لوحة تصنيف نماذج الذكاء الاصطناعي مفتوحة المصدر لعام 2026: الأجهزة المطلوبة لتشغيل كل نموذج رائد

مشهد النماذج اللغوية الكبيرة المفتوحة المصدر في عام 2026 هو الأقوى على الإطلاق. ويمكنك تحقيق أداءٍ يعادل أداء نموذج GPT-4 أو حتى تفوُّقه في مهام محددة، كما يمكنك تشغيل جميع هذه النماذج محليًّا إذا توافرت لديك الأجهزة المناسبة. والسؤال المطروح هو: أيُّ نموذجٍ هو الأفضل فعليًّا؟ وما تكلفة الأجهزة المطلوبة لتشغيله؟

هذه هي لوحة تصنيف أفضل النماذج اللغوية الكبيرة ذات الأوزان المفتوحة لعام 2026، مقترنةً بالطبقة الدقيقة من الأجهزة التي يتطلبها كل نموذج.

لوحة التصنيف لعام 2026

درجات المقاييس المركبة (MMLU + HumanEval + MATH + IFEval)، ومتوسطها وتطبيعها:

تُحدَّث التصنيفات ربع سنويًّا مع ظهور نماذج جديدة. وتعكس الترتيبات أعلاه الربع الثاني من عام 2026.

العتاد المطلوب لكل نموذج (كمية التكميم Q4_K_M، سياق 8 آلاف رمز)

للاطلاع على متطلبات الذاكرة العشوائية (VRAM) الكاملة عند كل مستوى تكميم، يُرجى الاطلاع على ورقة الغش الخاصة بالذاكرة العشوائية (VRAM).

ما الذي يجب تشغيله فعليًّا حسب حالة الاستخدام

الدردشة اليومية / الأسئلة والأجوبة: نموذج لاما 3 بسعة 8 مليارات مُعامل لا يزال ممتازًا حقًّا في عام 2026، ويمكن تشغيله على أي وحدة معالجة رسومية (GPU) سعتها 12 جيجابايت فأكثر. وجرب نموذج فاي-4 بسعة 14 مليار مُعامل للحصول على أداء أفضل في المهام المنطقية، مع زيادة طفيفة جدًّا في استهلاك الذاكرة.

مساعد البرمجة: يُعد نموذج كوين 2.5 بسعة 32 مليار مُعامل مع تعليمات أو نموذج ديب سيك V3 الأفضل. وإذا كانت سعة الذاكرة العشوائية (VRAM) المتاحة لا تتجاوز 24 جيجابايت، فاستخدم نموذج كوين 32 مليار مُعامل عند مستوى التكميم Q5؛ أما إذا توفرت ذاكرة أكبر، فإن أداء نموذج ديب سيك V3 يتفوق على غيره.

تحليل المستندات الطويلة (سياق 32 ألف رمز فأكثر): يتمتع نموذج كوين 2.5 بسعة 72 مليار مُعامل بأفضل أداء في التعامل مع السياقات الطويلة بين النماذج المفتوحة في عام 2026.

الترجمة / متعدد اللغات: نموذج كوين 2.5 بسعة 72 مليار مُعامل مرة أخرى — فالتدريب المكثف الذي خضع له من قِبل شركة علي بابا على اللغة الصينية واللغات الأخرى يمنحه ميزة حقيقية في هذا المجال.

الرياضيات والتفكير المنطقي: يتفوق نموذج فاي-4 (14 مليار مُعامل) على نماذج من فئته في الاختبارات التي تقيس القدرات المنطقية. أما بالنسبة لأحدث ما وصلت إليه تقنيات التفكير المنطقي، فاستخدم نموذج لاما 3.1 بسعة 405 مليارات مُعامل.

الكتابة الإبداعية / تمثيل الأدوار: يتمتّع نموذج Mistral Large 2 بأفضل «صوت» بين النماذج المفتوحة، رغم أن الاختبارات التقييمية تضعه قليلاً تحت نموذج Qwen 72B.

الاستنتاج الإنتاجي على نطاق واسع: يُعدّ نموذج DeepSeek V3 (المبني على مبدأ خليط الخبراء MoE) الفائز من حيث الكفاءة التكلفة — فهو يقدّم جودةً في طليعة المجال مع سرعة استنتاج تعتمد على عدد المعاملات النشطة.

