إذا كنت قد قضيت بعض الوقت في مجال الذكاء الاصطناعي المحلي خلال العامين الماضيين، فلا بد أنك سمعت بهذا الاسم. Ollama هي الأداة التي حولت عملية “تشغيل نموذج لغوي ضخم على جهازك الخاص” من عطلة نهاية أسبوع مليئة بأخطاء CUDA إلى أمر واحد فقط: تشغيل llama3.3.
يشرح هذا الدليل بالتفصيل ماهية Ollama، وكيفية عملها من الناحية الفنية، وما يمكنها وما لا يمكنها فعله، وما إذا كانت الأداة المناسبة لك في عام 2026.
إجابة سريعة: ما هو Ollama وكيف يعمل؟
Ollama هي أداة مجانية مفتوحة المصدر تحمّل وتدير وتشغّل نماذج لغة كبيرة مفتوحة محليًا على Mac أو Windows أو Linux بأمر واحد — بدون سحابة، بدون مفاتيح API، وبدون بيانات تغادر جهازك. تحتها تغلف محرك llama.cpp (بالإضافة إلى Apple MLX على Mac منذ v0.19) وتتعامل مع تنزيلات النموذج والتكمية وتخصيص GPU، ثم تعرّض REST API على المنفذ 11434 الذي يتوافق مع OpenAI في /v1أمر واحد مثل تشغيل llama3.3 يسحب نموذجًا ويأخذك من التثبيت إلى نموذج قيد التشغيل في حوالي دقيقتين.
- كيف تعمل: يغلّف
llama.cpp(و Apple MLX على Mac منذ v0.19) ويخدم النماذج عبر REST API محلي —http://localhost:11434، متوافق مع OpenAI في/v1. - كيفية تشغيل نموذج:
تشغيل llama3.3تنزيل وبدء النموذج في حوالي دقيقتين — تشمل الاختيارات الأخرىgemma4وqwen3. - الأجهزة المطلوبة: النقطة المثلى تبلغ حوالي 16 جيجابايت من VRAM أو الذاكرة الموحدة؛ احسب تقريباً 0.6 جيجابايت من الذاكرة لكل مليار معامل عند تكمية Q4_K_M.
- ما الذي يمكنها تشغيله: أكثر من 100 نموذج مفتوح، من نماذج 7B بحجم ~5 جيجابايت إلى نماذج 70B بحجم ~43 جيجابايت.
- التكلفة والقيود: 0 دولار ومرخصة بـ MIT، خاصة تماماً وتعمل بلا إنترنت — لكنها غير مصممة للخدمة عالية التزامن، حيث يكون vLLM أسرع بحوالي 16–20 مرة تحت الحمل.
أبرز النقاط المستخلصة
- ما هي: أداة مجانية ومفتوحة المصدر تتيح تنزيل نماذج اللغة الكبيرة (LLMs) المفتوحة وإدارتها وتشغيلها محليًّا بأمر واحد — دون الحاجة إلى السحابة أو مفاتيح واجهة برمجة التطبيقات (API)، ودون أن تغادر البيانات جهازك.
- كيف تعمل: إنه يلف الـ
llama.cppالمحرك (وكذلك MLX من Apple على أجهزة Mac منذ الإصدار v0.19) ويتولى عمليات تنزيل النماذج، والتكمية، وتخصيص وحدة معالجة الرسومات (GPU)، وواجهة برمجة تطبيقات REST على المنفذ11434. - الفئة المستهدفة: المطورون وهواة الابتكار الذين يبحثون عن الطريقة الأسهل لإنشاء نماذج أولية باستخدام نماذج محلية. إنها نقطة الانطلاق التي “تقلل الندم” في عام 2026.
- من لا يُناسبه هذا المنتج: تقديم الخدمة في بيئة الإنتاج ذات التزامن العالي — ولهذا الغرض،, يكون أداء vLLM أسرع بنحو 16–20 ضعفًا تحت الحمل.
- التكلفة: $0. وهو مرخص بموجب ترخيص MIT ويعمل بالكامل على أجهزتك.
