النقاط الرئيسية
- Phi-4 Mini (3.8B) هو أذكى نموذج صغير في 2026. الأفضل على هواتف الفئة الراقية بذاكرة RAM 8 جيجابايت أو أكثر — يعمل بـ ~13–18 رمزًا/ثانية على iPhone 17 Pro و~10–15 على iPhone 16 Pro. الأعلى استدلالًا لكل معامل بين جميع النماذج دون حجم 4B.
- SmolLM 2 1.7B هو الأسرع في الرموز بالثانية على جميع الهواتف المُختبرة. ~26–32 رمزًا/ثانية على iPhone 17 Pro، و~20–28 على Galaxy S25 Ultra. الأفضل حين تهم سرعة الاستجابة أكثر من عمق المحتوى (دردشة سريعة، مهام الإكمال التلقائي).
- Qwen 3 1.7B هو أفضل نموذج هاتف متعدد اللغات. تدرّب على أكثر من 35 لغة بما فيها العربية والصينية واليابانية والألمانية بجودة أصلية. الأفضل للترجمة والكتابة بلغات أخرى والاستخدام في السفر.
- Gemma 3 4B هو الخيار المتوازن الافتراضي. أبطأ قليلًا من Phi-4 Mini على نفس الجهاز، لكنه مماثل في الدردشة والتلخيص. الأفضل حين لا يتوفر Phi-4 Mini في التطبيق أو تفضّل مزيج بيانات التدريب من Google.
- Gemma 3 1B هو الخيار الخفيف للهواتف القديمة. يعمل في ذاكرة RAM 4 جيجابايت (iPhone SE الجيل الثالث، Android القديم). قدرات الاستدلال متعدد الخطوات محدودة، لكنه يُنتج ردودًا متسقة من فقرة إلى فقرتين أسرع من أي نموذج آخر على الجهاز الضعيف.
- Llama 3.2 3B هو أكثر نماذج 3B تجربةً وتنوعًا. أفضل دعم لـ tool calling بين النماذج الستة، وأوسع توافق مع التطبيقات، وأكبر نظام بيئي من الضبط الدقيق المجتمعي. أقل قليلًا من Phi-4 Mini في الجودة الخام لكنه أكثر موثوقية في الحالات الحدية.
- Q4_K_M هو معيار التكميم للهاتف في 2026. يحافظ على ~95% من الجودة الأصلية بربع حجم الملف. استخدم Q5_K_M أو Q6_K فقط على الهواتف بذاكرة RAM 12 جيجابايت أو أكثر (iPhone 17 Pro Max) وفقط إذا كان التطبيق يدعمها.
حقائق سريعة
- النماذج المُختبرة: Phi-4 Mini 3.8B وGemma 3 4B وGemma 3 1B وSmolLM 2 1.7B وQwen 3 1.7B وLlama 3.2 3B (جميعها Q4_K_M GGUF).
- أجهزة الاختبار: iPhone 17 Pro (A19 Pro) وiPhone 16 Pro (A18 Pro، 8 جيجابايت) وGalaxy S25 Ultra (Snapdragon 8 Elite) وPixel 9 Pro (Tensor G5) وOnePlus 13 (Snapdragon 8 Elite).
- محركات الاستدلال: llama.cpp عبر PocketPal AI / LLM Farm (افتراضي)، وMLC LLM عبر MLC Chat (مُسرَّع بـ Metal على iPhone)، وOllama عبر Termux (Android).
- مساحة الذاكرة (Q4_K_M): Phi-4 Mini ~2.7 جيجابايت، Gemma 3 4B ~2.9 جيجابايت، Llama 3.2 3B ~2.2 جيجابايت، Qwen 3 1.7B ~1.1 جيجابايت، SmolLM 2 1.7B ~1.1 جيجابايت، Gemma 3 1B ~720 ميجابايت.
- الحد الأدنى من RAM (نشط): هاتف بـ 6 جيجابايت للنماذج 1.7B؛ 8 جيجابايت للنماذج 3B–4B؛ 4 جيجابايت لـ Gemma 3 1B فقط.
- أسرع رموز/ثانية على iPhone 17 Pro: Gemma 3 1B ~35–45، SmolLM 2 ~26–32، Qwen 3 ~24–32، Llama 3.2 3B ~16–22، Phi-4 Mini ~13–18، Gemma 3 4B ~10–13.
