النقاط الرئيسية
- مجاني ومفتوح المصدر؛ يُظهر مستودع GitHub رخصة Apache-2.0، ولم تجد هذه المراجعة صفحة أسعار منفصلة للإطار نفسه
- طريقتا استخدام: LLaMA Board (واجهة ويب Gradio للتدريب والتقييم والاستدلال دون كود) و
llamafactory-cli(أداة سطر أوامر لسير عمل التدريب/المحادثة/التصدير عبر السكربتات) - يضبط نماذج لغوية ونماذج رؤية-لغة عبر أكثر من 100 عائلة نماذج — LLaMA وQwen3 وMistral وMixtral-MoE وDeepSeek وGemma وGLM وPhi وLLaVA وQwen3-VL وغيرها، بحجم يتراوح بين 270 مليونًا و671 مليار معامل وفقًا لملف README
- يدعم الضبط الكامل وLoRA وQLoRA وFreeze وGaLore وBAdam وDoRA وPiSSA وOFT/OFTv2، عبر التدريب المسبق والضبط الموجَّه ونمذجة المكافآت وPPO وDPO
- دعم أجهزة متعدد الخلفيات: NVIDIA CUDA وAMD ROCm وAscend NPU، لكل منها صورة Docker مخصصة، بالإضافة إلى التثبيت المباشر على Linux وWindows وmacOS
- ينشر النماذج المدربة عبر واجهة برمجة تطبيقات محلية بأسلوب OpenAI أو عبر عامل vLLM، ويمكنه اختياريًا تسريع التدريب باستخدام نوى Unsloth كأحد خيارات الخلفية المتعددة
- يصونه hiyouga (مطوّر فردي على GitHub، وفقًا لواجهة برمجة تطبيقات GitHub)؛ أُنشئ المستودع في 28 مايو 2023، مع دفعات تعديل خلال أيام قليلة من تاريخ بحث هذه المراجعة، و9,153 تفريعة و1,152 مشكلة مفتوحة
📍 في جملة واحدة
LLaMA-Factory إطار عمل مجاني ومفتوح المصدر (رخصة Apache-2.0) يضبط أكثر من 100 نموذج لغوي ونموذج رؤية-لغة مفتوح عبر واجهة ويب دون كود (LLaMA Board) أو سطر أوامر بايثون، على أجهزة NVIDIA أو AMD أو Ascend NPU.
💬 بعبارات بسيطة
إذا كنت تريد تعليم نموذج ذكاء اصطناعي مفتوح الأوزان موجود مسبقًا بياناتك الخاصة — دون كتابة سكربت تدريب من الصفر — يمنحك LLaMA-Factory صفحة ويب بها قوائم منسدلة وأشرطة تمرير لاختيار النموذج ومجموعة البيانات وطريقة التدريب، ثم يشغّل المهمة على وحدة المعالجة الرسومية الخاصة بك. توجد أيضًا نسخة سطر أوامر لأتمتة الخطوات نفسها.
📌ملاحظة: هذه المراجعة هي المرافق المتعمق لبطاقة LLaMA-Factory في دليل برمجيات النماذج اللغوية المحلية — راجع تلك الصفحة لمقارنة سريعة بين LLaMA-Factory وعشرات أدوات الذكاء الاصطناعي المحلية الأخرى.
ما هو LLaMA-Factory؟
LLaMA-Factory هو إطار عمل لضبط نماذج لغوية ونماذج رؤية-لغة مفتوحة الأوزان على جهاز تتحكم فيه بنفسك، عبر واجهة ويب بدلاً من سكربت تدريب مكتوب يدويًا. يصف وصف GitHub الخاص بالمشروع نفسه المشروع بعبارة "Unified Efficient Fine-Tuning of 100+ LLMs & VLMs (ACL 2024)"، في إشارة إلى ورقة بحثية أكاديمية قُبلت في مؤتمر ACL 2024 (جمعية اللغويات الحاسوبية). تصف صفحة المشروع على llamafactory.readthedocs.io الأداة بأنها "منصة سهلة الاستخدام وفعّالة لتدريب وضبط النماذج اللغوية الكبيرة"، مصمَّمة لتمكين المستخدمين من "ضبط مئات النماذج المدرَّبة مسبقًا محليًا دون كتابة أي كود".
