النقاط الرئيسية
- Qwen3 8B و14B مناسبان لوحدات GPU الاستهلاكية — 8 جيجابايت و16 جيجابايت VRAM على التوالي، يعملان عبر Ollama في Docker
- Qwen3 32B يتطلب RTX 4090 بـ 24 جيجابايت؛ هو أكبر نشر بطاقة واحدة في الإنتاج لمعظم الفرق
- Qwen2.5-72B يحتاج RTX 4090 مزدوجًا، أو بناءً على المعالج بذاكرة RAM كبيرة (128+ جيجابايت DDR5)، أو استئجارًا سحابيًا — التكلفة الذاتية ~$0.05–0.12/يوم مُهلَكة
- حزمة Docker Compose مع Ollama + Open WebUI + Nginx تعرض API متوافقة مع OpenAI في أقل من 10 دقائق
- خوادم Qwen الدائمة التشغيل: Minisforum UM890 Pro ($429، Qwen3 8B على المعالج) أو AOOSTAR GEM12 Pro OCuLink + RTX 4060 Ti 16 جيجابايت (~$800 إجمالًا)
- البديل السحابي: RunPod A40 48 جيجابايت بـ $0.44/ساعة يتعامل مع Qwen2.5-72B — أرخص من شراء RTX 4090 مزدوج للاستخدام العرضي
- هذا الدليل يغطي النشر في الإنتاج؛ للإعداد الأساسي مع Ollama راجع دليل Qwen للمبتدئين
📍 في جملة واحدة
انشر نماذج Qwen في الإنتاج باستخدام حزمة Docker Compose التي تشغّل Ollama كواجهة خلفية للاستدلال وتعرض نقطة نهاية API متوافقة مع OpenAI.
💬 بعبارات بسيطة
بدلًا من تشغيل Qwen يدويًا في كل مرة، يتيح لك Docker إعداد خادم دائم يبقى متاحًا ويقبل الطلبات — مثل استخدام API لـ ChatGPT لكن على جهازك الخاص بدون تكلفة لكل رمز.
أداء نماذج Qwen حسب الجهاز
اختر الجهاز بحسب حجم النموذج لا بحسب ماركة GPU. VRAM هو القيد الرئيسي: إذا لم يتسع النموذج، لن يعمل بسرعة GPU. يُظهر الجدول سرعات الاستدلال المقاسة مع تكميم Q4_K_M (أفضل نسبة جودة إلى حجم لنشر Ollama).
| النموذج | VRAM المطلوبة | الجهاز الموصى به | السرعة (Q4_K_M) | تكلفة GPU (USD) |
|---|---|---|---|---|
| Qwen3 8B | 8 جيجابايت | RTX 3060 12 جيجابايت | ~25 رمز/ثانية | $150–350 مستعمل |
| Qwen3 14B | 12 جيجابايت | RTX 4060 Ti 16 جيجابايت | ~18 رمز/ثانية | ~$424 جديد |
| Qwen3 32B | 20+ جيجابايت | RTX 4090 24 جيجابايت | ~12 رمز/ثانية | ~$1,900 جديد |
| Qwen 3.6 27B | ~16 جيجابايت | RTX 4090 24 جيجابايت | انظر دليل المقارنة | ~$1,900 جديد |
| Qwen2.5-72B | 48+ جيجابايت | RTX 4090 × 2 أو GPU سحابي | ~5–8 رمز/ثانية | $3,800+ أو $0.44/ساعة |
أرقام السرعة من إعدادات Ollama + Docker الفعلية على نظام Linux مع تشغيل حاوية واحدة للاستدلال.
إعداد خادم API بـ Docker
- 1ثبّت Docker و Docker Compose على نظام Linux (Ubuntu 22.04 موصى به للإنتاج)
- 2أنشئ ملف
docker-compose.ymlمع حاويتي Ollama و Open WebUI - 3اضبط
OLLAMA_HOST=0.0.0.0في بيئة الحاوية لتعريض API - 4نزّل نموذج Qwen المطلوب عبر
docker exec:docker exec ollama ollama pull qwen2.5:7b - 5أضف Nginx كبوابة API مع مصادقة أساسية وحد للمعدل
- 6اضبط سياسة إعادة التشغيل كـ
unless-stoppedللاستمرارية بعد انقطاع الكهرباء
services:
ollama:
image: ollama/ollama:latest
restart: unless-stopped
environment:
- OLLAMA_HOST=0.0.0.0
volumes:
- ollama_data:/root/.ollama
deploy:
resources:
reservations:
devices:
- driver: nvidia
count: all
capabilities: [gpu]
open-webui:
image: ghcr.io/open-webui/open-webui:main
restart: unless-stopped
environment:
- OLLAMA_BASE_URL=http://ollama:11434
ports:
- "3000:8080"
depends_on:
- ollama
volumes:
ollama_data:إعداد تعدد GPU لـ Qwen2.5-72B
يتطلب Qwen2.5-72B توزيع النموذج عبر GPU متعددة. يدعم Ollama تعدد GPU تلقائيًا عند اكتشاف عدة GPUs لـ NVIDIA عبر nvidia-docker.
