ما هي Docker Model Runner؟
Docker Model Runner ميزة في Docker Desktop و Docker Engine لسحب وتشغيل نماذج اللغة الكبيرة محليًا، باستخدام نفس واجهة أوامر docker التي يستخدمها المطورون بالفعل للحاويات. وفقًا لصفحة المنتج الرسمية من Docker، توفّر استدلالًا محليًا أولًا مع واجهة برمجية متوافقة مع OpenAI، وتسحب النماذج من Docker Hub أو سجلات أخرى متوافقة مع OCI أو Hugging Face. إنها ليست تطبيق دردشة بنافذة رسومية — بل ميزة واجهة أوامر مع خادم استدلال محلي، مصممة للاستخدام من طرفية، أو من Docker Compose، أو من كود يستدعي واجهتها البرمجية.
- تأتي ضمن Docker Desktop (macOS، Windows) وكحزمة
docker-model-pluginلـ Docker Engine على Linux — وليست مثبتًا منفصلًا - محركات الاستدلال المحلية: llama.cpp لوحدات CPU وشرائح Apple Silicon، و vLLM للخدمة المعتمدة على وحدات معالجة NVIDIA، وفقًا لوثائق Docker
- مصادر النماذج: كتالوج الذكاء الاصطناعي المنسّق في Docker Hub، أو أي سجل متوافق مع OCI، أو Hugging Face
- تتكامل مع الأدوات التي يستخدمها المطورون بالفعل حول Docker: Docker Compose وTestcontainers، وأطر عمل مثل LangChain وSpring AI وOpen WebUI عبر الواجهة البرمجية المتوافقة مع OpenAI
- المطوّر: Docker, Inc.
التثبيت والبدء
Docker Model Runner هي ميزة واجهة أوامر مدمجة في Docker Desktop و Docker Engine، وليست تطبيقًا مستقلًا يُحمَّل — لذا لا يوجد مثبّت منفصل أو زر تنزيل. تُثبّت Docker Desktop (أو، على Linux، Docker Engine مع إضافة model-runner)، وتصبح أوامر docker model متاحة.
- 1ثبّت Docker Desktop لنظامي macOS أو Windows، أو ثبّت على Linux، Docker Engine مع إضافة model-runner (
sudo apt-get install docker-model-pluginعلى Debian/Ubuntu، أوsudo dnf install docker-model-pluginعلى Fedora/RHEL). - 2فعّل Model Runner إن لم يكن مفعّلًا بالفعل:
docker desktop enable model-runner(Docker Desktop)، أو تأكد من أن الإضافة مفعّلة على Docker Engine. - 3اسحب نموذجًا من كتالوج الذكاء الاصطناعي في Docker Hub:
docker model pull ai/smollm2:360M-Q4_K_M. - 4شغّله مباشرة من سطر الأوامر:
docker model run ai/smollm2:360M-Q4_K_M "Give me a fact about whales." - 5اعرض في أي وقت النماذج المسحوبة محليًا باستخدام
docker model list. - 6للوصول إلى النموذج عبر HTTP بدلًا من واجهة الأوامر، استخدم الواجهة البرمجية المتوافقة مع OpenAI — راجع الواجهة البرمجية المتوافقة مع OpenAI أدناه لمعرفة نقطة النهاية الدقيقة.
لماذا تعمل كعملية مضيف وليس داخل حاوية
رغم بادئة أمر docker، لا تُشغّل Docker Model Runner استدلال النموذج داخل حاوية. يوضح منشور المدونة الرسمي من Docker الذي يقدّم هذه الميزة ذلك بوضوح: تشغيل docker model run "لن يُشغّل أي نوع من الحاويات". بدلًا من ذلك، يستدعي الأمر واجهة برمجية لخادم استدلال تستضيفه Model Runner عبر Docker Desktop، ويُشغّل خادم الاستدلال هذا محركه (llama.cpp أو vLLM) كـعملية مضيف أصلية — وهي عملية عادية تعمل مباشرة على نظام التشغيل لديك، تمامًا مثل أي برنامج آخر مثبّت محليًا.