- الوظيفة الأساسية: اختيار نموذج أساسي ومجموعة بيانات وطريقة ضبط (LoRA أو QLoRA أو كامل) عبر واجهة LLaMA Board أو ملف تهيئة YAML، ثم تشغيل النتيجة أو تصديرها
- ليس نصيًا فقط: إلى جانب النماذج اللغوية النصية، يذكر ملف README دعم ضبط نماذج رؤية-لغة (VLM)، بما في ذلك نماذج مثل LLaVA وQwen3-VL
- منتجان، محرك واحد: LLaMA Board (واجهة ويب Gradio، تُشغَّل بأمر
llamafactory-cli webui) وllamafactory-cli(أداة سطر الأوامر التي تُبنى عليها الواجهة وسير العمل المبرمج على حد سواء) - تسمية المستودع: أُعيدت تسمية مستودع GitHub من
LLaMA-FactoryإلىLlamaFactory— تغيير في حالة الأحرف فقط؛ الرابط القديم (github.com/hiyouga/LLaMA-Factory) يُعيد التوجيه إلى المستودع نفسه، بنفس عدد النجوم وسجل التعديلات - المُشرف على الصيانة: hiyouga، مُدرج كمستخدم فردي (وليس منظمة) وفقًا لواجهة برمجة تطبيقات GitHub، رغم أن README يذكر أن المشروع "تستخدمه Amazon وNVIDIA وAliyun" من بين جهات أخرى — وهو ادعاء من ملف README الخاص بالمشروع نفسه، لم تتحقق منه هذه المراجعة بشكل مستقل
تاريخ إصدارات LLaMA-Factory
يأتي الجدول الزمني القابل للتحقق لـ LLaMA-Factory من مصدرين رسميين: البيانات الوصفية لمستودع GitHub نفسه، وإصدارات المشروع الموسومة على GitHub.
- أُنشئ مستودع GitHub في 28 مايو 2023، وفقًا للبيانات الوصفية لمستودع GitHub — تحت اسم
LLaMA-Factoryفي البداية - قُبلت الورقة البحثية الأكاديمية المرتبطة بالمشروع، بعنوان "LlamaFactory: Unified Efficient Fine-Tuning of 100+ Language Models"، في مؤتمر ACL 2024، وفقًا لسطر وصف المستودع نفسه
- أُعيدت تسمية المستودع لاحقًا إلى
LlamaFactory(تغيير في حالة الأحرف فقط)؛ يُعيد GitHub توجيه رابطLLaMA-Factoryالقديم تلقائيًا إلى الرابط الحالي، مع الحفاظ على نفس عدد النجوم والتفريعات وسجل التعديلات - نُشر أحدث إصدار موسوم، v0.9.5 ("Qwen3.5/3.6، Gemma 4، Transformers v5")، في 30 مايو 2026، وفقًا لواجهة برمجة تطبيقات الإصدارات على GitHub
- استمرت التعديلات على الفرع
mainبعد ذلك الوسم — تُظهر بيانات GitHub الوصفية دفعة تعديل خلال أيام قليلة من تاريخ بحث هذه المراجعة، مما يشير إلى تطوير يومي نشط يتجاوز آخر إصدار رسمي
ماذا يمكنك أن تفعل باستخدام LLaMA-Factory؟
تمتد مجموعة ميزات LLaMA-Factory عبر طرق التدريب، واتساع النماذج، وخلفيات الأجهزة، والنشر. فيما يلي ما تقدمه كل جزء فعليًا، وفقًا لملف README والتوثيق الرسميين للمشروع.
