Sunday, 22 November 2026 | التحديث اليومي نظرة ثاقبة للذكاء الاصطناعي، مكتوبة للبناة

قائمة نماذج Ollama (2026): كل نموذج شهير، الحجم وذاكرة الوصول العشوائي

محدثة · نُشر في الأصل

أي نماذج يمكنك تشغيلها مع Ollama الآن؟ اعتبارًا من نوفمبر 2026 الـ مكتبة Ollama 270 عائلة نموذج، معظمها بعدة أحجام. أكثر نماذج المحادثة المسحوبة هي Llama 3.1 و DeepSeek-R1 و Llama 3.2 و Qwen 2.5 و Qwen3 و Gemma 3؛ الجيل الحالي للبدء به هو من Google Gemma 4من Google، و Qwen 3.5, 3.6 and 3.8 من جوجل gpt-ossمن Alibaba. كل واحد بأمر واحد فقط، على سبيل المثال ollama run gemma4:e4b أو ollama run qwen3.5:9b.

هذا الدليل العملي قائمة نماذج Ollama يغطي النماذج التي يشغّلها الناس فعليًا، وما يحتاجه كل منها من ذاكرة وما يجيده كل منها، بالإضافة إلى كيفية إدراج النماذج لديك بالفعل وسحب نماذج جديدة. بالنسبة لمعظم النماذج، يحمّل Ollama إصدار بتكميم 4-بت افتراضيًا، وهذا هو السبب في أن نموذج "70B" يمكن أن يناسب محطة عمل جيدة وأن "8B" يعمل على جهاز كمبيوتر محمول. الأحجام أدناه هي الافتراضيات المسرودة على ollama.com وتتغير مع كل إصدار — تحقق دائمًا من قاعدة بيانات نماذج الذكاء الاصطناعي أو تشغيل الأمر ollama list لمعرفة ما هو متاح حاليًّا على جهازك.

مرجع سريع

  • التشغيل على أي جهاز كمبيوتر محمول (8 جيجابايت من الذاكرة العشوائية RAM): Qwen 3.5 2B/4B, Llama 3.2 3B, Gemma 3 4B، Bonsai 2 9B — صغيرة وسريعة وبلا اتصال.
  • الأفضل من حيث التوازن العام (16 جيجابايت من الذاكرة العشوائية RAM): Qwen 3.5 9B, Gemma 4 E4B or 12B, gpt-oss 20B, Llama 3.1 8B — النقطة المثلى لمعظم الأشخاص.
  • جودة عالية (24–32 غيغابايت / GPU): Qwen 3.6 27B/35B, Qwen 3.8 27B, Gemma 4 26B/31B, Muse Glimmer 30B.
  • قريبة من الحدود (محطة عمل، 48 غيغابايت إلى 96 غيغابايت+): Llama 3.3 70B، DeepSeek-R1 70B, gpt-oss 120B, Qwen 3.5 122B.
  • استدلال: gpt-oss و DeepSeek-R1. البرمجة: Qwen3-Coder و Qwen 3.6 علامات الترميز و Flint و MiMo V2.6. الرؤية: Gemma 4, Qwen 3.5, Qwen3-VL. التضمينات: nomic-embed-text, EmbeddingGemma 2.
  • القاعدة: اختر النموذج حسب الذاكرة المتاحة لديك — تحقق من أي نموذج باستخدام أداة التحقق المجانية لدينا حاسبة VRAM.

الإجابة الموجزة هي: يمكنك تشغيل أي نموذج من مكتبة Ollama الرسمية التي تحتوي على تنزيل محلي ويتناسب مع ذاكرتك: على 8 GB ابدأ بـ qwen3.5:4b، على 16 GB مع qwen3.5:9b أو gemma4:e4b، وعلى GPU بحجم 24 GB مع qwen3.8:27b، كل واحد ollama pull بعيد. بعض النماذج الجديدة، مثل DeepSeek V4.1 Flash و Kimi K3.1 Pro، لها فقط :cloud علامات، لذا تعمل على خوادم Ollama بدلاً من جهازك. لدينا اختيارات نوفمبر 2026 يعطي أمر pull وحجم التنزيل لكل اختيار محلي، و جدول كامل أدناه يسرد الذاكرة التي تحتاجها كل عائلة شهيرة.