- السبب المذكور هو الوصول إلى وحدة معالجة الرسوميات: يمكن للعملية المضيفة الأصلية استخدام وحدة معالجة الرسوميات في جهازك (وحدة المعالجة الرسومية المدمجة في Apple Silicon، أو وحدة معالجة NVIDIA) مباشرة، دون التوسّط الإضافي لتمرير وحدة المعالجة الرسومية من الحاوية إلى المضيف
- هذا خيار معماري متعمّد من أجل الأداء، وليس قيدًا في بيئة تشغيل الحاويات الخاصة بـ Docker — تستخدم Docker Model Runner الحاويات في أجزاء أخرى من سير عملها (على سبيل المثال، بعض تعبئة النماذج تعتمد على OCI) لكن ليس لعملية الاستدلال نفسها
- عمليًا، هذا يعني أن نموذجًا قيد التشغيل يتصرف أشبه بخدمة تعمل في الخلفية على جهازك، وليس كحاوية يمكنك فحصها باستخدام
docker ps - تبقى النماذج محمّلة في الذاكرة حتى يُطلب نموذج آخر أو تمرّ فترة من عدم النشاط، لذا يكون الطلب الأول بعد بدء التشغيل أبطأ من الطلبات اللاحقة
llama.cpp مقابل vLLM: أي محرك يُشغّل نموذجك
لا تُنفّذ Docker Model Runner محرك استدلال خاصًا بها — بل تُغلّف محركين مفتوحي المصدر موجودين مسبقًا وتختار بينهما بناءً على عتادك وتنسيق النموذج، وفقًا لوثائق Docker.
llama.cpp
- الاستخدام:
- التطوير المحلي، استدلال فعّال في استهلاك الموارد
- تنسيق النموذج:
- GGUF (مُكمّم)
- المنصات:
- CPU وApple Silicon؛ إضافة إلى بعض واجهات وحدة معالجة الرسوميات على Windows/Linux
مقالات حول llama.cpp (10)
- llama.cpp Explained: The Engine Powering Ollama (2026)محدَّث ٢٠ سبتمبر ٢٠٢٦
- Best Local AI Apps for iPhone in 2026 (Run LLMs Without WiFi)محدَّث ٣٠ أكتوبر ٢٠٢٦
- Layla Review: On-Device AI Companion App for Android and iOSمحدَّث ٣٠ أكتوبر ٢٠٢٦
- Run a 70B LLM Locally 2026: RAM, VRAM & Speed by Hardwareمحدَّث ٢٩ أكتوبر ٢٠٢٦
- MemoryAI Review: Free Offline AI Chat for iPhone and Androidمحدَّث ٢٨ أكتوبر ٢٠٢٦
- Best Local LLM Apps for Android in 2026: 6 Apps Compared on Real Phonesمحدَّث ٢٦ أكتوبر ٢٠٢٦
- Mobile LM Server Review: Android App for Local Models and a Phone-Hosted APIمحدَّث ٢٦ أكتوبر ٢٠٢٦
- GPT4All Review: Free Offline AI Chat App by Nomic AIمحدَّث ٢٤ أكتوبر ٢٠٢٦
- Llama App Review: llama.cpp Desktop App for Mac and Windowsمحدَّث ٢٤ أكتوبر ٢٠٢٦
- Local Inference Engines, Runtimes & Gateways Compared (2026): Run and Serve Modelsمحدَّث ٢٤ أكتوبر ٢٠٢٦
+172 أخرى غير معروضة
vLLM
- الاستخدام:
- خدمة موجهة نحو الإنتاج، بإنتاجية أعلى
- تنسيق النموذج:
- Safetensors
- المنصات:
- Linux وWindows (WSL2) مع وحدة معالجة NVIDIA
مقالات حول vLLM (10)
- vLLM Explained: High-Throughput LLM Serving with PagedAttention (2026)محدَّث ٦ سبتمبر ٢٠٢٦
- AMD Ryzen AI Halo for Local AI: Specs, Price and Verdictمحدَّث ١ نوفمبر ٢٠٢٦
- NVIDIA DGX Spark for Local AI: Specs, Price and Verdictمحدَّث ١ نوفمبر ٢٠٢٦