- طرق التدريب — الضبط الكامل وLoRA وQLoRA وFreeze وGaLore وBAdam وDoRA وPiSSA وOFT/OFTv2، عبر التدريب المسبق والضبط الموجَّه (SFT) ونمذجة المكافآت وPPO وDPO
- اتساع النماذج — أكثر من 100 عائلة نماذج بما في ذلك LLaMA وQwen3 وMistral وMixtral-MoE وDeepSeek وGemma وGLM وPhi، بحجم يتراوح بين 270 مليونًا و671 مليار معامل، بالإضافة إلى نماذج رؤية-لغة مثل LLaVA وQwen3-VL، وفقًا لملف README
- واجهة ويب دون كود — LLaMA Board، وهي واجهة Gradio، تغطي التدريب والتقييم والاستدلال دون كتابة سكربت تدريب
- أداة سطر أوامر — يوفر
llamafactory-cliالأوامر الفرعيةtrainوَchatوَexportوَwebuiوَversionلبرمجة نفس سير العمل الذي تغطيه LLaMA Board بشكل تفاعلي - دعم التكميم — تُدعم صيغ AQLM وAWQ وGPTQ وLLM.int8 وHQQ وEETQ، إلى جانب التسريع عبر FlashAttention-2 وتكامل اختياري مع نوى Unsloth
- النشر — يمكن تقديم النماذج المدربة عبر واجهة برمجة تطبيقات محلية بأسلوب OpenAI أو عبر عامل vLLM لتحقيق إنتاجية استدلال أعلى
- التدريب الموزّع — يغطي قسم Advanced في التوثيق التدريب متعدد وحدات المعالجة الرسومية ومتعدد العُقد، إلى جانب تكامل DeepSpeed للمهام الموزعة الموفّرة للذاكرة
- تتبع التجارب — يتكامل مع Wandb وTensorBoard لمراقبة عمليات التدريب، وفقًا للتوثيق
أمثلة استخدام: طريقتان للضبط باستخدام LLaMA-Factory
هذه سير عمل ملموسة مبنية على الأوامر الموثقة أعلاه لـ LLaMA-Factory — وليست حالات استخدام افتراضية.
تثبيت LLaMA-Factory: Pip وGit وDocker
LLaMA-Factory ليس تطبيقًا قابلاً للتنزيل للمستخدم النهائي — يُثبَّت كحزمة Python، وفقًا لملف README وتوثيق التثبيت الرسميين للمشروع. الروابط أدناه هي الأوامر الموثقة رسميًا من المشروع؛ تحقق منها دائمًا مباشرة في التوثيق، لأن الإضافات الاختيارية ومسارات Docker قد تتغير بين الإصدارات.
طريقة التثبيت | الأمر أو الرابط |
|---|---|
| من الكود المصدري (موصى به في التوثيق) | git clone --depth 1 https://github.com/hiyouga/LlamaFactory.git && cd LlamaFactory && pip install -e . |
| إضافات metrics اختيارية | pip install -r requirements/metrics.txt |
| عبر PyPI | pip install llamafactory — راجع llamafactory على PyPI |
| Docker — NVIDIA CUDA | cd docker/docker-cuda/ && docker compose up -d |
| Docker — AMD ROCm | cd docker/docker-rocm/ && docker compose up -d (وفقًا لقسم "Multi-device Backends" في التوثيق) |
| Docker — Ascend NPU | cd docker/docker-npu/ && docker compose up -d — راجع دليل NPU |
| تشغيل واجهة الويب (LLaMA Board) | llamafactory-cli webui |
| التحقق من التثبيت | llamafactory-cli version |
تُثبَّت الإضافات الاختيارية عبر `pip install -e ".[extra_name]"، وتشمل خيارات extra_name وفقًا لتوثيق التثبيت: torch وَmetrics وَdeepspeed وَbitsandbytes وَhqq وَeetq وَgptq وَawq وَaqlm وَvllm وَgalore وَbadam وَqwen وَmodelscope وَswanlab`. تتوفر صورة Docker الخاصة بـ Ascend NPU في عدة إصدارات من Ubuntu وopenEuler — القائمة الحالية في دليل NPU. يحتاج دعم QLoRA على Windows وFlashAttention-2 إلى حزم wheel إضافية خاصة بالمنصة — راجع دليل التثبيت مباشرة بدلاً من تخمين روابط حزم wheel، لأنها مرتبطة بإصدارات محددة.