الحقائق الرئيسية

  • 270 عائلة نموذج في المكتبة الرسمية (7 نوفمبر 2026)، معظمها بعدة أحجام
  • أي جهاز كمبيوتر محمول (8 GB RAM): Qwen 3.5 2B/4B, Llama 3.2 3B, Gemma 3 4B
  • نقطة الحلاوة عند 16 GB: Qwen 3.5 9B, Gemma 4 E4B/12B, gpt-oss 20B, Llama 3.1 8B
  • 24–32 غيغابايت/GPU: Qwen 3.6 27B/35B, Qwen 3.8 27B, Gemma 4 26B/31B — محطة عمل: Llama 3.3 70B, gpt-oss 120B, Qwen 3.5 122B
  • يقوم Ollama افتراضيًّا بتنزيل إصدارات النماذج المكمَّنة بتقنية 4-bit لمعظم النماذج — وهذا هو السبب في أن "70B" يناسب محطة عمل جيدة
  • متخصصة: Qwen3-Coder و Flint (ترميز) · Gemma 4 / Qwen3-VL (رؤية) · nomic-embed-text و EmbeddingGemma 2 (تضمينات) · gpt-oss و DeepSeek-R1 (استدلال)

أفضل نماذج Ollama (نوفمبر 2026)

هذه اختياراتنا لكل ميزانية ذاكرة هذا الشهر. تم التحقق من كل أمر وحجم تنزيل أدناه على صفحة علامات ollama.com للنموذج في 7 نوفمبر 2026. تتابع الاختيارات احتياجات الذاكرة والإمكانيات التي يسردها Ollama لكل نموذج (إدخال الصور والأدوات والتفكير) ومدى حداثة تحديث كل عائلة؛ إنها اختيارات تحريرية وليست نتائج معايير. «حجم التنزيل» هو حجم العلامة في الأمر، والنطاق يعني أن تلك العلامة تعيين إلى أكثر من مبنى واحد، مثل GGUF بـ 4 بت و إصدار MLX لـ Apple Silicon.

النموذج أمر السحب حجم التنزيل جيد لـ
Qwen 3.5 4B ollama pull qwen3.5:4b 3.3–4.0 GB أي جهاز محمول مع 8 GB من الذاكرة؛ يقرأ الصور؛ سياق 256K
Bonsai 2 9B (Prism ML) ollama pull bonsai-2:9b 3.2 GB ضيق على القرص أو الذاكرة: أوزان ثلاثية، حوالي نصف حجم البناء القياسي بـ 4 بت؛ يقرأ الصور
Qwen 3.5 9B ollama pull qwen3.5:9b 6.6–7.6 GB صانع الكل للعمل مع 16 GB؛ يقرأ الصور؛ سياق 256K
Gemma 4 E4B (Google) ollama pull gemma4:e4b 6.6–9.5 GB صانع الكل للعمل مع 16 GB؛ يقرأ الصور؛ سياق 128K
MiMo V2.6 9B (Xiaomi) ollama pull mimo-v2.6 6.6–8.7 GB جديد هذا الشهر: الترميز وسير عمل الوكيل على جهاز بـ 16 GB؛ يقرأ الصور؛ مدعوم من Ollama 0.40.15
gpt-oss 20B (OpenAI) ollama pull gpt-oss:20b 14 GB التفكير بجهد منخفض أو متوسط أو عالي؛ بطاقة النموذج تقول أنه يعمل بأقل من 16 GB من الذاكرة
Qwen 3.8 27B ollama pull qwen3.8:27b 18 GB GPU بـ 24 GB: الترميز والبحث ومهام الوكيل الطويلة؛ يقرأ الصور
Gemma 4 31B (Google) ollama pull gemma4:31b 19–20 GB 24–32 GB: أكبر حجم Gemma 4؛ يقرأ الصور؛ سياق 256K
Qwen3-Coder 30B ollama pull qwen3-coder:30b 19 GB مساعد الترميز على GPU بـ 24 GB؛ سياق 256K
Flint 40B (Recursive) ollama pull flint:40b 23 GB وكلاء الترميز المحليين: نموذج خليط الخبراء بـ 39.8B مع حوالي 2.5B معاملات نشطة لكل رمز
gpt-oss 120B (OpenAI) ollama pull gpt-oss:120b 65 GB التفكير في محطة العمل؛ تم تحجيمه ليناسب GPU واحد بـ 80 GB
EmbeddingGemma 2 (Google) ollama pull embeddinggemma-2:740m 1.3 GB التضمينات للبحث المحلي RAG؛ يسرد Ollama إدخال النص والصور لهذه العلامة (بطاقة نموذج Google تغطي أيضاً الفيديو والصوت)
LFM3 1.7B (Liquid AI) ollama pull lfm3 1.1–1.7 GB أصغر اختيار محادثة: وكلاء محليين واستدعاء الأدوات والإخراج المنظم؛ سياق 256K