- Local AI Workstations: AMD Strix Halo vs. NVIDIA DGX Sparkمحدَّث ٣١ أكتوبر ٢٠٢٦
- Nanobot Review: A Self-Hosted AI Agent Frameworkمحدَّث ٣٠ أكتوبر ٢٠٢٦
- LiteLLM Review: One Gateway for 100+ LLM Provider APIsمحدَّث ٢٤ أكتوبر ٢٠٢٦
- Local Inference Engines, Runtimes & Gateways Compared (2026): Run and Serve Modelsمحدَّث ٢٤ أكتوبر ٢٠٢٦
- Locally Uncensored Review: Local Chat, Image, and Video in One Appمحدَّث ٢٤ أكتوبر ٢٠٢٦
- oMLX Review: Apple Silicon Inference Server With SSD Cachingمحدَّث ٢٣ أكتوبر ٢٠٢٦
- LLaMA-Factory Review: Fine-Tune 100+ LLMs via Web UIمحدَّث ١٩ أكتوبر ٢٠٢٦
+89 أخرى غير معروضة
هذا هو نفس محرك llama.cpp الذي تناولناه بالتفصيل في شرح llama.cpp على هذا الموقع، ونفس محرك vLLM الذي تناولناه في شرح vLLM — Docker Model Runner هي طبقة تعبئة وواجهة أوامر فوق هذين المحركين، وليست بديلًا مبنيًا من الصفر لأي منهما. توثّق Docker أيضًا دعمًا تجريبيًا لـ Diffusers الخاص بنماذج توليد الصور (Stable Diffusion) على Linux مع وحدات معالجة NVIDIA، وهو ما يخرج عن نطاق هذه المراجعة المركزة على نماذج اللغة الكبيرة.
الواجهة البرمجية المتوافقة مع OpenAI
تكشف Docker Model Runner عن واجهة برمجية HTTP متوافقة مع OpenAI حتى يتمكن كود العميل الحالي المخصص لـ OpenAI من التوجه إلى نموذج محلي بدلًا من نقطة نهاية سحابية، وفقًا لمنشور مدونة Docker حول هذه الميزة.
- من الجهاز المضيف:
http://localhost:12434/engines/v1(يجب تفعيل الوصول عبر TCP مرة واحدة باستخدامdocker desktop enable model-runner --tcp 12434) - من حاوية أخرى على نفس شبكة Docker:
http://model-runner.docker.internal/engines/v1 - متوافقة مع الأدوات وأطر العمل المبنية مسبقًا لتنسيق واجهة OpenAI البرمجية، بما في ذلك LangChain وSpring AI وOpen WebUI، وفقًا لأمثلة التكامل الخاصة بـ Docker نفسها
- تُحمَّل النماذج عند الطلب فور وصول طلب، وتبقى مقيمة في الذاكرة حتى يُطلب نموذج آخر أو ينقضي وقت خمول
المنصات المدعومة
يختلف دعم العتاد في Docker Model Runner حسب نظام التشغيل ومحرك الاستدلال المستخدم، وفقًا لوثائق Docker.
macOS
- التفاصيل:
- شرائح Apple Silicon، عبر llama.cpp مع تسريع GPU أصلي
Windows
- التفاصيل:
- AMD64 مع وحدة معالجة NVIDIA (تعريف 576.57 أو أحدث) عبر llama.cpp أو vLLM (WSL2)؛ ARM64 مع وحدات معالجة Qualcomm Adreno من فئة 6xx عبر llama.cpp
Linux
- التفاصيل:
- CPU فقط، أو واجهات NVIDIA CUDA وAMD ROCm وVulkan عبر llama.cpp؛ ووحدة معالجة NVIDIA عبر vLLM (تعريف 575.57.08 أو أحدث)
تتغيّر الإصدارات الدنيا الدقيقة لبرامج التعريف وفئات وحدات معالجة الرسوميات المدعومة مع تحديث Docker لهذه الميزة — تحقّق من المتطلبات الحالية عبر docs.docker.com/ai/model-runner قبل التخطيط لنشر يعتمد على وحدة معالجة رسومية محددة.