ما هو Ollama فعليًّا؟
Ollama هي بيئة تشغيل مفتوحة المصدر لنماذج اللغة الكبيرة (LLMs) تعمل على جهاز الكمبيوتر الخاص بك — سواء كان يعمل بنظام Mac أو Windows أو Linux. يمكنك اعتبارها بمثابة “Docker لنماذج اللغة الكبيرة”: فبدلاً من التعقيدات المرتبطة ببيئات Python وأوزان النماذج وبرامج تشغيل وحدة معالجة الرسومات (GPU)، ما عليك سوى كتابة أمر واحد ليبدأ النموذج في العمل.
الفكرة بسيطة: احتفظ ببياناتك على جهازك، ولا تدفع أي رسوم مقابل كل رمز، واعمل دون اتصال بالإنترنت. عند تشغيلك ollama run gemma4, ، يقوم Ollama بتنزيل النموذج، وتحميله في ذاكرة وحدة معالجة الرسومات (GPU) الخاصة بك (أو ذاكرة الوصول العشوائي للنظام إذا لم تكن تمتلك وحدة معالجة رسومات)، ثم ينقلك إلى نافذة الدردشة. هذا كل شيء.
وراء هذه البساطة، يقوم «Ollama» بالكثير من العمل نيابة عنك:
- إدارة النماذج — استخراج النماذج وإصدارها وتخزينها من سجلها، بالطريقة نفسها التي يتعامل بها مدير الحزم مع البرامج.
- Quantization — استخدام الإصدارات المضغوطة (GGUF) من النماذج تلقائيًّا، بحيث يتسع النموذج الذي يحتوي على 27 مليار معلمة في ذاكرة الجهاز الاستهلاكي.
- تخصيص طبقات وحدة معالجة الرسومات (GPU) — تحديد الجزء من النموذج الذي سيتم تشغيله على وحدة معالجة الرسومات (GPU) مقابل وحدة المعالجة المركزية (CPU)، بناءً على سعة ذاكرة الفيديو (VRAM) المتوفرة لديك.
- السياق وإدارة ذاكرة التخزين المؤقتة KV — التعامل مع الذاكرة التي تتزايد حجمها كلما طالت المحادثة.
- واجهة برمجة تطبيقات REST — الكشف عن كل شيء على
http://localhost:11434حتى تتمكن تطبيقاتك الخاصة من التواصل معه.
كيف يعمل الأمر من الناحية الفنية
Ollama ليس في حد ذاته محرك استدلال. إنه طبقة التجربة ملفوفة حول واحدة. أما تحت غطاء المحرك، فهي تستخدم llama.cpp, ، محرك C++ الذي يتولى العمليات الحسابية الفعلية لتشغيل النموذج المُكمَّن بكفاءة على وحدات المعالجة المركزية (CPU) ووحدات معالجة الرسومات (GPU). اعتبارًا من الإصدار v0.19 (مارس 2026)، يستخدم Ollama أيضًا البنية الخلفية MLX الخاصة بشركة آبل على Apple Silicon — وهو تغيير أدى إلى زيادة هائلة في السرعة (على معالج M5 Max يعمل بنظام Qwen 3.5، تضاعف معدل إنتاجية فك التشفير تقريبًا).
يبدو سير العمل كما يلي:
- تقوم بتنفيذ أمر —
Ollama ران Qwen3من واجهة المستخدم، أو طلب موجه إلى واجهة برمجة التطبيقات. - يقوم برنامج «Ollama» بحل النموذج — إذا لم يكن قد تم تنزيله بعد، فإنه يستخرج قيم GGUF من السجل.
- يقوم بتحميل النموذج في الذاكرة — توزيع الطبقات بين وحدة معالجة الرسومات (GPU) ووحدة المعالجة المركزية (CPU) بناءً على سعة ذاكرة الفيديو (VRAM) المتاحة.
- وهي تعرض الردود — إما بشكل تفاعلي في محطة العمل الخاصة بك أو بتنسيق JSON عبر واجهة برمجة التطبيقات REST.
