Skip to main content
PromptQuorumPromptQuorum

هل يمكن تشغيل LLM محلي على جهاز Raspberry Pi 5؟

تحتوي هذه الصفحة على روابط مرجعية لمنتجات طرف ثالث. لا يشارك PromptQuorum في أي برنامج تابع — هذه روابط عادية لا تدر أي عمولة. النقر على الروابط والخطوات التالية تقع على عاتقك بالكامل. لا تمثل هذه الروابط أي تأييد أو تحقق من قِبَل PromptQuorum.

إجابة سريعة

نعم، لكن فقط نماذج صغيرة جدًا — يشغّل جهاز Raspberry Pi 5 (8GB) نماذج 1B-3B بدقة Q4 عبر llama.cpp على معالج CPU الخاص به، بحوالي 2-5 رموز/ثانية. لا يتوفر أي تسريع GPU.

  • اشترِ جهاز Raspberry Pi 5 بذاكرة 8 GB — يترك طراز 4 GB هامشًا ضئيلًا جدًا حتى لنموذج 1B بالإضافة إلى نظام التشغيل.
  • نطاق النماذج الواقعي: Llama 3.2 1B/3B أو Qwen3 0.6B بدقة Q4 — أي شيء أكبر بطيء بشكل غير عملي.
  • لا تسريع GPU: لا يدعم llama.cpp وحدة رسومات VideoCore VII في Pi 5 — كل شيء يعمل على CPU.

تحديث: 2026-07

Quick Answersمتوسط

النقاط الرئيسية

  • نعم، لكن فقط نماذج 1B-3B بدقة Q4 — أي شيء أكبر بطيء بشكل غير عملي على عتاد Pi 5
  • اشترِ التكوين بذاكرة 8 GB — يترك طراز 4 GB هامشًا ضئيلًا جدًا للنموذج بالإضافة إلى نظام التشغيل
  • توقع حوالي 2-5 رموز/ثانية على CPU — لا يوجد مسار تسريع GPU عبر llama.cpp
  • جهاز Pi 5 مشروع تعليمي ممتع، وليس آلة عملية لتشغيل LLM محلي يوميًا

الإجابة الصريحة: نماذج صغيرة فقط، وببطء

يمكن لجهاز Raspberry Pi 5 تشغيل LLM محلي، لكن فقط ضمن نطاق معاملات 1B-3B بتكميم Q4 — نماذج مثل Llama 3.2 1B وLlama 3.2 3B وQwen3 0.6B — بحوالي 2-5 رموز في الثانية عبر llama.cpp. هذه السرعة قابلة للاستخدام للتجربة العرضية لكنها أبطأ بشكل ملحوظ من سرعة الكتابة للاستجابات الأطول، وأبطأ بكثير من أي جهاز مزوّد بـ GPU.

اشترِ التكوين بذاكرة 8 GB، وليس طراز 4 GB. حتى نموذج 1B بالإضافة إلى عبء نظام Raspberry Pi OS يترك هامشًا ضئيلًا على 4 GB، وستحتاج الذاكرة الإضافية لنافذة سياق مريحة وأي برامج أخرى تعمل جنبًا إلى جنب مع النموذج.

لا يوجد مسار تسريع GPU متاح: وحدة الرسومات VideoCore VII المدمجة في Pi 5 غير مدعومة من واجهات استدلال llama.cpp (لا يستهدف أي مسار Vulkan أو OpenCL حاليًا استدلال LLM عليها)، لذا يُحسَب كل رمز على معالج CPU رباعي النوى من نوع ARM. عامل إعداد LLM محلي على Pi 5 كمشروع تعليمي أو مساعد خفيف جدًا — وليس بديلًا لأي عتاد مزوّد بـ GPU، حتى لو كان بميزانية محدودة.

Raspberry Pi 5 مقابل أرخص بديل بطاقة GPU

حتى أقل بطاقة GPU سعرًا المشمولة في دليل ما دون 300 دولار تشغّل نماذج 7B بمعدل 15-20 رمزًا في الثانية — أسرع بعدة مرات من أفضل حالة لـ Pi 5 على نماذج بجزء بسيط من الحجم. جاذبية Pi 5 هي بصمته الصغيرة، واستهلاكه المنخفض للطاقة، وجدّته، وليس القدرة الخام.

إذا كان هدفك مساعد LLM محلي دائم التشغيل ومفيد فعليًا بدلًا من مشروع هواية، فإن بطاقة GPU مستعملة أو جهاز mini PC استثمار أكثر عملية — راجع دليل GPU دون 300 دولار أو دليل خادم Ollama دائم التشغيل من نوع mini PC.

قراءات ذات صلة

الأسئلة الشائعة

هل يحتاج Raspberry Pi 5 إلى تبريد نشط لاستدلال LLM؟
ستدفع أحمال العمل المستمرة كثيفة CPU مثل استدلال LLM جهاز Pi 5 ليصبح أدفأ من الاستخدام العادي. المبرّد النشط (مروحة) إضافة رخيصة ومجدية إذا كنت تخطط لتشغيل الاستدلال لفترات ممتدة بدلًا من اختبارات قصيرة.
هل يمكنني استخدام لوحة مسرّع ذكاء اصطناعي لتسريع Pi 5؟
توجد بعض لوحات مسرّع الذكاء الاصطناعي الإضافية من جهات خارجية لمنظومة Raspberry Pi، لكن دعم llama.cpp/Ollama لها غير متسق وليس مسارًا رئيسيًا موثقًا جيدًا اعتبارًا من يوليو 2026 — عاملها كخيار تجريبي، وليس ترقية موثوقة.
هل Raspberry Pi 5 جيد لتشغيل مساعد صوتي مع LLM محلي؟
فقط بنموذج صغير جدًا وتوقعات كمون واقعية — بضع ثوانٍ لكل استجابة أمر نموذجي بهذا الحجم من العتاد. يمكن أن يعمل كمساعد هواية بطيء غير متصل بالإنترنت لكنه لن يشعر بالسرعة.
ما الحد الأدنى من RAM لأي LLM محلي على Pi 5؟
التكوين بذاكرة 8 GB هو الحد الأدنى العملي لتجربة مريحة. يمكن لتكوين 4 GB تحميل نموذج 1B تقنيًا لكنه يترك هامشًا ضئيلًا جدًا لأي شيء آخر يعمل على الجهاز.