- مصدر التكميم: النماذج الستة متاحة كـ Q4_K_M GGUF على Hugging Face وعبر PocketPal AI / MLC Chat / LM Studio.
أي نموذج هاتف تختار؟
لمعظم هواتف الفئة الراقية (iPhone 16 Pro / 17 Pro، Galaxy S25 Ultra، OnePlus 13)، اختر Phi-4 Mini (3.8B Q4_K_M). هو أذكى نموذج دون حجم 4B ويعمل بسرعة محادثة مقبولة. اختر نموذجًا آخر فقط حين تكون لديك حاجة محددة لا يُغطيها — السرعة (SmolLM 2)، أو تعدد اللغات (Qwen 3)، أو توافق الهواتف القديمة (Gemma 3 1B).
📍 في جملة واحدة
اختر Phi-4 Mini للفئة الراقية بذاكرة 8 جيجابايت أو أكثر (الأذكى)، وSmolLM 2 1.7B للسرعة، وQwen 3 1.7B لتعدد اللغات، وGemma 3 1B لهواتف ذاكرة 4 جيجابايت، وLlama 3.2 3B لـ tool calling، وGemma 3 4B كخيار متوازن حين لا يتوفر Phi-4 Mini.
💬 بعبارات بسيطة
لا يوجد أفضل نموذج هاتف واحد للجميع — الاختيار الصحيح يعتمد على هاتفك وما تفعله به. إذا كان هاتفك من آخر سنتين ويملك 8 جيجابايت من ذاكرة RAM أو أكثر، ثبّت Phi-4 Mini. إذا كنت تتحدث بلغة أخرى غير الإنجليزية، ثبّت Qwen 3. إذا أردت الردود الأسرع ولو مع تراجع طفيف في الجودة، ثبّت SmolLM 2. إذا كان هاتفك قديمًا أو يملك فقط 4 جيجابايت من ذاكرة RAM، ثبّت Gemma 3 1B. الفوارق حقيقية لكنها صغيرة بما يكفي لكي تُنتج أي من هذه النماذج ردودًا متسقة — لا شيء منها يرقى إلى جودة السحابة.
القرار: أي نموذج هاتف؟
Use a local LLM if:
- •هاتف فئة راقية بذاكرة RAM 8 جيجابايت أو أكثر (iPhone 16 Pro/17 Pro، Galaxy S25 Ultra، OnePlus 13) → Phi-4 Mini 3.8B
- •تحتاج أسرع رموز/ثانية على أي هاتف → SmolLM 2 1.7B
- •استخدام بلغات غير الإنجليزية (ترجمة، دردشة متعددة اللغات) → Qwen 3 1.7B
- •تحتاج توافقًا واسعًا مع التطبيقات أو tool calling أو RAG → Llama 3.2 3B
- •هاتف قديم بذاكرة RAM 4 جيجابايت → Gemma 3 1B
- •Phi-4 Mini غير متوفر في تطبيقك، تحتاج جودة فئة 4B → Gemma 3 4B
Use a cloud model if:
- •استدلال متعدد الخطوات، توليد كود معقد، أو تحليل مستندات طويلة → استخدم السحابة أو اتصل عن بُعد بجهاز منزلي بـ 70B أو أكثر
- •مهام الرؤية واللغة (إدخال صور، OCR) → تطبيقات السحابة (نماذج الرؤية على الهاتف في 2026 محدودة وبطيئة)
- •كتابة إبداعية طويلة تحتاج اتساقًا فوق 3000 رمز → السحابة أو نماذج 8B أو أكبر على سطح المكتب
Quick decision:
- →الخيار الافتراضي للغالبية: Phi-4 Mini 3.8B
- →الأسرع على جميع الأجهزة: SmolLM 2 1.7B
- →الأفضل متعدد اللغات: Qwen 3 1.7B
💡Tip: إن لم تكن متأكدًا، ابدأ بـ Phi-4 Mini على هاتف فئة راقية أو SmolLM 2 1.7B على هاتف متوسط — كلاهما يُنزَّل في أقل من 5 دقائق باتصال سريع ويمكن التراجع عنه. جرّبه على مهمة تهمك فعلًا (بريد إلكتروني حقيقي لتلخيصه، سؤال حقيقي للإجابة عنه). إذا كانت الجودة مقبولة، فهذا نموذجك الافتراضي. إذا لم تكن، بدّله في 30 ثانية عبر PocketPal AI أو LM Studio.