أحدث من جدول أكتوبر أدناه: من Liquid AI LFM3 عائلة (lfm3, lfm3-vl, lfm3-audio و lfm3-omni) وصل في أواخر أكتوبر، و Ollama 0.40.13 وسعها من Apple Silicon إلى Linux و Windows. vLLM Semantic Router d3 نماذج القرار (2B و 4B و 9B و 27B) وصلت مع Ollama 0.40.11 والتحقت بفئة القرار. في أوائل نوفمبر، أضافت Ollama 0.40.15 الدعم لـ MiMo V2.6 9B (ollama run mimo-v2.6، تم ضبطه بدقة من Qwen 3.5 9B للترميز وسير عمل الوكيل) و AutoTrust نماذج القرار (autotrust-jev، مدعوم على Apple Silicon في تلك الإصدار). من Perplexity بـ 4B pplx-decider-flash و Kimi K3.1 Pro انضم إلى المكتبة في نفس الأسبوع؛ Kimi K3.1 Pro يعمل فقط على السحابة (kimi-k3.1-pro:cloud)، لذا فهي تعمل على خوادم Ollama وليس على جهازك. الإصدار الحالي هو Ollama 0.40.16 (9 نوفمبر 2026، حسب إصدارات GitHub)، لذلك حدّث Ollama قبل سحب العائلات الجديدة.

أشهر نماذج Ollama في لمحة واحدة

كل نموذج أدناه متاح عبر أمر بسيط ollama pull <الاسم>. "التحميل" هو الحجم الافتراضي المسرود على ollama.com (إصدار بتكميم 4-بت لمعظم النماذج؛ العائلات الأحدث تظهر نطاقًا لأن الوسم الافتراضي يعيّن أكثر من إصدار واحد، مثل GGUF بتكميم 4-بت وإصدار MLX لـ Apple Silicon)؛ "الحد الأدنى للذاكرة" هو الحد الأدنى العملي لذاكرة النظام (CPU) أو VRAM (GPU) لتشغيله براحة. تتغير الأحجام مع كل إصدار.