المفاضلات المرتبطة بالتكمين (Quantization)

الأرقام أعلاه تفترض استخدام تقنية التكمين Q4_K_M، وهي أفضل توازن بين الحجم والجودة في عام 2026. للمراجعة:

• FP16 (بدون تكمين): يتطلب ما يقارب ضعف الذاكرة، ويوفّر تحسّنًا طفيفًا في الجودة بنسبة ١–٢٪ فقط. ونادرًا ما يكون هذا التحسّن مستحقًّا التكلفة.
• Q8_0: يتطلب ما يقارب ١٫٦ ضعف الذاكرة المطلوبة لـ Q4_K_M، ولا يمكن تمييز جودته عن تلك الخاصة بـ FP16.
• Q5_K_M: يتطلب ما يقارب ١٫١٧ ضعف الذاكرة المطلوبة لـ Q4_K_M، مع تحسّن في الجودة بنسبة ٠٫٥–١٪. وهو يستحق الاختيار إذا كانت لديك هامش كافٍ من الذاكرة.
• Q4_K_M: التكمين الموصى به. أفضل توازن.
• Q3_K_M: يتطلب ما يقارب ٠٫٨٢ من الذاكرة المطلوبة لـ Q4_K_M، لكنه يؤدي إلى انخفاض في الجودة بنسبة ٤–٧٪، مع تراجع مرئي في الأداء.
• IQ2_XXS: يتطلب ما يقارب ٠٫٥٩ من الذاكرة المطلوبة لـ Q4_K_M، لكنه يؤدي إلى انخفاض حاد في الجودة بنسبة ١٥–٢٥٪، ويُستخدم فقط في حالات الطوارئ القصوى.

الدليل الكامل للتكمين متاح في متطلبات الذاكرة العشوائية VRAM لكل نموذج رئيسي للغة (LLM).

المزايا والعيوب (النماذج المفتوحة مقابل المغلقة في عام ٢٠٢٦)

عامل البرنامج: محرك الاستنتاج الخاص بك يؤثر في الإجابة

تفترض قائمة أفضل الأداء أعلاه أنك تحمِّل النموذج بالكامل في ذاكرة الفيديو (VRAM) وتشغِّله. أما في الواقع، فإن محرك الاستنتاج الذي تختاره قد يغيِّر الإنتاجية الفعلية في العالم الحقيقي بمقدار عشرة أضعاف على نفس نفس العتاد، كما أن إحدى التقنيات قد تسمح بتشغيل نموذجٍ ما على وحدة معالجة رسوميات (GPU) يُفترض أن جدول المواصفات يُظهر أنها صغيرة جدًّا لهذا الغرض. وبالتالي، فإن اختيار العتاد دون تحديد برنامج التشغيل (Runtime) يُشكِّل نصف قرار فقط.

يوجد معسكرين رئيسيين مهمين لمُستضيفي النماذج بأنفسهم. في إل إل إم (ومحركات الإنتاجية المشابهة مثل SGLang) مُصمَّمة للتشغيل المتزامن: فمجدولها الذي يعتمد على الدفع المستمر (Continuous-batching scheduler) يحافظ على تشغيل وحدة معالجة الرسوميات بكفاءة عالية، لذا يمكن لبطاقة واحدة تخدم العديد من الطلبات المتزامنة أن تُحقِّق معدل إنتاجية إجمالية من الرموز (Tokens) تفوق عدة أضعاف ما تحققه الإعدادات البدائية. فإذا كنت تبني تطبيقًا أو واجهة برمجية داخلية (API) أو أي نظام متعدد المستخدمين، فهذا هو المعسكر الأنسب لك. llama.cpp (والواجهات الأمامية المبنية عليه مثل Ollama و LM Studio) تُركِّز على مستخدم واحد وتوفير أقصى درجات المرونة: فهو يعمل على معظم الأنظمة تقريبًا، ويتعامل مع نماذج GGUF المُكمَّنة (Quants)، والأهم من ذلك أنه قادر على نقل أجزاء من النموذج إلى ذاكرة النظام (RAM). وعلى معالجات آبل Silicon، يملأ إطار عمل MLX نفس الدور الموجَّه لمستخدم واحد، ويستغل الذاكرة الموحَّدة بأقصى كفاءة ممكنة.

وهذه القدرة على النقل (Spill) هي ما يجعل تشغيل أكبر النماذج ممكنًا. فنماذج خليط الخبراء (Mixture-of-experts) مثل DeepSeek V3 تحتوي على عدد هائل من المعايير الإجمالية، لكنها تفعِّل فقط جزءًا صغيرًا منها لكل رمز. أما ميزة نقل خبراء النموذج إلى الذاكرة الخارجية (expert-offload) في llama.cpp فهي(--n-cpu-moe)التي تحتفظ بالطبقات النشطة دائمًا على وحدة معالجة الرسوميات، بينما تنقل الخبراء الذين لا تُستدعى طبقاتهم غالبًا إلى ذاكرة النظام (RAM). والنتيجة هي أن بطاقة ذات سعة 24 جيجابايت مقترنة بكمٍّ كبير من ذاكرة النظام السريعة يمكنها يُنفَّذ تشغيل نموذج حدّي (Frontier) من نوع MoE، رغم أن جدول سعات VRAM يشير إلى استحالة تشغيله بهذه البطاقة.