جدول مقارنة نماذج الهاتف
الجدول الرباعي الأعمدة أدناه هو طبقة الاستخراج السريع — اختر صفًا حسب فئة جهازك أو حالة الاستخدام. أرقام الرموز/الثانية تفترض تكميم Q4_K_M على iPhone 17 Pro مع PocketPal AI (llama.cpp). الأرقام أقل بـ 15–25% على iPhone 16 Pro، وأقل بـ 10–20% تقريبًا على Galaxy S25 Ultra مع MLC Chat أو Termux+Ollama.
📍 في جملة واحدة
Phi-4 Mini هو الأذكى، وSmolLM 2 1.7B هو الأسرع، وQwen 3 1.7B هو الأفضل متعدد اللغات، وGemma 3 1B هو الأصغر الصالح، وLlama 3.2 3B هو الأفضل شاملًا بين نماذج 3B، وGemma 3 4B هو الخيار المتوازن الافتراضي.
💬 بعبارات بسيطة
اقرأ هذا الجدول من الأعلى إلى الأسفل بحسب الحجم، أو اذهب مباشرةً إلى الصف الذي يناسب فئة جهازك. عمود "الأفضل في" يوضح ما يُحسّنه النموذج — اختر الصف الذي تهمك ميزته الأساسية وتجاهل الباقي.
| النموذج | الحجم | رموز/ثانية (17 Pro) | الأفضل في |
|---|---|---|---|
| Phi-4 Mini | 3.8B | ~13–18 | أذكى نموذج صغير — افتراضي للفئة الراقية |
| Gemma 3 4B | 4B | ~10–13 | خيار متوازن حين لا يتوفر Phi-4 Mini |
| Gemma 3 1B | 1B | ~35–45 | هواتف قديمة (ذاكرة RAM 4 جيجابايت) |
| SmolLM 2 | 1.7B | ~26–32 | أسرع رموز/ثانية، دردشة سريعة |
| Qwen 3 | 1.7B | ~24–32 | الأفضل متعدد اللغات (أكثر من 35 لغة) |
| Llama 3.2 | 3B | ~16–22 | الأفضل شاملًا 3B، tool calling، RAG |
ملاحظة حول مقايضة السرعة والجودة: يتناسب الرموز/الثانية عكسيًا مع عدد المعاملات على نفس الرقاقة — نموذج 1B أسرع بـ 3–4 أضعاف من نموذج 3.8B على جهاز مماثل. تتناسب الجودة مع المعاملات لكن ليس خطيًا: جودة استدلال Phi-4 Mini (3.8B) أقرب إلى نموذج 7B من نموذج 1.7B بفضل مزيج بيانات التدريب من Microsoft. استخدم الجدول للموازنة: نموذج أسرع = استجابة أسرع، نموذج أذكى = إجابة أفضل للأسئلة الصعبة.
⚠️Warning: هذه الأرقام من أجهزة إنتاج واقعية — وليست من أجهزة اختبار مُحسَّنة. تتباين النتائج بنسبة ±15% بحسب حرارة الجهاز وخلفية التطبيقات والحمل المتزامن على الرقاقة. شغّل معيارًا خاصًا بك بعد تثبيت النموذج للحصول على نتائجك الفعلية.
Phi-4 Mini: أذكى نموذج صغير
Phi-4 Mini من Microsoft هو نموذج 3.8B مُحسَّن للحجم: يتفوق على نماذج 7B أقدم في المعايير القياسية بنصف عدد المعاملات، وذلك بفضل مزيج بيانات التدريب من Microsoft الغني بسلاسل التفكير الاصطناعية والنصوص عالية الجودة.
الأداء: ~13–18 رمزًا/ثانية على iPhone 17 Pro، و~10–15 على iPhone 16 Pro. الأبطأ بين النماذج الستة في الرموز/الثانية، لكنه يُنتج أجودة ردود.
حجم الذاكرة (Q4_K_M): ~2.7 جيجابايت لتحميل النموذج + ~500 ميجابايت لعبء الاستدلال. الحد الأدنى: هاتف بذاكرة RAM 8 جيجابايت. قد يعمل على هواتف 6 جيجابايت لكن بعدم استقرار عند ضغط الذاكرة.
