إجابات سريعة على أسئلة النماذج اللغوية المحلية

4 GB من VRAM يستوعب Phi-4 Mini وGemma 2B بسهولة مع هامش لتوسيع السياق.

يعني Q4_K_M ضغط 4-bit مع ضغط k-quant (K) بجودة متوسطة (M).

استخدم Q4_K_M مع 8 GB من VRAM أو أقل.

مع 12 GB VRAM، أفضل نموذج للاستخدام العام هو Llama 3 8B في Q5_K_M بـ20–30 رمز/ثانية بجودة متوازنة.

4 GB VRAM ضيّقة لكن قابلة للاستخدام مع نماذج صغيرة كـPhi-4 Mini Q4 (~3.2 GB) وGemma 2 2B (~1.5 GB) وSmolLM 1.7B (~1.0 GB).

نموذج 7B بتكميم Q4_K_M يحتاج ~5.5 GB ذاكرة RAM أو VRAM.

نموذج 70B بـ Q4_K_M يحتاج تقريبًا 40 GB VRAM.

مع 6 GB من VRAM، يُعدّ Llama 3 8B Q4_K_M الخيار الأمثل بحجم ~5.5 GB، مع قدرات ممتازة في المحادثة والبرمجة بسرعة ~20 tok/s.

Q4_K_M هو النقطة المثلى — نماذج 7B/8B في Q4_K_M تستخدم 4.7–4.9 GB، تاركةً 1.1 GB لذاكرة KV.

تحقق من ollama.com أو صفحة الإصدارات على GitHub لمعرفة الإصدار الحالي.

في مايو 2026، أفضل نموذج Ollama للاستخدام العام هو Llama 3 8B.

بدون GPU، Phi-4 Mini في Q4 يقدم أفضل توازن بين الجودة والسرعة على CPU.

نعم — يدعم Ollama جميع أحجام نماذج Qwen 3 من 0.6B إلى 72B.

يدعم Ollama عدة نماذج رؤية: LLaVA و Gemma 3 متعدد الوسائط و Qwen-VL.

يدعم Llama 3.3 8B سياقاً بحجم 128K في Ollama.

يفوز Qwen 3 Coder في Python و TypeScript.

إذا كنت تستخدم الطرفية وتطور تطبيقات بواجهات برمجية، اختر Ollama.

Jan مفتوح المصدر بالكامل مع نظام إضافات.

أفضل تطبيقات Android لتشغيل النماذج اللغوية الكبيرة محلياً هي MLC Chat للإعداد السهل مع النماذج المُحسَّنة مسبقاً، وPocketpal للتحميل المرن لملفات GGUF، وTermux مع Ollama للتحكم الكامل.

Open WebUI هي أفضل واجهة أمامية لـ Ollama لمعظم المستخدمين، إذ توفر وصولاً مجانياً إلى واجهة غنية بالميزات مع نشر عبر Docker ودعم RAG.

على Apple Silicon، استخدم MLX — يحقق حوالي 65 رمزاً/ثانية مقابل حوالي 35 رمزاً/ثانية لـ Ollama على M5 Pro مع نموذج 8B.

لا يمكنك تحويل نماذج Ollama إلى MLX مباشرةً.

لا.

يتسع Llama 3 8B في 6 GB من VRAM وهو أسرع.

Qwen 3 Coder 14B هو أفضل نموذج برمجة 14B للاستخدام المحلي، إذ يحقق 78.4% على HumanEval ويعمل بـ 10 GB من VRAM عند تكميم Q4_K_M.

ثلاثة أجهزة مصغرة تتميز للاستدلال المحلي على نماذج اللغة الكبيرة: Mac Mini M4 يحقق ~18 رمز/ثانية مع ذاكرة موحدة ودون عنق زجاجة VRAM، وMinisforum UM790 Pro يتوسع حتى 64 GB DDR5 للنماذج الأكبر، وBeelink SER8 يقدم جودة/سعر جيدة بـ~8 رمز/ثانية و Ryzen 9 8845HS.

Mixtral 8x22B وDeepSeek V2 هما أفضل نماذج MoE للبرمجة للاستخدام المحلي، إذ تنشّطان جزءاً فقط من المعاملات الكلية لكل رمز لتقديم جودة أفضل لكل VRAM مقارنةً بالنماذج الكثيفة.

اختر حسب VRAM: Llama 3.3 8B (4.9 GB)، Qwen 3 14B (9.3 GB)، Mistral Small 3.1 24B (14.4 GB).

Qwen 3 Coder 14B Q4_K_M هو أفضل نموذج برمجة لمعالجات رسومات بـ12 جيجابايت VRAM كـRTX 3060.

مع RTX 3070 Ti (8 GB VRAM)، Llama 3 8B Q4_K_M وMistral Small Q5_K_M هما أفضل نماذج اللغة الكبيرة المحلية.

نعم.

نعم — لكن فقط لمجموعات وثائق شخصية صغيرة باستخدام Llama 3.2 1B (~750 MB) مع تضمينات MiniLM-L6-v2 (~80 MB) ومخزن متجهات في الذاكرة بإجمالي ~1.3-1.5 GB على جهاز 2 GB.

CO-STAR هو بنية أوامر من 6 أجزاء لمخرجات LLM متسقة: Context (السياق)، وObjective (الهدف)، وStyle (أسلوب الكتابة)، وTone (النبرة العاطفية)، وAudience (الجمهور)، وResponse (تنسيق الاستجابة).

لمهام البرمجة السحابية، يحقق Claude Opus 4.8 نسبة 87.6% على SWE-Bench، بينما يتصدر GPT-5.5 Instant المحادثة العامة بنسبة هلوسة أقل بـ52.5%.

تشغيل Qwen محلياً على أجهزتك الخاصة متوافق مع GDPR لأنه لا تغادر أي بيانات من المطالبات بنيتك التحتية ولا يحدث أي نقل لجهة خارجية وفق المادة 44.

واجهة برمجة DeepSeek تُشكّل أعلى خطر على GDPR بين النماذج اللغوية الكبرى؛ إذ تخضع الخوادم لقانون الوصول إلى البيانات الصيني (PIPL)، ولا يوجد قرار كفاية أوروبي للصين، وتحتفظ شروط الخدمة صراحةً بحق مشاركة البيانات مع السلطات الصينية.

نعم — تشغيل نموذج مفتوح الأوزان محليًا يُزيل نقل البيانات إلى دولة ثالثة بموجب المادة 44 الذي يُعقّد استخدام الذكاء الاصطناعي السحابي قانونيًا تحت GDPR، مما يعني أن مطالباتك وردودك لا تغادر خادمك أبدًا.