code)، أو الارتباط بالمنظومة البيئية (بنية تحتية Llama موجودة → Llama 3.3 Code). Codestral هو خيار السرعة إن استطعت دفع ثمن الترخيص التجاري.
- 1. كم لديك من VRAM؟ أقل من 12 جيجابايت: Qwen3-Coder 7B. من 12 إلى 16 جيجابايت: Qwen3-Coder 7B أو Codestral 22B. 24 جيجابايت: Qwen3-Coder 30B. 48 جيجابايت أو أكثر: DeepSeek Coder V3 (كامل).
- 2. هل ستُطلق النموذج ضمن منتج تجاري؟ نعم: فضّل Apache 2.0 (Qwen3-Coder وDeepSeek Coder V3 وGranite Code). تجنب Codestral ما لم تكن تدفع ثمن الترخيص التجاري من Mistral.
- 3. هل تحتاج نافذة سياق أكبر من 32K؟ نعم: استبعد Codestral وStarCoder 2. اختر Qwen3-Coder أو DeepSeek أو Llama Code أو Granite Code.
- 4. هل تكتب بلغات متخصصة (Rust وLua وHaskell وSolidity)؟ نعم: StarCoder 2 15B، رغم محدودية سياق 16K.
- 5. هل أنت في قطاع منظَّم حيث يحتاج الترخيص ومصدر بيانات التدريب دفاعاً في مراجعات المشتريات؟ نعم: Granite Code 34B هو الأسهل في بناء حجة له.
- 6. لا تزال غير متأكد؟ افتراضياً استخدم Qwen3-Coder — النموذج 30B إن كان لديك معالج رسومات 24 جيجابايت، والنموذج 7B في غير ذلك. أعد التقييم حين تتجاوز قدراته.
💡Tip: شجرة القرار قصيرة بتعمد. معظم الفرق تبالغ في التفكير في اختيار النموذج وتقصّر في التفكير في اختيار الإطار (harness) — راجع Continue.dev مقابل Cline مقابل Aider للجانب الخاص بالإطار. الفروق بين النماذج الموثوقة أصغر من فروق ملاءمة الإطار.
الأخطاء الشائعة عند اختيار نموذج برمجة محلي
- الخطأ 1: اختيار النموذج ذي أعلى نقاط في لوحة المتصدرين بصرف النظر عن العتاد. نموذج لا يتناسب مع ضغط Q4_K_M مع هامش 2-4 جيجابايت سيُسرّب إلى القرص ويصبح غير صالح للبرمجة التفاعلية. VRAM هو القيد الأساسي لمعظم القرّاء.
- الخطأ 2: الثقة بنافذة السياق المُعلنة كنافذة عمل عملية. نماذج البرمجة تفقد جودة الانتباه بعد نحو نصف السياق المُعلن. خطط للنافذة العملية لا للرقم الإعلاني.
- الخطأ 3: تخطي قراءة الترخيص. Codestral في منتج تجاري دون الترخيص التجاري من Mistral إخفاق في المشتريات. رخصة مجتمع Llama تمتلك قيوداً على التطبيقات عالية الاستخدام. اقرأ الترخيص قبل الدمج.
- الخطأ 4: تجاهل موثوقية استدعاء الأدوات عند الاختيار لإطار وكيل. مخططات XML الصارمة لبرنامج Cline، ووضع الوكيل في Continue.dev، وأي حلقة MCP — كلها تعتمد على النموذج في إصدار استدعاءات أدوات نظيفة. نماذج البرمجة 30B+ موثوقة؛ فئة 7B تفشل كثيراً.
- الخطأ 5: عدم إقران نموذج إكمال تلقائي صغير مع نموذج المحادثة الأكبر. نموذج محادثة 30B مفرط في الإكمال التلقائي الأقل من 200 مللي ثانية. شغّل نموذج إكمال تلقائي من 1.5B إلى 7B بجانب نموذج المحادثة — إجمالي VRAM يبقى قابلاً للإدارة والكمون يبقى تفاعلياً.
- الخطأ 6: عدم مراجعة بطاقة النموذج كل ستة أشهر. خطوط النماذج مفتوحة الأوزان تُحدَّث؛ وصفات الضغط الكمّي تتحسن؛ التراخيص قد تشتد أحياناً. الخيار الافتراضي اليوم ليس بالضرورة الافتراضي في نوفمبر 2026.