الأفضل في: الاستدلال متعدد الخطوات، وصياغة الكود، والتفسيرات التحليلية، وأسئلة الأسلوب الموسوعي. الأقل ملاءمةً للنصوص متعددة اللغات بغير الإنجليزية.
التثبيت: أسهل طريقة هي PocketPal AI (iOS/Android) → ابحث عن "Phi-4-mini-instruct-Q4_K_M". تأكد من وجود "instruct" في اسم النموذج — النسخ الأساسية لا تُجري محادثات.
Gemma 3 4B: الخيار المتوازن
تُنتج Gemma 3 4B من Google جودة مماثلة لـ Phi-4 Mini في مهام الدردشة والتلخيص على نفس الجهاز، لكنها أبطأ بـ ~20–30% في الرموز/الثانية. الخيار الافتراضي حين لا يتوفر Phi-4 Mini في تطبيقك أو تفضل بيانات التدريب من Google (تُقلل التحيزات لبعض المواضيع).
الأداء: ~10–13 رمزًا/ثانية على iPhone 17 Pro. في حدود الاستجابة الحوارية المقبولة لكن أبطأ بشكل ملحوظ من Phi-4 Mini.
حجم الذاكرة (Q4_K_M): ~2.9 جيجابايت — أكبر قليلًا من Phi-4 Mini. يحتاج ذاكرة RAM 8 جيجابايت للعمل المستقر.
الأفضل في: الكتابة الإبداعية ومهام التلخيص العامة حيث يتوافق نهج التدريب من Google بشكل أفضل. توافق واسع مع تطبيقات الاستدلال بفضل موقع Google الواسع.
Gemma 3 1B: الخيار الخفيف للهواتف القديمة
Gemma 3 1B هو النموذج الأصغر ضمن الستة: الأسرع بفارق كبير (~35–45 رمزًا/ثانية على iPhone 17 Pro) والوحيد الذي يعمل بشكل موثوق على هواتف بذاكرة RAM 4 جيجابايت.
حجم الذاكرة (Q4_K_M): ~720 ميجابايت فقط. يعمل على iPhone SE الجيل الثالث وأندرويد القديم بـ 4 جيجابايت.
القيود: قدرات الاستدلال متعدد الخطوات ضعيفة مقارنةً بالنماذج الأكبر. الأفضل في الردود المختصرة من فقرة إلى فقرتين. لا يُنصح به للكود المعقد أو التحليل أو الأسئلة الموسوعية الطويلة.
التثبيت: متاح على PocketPal AI وMLC Chat وLLM Farm. ابحث عن "gemma-3-1b-it-Q4_K_M" — الـ "it" يعني instruct-tuned (ضروري للمحادثة).
SmolLM 2 1.7B: الأسرع في الرموز بالثانية
يُنتج تطبيق SmolLM 2 1.7B من Hugging Face أسرع رموز/الثانية بين النماذج الستة على جميع الهواتف المُختبرة — ~26–32 رمزًا/ثانية على iPhone 17 Pro. الخيار الأول لجلسات الدردشة السريعة حيث تهم الاستجابة الآنية أكثر من عمق التحليل.
حجم الذاكرة (Q4_K_M): ~1.1 جيجابايت. يعمل على هواتف بذاكرة RAM 6 جيجابايت بهامش كافٍ.
الأفضل في: الدردشة سريعة المحادثة، والإكمال التلقائي، والتلخيص السريع، وإدخال الأوامر الصوتية (الرموز/الثانية المرتفعة تُبقي الاستجابة الصوتية دون عتبة الإدراك ~1.5 ثانية).
القيود: أضعف من Phi-4 Mini في التفكير المعمّق والكود والأسئلة التحليلية الطويلة. استخدمه حين تحتاج السرعة وتقبل جودة أقل بقليل.
Qwen 3 1.7B: أفضل نموذج هاتف متعدد اللغات
نموذج Qwen 3 1.7B من Alibaba مُدرَّب على أكثر من 35 لغة بتمثيل أصلي حقيقي — بما فيها العربية والصينية والصينية التقليدية واليابانية والكورية والألمانية والفرنسية والإسبانية والبرتغالية والروسية. يُنتج ترجمات وردودًا بالعربية ولغات أخرى أجود بكثير من النماذج ذات التوجه الغربي.