النموذج عدد المُعَلَّمات Download الحد الأدنى للذاكرة الأفضل لـ
Llama 3.2 1 مليار / 3 مليارات ~1.3 / 2 غيغابايت 4–8 غيغابايت للأجهزة الطرفية، الهواتف، والمحادثات الخفيفة جدًّا
Llama 3.1 8 مليارات معلّمة ~4.9 غيغابايت 8–16 غيغابايت النموذج الأكثر سحبًا في المكتبة؛ جميع الأغراض المثبتة
Llama 3.3 70B ~43 GB 48 غيغابايت فأكثر نموذج مفتوح كثيف كبير
Gemma 4 E2B / E4B / 12B / 26B / 31B ~4.6–20 غيغابايت 8–32 غيغابايت عائلة Google الحالية: نص وصورة وأوضاع تفكير
Gemma 3 270M–27B ~0.3–17 غيغابايت 4 غيغابايت فأكثر فعالة (Google)؛ 4B وما فوق تقرأ الصور
Gemma 2 9 مليارات / 27 مليار ~5.4 / 16 غيغابايت 12–32 غيغابايت أداء قوي نسبيًّا بالنسبة لحجمه
Qwen 3.8 27 مليار معلَّمة ~18 غيغابايت 24–32 غيغابايت آخر Qwen: ترميز وعملاء وإدخال صور
Qwen 3.6 27B / 35B (MoE) ~18–24 GB 24–32 غيغابايت ترميز ذكي (-ترميز علامات)
Qwen 3.5 0.8B–122B ~1.2–81 GB 4 غيغابايت فأكثر متعددة الأنماط، سياق 256K، أوسع نطاق أحجام
Qwen3 0.6B–235B ~0.5–142 GB 4 غيغابايت فأكثر كثيفة و MoE، متغيرات تفكير
Qwen 2.5 0.5 مليار–72 مليار ~0.4–47 غيغابايت 4 غيغابايت فأكثر متعدد اللغات، ومدى واسع من الأحجام
Qwen 2.5 Coder 0.5B–32B ~0.4–20 GB 4 غيغابايت فأكثر مساعد برمجي محلي
gpt-oss (OpenAI) 20B / 120B ~14 / 65 GB 16 / 80 GB استدلال مفتوح الوزن، جهد قابل للتعديل
Mistral 7 مليارات معلَّمة ~4.4 GB 8 غيغابايت نموذج كلاسيكي سريع وموثوق
Mistral Nemo 12 مليار معلّمة ~7 غيغابايت 16 جيجابايت سياق طويل بطول 128 ألف رمز
Mixtral 8×7 مليار معلَّمة ~26 جيجابايت 32 جيجابايت فأكثر جودة نموذج التجميع المتعدد للخبرات (Mixture-of-Experts)
Phi-4 14 مليار معلّمة ~9 GB 16 جيجابايت الاستنتاج المنطقي في نموذج صغير الحجم
Phi-3 ميني 3.8 مليار معلَّمة ~2.2 GB 8 غيغابايت صغير الحجم لكنه فعّال
DeepSeek-آر1 (نسخة مُكثَّفة) من 1.5 مليار إلى 70 مليار معلَّمة ~1.1–43 جيجابايت 8 GB+ الاستنتاج المنطقي خطوةً بخطوة
إللاڤا من 7 مليار إلى 34 مليار معلَّمة ~4.7–20 جيجابايت 8 GB+ رؤية (أقدم؛ Gemma 4 و Qwen 3.5 يقرآن الصور الآن أيضًا)
nomic-embed-text — ~0.3 جيجابايت 2 جيجابايت المُتجهات المُضمَّنة لتطبيقات الاسترجاع المعزَّز بالذكاء الاصطناعي (RAG) والبحث

هل ترغب في مقارنة هذه النماذج المحلية مع نماذج السحابة من حيث السعر والسرعة؟ إن قائمة قاعدة بيانات نماذج الذكاء الاصطناعي تعرض النماذج المفتوحة والمغلقة جنبًا إلى جنب، بينما توضح قائمة حاسبة تكلفة واجهات برمجة تطبيقات الذكاء الاصطناعي (API) الحالات التي يتفوَّق فيها التشغيل المحلي على الدفع مقابل كل رمز (token).

جديد في مكتبة Ollama (أكتوبر 2026)

تمت إضافة أو تحديث هذه العائلات بين منتصف سبتمبر وأواخر أكتوبر 2026. تستخدم الأوامر علامات صريحة لأن الاسم العادي لا يجذب دائمًا الحجم الذي تتوقعه — nemotron-3.5-boltعلى سبيل المثال، يجلب البناء بحجم 74B الذي يبلغ 25 GB، والذي لم يعمل بعد على Apple Silicon.

