ما نماذج Ollama التي تدعم الرؤية؟
إجابة سريعة
يدعم Ollama عدة نماذج رؤية: LLaVA و Gemma 3 متعدد الوسائط و Qwen-VL. شغّل ollama run llava للبدء بسهولة. جميعها تقبل الصور عبر واجهة Ollama البرمجية.
- ▸llava: نموذج الرؤية الأصلي، أوسع توافق
- ▸gemma3: نموذج متعدد الوسائط من Google، جودة جيدة
- ▸qwen-vl: قوي في فهم المستندات
تحديث: ٢١ يونيو ٢٠٢٦
النقاط الرئيسية
- ✓أربعة نماذج رؤية في Ollama جاهزة للإنتاج: LLaVA و Llama 3.2 Vision و Qwen-VL و Gemma 3
- ✓تحتاج نماذج الرؤية 1–3 GB VRAM إضافية فوق ما تحتاجه نظيراتها النصية فقط — يعمل مشفّر الصور جنبًا إلى جنب مع نموذج اللغة
- ✓LLaVA 7B هو نقطة البداية الأأمن (~7 GB VRAM، توافق واسع مع العملاء)
- ✓استخدم Qwen-VL لتحليل الرسوم البيانية والمخططات؛ استخدم Llama 3.2 Vision 11B لـ OCR والاستدلال البصري متعدد الخطوات
أبرز نماذج الرؤية في Ollama
اعتبارًا من مايو 2026، يدعم Ollama أربعة نماذج رؤية جاهزة للإنتاج: LLaVA و Llama 3.2 Vision و Qwen-VL و Gemma 3. لكل منها قوة مميزة وملف VRAM خاص.
LLaVA هو نقطة البداية الأأمن — يتمتع بأوسع توافق مع العملاء ويعمل مع أي صيغة صورة يقبلها Ollama. Llama 3.2 Vision 11B هو الأفضل لـ OCR والاستدلال البصري متعدد الخطوات. Qwen-VL يتصدر في الرسوم البيانية والمخططات والمستندات المنظمة. متغير Gemma 3 للرؤية يتعامل مع أكثر من 35 لغة — مفيد حين تحتوي الصور على نص غير إنجليزي كاللافتات والمستندات الأجنبية أو الرسوم البيانية ذات التسميات المحلية. LLaVA و Qwen-VL أقوى في النص الإنجليزي.
تحمّل جميع نماذج الرؤية مشفّر صور إلى جانب أوزان نموذج اللغة. يضيف هذا المشفّر 1–3 GB VRAM فوق ما يحتاجه النموذج الأساسي النصي فقط — ضع هذا الحمل الإضافي في حسبانك عند مراجعة ميزانية VRAM.
متطلبات VRAM للرؤية
كل نموذج رؤية يحتاج VRAM أكثر من نظيره النصي. يتطلب نموذج رؤية 7B عادةً 7–9 GB VRAM، وليس ~6 GB التي ستُخصصها لنموذج نصي 7B.
لتحليل الرسوم البيانية والمستندات، يقدم Qwen-VL 7B و Gemma 3 الخيارات الأكثر كفاءة في VRAM مع قدرة قوية على فهم المخططات. لـ OCR والاستدلال المعقد على الصور، يبرر Llama 3.2 Vision 11B VRAM الإضافية. للدليل الكامل حول نماذج اللغة المحلية متعددة الوسائط ومطابقة حالات الاستخدام، راجع دليل نماذج اللغة المحلية متعددة الوسائط.
| الطراز | VRAM بتحديد Q4 | قدرة معالجة الصور |
|---|---|---|
| LLaVA 7B | ~7 GB | أسئلة وأجوبة عامة على الصور، توافق واسع |
| Llama 3.2 Vision 11B | ~10 GB | OCR، استدلال بصري متعدد الخطوات |
| Qwen-VL 7B | ~7 GB | رسوم بيانية، مخططات، تحليل مستندات |
| Gemma 3 (رؤية) | ~6 GB | فهم الصور متعدد اللغات |
أدلة ذات صلة
- ▸نماذج Ollama ذات سياق 128K -- long context models
إجابات سريعة حول نماذج رؤية Ollama
كيف أرسل صورة إلى Ollama عبر الواجهة البرمجية؟▾
/api/chat مع الصورة كسلسلة base64 في مصفوفة images. نص JSON الأدنى المطلوب: {"model":"llava","messages":[{"role":"user","content":"What is in this image?","images":["<base64>"]}]} راجع Qwen 3 على Ollama لخيار متعدد الوسائط مع دعم قوي لاستدعاء الأدوات.