والتحذير الصريح هنا هو أن السرعة تتأثر سلبًا. فعملية النقل تُضحِّي بالسرعة من أجل زيادة السعة، وبذلك تزداد زمن الوصول (Latency). وباستنادٍ إلى مستوى التكمين (Quant level) وعرض نطاق نقل البيانات في ذاكرتك، يمكنك أن تتوقع معدل إنتاجية يتراوح بين أقل من رمز واحد في الثانية في الإعدادات الجريئة، وصولًا إلى منتصف العشرات، وهي سرعات تقع بوضوح ضمن منطقة «يعمل فعليًّا» وليس ضمن منطقة «الدردشة السريعة جدًّا». إن هذه الميزة حقيقية، لكنها وسيلة للوصول إلى نموذج لا يمكن تشغيله غير ذلك، وليست ترقية مجانية.

• إذا كنت تبني النظام لعدة مستخدمين؟ اختر vLLM أو SGLang، واحرص على أن تكون سعة VRAM كافية لاستيعاب النموذج بالكامل.
• أما إذا كان المستخدم واحدًا وترغب في تشغيل أكبر نموذج ممكن على عتاد محدود المواصفات؟ فاستخدم llama.cpp مع ميزة نقل خبراء النموذج إلى الذاكرة الخارجية (MoE offload)، وأنفق ميزانيتك على سعة وسرعة ذاكرة النظام (RAM) بدل التركيز فقط على وحدة معالجة الرسوميات.
• أما على أجهزة ماك؟ فافضِّل استخدام MLX أو Ollama؛ لأن الذاكرة الموحَّدة تقوم بالفعل بمعظم مهام «النقل إلى الذاكرة الخارجية» نيابةً عنك.

الأسئلة الشائعة

Are there any open-source LLMs still available in 2026?

Yes, open-source LLMs are widely available in 2026, and several rival closed models. The leaderboard’s top picks include Llama 3.1 405B (composite 87.4, ~244.5 GB memory), Qwen 2.5 72B Instruct, Qwen 2.5 32B (19.8 GB), Phi-4 14B (77.8), and the DeepSeek V3 MoE (236B total / 21B active), all runnable locally with sufficient hardware.

هل يُعتبر أفضل نموذج مفتوح المصدر تنافسيًّا فعليًّا مع GPT-4 في عام ٢٠٢٦؟

نعم، بالنسبة لمعظم مهام الاستخدام. إذ يتفوق كلٌّ من نموذجي Llama 3.1 405B وDeepSeek V3 على GPT-4 (الإصدار القديم) في معظم الاختبارات التقييمية العامة، ويُساويان أداء GPT-4.5 في العديد منها. أما في أصعب مهام الاستنتاج والاستدلال والرياضيات والمهمات التي تتطلب وكالة (Agentic tasks)، فيتأخران قليلًا خلف GPT-5 وClaude Opus 4.7. وللغالبية العظمى من المستخدمين، أصبح الفارق بينها وبين «أفضل النماذج المغلقة» الآن يُقاس بعدد قليل من النقاط المئوية.

لماذا يحتل نموذج DeepSeek V3 مرتبة عالية جدًّا رغم كونه نموذجًا من نوع MoE؟

تعمل نماذج خليط الخبراء (MoE) على تفعيل مجموعة فرعية فقط من المعاملات لكل رمز (Token). إذ يحتوي DeepSeek V3 على ٢٣٦ مليار معامل إجمالًا، لكنه يُفعّل نحو ٢١ مليار معامل فقط لكل رمز. وبالتالي تحصل على معرفة نموذج أكبر بكثير، وبسرعة استنتاج تشبه تلك الخاصة بنموذج أصغر بكثير — شريطة أن تتسع الذاكرة لذلك. وهو الخيار الأكثر عملية في عام ٢٠٢٦ لتحقيق «أعلى جودة في طليعة المجال مع سرعة أجهزة الاستهلاك».

هل يجب أن أجري ضبطًا دقيقًا (Fine-tuning) على أحد هذه النماذج أم أستخدمه كما هو؟

استخدمه كما هو لمهمات الاستخدام العام. أما الضبط الدقيق فيجب أن تلجأ إليه فقط إذا كانت لديك حالة استخدام ضيّقة ومتكررة (مثل: أسلوب كتابة متخصص في مجال معين، أو تحليل وثائق قانونية)، ولديك ما لا يقل عن ٥٠٠–١٠٠٠ عينة تدريبية عالية الجودة. ويحتاج الضبط الدقيق لنموذج بحجم ٧٠ مليار معامل إلى أجهزة قوية جدًّا.