تعد واجهة برمجة التطبيقات (REST API) هذه هي الجزء الذي يهم المطورين أكثر من غيره. يمكن لأي تطبيق قادر على إرسال طلب HTTP استخدام نموذج محلي عبر Ollama — ونظرًا لأن Ollama أضافت نقطة نهاية متوافقة مع OpenAI، فإن الكثير من الأكواد الحالية تعمل بمجرد تغيير عنوان URL الأساسي.
ما يمكنك صنعه باستخدامه
تُعد «Ollama» المحرك الرئيسي وراء مجموعة ضخمة من مشاريع الذكاء الاصطناعي المحلية في عام 2026:
- روبوتات الدردشة الخاصة التي لا ترسل أي بيانات إلى السحابة أبدًا.
- مساعدو البرمجة — الأحدث
ollama launchيربط الأدوات مثل Claude Code، OpenCode، و Codex بنموذج محلي أو سحابي بدون ملفات إعدادات. - أنظمة RAG استخدام واجهة برمجة تطبيقات (API) التضمين الدفعي من Ollama لفهرسة مستنداتك الخاصة.
- الوكلاء والعمليات الآلية التي تستعين بنماذج محلية لأغراض التصنيف أو الاستخراج أو التلخيص بتكلفة هامشية صفرية.
- خطوط إنتاج ذات مخرجات منظمة — أصبح بإمكان Ollama الآن تقييد مخرجات النموذج وفقًا لمخطط JSON، مما يجعله موثوقًا للاستخدام البرمجي.
مكانة «Ollama» بين البدائل الأخرى
Ollama ليست الطريقة الوحيدة لتشغيل النماذج محلياً، وليست دائماً الأفضل. إليك الواقع الصادق — وإذا استقررت على واحدة من الخيارات الأخرى، فإن إزالة Ollama بنظافة تستغرق دقيقة:
| أداة | الأفضل لـ | المفاضلة |
|---|---|---|
| Ollama | إنشاء نماذج أولية بواسطة مطور واحد على أي نظام تشغيل | بطء في ظل التزامن المكثف |
| LM Studio | واجهة مستخدم رسومية أنيقة لتصفح ملفات العارضات والدردشة معهن | أقل قابلية للبرمجة؛ يركز على أجهزة سطح المكتب أولاً |
| vLLM | خدمة إنتاج متعددة المستخدمين تعمل على وحدات معالجة الرسومات (GPUs) | إعداد معقد؛ لا يعتمد على الموارد المحلية أولاً |
| llama.cpp | أقصى سرعة والأجهزة المدمجة والحدية | المستوى الأساسي؛ تجميعه بنفسك |
إذا كنت شخصًا واحدًا يجري تجارب، فإن Ollama يفوز براحة صرفة. في اللحظة التي تحتاج فيها إلى خدمة عدد كبير من المستخدمين في نفس الوقت، ستريد قراءة تحليلنا الكامل حول Ollama مقابل LM Studio مقابل vLLM مقابل llama.cpp.
البدء في غضون دقيقتين
حاجز الدخول صغير جدًا حقًا:
- ثبّته — حمّل التطبيق لنظام التشغيل الخاص بك (انظر دليل التثبيت خطوة بخطوة، أو قم بتشغيله في حاوية Docker لإبقاؤه خارج المضيف).
- سحب وتشغيل نموذج —
ollama run gemma4لمتوازن قوي، أوOllama ران Qwen3للبرمجة. - تحدث معه — تحدث في المحطة الطرفية، أو وجّه تطبيقك إلى
http://localhost:11434.
قبل أن تختار نموذجًا، تحقق من أن جهازك يمكنه التعامل معه — دليلنا حول متطلبات نظام Ollama يربط أحجام النموذج بـ RAM و VRAM الذي تحتاجه فعلاً.
ما الأجهزة التي تحتاجها فعلاً؟
سيبدأ Ollama على تقريبًا أي جهاز بـ CPU و 8 GB من RAM، لكن «البدء» و«الشعور بأنه قابل للاستخدام» أسئلة مختلفة. الرقم الوحيد الذي يقرر تجربتك هو مقدار الذاكرة التي يتسع لها النموذج، لأن النموذج بأكمله يجب أن يكون في RAM (أو، بشكل مثالي، GPU VRAM) أثناء التشغيل. قاعدة سريعة موثوقة تقريبًا هي 0.6 GB من الذاكرة لكل مليار معاملة في تحديد الكم الافتراضي Q4_K_M، بالإضافة إلى مساحة صغيرة للسياق.