المصادر
- بطاقة نموذج Qwen3-Coder على Hugging Face — البنية وعدد المعاملات ونافذة السياق والترخيص واتجاه المعيار المُبلَّغ عنه من المزود لنموذج Qwen3-Coder 30B.
- بطاقة نموذج DeepSeek Coder V3 — تفاصيل بنية MoE ونافذة السياق والترخيص واتجاه المعيار لنموذج DeepSeek Coder V3.
- بطاقة نموذج Codestral — البنية ونافذة السياق وشروط الترخيص لنموذج Codestral 22B.
- الترخيص التجاري لـ Mistral — الشروط المطلوبة للاستخدام التجاري لـ Codestral وغيره من النماذج ذات الترخيص غير الإنتاجي من Mistral.
- بطاقات نموذج Llama 3.3 — الأحجام ونوافذ السياق ونص رخصة مجتمع Llama لعائلة Llama 3.3.
- بطاقات نموذج Granite Code (IBM) — الأحجام ونوافذ السياق وتوثيق بيانات التدريب وترخيص Apache 2.0 لنماذج Granite Code.
- بطاقات نموذج StarCoder 2 (BigCode) — الأحجام ونوافذ السياق وتغطية اللغات البرمجية وترخيص BigCode OpenRAIL-M.
- مكتبة نماذج برنامج Ollama — متغيرات الضغط الكمّي وأحجام الملفات وأوامر السحب لكل نموذج مذكور أعلاه.
- نص ترخيص BigCode OpenRAIL-M الكامل — النص الكامل للترخيص وقيود حالات الاستخدام لنماذج سلسلة StarCoder.
الأسئلة الشائعة
ما نموذج البرمجة المحلي الأقرب إلى GPT-5 في البرمجة؟
لا يضاهي أي نموذج مفتوح الأوزان النماذج المغلقة الطليعية في قدرة البرمجة المطلقة في مايو 2026 — الفجوة مع GPT-5 وClaude 4.x وGemini في أوضاع البرمجة الطليعية حقيقية في الاستنتاج متعدد الخطوات واستخدام المكتبات النادرة. بين النماذج مفتوحة الأوزان، Qwen3-Coder 30B يتصدر اتجاه المعيار العلني لأعمال البرمجة اليومية؛ وDeepSeek Coder V3 هو الأقرب في الاستنتاج متعدد الملفات ذي السياق الطويل. للبرمجة التفاعلية داخل محرر، الفجوة أقل مما تبدو — النماذج المحلية كافية عادةً للإكمال التلقائي و70-90٪ من مهام تحرير الشيفرة.
هل Qwen3-Coder يتفوق على DeepSeek في TypeScript؟
في اتجاه HumanEval+ الرئيسي الذي يُبلّغ عنه كل مزود، Qwen3-Coder 30B متقدم على DeepSeek Coder V3 في مايو 2026 للمهام البرمجية العامة. أداء TypeScript تحديداً أصعب مقارنةً واضحة لأن ليس كل المزودين ينشرون تقسيماً حسب اللغة — إن كانت TypeScript لغتك الأساسية، راجع بطاقة النموذج للأرقام الحالية حسب اللغة. لمعظم أعمال TypeScript في بيئة التطوير، النموذجان متبادلان.
ما أفضل نموذج للتطوير المُدمج / Rust؟
Qwen3-Coder 30B لـ Rust للأغراض العامة إن كان لديك 24 جيجابايت من VRAM. StarCoder 2 15B لـ Rust مقترناً باللغات المدمجة المتخصصة أو أعمال الأنظمة المدمجة متعددة اللغات — تغطيته للغات تمتد إلى ما وراء حيث دُرِّبت النماذج القائدة بشكل مكثف. لـ Rust الخالص على معالج رسومات أصغر، Qwen3-Coder 7B لا يزال خياراً متيناً يتقدم على StarCoder 2 في قدرة Rust المطلقة.
هل يمكنني تشغيل نموذج برمجة 30B بذاكرة VRAM حجمها 16 جيجابايت؟
لا بضغط Q4_K_M — نموذج 30B يحتاج تقريباً 17-18 جيجابايت بضغط Q4_K_M زائد 2-4 جيجابايت لحمولة السياق. الخيارات: ضغط كمّي أكثر حدة (Q3_K_M يُقلل VRAM إلى ~14 جيجابايت لكنه يُضحّي بجودة ملحوظة)، أو استخدام نموذج 22B (Codestral يناسب Q4_K_M في 16 جيجابايت بشكل مريح)، أو استخدام المتغير 7B من Qwen3-Coder مع هامش. شراء معالج رسومات 24 جيجابايت هو الحل الأنظف.