أسعار Docker Model Runner
لا تضيف Docker Model Runner نفسها أي تكلفة منفصلة — فهي ميزة مضمّنة في Docker Desktop و Docker Engine. يعتمد ما إذا كنت مدينًا بأي شيء كليًا على ما إذا كان استخدامك لـ Docker Desktop مؤهلًا للمجانية، وفقًا لاتفاقية خدمة اشتراك Docker الخاصة بها.
Personal (مجانية)
- لمن هي مخصصة:
- الأفراد، والتعليم، والمشاريع مفتوحة المصدر غير التجارية، والشركات التي يقل عدد موظفيها عن 250 موظفًا وإيراداتها السنوية عن 10 ملايين دولار أمريكي
- هل تشمل Docker Model Runner؟:
- نعم
Pro / Team / Business (مدفوعة)
- لمن هي مخصصة:
- الشركات الأكبر، أو أي جهة تحتاج ميزات فرق العمل بما يتجاوز نطاق الخطة المجانية
- هل تشمل Docker Model Runner؟:
- نعم
يمكن سحب نماذج الذكاء الاصطناعي المنسّقة في Docker Hub مجانًا بغض النظر عن مستوى الاشتراك. تضيف خطط Docker المدفوعة (Pro وTeam وBusiness) ميزات لا علاقة لها بـ Model Runner نفسها، مثل مقاعد الفريق والإدارة المركزية — راجع docker.com/pricing للاطلاع على الأسعار الحالية، إذ تتغيّر بشكل مستقل عن ميزة Model Runner.
لمن تناسب Docker Model Runner؟
تناسب Docker Model Runner سير عمل محددًا: المطورين الذين يعيشون بالفعل داخل Docker ويريدون إضافة استدلال نماذج لغوية محلي دون إضافة أداة ثانية إلى مجموعتهم التقنية.
استخدم Docker Model Runner إذا
- كنت تستخدم بالفعل Docker Desktop أو Docker Engine يوميًا وتريد إضافة استدلال نماذج لغوية محلي لنفس واجهة الأوامر، دون تثبيت تطبيق منفصل
- كان تطبيقك أو خدمتك مبنيَين بالفعل حول Docker Compose أو الحاويات، وتريد أن تكون نقطة نهاية النموذج قابلة للوصول من حاويات أخرى عبر
model-runner.docker.internal - أردت خيار الانتقال من التطوير على CPU/Apple Silicon (llama.cpp) إلى الخدمة الإنتاجية على وحدة معالجة NVIDIA (vLLM) دون تغيير الأدوات
- كنت مرتاحًا للعمل من طرفية وواجهة برمجية HTTP بدلًا من نافذة دردشة رسومية
انتظر، أو ابحث في مكان آخر، إذا
- أردت واجهة دردشة رسومية بالنقر كطريقتك الأساسية للتحدث مع نموذج — لا تملك Docker Model Runner نافذة دردشة مدمجة؛ اقرنها بواجهة أمامية مثل Open WebUI إن أردت واحدة
- لم تكن تستخدم Docker بعد ولا تريد تثبيت Docker Desktop فقط لتشغيل نماذج محلية — تطبيق مخصص مثل Jan أو GPT4All له بصمة أصغر لهذه الحالة
- احتجت إلى أن تعمل عملية الاستدلال بشكل صارم داخل حاوية لأسباب تتعلق بالعزل — تُشغّل Docker Model Runner محركها عمدًا كعملية مضيف، وليس كحاوية، من أجل أداء وحدة معالجة الرسوميات (انظر لماذا تعمل كعملية مضيف أعلاه)
- كانت مؤسستك فوق حد الاستخدام المجاني البالغ 250 موظفًا / 10 ملايين دولار من الإيرادات ولم تخصص ميزانية لاشتراك Docker مدفوع — تحقق أولًا من حالة ترخيص Docker لديك
المنافسون والبدائل
تقع Docker Model Runner في فئة أدوات تشغيل الاستدلال المحلي، إلى جانب محركات تعتمد على واجهة الأوامر أولًا وتطبيقات سطح مكتب تُغلّف نفس المحركات الأساسية. راجع دليل برمجيات نماذج اللغة الكبيرة المحلية للاطلاع على الكتالوج الكامل.