تحقق من رؤية Ollama لجميع GPUs: docker exec ollama nvidia-smi. يجب ظهور جميع GPUs.
لتوزيع النموذج يدويًا: CUDA_VISIBLE_DEVICES=0,1 ollama run qwen2.5:72b
إذا كانت الـ VRAM مجتمعة غير كافية (مثلًا GPU×2 بـ 24 جيجابايت = 48 جيجابايت لـ 72B)، سينتقل Ollama إلى طبقات المعالج تلقائيًا مما يخفض السرعة.
- RTX 4090 × 2: 48 جيجابايت VRAM مجتمعة — مناسب لـ Qwen2.5-72B Q4_K_M (45.6 جيجابايت)
- RTX 4090 + RTX 3090: 48 جيجابايت — يعمل لكن ابحث عن اختناقات النطاق الترددي للذاكرة
- RTX 4090 واحدة: الحد الأقصى Qwen3 32B؛ Qwen2.5-72B سيلجأ جزئيًا للمعالج
# تحقق من نقاط نهاية GPU في Docker
docker run --gpus all nvidia/cuda:12.0-base nvidia-smi
# نموذج يمتد عبر GPU — تلقائي في Ollama
docker exec -e CUDA_VISIBLE_DEVICES=0,1 ollama ollama run qwen2.5:72bتهيئة API في الإنتاج
يعرض Ollama API متوافقة مع OpenAI على http://خادمك:11434/v1. اضبط OPENAI_API_BASE=http://خادمك:11434/v1 وOPENAI_API_KEY=أي-قيمة في أدواتك.
تعمل الأدوات التالية بدون تعديل: Continue.dev وCursor (الوضع المحلي) وLangChain وAutoGen وLibreChat وOpen WebUI.
للوصول عن بُعد: استخدم نفق Nginx مع TLS وSSL بدلًا من تعريض منفذ Ollama مباشرةً عبر الإنترنت.
لإدارة المفاتيح: استخدم Nginx مع auth_basic للمصادقة البسيطة، أو أضف LiteLLM Proxy لإدارة مفاتيح API ومحاسبة الاستخدام.
مقارنة التكاليف: self-hosted مقابل السحابة
تكاليف الاستضافة الذاتية مُهلَكة على عمر الجهاز (3 سنوات مفترضة). تكاليف السحابة تعكس الأسعار الفعلية لـ RunPod في مايو 2026.
| الخيار | تكلفة الجهاز | تكلفة الكهرباء | التكلفة اليومية المُهلَكة | أفضل لـ |
|---|---|---|---|---|
| UM890 Pro (Qwen3 8B، معالج) | $429 | ~$0.05/يوم | ~$0.05 | الاستخدام المنخفض، دائم التشغيل |
| RTX 3060 (Qwen3 8B، GPU) | $150–350 | ~$0.06/يوم | ~$0.12 | الاستخدام المتوسط، استجابة أسرع |
| RTX 4090 (Qwen3 32B) | $1,900 | ~$0.15/يوم | ~$1.90 | الاستخدام الكثيف، نماذج كبيرة |
| RunPod A40 48 جيجابايت (Qwen2.5-72B) | $0 (مستأجر) | مدرجة | $0.44/ساعة | الاستخدام العرضي، نماذج 72B |
أجهزة الخادم الدائم التشغيل
Minisforum UM890 Pro ($429): AMD Ryzen 9 8945HS، 32–64 جيجابايت DDR5، iGPU Radeon 780M. يشغّل Qwen3 8B على المعالج بـ ~8 رمز/ثانية. الاستهلاك: ~35 واط في وضع الخمول، ~65 واط أثناء الاستدلال. الخيار الأقل تكلفةً للخادم دائم التشغيل.
AOOSTAR GEM12 Pro OCuLink (~$350) + RTX 4060 Ti 16 جيجابايت (~$424): يربط GPU الخارجي عبر OCuLink. Qwen3 14B يعمل بـ ~18 رمز/ثانية. إجمالي ~$800. الخيار الأفضل إذا كنت تريد سرعة GPU مع هيكل mini PC.
