نماذج الرؤية في Ollama (2026): كيف تُشغّل نماذج الصور محليًا فعليًا

التاريخ: Ollama وllama.cpp ودعم الوسائط المتعددة

نماذج الرؤية الموجودة فعليًا في مكتبة Ollama

تنزيل نموذج رؤية وتشغيله: خطوة بخطوة

1. 1
   ثبّت Ollama.
   Why it matters: نزّل [Ollama](https://ollama.com) لـ macOS أو Linux أو Windows. التثبيت عبارة عن مثبّت/حزمة قياسية ويستغرق أقل من دقيقتين.
2. 2
   نزّل نموذج رؤية.
   Why it matters: شغّل `ollama pull llava` (أو `ollama pull qwen2.5vl` أو `ollama pull minicpm-v` وغيرها) — يُنزّل هذا أوزان النموذج، بحجم يتراوح من أقل من 2 غيغابايت (Moondream) إلى عشرات الغيغابايتات (Llama 4).
3. 3
   شغّله مع الإشارة إلى صورة في الطلب.
   Why it matters: شغّل `ollama run llava "describe this image: ./photo.jpg"`. يكتشف Ollama مسار الملف `.jpg`/`.png` داخل نص الطلب ويُرفق الصورة تلقائيًا — يعمل هذا النمط منذ الإصدار v0.1.15 في ديسمبر 2023.
4. 4
   أو استدعِ واجهة HTTP مباشرة.
   Why it matters: أرسل POST إلى `http://localhost:11434/api/generate` أو `/api/chat` مع الصورة مُرمّزة بـ base64 ضمن مصفوفة `images` — صيغة JSON الدقيقة موثقة في [docs/api.md](https://github.com/ollama/ollama/blob/main/docs/api.md) الخاص بـ Ollama نفسه، وموضحة في قسم أمثلة الاستخدام أدناه.
5. 5
   (اختياري) استخدم مكتبات العميل الرسمية.
   Why it matters: تقبل مكتبتا `ollama` الرسميتان لـ Python وJavaScript مسار ملف صورة مباشرة وتتوليان ترميز base64 نيابة عنك، فتتجنب الترميز اليدوي في النصوص البرمجية.

أمثلة استخدام حقيقية: سطر الأوامر وHTTP API

• لا توجد راية صورة منفصلة في سطر الأوامر. يكتشف Ollama مسار ملف .jpg/.png أو ما شابه داخل نص الطلب نفسه ويُرفقه تلقائيًا.
• **تستخدم /api/generate الحقل prompt؛ وتستخدم /api/chat الحقل messages.** يقبل كلاهما مصفوفة images من سلاسل مُرمّزة بـ base64؛ وتدعم /api/chat محادثات متعددة الأدوار مع إرفاق صور برسائل فردية.

# التنزيل والتشغيل عبر سطر الأوامر — أشِر إلى مسار الصورة مباشرة في الطلب
ollama pull llava
ollama run llava "describe this image: ./photo.jpg"

# --- HTTP API: /api/generate (موثق في docs/api.md الخاص بـ Ollama) ---
curl http://localhost:11434/api/generate -d '{
  "model": "llava",
  "prompt": "What is in this picture?",
  "stream": false,
  "images": ["<base64-encoded image data>"]
}'

# --- HTTP API: /api/chat (متعدد الأدوار، موثق أيضًا في docs/api.md) ---
curl http://localhost:11434/api/chat -d '{
  "model": "llava",
  "messages": [
    { "role": "user", "content": "What is in this image?", "images": ["<base64-encoded image data>"] }
  ]
}'

# --- Python: مكتبة ollama الرسمية (تتولى ترميز base64 نيابة عنك) ---
import ollama

response = ollama.chat(
    model="llava",
    messages=[{
        "role": "user",
        "content": "What is in this image?",
        "images": ["photo.jpg"],
    }],
)
print(response["message"]["content"])

# --- Python: استدعاء HTTP API مباشرة مع ترميز base64 يدوي ---
import base64
import requests

def ask_vision_model(image_path: str, prompt: str, model: str = "llava") -> str:
    with open(image_path, "rb") as f:
        image_b64 = base64.b64encode(f.read()).decode("utf-8")
    response = requests.post(
        "http://localhost:11434/api/generate",
        json={"model": model, "prompt": prompt, "images": [image_b64], "stream": False},
    )
    return response.json()["response"]