تعطيك هذه الرياضيات دليل تحجيم سريع لأكثر فئات النماذج شيوعًا:
| فئة النموذج | التحميل التقريبي (Q4_K_M) | الذاكرة المريحة |
|---|---|---|
| 7–8B (Llama 3.x، Mistral) | ~5 GB | 8 GB+ |
| 13–14B (Qwen، Phi) | ~9 GB | 16 GB+ |
| 32B | ~20 GB | 24 GB+ |
| 70B (Llama 3.3) | ~43 GB | 64 GB+ |
بالنسبة لمعظم الناس، المنطقة العملية المثالية هي بطاقة GPU أو Mac بحوالي 16 GB من VRAM أو الذاكرة الموحدة — كافية لتشغيل نماذج 7B–14B بسرعات تبدو فورية. بطاقة RTX بـ 16 GB أو Mac بـ Apple Silicon بـ 16 GB كلاهما يقع مباشرة في هذه المنطقة.
ملاحظتان معماريتان مهمتان عند الاختيار. بطاقة NVIDIA GPU منفصلة تفوز بشكل حاسم عندما يتسع النموذج داخل VRAM الخاص بها، مما يوفر أسرع عدد رموز في الثانية. Apple Silicon الذاكرة الموحدة هو عكس المقايضة: يشارك جميع ذاكرة النظام مع GPU، لذا يمكن لـ Mac بـ 64 GB أو 128 GB تشغيل نماذج 32B–70B التي ببساطة لن يتم تحميلها على بطاقة رسومات المستهلك — فقط بإنتاجية أقل. نقطة التقاطع حول علامة النموذج 24 GB.
يمكنك يمكن تشغيل Ollama بدون GPU على الإطلاق. وحدة معالجة مركزية حديثة متعددة النوى تتعامل مع نموذج 7B بسرعة قابلة للعمل من عدة إلى منخفضة مزدوجة من الرموز في الثانية، لكن النماذج الكبيرة 70B على CPU تنخفض إلى أقل من رمز واحد في الثانية — حسنًا للمهام الدفعية طوال الليل، مؤلمة للدردشة. إذا كان الأداء التفاعلي مهمًا، فإن تسريع GPU أو Apple Silicon هو العامل الحاسم.
دليلان ذا صلة: نماذج GGUF موضحة (تنسيق الملف الذي ينزله Ollama) و ما هو LM Studio إذا فضلت تطبيقاً رسومياً على سطر الأوامر.
ما الذي تغير في Ollama 0.34 (سبتمبر 2026)
الإصدار الحالي هو v0.34.2، منشور 15 سبتمبر 2026. ثلاثة تغييرات في سطر 0.34 مهمة إذا كنت قد استخدمت Ollama آخر مرة في وقت سابق من السنة، حسب ملاحظات الإصدار:
- خطوة إعداد للمرة الأولى (0.34.2). بدء Ollama الآن يعرض عليك تسجيل الدخول أو المتابعة بلا إنترنت، وهذا يستحق المعرفة قبل أن تكتب سيناريو تثبيت بدون مراقبة. أضاف الإصدار نفسه
ollama://appsرابط عميق للتطبيق على macOS و Windows. - يمكن لـ ChatGPT Desktop التحكم في النماذج المحلية (0.34.0). يمكن استخدام النماذج مفتوحة الأوزان التي تعمل في Ollama من تلك الواجهة، إلى جانب مخرجات منظمة أسرع على Apple Silicon واكتشاف أدوات متوافق مع OpenAI.
- قائمة نماذج أسرع بكثير (0.34.1). الـ
/api/tagsendpoint، الذي يقع خلفollama lsومعظم لوحات المعلومات، أصبحت أسرع بحوالي عشر مرات، و MLX safetensors إنشاء النموذج غادر الحالة التجريبية.
يعد الترقية إعادة تثبيت على macOS و Windows وإعادة تشغيل سكريبت التثبيت على Linux؛ دليلنا لتحديث Ollama يغطي الحفاظ على نماذجك أثناء القيام بذلك.