النموذج أمر التشغيل عدد المُعَلَّمات Download الأفضل لـ
Nemotron 3.5 Lightning (NVIDIA) ollama run nemotron-3.5-lightning:30b 30B MoE (3B نشط) ~19–25 GB وكلاء دائمة، حتى سياق 1M-رمزي
Nemotron 3.5 Bolt (NVIDIA) ollama run nemotron-3.5-bolt:e4b E4B (8B، 4B فعال) / 74B-A9B ~7.2–7.9 / 25 GB نموذج رؤية مضغوط للترميز المحلي واستخدام الأدوات
Bonsai 2 (Prism ML) ollama run bonsai-2:9b 2B / 4B / 9B / 27B ~0.9 / 1.6 / 3.2 / 8.3 GB أوزان ثلاثية، حوالي نصف حجم البناء 4-بت؛ رؤية، أدوات، تفكير
Flint (Recursive) ollama run flint:40b 39.8B MoE (~2.5B نشط) ~23 GB وكلاء ترميز محليون، سياق 262K-رمزي
LFM2.5 (Liquid AI) ollama run lfm2.5:24b 8B / 24B ~5.2 / 15 GB استدعاء أدوات سريع على أجهزة المستهلك (24B هو الحجم الجديد)
Nemotron 3 Nano (NVIDIA) ollama run nemotron-3-nano:4b 4B / 30B ~2.8–2.9 / 18–24 GB نموذج ذكي فعال، الآن بحجم 4B
EmbeddingGemma 2 (Google) ollama pull embeddinggemma-2:740m 270M–740M ~0.3–1.3 GB التضمينات متعددة الأنماط: يسرد Ollama إدخال النصوص لكل حجم وإدخال الصور لأحجام 440M و740M؛ بطاقة نموذج Google تغطي أيضاً الفيديو والصوت
Phonon (Gradium) ollama run phonon "Hello there" 31M / 40M ~0.1–0.15 GB تحويل النص إلى كلام محلي باللغات الإنجليزية والفرنسية والألمانية والإسبانية والبرتغالية (Apple Silicon فقط)

اتجاهان آخران من شهر أكتوبر مهمان. فئة جديدة قرار من النماذج الصغيرة — Cloudflare clef، Perplexity pplx-decider، Liquid AI d1 و Together AI tev1 — تسجل وتوجه وتصنف المدخلات بدلاً من المحادثة. وعدد من الإضافات الأكبر هو سحابي فقط: Mistral Large 4، DeepSeek V4.1 Flash و MiniMax M3.1 Flash و Muse Spark Open و Reflection's Beam لها فقط :cloud علامات (على سبيل المثال ollama run mistral-large-4:cloud")، لذا تعمل على خوادم Ollama بدلاً من جهازك — راجع دليلنا حول نماذج Ollama السحابية. حصل مالكو محطات العمل أيضاً على NVIDIA Nemotron 3.5 Super (nemotron-3.5-super:120b، ~80–90 GB). غالباً ما تحتاج النماذج الجديدة إلى إصدار Ollama حديث (Clef على سبيل المثال يتطلب 0.35.1 أو أحدث)، لذا حدّث Ollama قبل السحب.

كيفية سرد النماذج المُثبَّتة من Ollama على جهازك

لرؤية كل نموذج موجود بالفعل على جهازك، مع حجمه وموعد آخر تعديل له، قم بتشغيل:

ollama list

يطبع ذلك أربعة أعمدة: NAME (مع العلامة)، ID، SIZE و MODIFIED. الحد الأقصى الحالي لـ Ollama هو مرجع واجهة سطر الأوامر (CLI) هذه الصيغة من الأمر ollama ls؛ وكلا التهجئتين تعملان. ولعرض النماذج المحملة حاليًّا في الذاكرة، استخدم ollama ps، ولإلغاء تحميل نموذجٍ واحدٍ استخدم ollama stop <name>، ولحذف نموذجٍ واستعادة مساحته على القرص الصلب استخدم ollama rm <الاسم> (خطوة بخطوة في كيفية إزالة نموذج Ollama). هذه الأوامر الأربعة هي كل ما تحتاجه لإدارة مجموعة محلية، والمجموعة الكاملة موجودة في دليل Ollama.

كيفية البحث عن نماذج جديدة في المكتبة وتنزيلها

توجد الفهرسة الكاملة لبرنامج Ollama في مكتبتها الإلكترونية، ويمكن تنزيل أي نموذج منها بأمر واحد فقط:

ollama pull llama3.1  أو تشغيله مباشرةً باستخدام الأمر  ollama run llama3.1

تستخدم أسماء النماذج الوسوم (Tags) للإشارة إلى حجمها ونوعها — مثل llama3.1:8b, gemma4:26b, qwen3.5:27b. إذا حذفت العلامة، يسحب Ollama أحدث إصدار علامة النموذج، وهذا الحجم يختلف حسب الفئة: عادي gpt-oss هو 20B بحجم 14 GB، عادي qwen3.6 هو بناء 35B بحجم 23 GB وعادي nemotron-3.5-bolt هو بناء 74B بحجم 25 GB، لذا تحقق من صفحة علامات النموذج أولاً. العلامات المسماة cloud أو تنتهي بـ -cloud (مثل kimi-k3.1-pro:cloud أو deepseek-v4.1-flash:1017-cloud) تعمل على خوادم Ollama بدلاً من جهازك، و -mlx العلامات عبارة عن بنايات لـ Apple Silicon. للتثبيت الأول، دليلنا خطوة بخطوة لتثبيت Ollama يغطي Mac و Windows و Linux.