حجم الذاكرة (Q4_K_M): ~1.1 جيجابايت. يعمل بشكل مريح على هواتف بذاكرة RAM 6 جيجابايت.
الأداء: ~24–32 رمزًا/ثانية على iPhone 17 Pro — من بين الأسرع في الستة.
الأفضل في: الترجمة، والدردشة بالعربية أو لغات آسيوية، والسفر حيث تتنقل بين لغات، وإنتاج محتوى متعدد اللغات. أقل تفوقًا من Phi-4 Mini في الاستدلال المعمق باللغة الإنجليزية.
التثبيت: ollama pull qwen3:1.7b أو ابحث عن "Qwen3-1.7B-Instruct-Q4_K_M" في PocketPal AI.
Llama 3.2 3B: الأكثر موثوقية بين نماذج 3B
Llama 3.2 3B من Meta هو أكثر نماذج 3B تجربةً وتوثيقًا: الأوسع نظامًا بيئيًا من الضبط الدقيق المجتمعي، وأفضل دعم لـ tool calling بين الستة، وأوسع توافق مع تطبيقات الاستدلال (LM Studio، PocketPal AI، Ollama، LLM Farm).
حجم الذاكرة (Q4_K_M): ~2.2 جيجابايت. يحتاج هاتفًا بذاكرة RAM 6–8 جيجابايت للعمل المستقر.
الأداء: ~16–22 رمزًا/ثانية على iPhone 17 Pro. أبطأ من SmolLM 2 وQwen 3 لكن أذكى بشكل ملحوظ.
الأفضل في: تطبيقات tool calling، وسير عمل RAG على الجهاز، والحالات التي تحتاج فيها أوسع توافق مع تطبيقات الطرف الثالث. كذلك الخيار الأفضل إذا كنت تختبر ميزات ذكاء اصطناعي للهاتف.
التكميم للهاتف: Q4_K_M كمعيار
Q4_K_M هو إعداد الهاتف الافتراضي في 2026. "Q4" تعني بت 4 لكل وزن (أصغر بـ 4 أضعاف من الدقة العائمة الكاملة)؛ "_K_M" تعني كتل k لكل طبقة بحجم متوسط — مجدي أكثر من "Q4_0" البسيط. الجودة: ~95% من النموذج الأصلي غير المُكمَّم، الحجم: ~25% من ملف الدقة الكاملة.
Q5_K_M: جودة أعلى (~97% من الأصل)، أكبر بـ ~25%. مناسب فقط لهواتف 12 جيجابايت أو أكثر (iPhone 17 Pro Max، Galaxy S25 Ultra بذاكرة 12 جيجابايت).
Q6_K: أعلى جودة قبل الدقة الكاملة (~99% من الأصل)، أكبر بـ ~50% من Q4_K_M. شبه مستحيل على الهواتف بذاكرة أقل من 16 جيجابايت.
توصية: ابدأ دائمًا بـ Q4_K_M. لن تلاحظ فرقًا في جودة الدردشة أو التلخيص أو الترجمة بين Q4_K_M وQ5_K_M إلا إذا قارنت تحليلات متعمقة. وفّر مساحة التخزين.
الحكم حسب الفئة: راقية مقابل متوسطة مقابل اقتصادية
فئة راقية (8 جيجابايت أو أكثر من RAM، iPhone 17 Pro / Galaxy S25 Ultra / OnePlus 13): Phi-4 Mini Q4_K_M. لا يوجد نموذج آخر في هذا الحجم يُنتج جودة مماثلة على هذا الجهاز. إذا كان Phi-4 Mini غير متاح في تطبيقك الأفضل، استخدم Gemma 3 4B كبديل مباشر.
فئة متوسطة (6 جيجابايت RAM، iPhone 14 Pro / Pixel 8 / Galaxy S23): SmolLM 2 1.7B أو Qwen 3 1.7B. كلاهما يعمل بشكل مريح في ذاكرة 6 جيجابايت. اختر SmolLM 2 للإنجليزية، وQwen 3 للعربية ولغات أخرى.
فئة اقتصادية (4 جيجابايت RAM أو iPhone 12 القديم): Gemma 3 1B فقط. هو النموذج الوحيد الذي يعمل بشكل موثوق على هذه الأجهزة. جودة محدودة لكنه يُنتج ردودًا متسقة قصيرة بشكل موثوق.