أوامر Ollama، في جدول واحد
هذه هي الأوامر التي يوثّقها المرجع الرسمي الخاص بـ Ollama مرجع واجهة سطر الأوامر (CLI) في وثائقه. لاحظ أن أمر القائمة مكتوب على النحو التالي ollama ls في الوثائق الحالية؛ ollama list يؤدي نفس الغرض.
| الأمر | ما الذي يفعله |
|---|---|
ollama run gemma4 |
تشغيل نموذج ما، مع تنزيله أولًا إذا لم يكن مثبتًا بالفعل. ويقبل الأمر مسارات الصور للنماذج متعددة الوسائط، كما يقبل علامات الاقتباس الثلاثية (""") لتغليف المدخلات المتعددة الأسطر. |
ollama pull gemma4 |
تنزيل نموذج دون بدء جلسة دردشة. |
ollama ls |
إدراج قائمة بالنماذج المثبتة مع تحديد العلامة (tag) والمعرف (ID) والحجم. |
ollama ps |
إدراج قائمة بالنماذج المحملة حاليًا في الذاكرة. |
ollama stop gemma4 |
إيقاف تشغيل نموذج قيد التشغيل وتحرير الذاكرة المستخدمة منه. |
ollama rm gemma4 |
حذف نموذج واستعادة المساحة التخزينية التي كان يشغلها. |
ollama create -f Modelfile |
بناء نموذج مخصّص من ملف Modelfile. |
ollama serve |
بدء تشغيل الخادم نفسه؛ والأمر --help يعرض المتغيرات البيئية التي يقرؤها. |
ollama launch |
تكوين تطبيق خارجي وتشغيله باستخدام نماذجك المحلية. |
ollama signin / ollama signout |
تسجيل الدخول أو الخروج من حساب Ollama، وهو شرط ضروري لاستخدام النماذج السحابية. |
المزيد من أدلة Ollama على Convly
- إعدادات المنصات: دليل التثبيت · Ollama على نظام Windows · Ollama في Docker · متطلبات النظام
- التشغيل الأمثل: قائمة النماذج · أفضل النماذج للتشغيل · عندما يتجاهل Ollama وحدة معالجة الرسومات (GPU) الخاصة بك · تغيير المنفذ (port)
- الخدمات والحماية: المصادقة باستخدام مفتاح واجهة برمجة التطبيقات (API key) · هل يعد Ollama آمنًا؟ · النماذج السحابية
- الصيانة: التحديث · إلغاء التثبيت · بدائل
الأسئلة الشائعة
هل Ollama مجاني؟
نعم. Ollama مفتوح المصدر بموجب ترخيص MIT وخالي تمامًا من التكاليف. «التكلفة» الوحيدة هي الأجهزة التي تقوم بتشغيله عليها والكهرباء التي يستخدمها — لا توجد رسوم لكل رمز لأن لا شيء يذهب إلى مزود خدمة سحابي.
هل يرسل Ollama بيانات إلى أي مكان؟
لا. بحكم التصميم، يحدث الاستدلال بالكامل على جهازك. حركة المرور الشبكية الوحيدة هي تحميل نموذج عند سحبه للمرة الأولى. هذا هو السبب الرئيسي في استخدام الفرق في مجالات الرعاية الصحية والقانون والمالية لها — المحفزات الحساسة لا تترك المبنى أبدًا.
هل أحتاج إلى GPU لتشغيل Ollama؟
لا، لكن هذا يساعد كثيرًا. يعمل Ollama على وحده المعالجة المركزية وحدها للنماذج الأصغر (نموذج 2–3B مريح على جهاز محمول حديث)، ويستخدم GPU تلقائيًا عند توفره. بالنسبة للنماذج التي تزيد عن ~13B معاملة، فإن GPU أو Apple Silicon مع الذاكرة الموحدة يحدث فرقًا كبيرًا. انظر دليل متطلبات النظام للتفاصيل.