نماذج صغيرة — تعمل على أي جهاز كمبيوتر محمول تقريبًا

النماذج من أقل من 1B إلى حوالي 4B معامل تعمل بسعادة على جهاز كمبيوتر محمول حديث بذاكرة وصول عشوائي 8 GB، بدون الحاجة إلى GPU. Qwen 3.5 2B و 4B (التي تقرأ أيضاً الصور)، Llama 3.2 3B, Gemma 3 4B و Phi-3 ميني هي النجوم، والنموذج الجديد من Prism ML Bonsai 2 يضع نموذج 9B في تنزيل 3.2 GB باستخدام أوزان ثلاثية. إنها سريعة، مفيدة حقاً لتلخيص والصياغة والأسئلة البسيطة، وصغيرة كفاية للبقاء محملة. لن تطابق نموذج سحابي متقدم، لكن للمهام الخاصة والمحلية اليومية فهي ممتازة — وهي نقطة البداية الصحيحة إذا كنت جديداً على الذكاء الاصطناعي المحلي.

نماذج متوسطة الحجم — النقطة المثلى عند 16 غيغابايت

فئة 7B–14B هي حيث يجب أن يعيش معظم الناس. Qwen 3.5 9B, Gemma 4 E4B و 12B و Llama 3.1 8B تناسب بشكل مريح ذاكرة وصول عشوائي 16 GB أو GPU رئيسي، والعائلتان الأحدثان تضيفان إدخال الصور وأوضاع التفكير المدمجة (الاستدلال). OpenAI gpt-oss 20B (تنزيل 14 GB) هي الخطوة التالية — تقول Ollama إنها تعمل على الأنظمة التي تحتوي على 16 GB فقط من الذاكرة. Phi-4, Mistral Nemo والأقدم Qwen 2.5 7B و Mistral 7B تبقى خيارات قوية. إذا كنت تريد نموذجاً واحداً للاستخدام العام، اختر من هذا الصف — فهو أفضل توازن بين الإمكانية والطلب على الأجهزة.

نماذج كبيرة — تتطلب محطات عمل أو وحدات معالجة رسومية

من حوالي 27B فما فوق أنت في أجهزة جادة. جيل 26B–35B الحالي — Qwen 3.6 27B/35B, Qwen 3.8 27B, Gemma 4 26B و 31B، Meta Muse Glimmer 30B (ollama run muse-glimmer:30b، حوالي 18 غيغابايت) و NVIDIA Nemotron 3.5 Lightning — التنزيلات بحوالي 16–25 غيغابايت وتتطلب بطاقة رسومات بـ 24 غيغابايت أو ذاكرة بـ 32 غيغابايت فما فوق؛ الخيارات الأقدم مثل Gemma 2 27B, Qwen 2.5 32B و Mixtral 8x7B تندرج في نفس الفئة. فئة 70B وما فوق — Llama 3.3 70B، إنها DeepSeek-R1 70B distill، gpt-oss 120B (65 غيغابايت، مصمم لبطاقة رسومات واحدة بـ 80 غيغابايت)، Qwen 3.5 122B (81 غيغابايت) و Meta Llama 4 Scout (llama4:scout، 67 غيغابايت) — يتطلب 48 غيغابايت إلى 96 غيغابايت فما فوق من الذاكرة السريعة، وهذا يعني عملياً بطاقات رسومات عالية VRAM أو جهاز Mac بـ Apple Silicon عالي الذاكرة. المكافأة هي جودة تقترب من نماذج السحابة الكبيرة، تعمل بالكامل على جهازك الخاص. راجع أفضل معالجات الرسومات للذكاء الاصطناعي لما يعمل بالفعل على هذه.