أسعار LLaMA-Factory: هل هو مجاني فعلاً؟
نعم — إطار عمل LLaMA-Factory لا يحتوي على أي فئة مدفوعة. يُظهر مستودع GitHub رخصة Apache-2.0 عبر واجهة برمجة تطبيقات GitHub نفسها، والتي تنطبق على قاعدة كود LLaMA-Factory ذاتها، ولا يربط README ولا موقع التوثيق بصفحة أسعار أو يصفان أي ميزة مدفوعة.
- لا يوجد اشتراك أو رسوم ترخيص أو فئة مدفوعة موثقة للإطار في مستودع GitHub أو ملف README أو موقع التوثيق
- لا حاجة إلى حساب أو تسجيل لتثبيت
llamafactory-cliأو تشغيل LLaMA Board محليًا أو استخدام أي من صور Docker - تغطي رخصة Apache-2.0 كود LLaMA-Factory نفسه؛ ولا تمتد إلى النماذج الأساسية التي تضبطها به — فنماذج مثل عائلة Llama من Meta أو Qwen لها تراخيصها المنفصلة الخاصة، والتي لا تزال تنطبق على الأوزان التي تدربها وتعيد توزيعها
- تكاليف وحدات المعالجة الرسومية السحابية (إذا استأجرت أجهزة بدلاً من استخدام أجهزتك الخاصة) هي تكلفة حقيقية منفصلة لا تقدّرها هذه المراجعة — وتعتمد كليًا على المزوّد ونوع النسخة (instance) الذي تختاره
LLaMA-Factory مقابل Unsloth
LLaMA-Factory وUnsloth كلاهما أداتان مجانيتان برخصة Apache-2.0 للضبط المحلي، لكنهما تغطيان نطاقات مختلفة. يركز LLaMA-Factory على اتساع النماذج وطرق التدريب للنماذج النصية ونماذج رؤية-لغة، مع مسار موثق نحو التدريب متعدد وحدات المعالجة الرسومية ومتعدد العُقد؛ بينما يغطي Unsloth مجموعة أوسع من الأنماط (نماذج لغوية، انتشار، تحويل نص إلى كلام، ونماذج تضمين) بالإضافة إلى تطبيق سطح مكتب أصلي، مقابل عدم توثيق التدريب متعدد العُقد في ملف README الخاص به.
الجانب | LLaMA-Factory | Unsloth |
|---|---|---|
| الترخيص | Apache-2.0 | Apache-2.0 |
| الواجهة | واجهة ويب (LLaMA Board) + سطر أوامر، دون تطبيق سطح مكتب | تطبيق سطح مكتب، أو واجهة ويب، أو مكتبة بايثون |
| أنواع النماذج | نماذج لغوية + رؤية-لغة (VLM) | نماذج لغوية، انتشار، تحويل نص إلى كلام، تضمين |
| الأجهزة | NVIDIA CUDA، AMD ROCm، Ascend NPU | NVIDIA، AMD، Intel، معالج مركزي عبر Vulkan |
| التدريب متعدد العُقد | موثق في قسم Advanced (متعدد وحدات المعالجة الرسومية/العُقد + DeepSpeed) | غير موثق في ملف README الخاص به |
| الأنسب لـ | أوسع تغطية للنماذج/الطرق للنصوص + VLM، بما يشمل التوسع إلى ما بعد جهاز واحد | أوسع تغطية للأنماط (بما فيها غير النصية) في تطبيق سطح مكتب واحد |
الأداتان ليستا منافستين بشكل خالص — يذكر توثيق LLaMA-Factory نفسه خلفية تسريع اختيارية عبر نوى Unsloth، مما يعني أن مهمة تدريب LLaMA-Factory يمكنها استخدام نوى Unsloth المُحسَّنة في الخلفية بينما تعمل عبر واجهة ويب LLaMA-Factory وصيغة التهيئة الخاصة به. إذا كانت مهمتك بحاجة إلى التوسع إلى ما بعد جهاز واحد، فإن مسار LLaMA-Factory الموثق متعدد العُقد هو الخيار الأنسب مباشرة؛ وإذا كنت بحاجة إلى ضبط نماذج انتشار أو تحويل نص إلى كلام أو نماذج تضمين بدلاً من النماذج اللغوية ونماذج رؤية-لغة فقط، راجع بدلاً من ذلك مراجعة Unsloth.