إرشادات VRAM والعتاد

ما لا يصلح له Ollama

• ضبط نموذج دقيقًا أو تدريبه. Ollama مخصص للاستدلال فقط — يُشغّل أوزان نماذج مُدرَّبة مسبقًا، ولا يوفر خط أنابيب للتدريب أو الضبط الدقيق. إذا احتجت إلى ضبط نموذج رؤية-لغة دقيقًا على بياناتك الخاصة، فستحتاج إلى مجموعة أدوات مختلفة (مثل نصوص التدريب الخاصة بمستودع LLaVA الأصلي، أو إطار مثل Hugging Face Transformers).
• القدرة الاحتكارية الأحدث متعددة الوسائط. مكتبة Ollama مبنية حول نماذج مفتوحة الأوزان. حتى وقت هذه المراجعة، تتفوق عمومًا واجهات الرؤية السحابية لـ GPT-4o وClaude وGemini على النماذج المحلية المفتوحة في فهم المشاهد المعقدة والتعرف على الخط اليدوي والصور الغامضة — Ollama هو الأداة الصحيحة للاستخدام الخاص والمُستضاف ذاتيًا بتكلفة هامشية صفرية لكل صورة، وليس لمضاهاة أحدث ما توصلت إليه التقنية.
• استخراج أرقام دقيقة من الرسوم البيانية والمخططات. هذا قيد على نماذج الرؤية-اللغة الأساسية نفسها، وليس خاصًا بـ Ollama كمُشغّل — تحقق دائمًا من أي أرقام مستخرجة مقابل البيانات المصدرية بغض النظر عن النموذج أو المُشغّل المستخدم.
• إجابة موحّدة واحدة عن "أي نموذج هو الأفضل". يعتمد اختيار نموذج الرؤية المناسب عبر Ollama على المهمة: Qwen2.5-VL لعمل مستندات كثيف التعرف الضوئي، وMiniCPM-V للتعرف الضوئي بذاكرة VRAM أقل، وLlama 3.2 Vision للإجابة العامة عن أسئلة الصور، وMoondream لأخف بصمة. راجع مقارنة نماذج الرؤية المحلية من PromptQuorum لإرشادات مفصّلة حسب المهمة.

بدائل Ollama لنماذج الرؤية

الأسئلة الشائعة

الخلاصة

المصادر

• Ollama على GitHub — تاريخ إنشاء المستودع، والرخصة، وسجل الإصدارات.
• ملاحظات إصدار Ollama v0.1.15 — الإعلان الأصلي لدعم الوسائط المتعددة/LLaVA، 12 ديسمبر 2023.
• محرك Ollama الجديد للنماذج متعددة الوسائط — إعادة بناء محرك الوسائط المتعددة في مايو 2026، ويغطي Llama 4 وGemma 3 وQwen2.5-VL وMistral Small 3.1.
• وثائق واجهة Ollama — صيغة الطلب/الاستجابة الموثقة لـ /api/generate و/api/chat الخاصة بالصور.
• مكتبة نماذج Ollama — المكتبة الحية المستخدمة للتحقق من كل نموذج مذكور في هذا المقال، بما في ذلك صفحات مستقلة لـ llava وllama3.2-vision وqwen2.5vl وminicpm-v وmoondream وgranite3.2-vision وgemma3 وllama4 وmistral-small3.1.

قراءات ذات صلة

• مراجعة LLaVA (2026) — تعمّق مخصص في LLaVA تحديدًا، بما في ذلك تاريخه وتفاصيل الترخيص.
• نماذج الرؤية المحلية 2026: LLaVA وLlama 3.2 Vision وQwen3-VL وإعداد Ollama متعدد الوسائط — مقارنة أوسع حسب المهمة بين نماذج الرؤية المحلية الحالية.
• أحدث إصدار من Ollama 2026: v0.33.1 + أفضل النماذج حسب حالة الاستخدام — كتالوج Ollama الأوسع من النماذج بما يتجاوز الرؤية، بما في ذلك النماذج النصية الأكثر شيوعًا.