ما النماذج التي يمكن لـ Ollama تشغيلها؟
أكثر من 100 نموذج مفتوح، بما في ذلك Llama 3.3 و Llama 4 من Meta، و Gemma 4 من Google، و Qwen 3 من Alibaba، DeepSeek V3 و R1، و Mistral، و Phi-4 من Microsoft. اختيارنا من أفضل LLMs محلية لتشغيل على Ollama يوضح أيها يجب استخدامه لأي مهمة.
هل Ollama أفضل من ChatGPT؟
أدوات مختلفة. يعطيك ChatGPT نموذجًا حدوديًا بدون إعداد لكنه يرسل بيانات إلى السحابة ويفرض اشتراكًا. يشغل Ollama نماذج مفتوحة أصغر محليًا، مجانًا وخاصًا، لكن أفضل نموذج محلي لا يزال يتخلف عن أفضل النماذج السحابية في أصعب المهام. بالنسبة للخصوصية والتكلفة والاستخدام دون اتصال، Ollama يفوز؛ للقدرة الخام على التفكير المعقد، الحد الأمامي السحابي لا يزال في المقدمة.
ما هي منفذ API الخاص بـ Ollama؟
يكشف Ollama عن REST API الخاص به على http://localhost:11434 بشكل افتراضي. كما أنه يوفر نقطة نهاية متوافقة مع OpenAI، لذا فإن الكثير من رمز OpenAI-SDK الموجود يعمل ببساطة بالإشارة إلى عنوان URL الأساسي في مثيل Ollama المحلي الخاص بك.
هل يمكن لـ Ollama أن تحل محل OpenAI API في تطبيقي الحالي؟
بالنسبة لمعظم التطبيقات، نعم. Ollama تعرض نقطة نهاية متوافقة مع OpenAI في http://localhost:11434/v1، بما في ذلك /v1/chat/completions المسار الذي تستدعيه معظم الأدوات. وجّه base_url للعميل OpenAI نحوها، مرّر أي مفتاح API وهمي، وعيّن حقل النموذج إلى علامة Ollama مثبتة. الإدراجات والرؤية واستدعاء الأدوات مدعومة أيضًا، لذا تتحول العديد من المشاريع بتغيير سطرين. يغطي أجزاء من OpenAI API وليس كل معامل، لذا تحقق من أي حقول غريبة يعتمد عليها تطبيقك.
هل يمكنني تشغيل Ollama بدون GPU؟
نعم. Ollama تعمل بالكامل على CPU عندما لا توجد GPU متوافقة — تحتاج فقط إلى ذاكرة نظام كافية لاستيعاب النموذج. وحدة معالجة مركزية حالية متعددة النوى تشغّل نموذج 7B بسرعات قابلة للاستخدام، لكن الإنتاجية تنخفض بحدة مع نمو النماذج، والنماذج من فئة 70B على CPU بطيئة جدًا للاستخدام التفاعلي. للدردشة اليومية، يُحدث Mac بـ GPU أو Apple Silicon فرقًا بين البطيء والسريع.
ما مقدار مساحة القرص التي تشغلها نماذج Ollama، وأين يتم تخزينها؟
خطط لأحجام التنزيل أعلاه: نموذج 7B يبلغ حوالي 5 GB على القرص، نموذج 70B حوالي 43 GB، وسحب عدة نماذج يضيف بسرعة. افتراضيًا يقيمون تحت ~/.ollama/models أو C:Users.ollamamodels على Windows). يمكنك نقل هذا الدليل باستخدام OLLAMA_MODELS متغير البيئة، وإزالة أي شيء لم تعد بحاجة إليه باستخدام ollama rm .
الخلاصة
فاز Ollama في مساحة LLM المحلية في عام 2026 بفعل شيء واحد بشكل ممتاز: إزالة الاحتكاك. إنه مجاني، خاص، يعمل على أجهزة تمتلكها بالفعل، ويأخذك من «أريد أن أجرب نموذجًا محليًا» إلى نموذج قيد التشغيل في حوالي دقيقتين. إنه ليس الخيار الأسرع تحت الحمل الثقيل، ولن يتفوق النموذج المحلي على أفضل حد أمامي سحابي في أصعب المشاكل — لكن كمنحدر إلى AI محلي، لا شيء آخر يقترب. إذا كنت تبدأ، ابدأ من هنا.