الأخطاء الشائعة
- تنزيل نسخ تكميم متعددة من نفس النموذج. اختر Q4_K_M وتوقف. نسخ Q5/Q6 الزائدة على هاتف بذاكرة 256 جيجابايت تُضيّع المساحة، والفرق في الجودة لا يُلاحَظ في محادثة عادية.
- استخدام SmolLM 2 1.7B في الاستدلال متعدد الخطوات. هو الأسرع لكن ليس الأذكى. للمهام التي تستلزم التفكير بسلاسل المنطق (الرياضيات، التخطيط، الاستدلال المعقد)، استخدم Phi-4 Mini حتى لو كانت الرموز/الثانية أبطأ. السرعة بلا جودة تعني الوصول إلى إجابات خاطئة بسرعة أكبر فحسب.
- توقع إخراج غير إنجليزي من Phi-4 Mini بدون بادئة متعددة اللغات. Phi-4 Mini يتعامل مع اللغات الأوروبية الشائعة بصعوبة، لكن إخراجه باللغة العربية أو الصينية أو اليابانية متقطع. للاستخدام متعدد اللغات، ثبّت Qwen 3 1.7B جنبًا إلى جنب مع Phi-4 Mini وبدّل بحسب اللغة.
- توقع جودة ذكاء اصطناعي سحابي من هذه النماذج. النماذج الستة كلها 1B–4B، وهي تُنتج ما بين 60–80% من قدرة نماذج 70B أو أكثر في مهام الدردشة، وأقل من ذلك في الاستدلال المعقد. استخدمها فيما تُتقنه (دردشة خاصة، تلخيص، كتابة، ترجمة)، واستخدم السحابة أو الاتصال عن بُعد للمهام التي تتطلب نماذج 70B أو أكبر.
- الخلط بين Phi-4 Mini (3.8B) وPhi-3 Mini القديم (3.8B). حجم المعاملات متطابق لكن بيانات التدريب وقالب الدردشة مختلفان. تأكد دائمًا من معرف النموذج في اسم ملف GGUF — "phi-4-mini-instruct" وليس "phi-3-mini-4k-instruct".
المصادر
- تقرير Phi-4 Mini التقني — Microsoft Research (ديسمبر 2024).
- تقرير Gemma 3 التقني — Google DeepMind (2025).
- بطاقة نموذج SmolLM 2 — Hugging Face (2024).
- تقرير Qwen 3 التقني — Alibaba Cloud (2024).
- بطاقة نموذج Llama 3.2 — Meta AI (2024).
- مرجع تكميم Q4_K_M — وثائق llama.cpp.
الأسئلة الشائعة
أي نموذج هاتف هو الأسرع على iPhone؟
Gemma 3 1B هو الأسرع بفارق كبير على iPhone 17 Pro بـ ~35–45 رمزًا/ثانية، لكنه الأصغر في هذه القائمة. بين نماذج 1.7B (السرعة مقابل الجودة)، SmolLM 2 1.7B هو الأسرع بـ ~26–32 رمزًا/ثانية. بين النماذج ذات الجودة الراقية، Phi-4 Mini بـ ~13–18 رمزًا/ثانية هو أسرع خيار "ذكي". اختر حسب حالة الاستخدام: إذا كانت الاستجابة الآنية أهم من العمق، اختر SmolLM 2؛ إذا كان العمق أهم، اختر Phi-4 Mini.
هل يوجد نموذج Gemma 3 2B أو Gemma 3 7B؟
لا. يصدر Gemma 3 رسميًا بخمسة أحجام: 270M و1B و4B و12B و27B — لا يوجد Gemma 3 2B ولا Gemma 3 7B. غالبًا ما يأتي هذا الالتباس من Gemma 2، الذي كان يضم بالفعل نموذج 2B (من Google DeepMind، يوليو 2024) إلى جانب 9B و27B. إذا كنت تبحث عن أقرب مكافئ لـ"Gemma 3 2B"، فالخياران الحقيقيان هما Gemma 3 1B (أصغر وأسرع) وGemma 3 4B (أكبر وأذكى) — وكلاهما مُقيَّم في هذا المقال. في أبريل 2026، أطلقت Google أيضًا Gemma 4، بمجموعة أحجام مختلفة (Effective 2B وEffective 4B، إضافة إلى إصدارات 26B MoE و31B Dense). يُعد Gemma 4 عائلة نماذج منفصلة عن Gemma 3 ولم يُدرَج بعد في هذا الاختبار للهواتف، إذ لا تتوفر حتى تاريخ هذا التحديث أرقام تُوكِن/ثانية موثّقة على أجهزة فعلية.