- كلا الخيارين: فعّل
systemdأو مجدول مهام Windows لبدء Ollama تلقائيًا عند التشغيل - استخدم Nginx كبوابة بـ TLS إذا كنت تعرض API للشبكة المحلية أو الإنترنت
- Qwen3 8B على المعالج: ~$0.05/يوم للكهرباء عند تشغيله على مدار الساعة
الحكم: الأجهزة حسب حجم النموذج
اختر الجهاز بحسب نموذج Qwen الذي تحتاجه، وليس بالعكس.
أي جهاز لأي نموذج Qwen؟
استخدم LLM محليًا إذا:
- •Qwen3 8B → RTX 3060 12 جيجابايت أو UM890 Pro (معالج)
- •Qwen3 14B → RTX 4060 Ti 16 جيجابايت
- •Qwen3 32B → RTX 4090 24 جيجابايت
- •Qwen2.5-72B مع استخدام كثيف → RTX 4090 × 2
- •Qwen2.5-72B مع استخدام عرضي → RunPod A40 48 جيجابايت ($0.44/ساعة)
استخدم نموذجًا سحابيًا إذا:
- •Qwen2.5-72B للتجريب السريع → RunPod لتجنب الاستثمار في الجهاز
- •الميزانية < $500 ولكن تحتاج Qwen2.5-72B → السحابة حتمًا
قرار سريع:
- →الخيار الافتراضي لمعظم المستخدمين: Qwen3 8B على RTX 3060
- →أفضل نسبة قيمة/أداء: RTX 4060 Ti 16 جيجابايت + Qwen3 14B
موارد ذات صلة
الأسئلة الشائعة
هل يوجد نموذج Qwen 3.8؟
لا — "Qwen 3.8" ليس إصداراً حقيقياً. على الأرجح تقصد Qwen3-8B (ollama pull qwen3:8b، بـ8 مليارات معامل) أو Qwen 3.6 (ollama pull qwen3.6:27b)، وهو إصدار أحدث وأقوى في البرمجة من Alibaba يقع ضمن نفس فئة VRAM الخاصة بـ Qwen3 32B. يتكون ترقيم Alibaba من Qwen3 (بأحجام كثيفة من 0.6B إلى 32B) وإصدار Qwen 3.6 المنفصل — ولا يوجد "3.8" في أي من السلسلتين.
هل يوجد نموذج Qwen3 7B؟
لا. تشكيلة Qwen3 الكثيفة هي 0.6B و1.7B و4B و8B و14B و32B — لا يوجد 7B. إذا بحثت عن "Qwen3 7B"، فإن أقرب نموذج هو Qwen3-8B (ollama pull qwen3:8b)، الذي يتسع ضمن ~5–6 جيجابايت من VRAM بتكميم Q4_K_M ويعمل بنحو 25 رمز/ثانية على RTX 3060 بـ 12 جيجابايت. ولنموذج من فئة 72B، استخدم Qwen2.5-72B.
ما VRAM الأدنى لتشغيل Qwen3 8B على GPU؟
ثمانية جيجابايت من VRAM بتكميم Q4_K_M. RTX 3060 بـ 12 جيجابايت هو الخيار الموصى به للاستخدام في الإنتاج.
هل يمكن تشغيل Qwen2.5-72B على GPU واحدة؟
ليس بسرعة GPU بالكامل. Qwen2.5-72B بـ Q4_K_M يحتاج ~45.6 جيجابايت VRAM. RTX 4090 الواحدة (24 جيجابايت) ستُشغّله جزئيًا على المعالج مما يُبطّئه إلى ~2–4 رموز/ثانية. للإنتاج، استخدم GPU مزدوجًا أو سحابة.
هل Qwen self-hosted متوافق مع أدوات OpenAI؟
نعم. يعرض Ollama API متوافقة مع OpenAI على http://خادمك:11434/v1. اضبط OPENAI_API_BASE وOPENAI_API_KEY في أداتك — تعمل Continue.dev وLangChain وAutoGen بدون تعديل.
كم تكلفة تشغيل خادم Qwen دائم التشغيل؟
UM890 Pro مع Qwen3 8B على المعالج يستهلك ~12 واط في وضع الخمول و~45 واط أثناء الاستدلال. بـ $0.16/كيلوواط·ساعة، التشغيل 24/7 يكلف ~$0.70–1.80/شهرًا.
ما الفرق بين استخدام Ollama وvLLM لنشر Qwen؟
Ollama: أسهل في الإعداد، مناسب للاستخدام الفردي وبيئات التطوير. vLLM: أعلى إنتاجية لأحمال الطلبات المتزامنة، مناسب للإنتاج مع عدة مستخدمين.
سجل التحديثات
- 2026-05-26: إصدار مبدئي — تغطي معايير Qwen3 8B/14B/32B/72B وDockerfile الكامل وأسعار السحابة في مايو 2026.