لمن يناسب LLaMA-Factory؟
يعتمد ملاءمة LLaMA-Factory لك على ما إذا كنت تريد أوسع تغطية موثقة للنماذج والطرق لضبط النصوص ورؤية-اللغة، بما يشمل مسارًا للتوسع متعدد وحدات المعالجة الرسومية أو العُقد.
LLaMA-Factory مقابل أدوات الضبط الأخرى
LLaMA-Factory هو واحد من عدة أدوات لضبط النماذج على جهازك الخاص. فيما يلي موقعه مقارنة بخيارات أخرى في هذا المجال — راجع دليل برمجيات النماذج اللغوية المحلية للكتالوج الكامل، والمقارنة المخصصة أعلاه بين LLaMA-Factory وUnsloth للمواجهة الأكثر مباشرة.
- Unsloth — أداة مجانية برخصة Apache-2.0 تغطي ضبط النماذج اللغوية والانتشار وتحويل النص إلى كلام والتضمين عبر تطبيق سطح مكتب أو واجهة ويب أو مكتبة بايثون؛ راجع قسم المقارنة المخصص أعلاه لمعرفة الاختلافات.
- Second Me — أداة برخصة Apache-2.0 ذاتية التوجيه لتدريب نموذج شخصي، بتركيز أضيق (تدريب نموذج مخصص على بياناتك الخاصة) مقارنة بنطاق LLaMA-Factory العام لضبط أكثر من 100 نموذج.
- Axolotl — إطار عمل ضبط مدفوع بتهيئة YAML برخصة Apache-2.0، مع تدريب متعدد العُقد موثق وتغطية واسعة لطرق المحاذاة (DPO وORPO وKTO والمزيد)؛ لا توجد بعد مراجعة مخصصة من PromptQuorum، لكنه بديل مباشر للقراء الذين يقارنون أطر عمل الضبط المدفوعة بالتهيئة دون واجهة.
- Ollama وَLM Studio — أدوات استدلال محلية *لتشغيل* النماذج بدلاً من تدريبها؛ النمط الشائع هو الضبط باستخدام LLaMA-Factory، ثم تصدير النتيجة، ثم تشغيلها في Ollama أو LM Studio للاستخدام اليومي. راجع مراجعة Ollama وَمراجعة LM Studio.
أخطاء شائعة عند تقييم LLaMA-Factory
ينشأ معظم اللبس حول LLaMA-Factory من اسم المستودع القديم، أو غياب مثبِّت قابل للتنزيل، أو افتراض أن جدول الأجهزة الخاص به نتيجة مضمونة بدلاً من نقطة انطلاق موثقة.
الأسئلة الشائعة
ما هو LLaMA-Factory؟
LLaMA-Factory (github.com/hiyouga/LlamaFactory، والتوثيق على llamafactory.readthedocs.io) هو إطار عمل مجاني ومفتوح المصدر (رخصة Apache-2.0) لضبط أكثر من 100 نموذج لغوي ونموذج رؤية-لغة مفتوح، عبر واجهة ويب Gradio (LLaMA Board) أو أداة سطر أوامر (llamafactory-cli).
هل LLaMA-Factory مجاني؟
نعم، وفقًا للبيانات الوصفية لمستودع GitHub وتوثيق المشروع نفسه — يحمل الإطار رخصة Apache-2.0 ولا توجد فئة مدفوعة موثقة. تغطي رخصة Apache-2.0 كود LLaMA-Factory، وليس رخصة النموذج الأساسي الذي تضبطه به.