هل تحتاج هذه النماذج إلى GPU، أم أنها تعمل بالمعالج (CPU) فقط؟
تعمل النماذج الستة جميعًا دون الحاجة إلى GPU مخصص. على iPhone، يستخدم MLC Chat واجهة Metal من Apple لتسريع الاستدلال على Neural Engine/GPU، لكن PocketPal AI وLLM Farm (llama.cpp) يعملان بشكل أساسي على المعالج (CPU). على أندرويد، يعمل Termux+Ollama اليوم بالمعالج فقط — إذ لا يستفيد بعد من وحدة Hexagon NPU الخاصة بـ Snapdragon، وهذا سبب تراجع سرعة توكِن/ثانية على أندرويد بنسبة 10–20% تقريبًا مقارنة بـ iPhone على نفس ملف Q4_K_M (راجع جدول المقارنة أعلاه). عمليًا: يعمل Phi-4 Mini على Galaxy S25 Ultra بالمعالج فقط بسرعة ~10–15 توكِن/ثانية، ولا يحتاج أي نموذج في هذه القائمة إلى GPU مخصص لإنتاج مخرجات قابلة للاستخدام.
هل يتفوق Phi-4 Mini فعلًا على نماذج 7B على الهاتف؟
يتفوق على نماذج 7B أقدم (Llama 3.3 7B وMistral Small v0.1) في المعايير القياسية كـ MMLU ومهام الاستدلال رغم أنه نصف الحجم. لا يتفوق على نماذج 7B حديثة (Llama 3.3 7B وMistral Small v0.3) في القدرة الخام — تلك لا تزال تتقدم في المعرفة الواسعة والاستدلال المعقد. سبب تفوق Phi-4 Mini النسبي هو مزيج بيانات التدريب من Microsoft (غني بسلاسل التفكير الاصطناعية والنصوص عالية الجودة). على الهاتف، نماذج 7B بطيئة جدًا في الغالب لتكون عملية، فيفوز Phi-4 Mini تلقائيًا.
هل يعمل SmolLM 2 على هاتف عمره 4 سنوات؟
نعم، على معظم هواتف الفئة الراقية قبل 4 سنوات. يحتاج SmolLM 2 1.7B بـ Q4_K_M حوالي 1.1 جيجابايت RAM للنموذج و~500 ميجابايت لعبء الاستدلال — يناسب iPhone 13 (6 جيجابايت) وiPhone 12 Pro Max (6 جيجابايت) وأندرويد مماثل (6 جيجابايت أو أكثر). على أجهزة 4 جيجابايت من 2021 (iPhone 12 الأساسي، أندرويد البداية)، يُحمَّل تقنيًا لكن يكون غير مستقر عند ضغط الذاكرة؛ استخدم Gemma 3 1B بدلًا منه.
أي نموذج يُترجم أفضل على الهاتف؟
Qwen 3 1.7B لأي زوج لغات يتضمن العربية أو الصينية أو اليابانية أو الكورية أو الألمانية أو الفرنسية أو الإسبانية أو الروسية. مُدرَّب بتمثيل متعدد اللغات قوي ويُنتج جودة أصلية حيث تُنتج النماذج ذات التوجه الإنجليزي (Phi-4 Mini وLlama 3.2 3B) نتائج متصلبة أو مشوشة. للأزواج الأوروبية فقط، Gemma 3 4B خيار ثانوي مقبول. لترجمات فردية بين الإنجليزية ولغة معينة، تطبيقات الترجمة المثبتة (Google Translate وDeepL) تفوق في الغالب أي نموذج LLM محلي — النماذج المحلية تتألق حين تحتاج دمج الترجمة مع الدردشة أو التلخيص في نفس المحادثة.