نماذج متخصصة: البرمجة، الرؤية الحاسوبية، والتجسيدات (Embeddings)

بعيداً عن الدردشة العامة، يستضيف Ollama نماذج متخصصة في مهام محددة. لـ البرمجة, Qwen3-Coder 30B (qwen3-coder:30b، 19 غيغابايت)، -ترميز علامات Qwen 3.6 والجديد Flint مصممة للبرمجة الوكيلة، بينما Qwen 2.5 Coder لا تزال تغطي الأجهزة الصغيرة و Code Llama هو الخيار الأقدم. لـ الرؤية، Gemma 4 و Qwen 3.5 يقرآن الصور بشكل أصلي، Qwen3-VL (2B–235B) عائلة الرؤية واللغة المخصصة، GLM-OCR (glm-ocr، 2.7 غيغابايت) يتعامل مع OCR للمستندات، و إللاڤا هو الخيار القديم. نماذج التضمين مثل nomic-embed-text, mxbai-embed-large, Qwen3-Embedding و EmbeddingGemma 2 لا تدردش على الإطلاق — فهي تحول النصوص (ولـ EmbeddingGemma 2، الصور؛ بطاقة نموذج Google تسرد أيضاً الفيديو والصوت) إلى متجهات للبحث والاستخجاع المعزز برفع الأجيال، العمود الفقري لإعداد RAG محلي. Ollama تستضيف الآن تحويل النص إلى كلام أيضاً: Phonon تقرأ النصوص بصوت عالٍ بخمس لغات على أجهزة Apple Silicon Mac (وصل توليد الكلام في Ollama 0.40.11)، و lfm3-audio و lfm3-omni تتحدث أيضاً على Linux و Windows.

أي نموذج من Ollama يجب أن تستخدمه فعليًّا؟

الإجابة الصادقة هي: أكبر واحد يمكن لذاكرتك أن تحتفظ به في الفئة التي تحتاجها. للاستخدام العام، ابدأ بـ Qwen 3.5 9B أو Gemma 4 E4B (أو Llama 3.1 8B المثبت منذ فترة طويلة) وانتقل للأعلى فقط إذا انخفضت الجودة. للتفكير المنطقي، جرب gpt-oss 20B أو تقطير DeepSeek-R1؛ للبرمجة، Qwen3-Coder 30B، أو Qwen 2.5 Coder على الأجهزة الأصغر؛ للصور، Gemma 4 أو Qwen 3.5. نصنف الخيارات الأفضل حسب حالة الاستخدام في أفضل LLMs المحلية للتشغيل على Ollama، وقارن Ollama نفسه مع البدائل في Ollama مقابل LM Studio مقابل vLLM مقابل llama.cpp.

تحقق مما إذا كان النموذج يناسب نظامك قبل تنزيله

الخطأ الأكثر شيوعاً هو سحب نموذج كبير جداً لجهازك — فقد يرفض التحميل أو يزحف حيث يتبديل إلى القرص. قبل التنزيل، قيّم حجمه: كقاعدة تقريبية، يحتاج نموذج 4-bit إلى ما يزيد قليلاً عن 1 GB من الذاكرة لكل مليار معامل، بالإضافة إلى متسع للسياق. إذا كنت لا تعرف كم ذاكرة لديك في بطاقة الرسومات، انظر إلى كيفية التحقق من VRAM الخاص بك. لدينا حاسبة VRAM يعطي الرقم الدقيق لأي نموذج وتكميم، و متطلبات نظام Ollama اشرح المقابل بين RAM و VRAM بالكامل.

معظم النماذج في هذه القائمة هي بنيات GGUF (علامات Apple Silicon -mlx تعمل على محرك MLX المنفصل من Ollama)؛ بخصوص نماذج GGUF يوضّح لواحق التكميم وأي الملفات تناسب وحدة معالجة الرسومات (GPU) الخاصة بك.

المزيد من أدلة Ollama على Convly AI

الأسئلة الشائعة

كيف أسرد النماذج المثبتة في Ollama؟ تشغيل ollama list لرؤية كل نموذج مثبت بحجمه، ollama ps لما يتم تحميله الآن، و ollama rm <الاسم> لحذف واحد.

ما أفضل نموذج Ollama؟ لا يوجد واحد أفضل بشكل واحد — يعتمد على ذاكرتك. Llama 3.1 8B لا يزال النموذج الأكثر سحباً في المكتبة، لكن على جهاز بـ 16 غيغابايت فإن Qwen 3.5 9B الأحدث و Gemma 4 E4B يناسبان نفس الميزانية ويضيفان إدخال الصور؛ راجع قائمتنا المرتبة لكل حالة استخدام.