- llama.cpp — محرك الاستدلال الذي تستخدمه Docker Model Runner نفسها لوحدات CPU وشرائح Apple Silicon؛ تشغيله مباشرة يمنحك تحكمًا في خيارات البناء والتكميم لا تكشف عنها طبقة تغليف Docker.
- vLLM — نفس محرك الخدمة عبر وحدة معالجة الرسوميات الذي تستخدمه Docker Model Runner لأحمال العمل الإنتاجية؛ تشغيله مباشرة يناسب أكثر إذا احتجت إلى كامل مساحة إعدادات vLLM بدلًا من واجهة أوامر Docker المبسّطة فوقه.
- Ollama — أقرب مقارنة "بأمر واحد": مثل Docker Model Runner، تُغلّف Ollama llama.cpp خلف واجهة أوامر بسيطة للسحب والتشغيل وواجهة برمجية متوافقة مع OpenAI، لكن كأداة مستقلة وليس كميزة في Docker Desktop — خيار أفضل إذا لم تكن تستخدم Docker بعد.
- Jan — تطبيق سطح مكتب مجاني ومفتوح المصدر بنافذة دردشة رسومية، مبني على نفس محرك llama.cpp، للمطورين الذين يريدون واجهة بالنقر بدلًا من سير عمل يعتمد على واجهة الأوامر وواجهة برمجية.
- GPT4All — تطبيق دردشة محلي آخر مفتوح المصدر ومبني على llama.cpp، لنفس حالة الاستخدام "أريد نافذة، لا طرفية" التي يخدمها Jan.
أخطاء شائعة
يأتي معظم الالتباس حول Docker Model Runner من افتراض أنها تتصرف مثل أي حِمل عمل عادي في Docker، أو من إغفال أنها ميزة في Docker Desktop وليست منتجًا منفصلًا يُثبَّت.
الخطأ 1: افتراض أن النموذج يعمل داخل حاوية
بما أن الأمر هو docker model run، فمن السهل افتراض أن الاستدلال يحدث داخل حاوية يمكنك فحصها باستخدام docker ps. لكن الأمر ليس كذلك — تؤكد وثائق Docker الرسمية أن محرك الاستدلال يعمل كعملية مضيف أصلية للوصول المباشر إلى وحدة معالجة الرسوميات، وليس داخل حاوية.
الخطأ 2: البحث عن مثبّت أو صفحة تنزيل منفصلة
لا تملك Docker Model Runner مثبّتًا مستقلًا. إنها ميزة في Docker Desktop (macOS، Windows) و Docker Engine مع إضافة model-runner (Linux) — أنت تُثبّت Docker نفسها، وليس "Docker Model Runner" كمنتج قائم بذاته.
الخطأ 3: افتراض أن Docker Model Runner تفرض رسومًا منفصلة خاصة بها
لا تحمل Model Runner نفسها أي تكلفة إضافية. السؤال الوحيد المتعلق بالتكلفة هو ما إذا كان استخدامك الحالي لـ Docker Desktop يقع ضمن خطة Personal المجانية (أقل من 250 موظفًا وأقل من 10 ملايين دولار من الإيرادات السنوية، وفقًا لاتفاقية خدمة اشتراك Docker) أو يتطلب خطة Pro/Team/Business مدفوعة — وهذا سؤال يتعلق بترخيص Docker Desktop بشكل عام، وليس بهذه الميزة تحديدًا.
الخطأ 4: توقّع أن يغطي محرك واحد كل المنصات ووحدات معالجة الرسوميات
يغطي llama.cpp وvLLM عتادًا مختلفًا: يتعامل llama.cpp مع CPU وApple Silicon (إضافة إلى بعض واجهات وحدة معالجة الرسوميات على Windows/Linux)، بينما يقتصر vLLM على وحدات معالجة NVIDIA على Linux وWindows WSL2. راجع جدول المنصات المدعومة أعلاه قبل افتراض أن مزيجًا معينًا من النموذج والمحرك سيعمل على جهازك.