لماذا يذكر الرابط "LLaMA-Factory" بينما اسم المستودع "LlamaFactory"؟
أعادت منظمة GitHub تسمية المستودع من LLaMA-Factory إلى LlamaFactory — تغيير في حالة الأحرف فقط. يُعيد الرابط القديم (github.com/hiyouga/LLaMA-Factory) التوجيه (301) إلى الرابط الحالي، مع الحفاظ على نفس عدد النجوم والتفريعات وسجل التعديلات.
هل يحتاج LLaMA-Factory إلى وحدة معالجة رسومية؟
يُنصح بشدة باستخدام وحدة معالجة رسومية، لكنها ليست إلزامية بشكل صارم. وفقًا لتوثيق المشروع، التدريب على المعالج المركزي فقط مدعوم تقنيًا لكنه غير عملي لمهام الضبط الحقيقية؛ ضبط LoRA لنموذج بحجم 7 مليارات معامل موثق بنحو 16 جيجابايت من ذاكرة الفيديو، وقد ينخفض إلى نحو 4 جيجابايت مع QLoRA بدقة بِتّين.
كم ذاكرة الفيديو التي يحتاجها الضبط الكامل؟
وفقًا لتوثيق LLaMA-Factory نفسه، يحتاج الضبط الكامل (bf16/fp16) لنموذج بحجم 7 مليارات معامل إلى نحو 60 جيجابايت من ذاكرة الفيديو، بينما يحتاج الضبط الكامل بدقة fp32 لنفس النموذج إلى نحو 120 جيجابايت — هذه أرقام موثقة من المشروع، وليست أرقامًا قاست بها هذه المراجعة بشكل مستقل.
ما النماذج التي يدعمها LLaMA-Factory؟
وفقًا لملف README الخاص به على GitHub، أكثر من 100 عائلة نماذج مفتوحة بحجم يتراوح بين 270 مليونًا و671 مليار معامل، بما في ذلك LLaMA وQwen3 وMistral وMixtral-MoE وDeepSeek وGemma وGLM وPhi، ونماذج رؤية-لغة مثل LLaVA وQwen3-VL.
هل لدى LLaMA-Factory تطبيق سطح مكتب؟
لا. لديه واجهة ويب (LLaMA Board) تعمل في متصفحك بعد تثبيت حزمة بايثون وتشغيل llamafactory-cli webui، لكن لا يوجد تطبيق سطح مكتب مُعبَّأ وقابل للتثبيت. راجع مراجعة Unsloth لأداة ضبط توفر فعلاً تطبيق سطح مكتب أصليًا.
كيف يقارن LLaMA-Factory بـ Unsloth؟
يغطي LLaMA-Factory اتساعًا أكبر من النماذج للنصوص ورؤية-اللغة بالإضافة إلى تدريب متعدد العُقد موثق؛ بينما يغطي Unsloth أنماطًا أكثر (بما فيها الانتشار وتحويل النص إلى كلام ونماذج التضمين) بالإضافة إلى تطبيق سطح مكتب أصلي. يمكن لـ LLaMA-Factory اختياريًا استخدام نوى Unsloth كخلفية تسريع. راجع قسم المقارنة المخصص أعلاه.
هل يعمل LLaMA-Factory على أجهزة AMD أو Ascend NPU؟
نعم — توجد صور Docker منفصلة لـ AMD ROCm وAscend NPU، إلى جانب صورة NVIDIA CUDA الافتراضية، وفقًا لتوثيق Multi-device Backends الخاص بالمشروع.
من يصون LLaMA-Factory؟
hiyouga، مُدرج كمستخدم فردي على GitHub (وليس منظمة) وفقًا لواجهة برمجة تطبيقات GitHub. يذكر ملف README الخاص بالمشروع أنه يُستخدم من قِبل منظمات من بينها Amazon وNVIDIA وAliyun — وهو ادعاء من ملف README الخاص بالمشروع نفسه، لم تتحقق منه هذه المراجعة بشكل مستقل.