كم عدد النماذج التي يمتلكها Ollama؟ 270 عائلة نموذج في المكتبة الرسمية اعتباراً من 7 نوفمبر 2026 — محادثة وترميز ورؤية وتعرّف بصري على النصوص وتضمين وكلام والنماذج الجديدة للقرارات — معظمها بعدة أحجام وتكميمات. الجداول أعلاه تغطي تلك التي يشغلها الناس بالفعل.

ما أحدث نماذج Ollama؟ الإضافات في أوائل نوفمبر هي MiMo V2.6 9B من Xiaomi لكود والوكلاء ((ollama run mimo-v2.6)، نماذج القرار AutoTrust و pplx-decider-flash و Kimi K3.1 Pro، وهي سحابية فقط وتعمل على خوادم Ollama بدلاً من جهازك. أواخر أكتوبر أحضرت عائلة LFM3 الصغيرة من Liquid AI (نموذج نصي وروية وصوت وشامل)، Semantic Router vLLM و نماذج القرار d3 و Phonon لتحويل النص إلى كلام من Gradium. من الإضافات الأخرى الحديثة Nemotron 3.5 Lightning و Bolt من NVIDIA و Bonsai 2 من Prism ML و Flint من Recursive و EmbeddingGemma 2 من Google. من بين عائلات الدردشة العامة الأحدث هو Qwen 3.8 (ollama run qwen3.8:27b")، Qwen 3.6، Gemma 4 و Muse Glimmer من Meta.

كم RAM أحتاج لتشغيل نماذج Ollama؟ 8 غيغابايت تعمل نماذج صغيرة (1B–4B)، 16 غيغابايت تعمل فئة 7B–12B الشهيرة بالإضافة إلى gpt-oss 20B، و 24 غيغابايت GPU أو 32 غيغابايت+ من الذاكرة مطلوب لنماذج 27B–35B. تحقق من أي نموذج باستخدام حاسبة VRAM.

هل يمكنني تشغيل هذه النماذج بدون اتصال؟ نعم — بمجرد السحب، كل نموذج Ollama محلي يعمل بالكامل على جهازك بدون اتصال بالإنترنت، وهو السبب الرئيسي لاستخدام نماذج محلية على الإطلاق. الاستثناء هو علامات السحابة فقط المسماة cloud أو تنتهي بـ -cloud، مثل kimi-k3.1-pro:cloud: فهي تعمل على خوادم Ollama، وليس على جهازك، وتحتاج اتصالاً.

الخلاصة

قائمة نماذج Ollama طويلة، لكن الاختيار بسيط: قرر ما تحتاجه - دردشة عامة أو استدلال أو برمجة أو رؤية أو تضمينات - ثم اختر أكبر نموذج في تلك العائلة التي يمكن لذاكرتك أن تحمله. ابدأ بنموذج 8B، استخدم ollama list للتتبع مع ما لديك، والاعتماد على حاسبة VRAM قبل كل تنزيل حتى لا تسحب أبدًا شيء لا يمكن لجهازك تشغيله. من هناك، تشغيل الذكاء الاصطناعي القادر محليًا وبشكل خاص هو بعيد بضعة أوامر.

أسماء النماذج والأحجام والتوفر تتغير بشكل متكرر؛ تم التحقق من الأحجام والعلامات مقابل مكتبة Ollama الرسمية في 7 نوفمبر 2026 — تحقق مع ollama list والمكتبة الرسمية قبل الاعتماد عليها.

كتبه مصطفى إحسان

مصطفى إحسان هو مؤسس ومحرر Convly.ai. بنى ويحتفظ بقاعدة بيانات نماذج AI المباشرة للموقع، ومؤشر أداء السعر، وآلاته الحاسبة المجانية لمتطلبات VRAM وتكاليف API واقتصاديات الاستضافة الذاتية. يكتب عن تسعير النماذج ونتائج المقاييس والأجهزة المطلوبة لتشغيل نماذج AI محلياً، ويفضل باستمرار الأرقام المقاسة على ادعاءات البائع.

انتقل إلى الأعلى