هل Codestral لا يزال ذا صلة في 2026؟
نعم — Codestral 22B لا يزال القائد في السرعة في فئة 22B+، وهو الخيار الصحيح حين تكون الرموز في الثانية أهم من الترتيب المطلق في لوحة المتصدرين. عيبه الرئيسي هو ترخيص Mistral غير الإنتاجي الذي يضيف احتكاكاً للنشرات التجارية. للاستخدام غير التجاري أو الفرق التي تدفع بالفعل ثمن الترخيص التجاري من Mistral، Codestral تنافسي مع Qwen3-Coder في معظم أعمال البرمجة اليومية.
ما النموذج الأفضل في التعامل مع السياق الطويل (100K+ سطر)؟
DeepSeek Coder V3 يتصدر مهام البرمجة ذات السياق الطويل في هذه المجموعة، مع استدعاء قوي عبر نافذة 128K. Qwen3-Coder 30B يُعلن 256K لكن السياق العملي للعمل أقرب إلى 64K-128K. لمهام المستودع الكامل الحقيقية (أكثر من 100K سطر)، لا يحافظ أي نموذج على الانتباه الكامل — قسّم المهمة إلى نطاقات أصغر أو استخدم نهجاً تعزيزياً بالاسترجاع عوضاً عن الاعتماد على طول السياق الخام.
هل تتفوق النماذج المتخصصة في البرمجة على النماذج العامة للبرمجة؟
في أعمال البرمجة النموذجية، نعم. Qwen3-Coder 30B وDeepSeek Coder V3 كلاهما يتفوق على النماذج العامة ذات الحجم المماثل (Llama 3.3 70B وQwen3 32B العام) في معايير البرمجة. الفجوة أكبر ما تكون في حلقات الوكلاء مع استخدام الأدوات وفي الاستنتاج متعدد الخطوات على الشيفرة. للمهام المختلطة من برمجة واستنتاج (تصحيح أخطاء يتطلب قراءة مواصفات، أو اقتراح بنية معمارية)، النماذج العامة ذات الاستنتاج القوي أحياناً أفضل.
هل يمكنني ضبط أي من هذه النماذج دقيقاً على قاعدة شيفرتي؟
جميع الستة تسمح بالضبط الدقيق بموجب تراخيصها المعنية، والأكثر مرونةً منها هي نماذج Apache 2.0 (Qwen3-Coder وDeepSeek Coder V3 وGranite Code). الضبط الدقيق الفعّال لنموذج 30B يتطلب VRAM أكثر من الاستنتاج — عادةً 80 جيجابايت أو أكثر لـ LoRA، وأكثر للضبط الدقيق الكامل. لمعظم القرّاء، التوليد المعزَّز بالاسترجاع مقابل فهرس قاعدة الشيفرة هو خطوة أولى أفضل من الضبط الدقيق.
ما النموذج الذي يدعم أكثر عدد من لغات البرمجة؟
StarCoder 2 — مجموعة بيانات تدريبه تمتد عبر مئات لغات البرمجة بما فيها اللغات المتخصصة (Lua وHaskell وSolidity وElm وJulia وNim وZig). لقواعد الشيفرة متعددة اللغات أو العمل في لغات أقل شيوعاً، StarCoder 2 15B هو أفضل خيار مفتوح الأوزان رغم أن جودته المطلقة في Python وTypeScript تتأخر عن القادة.
هل نماذج البرمجة مفتوحة المصدر تلحق بـ Claude وGPT؟
في مهام البرمجة الروتينية (الإكمال التلقائي وتحرير ملف واحد وإعادة الهيكلة الشائعة)، الفجوة ضيقة وتستمر في الإغلاق. في الاستنتاج متعدد الخطوات الصعب والعمل على مستودعات واسعة السياق واستخدام المكتبات النادرة، الفجوة لا تزال حقيقية. التداعي العملي: لمعظم أعمال التحرير التفاعلي، تشغيل Qwen3-Coder 30B على معالج رسومات 24 جيجابايت "كافٍ" لاستبدال مساعدي البرمجة السحابيين في 70-90٪ من المهام؛ نسبة الـ 10-30٪ المتبقية هي حيث لا تزال النماذج المغلقة الطليعية تتقدم.