هل أحتاج هاتفًا من الفئة الراقية لاستخدامها؟
لا، فقط النماذج الأكبر (Phi-4 Mini 3.8B وGemma 3 4B وLlama 3.2 3B). الهواتف المتوسطة بـ 6–8 جيجابايت من RAM تُشغّل SmolLM 2 1.7B وQwen 3 1.7B بالسرعة الكاملة (~20–28 رمزًا/ثانية). الهواتف الاقتصادية بـ 4–6 جيجابايت تُشغّل Gemma 3 1B بـ ~15–25 رمزًا/ثانية. الجواب الصادق: إذا لم تكن تملك هاتفًا راقيًا بعد، لا تشتر واحدًا خصيصًا للذكاء الاصطناعي المحلي — النماذج الأصغر على هاتفك الحالي كافية لمعظم حالات الاستخدام.
أي نموذج يستهلك بطارية أقل؟
Gemma 3 1B بفارق كبير — أصغر النماذج يعني أقل حسابات لكل رمز، وأدنى حمل على المعالج والرسومات، وأقل استهلاك للطاقة. SmolLM 2 1.7B وQwen 3 1.7B يأتيان بعده. نماذج 3B–4B (Phi-4 Mini وLlama 3.2 3B وGemma 3 4B) تستهلك ~2–3 أضعاف الطاقة لكل رد. في الرحلات الطويلة أو الاستخدام الممتد بعيدًا عن الشحن، Gemma 3 1B هو الخيار الصحيح رغم تراجع الجودة.
هل تتعامل هذه النماذج مع المحادثات متعددة الأدوار؟
نعم للمحادثات القصيرة (5–10 أدوار)، مع تراجع الجودة بعد ذلك. النماذج الستة لديها نوافذ سياق 4,000–8,000 رمز؛ المحادثات الأطول تتجاوز النافذة ويفقد النموذج الأدوار السابقة. للدردشة المستمرة التي تحتاج ذاكرة أطول من جلسة واحدة، النهج العملي هو: تلخيص المحادثة دوريًا وحفظ الملخص ثم تقديمه كسياق. معظم تطبيقات الهاتف (PocketPal AI وPrivate LLM) تفعل ذلك تلقائيًا؛ LLM Farm يحتاج إعدادًا يدويًا.
هل تعمل هذه النماذج مع الإدخال الصوتي؟
نعم، عند الجمع مع طبقة Whisper لتحويل الصوت إلى نص. الحزمة القياسية للصوت دون اتصال على الهاتف في 2026: Whisper (النموذج small أو tiny) لتحويل الصوت → Phi-4 Mini أو SmolLM 2 لتوليد الرد → Apple TTS أو Android TTS لتوليف الصوت. SmolLM 2 1.7B هو أفضل نموذج LLM للصوت لأن الرموز/الثانية المرتفعة تُبقي دور المحادثة الصوتية دون عتبة الإدراك ~1.5 ثانية — راجع أنشئ مساعدًا صوتيًا محليًا على هاتفك للحزمة الكاملة.
أيهما أفضل للاستخدام دون اتصال في السفر؟
للسفر الذي يتطلب تغيير اللغات والترجمة: Qwen 3 1.7B. للسفر حيث تحتاج مرجعًا بالإنجليزية (أسئلة، تلخيص وثائق السفر، صياغة رسائل): Phi-4 Mini على هاتف الفئة الراقية، وSmolLM 2 1.7B على الهاتف المتوسط. السفر هو حالة الاستخدام الشاملة الأقوى للذكاء الاصطناعي المحلي — لا بيانات تجوال، ولا رسوم API سحابية، ولا خطر فشل اعتمادية السحابة في مناطق ضعيفة الاتصال. نزّل النموذج قبل السفر؛ يعمل طوال الرحلة بشحنة واحدة عند الاستخدام المعتدل.
هل ستبقى نماذج الهاتف مفيدة في 2027؟
نعم، لكن الأسماء المحددة ستتغير. تتحرك حدود نماذج LLM الصغيرة للهاتف نحو ~6–9 أشهر — بحلول الربع الرابع من 2026 قد تظهر نماذج ~3B جديدة تتفوق على Phi-4 Mini، وبحلول منتصف 2027 قد تصل فئة 1B–2B إلى ما تُنجزه نماذج 3B–4B اليوم. هذه الفئة لن تصبح متقادمة؛ التوصيات المحددة ستتجدد. راجع هذا المقال (التحديث التالي المتوقع: 2027-01-14) للجيل التالي.