الأسئلة الشائعة
ما هي Docker Model Runner؟
Docker Model Runner ميزة مدمجة في Docker Desktop و Docker Engine تُشغّل نماذج اللغة الكبيرة محليًا عبر أوامر CLI من نوع docker model، مع llama.cpp أو vLLM كمحرك استدلال وواجهة برمجية متوافقة مع OpenAI.
هل Docker Model Runner مجانية؟
لا تضيف الميزة نفسها أي تكلفة منفصلة — فهي جزء من Docker Desktop و Docker Engine. تعتمد الحاجة إلى اشتراك Docker مدفوع على حجم مؤسستك: Docker Desktop مجاني للأفراد والمشاريع مفتوحة المصدر غير التجارية والشركات التي يقل عدد موظفيها عن 250 موظفًا وإيراداتها السنوية عن 10 ملايين دولار أمريكي، وفقًا لاتفاقية خدمة اشتراك Docker.
هل تُشغّل Docker Model Runner النماذج داخل حاوية؟
لا. رغم بادئة أمر docker model، يعمل محرك الاستدلال (llama.cpp أو vLLM) كعملية مضيف أصلية خارج بيئة تشغيل الحاويات، وفقًا لمنشور مدونة Docker الرسمي الذي يقدّم هذه الميزة — ما يمنحه وصولًا مباشرًا إلى عتاد وحدة معالجة الرسوميات بدلًا من المرور عبر عزل الحاويات.
ما أوامر CLI التي تستخدمها Docker Model Runner؟
الأوامر الأساسية هي docker model pull <النموذج> لتنزيل نموذج، و docker model run <النموذج> لتشغيل الاستدلال من سطر الأوامر، و docker model list لعرض النماذج المسحوبة محليًا بالفعل.
ما هي نقطة نهاية واجهة Docker Model Runner البرمجية؟
تُكشف واجهة برمجية متوافقة مع OpenAI عند http://localhost:12434/engines/v1 من الجهاز المضيف (بعد تفعيل الوصول عبر TCP)، أو عند http://model-runner.docker.internal/engines/v1 من حاوية أخرى على نفس شبكة Docker.
هل تستخدم Docker Model Runner محرك llama.cpp أم vLLM؟
كلاهما، حسب الحالة. يتولى llama.cpp استدلال CPU وApple Silicon للتطوير المحلي؛ ويتولى vLLM الخدمة المعتمدة على وحدة معالجة NVIDIA على Linux وWindows WSL2، بهدف استخدام إنتاجي بإنتاجية أعلى.
ما المنصات التي تدعمها Docker Model Runner؟
macOS على شرائح Apple Silicon؛ وWindows على AMD64 مع وحدة معالجة NVIDIA أو ARM64 مع وحدة معالجة Qualcomm Adreno من فئة 6xx؛ وLinux مع واجهات CPU فقط، أو NVIDIA CUDA، أو AMD ROCm، أو Vulkan. راجع قسم المنصات المدعومة أعلاه للتفاصيل.
كيف تختلف Docker Model Runner عن Ollama؟
يُغلّف كلاهما llama.cpp خلف واجهة أوامر بسيطة للسحب والتشغيل وواجهة برمجية متوافقة مع OpenAI. الفرق الرئيسي هو في التعبئة: Ollama أداة مستقلة تُثبّتها بمفردها، بينما Docker Model Runner ميزة في Docker Desktop/Engine — خيار أفضل إذا كنت تستخدم Docker يوميًا بالفعل، لأنها لا تضيف أداة ثانية إلى سير عملك.
من أين تأتي نماذج Docker Model Runner؟
يمكن سحب النماذج من كتالوج نماذج الذكاء الاصطناعي المنسّق في Docker Hub، أو أي سجل آخر متوافق مع OCI، أو Hugging Face، وفقًا لصفحة منتج Docker.