وماذا عن Llama 4 أو الإصدارات الجديدة؟

أكّدت شركة Meta إطلاق Llama 4 في منتصف عام ٢٠٢٦ مع التزامٍ مستمرٍ بنشر أوزان النموذج مفتوحة المصدر. ومن المتوقع أن يشمل الإصدار نموذجًا رائدًا بحجم ٤٠٥ مليار معامل وأشكالًا أصغر محسَّنة. وسنحدّث هذه القائمة التنافسية بمجرد توفر النتائج الفعلية للاختبارات التقييمية.

أي نموذج ينبغي أن أشغِّله على ماك ستوديو إم4 ماكس 128 جيجابايت؟

الخيار الأمثل: Qwen 2.5 72B بتكمين Q5_K_M (٥١ جيجابايت) — يعمل بسرعة تقارب ٩ رموز/ثانية، مع ترك هامش وافٍ للسياق. أما لأعلى جودة ممكنة، فيناسب تمامًا Mistral Large 2 بحجم ١٢٣ مليار معامل بتكمين Q4. وللحصول على سرعة فائقة في النماذج القائمة على MoE، فإن Mixtral 8x22B خيار ممتاز.

هل تستحق النماذج الأصغر (أقل من ٧ مليارات معامل) العناء؟

نعم، في حالات استخدام محددة. إذ تعمل نماذج مثل Phi-4 Mini 3.8B وGemma 2 2B وSmolLM 1.7B بسرعة عالية على الهواتف والأجهزة الطرفية (Edge devices). أما في المحادثات العامة فهي أضعف بشكل ملحوظ من النماذج التي تتجاوز ٨ مليارات معامل، لكنها كافية تمامًا لمهمات محدودة (مثل التصنيف، أو الاستخراج المنظم، أو الترجمة البسيطة).

هل من الأفضل استخدام وحدة معالجة رسوميات واحدة كبيرة أم وحدتين أصغر لتشغيل هذه النماذج؟

بالنسبة للاستنتاج البحت (Pure inference)، فإن استخدام بطاقة واحدة تمتلك سعة VRAM كافية لاستيعاب النموذج بالكامل هو الخيار الأبسط، ويتفادى التعقيدات الناتجة عن تقسيم الطبقات عبر أجهزة متعددة. أما استخدام بطاقتين فيكتسب معناه عندما يكون الهدف الحصول على سعة إجمالية أكبر من VRAM مما توفره أي بطاقة واحدة بسعر معقول — كأن تزاوج بطاقتين سعتهما 24 جيجابايت لاستضافة نموذج لا يمكن تحميله في بطاقة واحدة. لكن هناك تنازلات حقيقية: فالبطاقة الإضافية تزيد من استهلاك الطاقة والحرارة، وتخلق اختناقات في عرض نطاق نقل البيانات عبر واجهة PCIe بين البطاقتين، كما تتطلب ضبطًا أكثر تعقيدًا. ولذلك، إذا كانت بطاقة واحدة كافية لاستيعاب النموذج المستهدف عند مستوى تكمين (Quant) ترتاح إليه، فاشترِ البطاقة الواحدة.

ما تكلفة الكهرباء لتشغيل نموذج لغوي كبير محلي (local LLM) 24/7?

إن استهلاك الطاقة في وضع الخمول والاستخدام الخفيف معتدل، لكن وحدة معالجة الرسوميات عالية الأداء قد تستهلك مئات الواط تحت الحمل المستمر، وهذا يزداد تراكمًا إذا ظل الجهاز شغّالًا باستمرار. والإجراء العملي هو ترك النظام في وضع السكون أو إلغاء تحميل النموذج أثناء عدم الاستخدام، ثم تفعيله فقط عند وجود طلب فعلي — إذ يقوم معظم برامج التشغيل المحلية بتحميل النماذج وإلغاء تحميلها عند الطلب. وبذلك تكون تكلفة التشغيل ضئيلة جدًّا للاستخدام الشخصي العرضي، أما إذا كان النموذج يخدم حركة مرور مستمرة على مدار الساعة، فيجب أن تدرج تكلفة الكهرباء ضمن التكلفة الإجمالية لامتلاك النظام إلى جانب سعر العتاد.

هل يستحق تشغيل هذه النماذج محليًّا حقًّا، مع انخفاض أسعار واجهات البرمجة المُستضافة (Hosted APIs) إلى هذا الحد؟

يعتمد ذلك على سبب اختيارك للاستضافة الذاتية. فإذا كان هدفك الوحيد هو أدنى تكلفة ممكنة لكل رمز، فإن واجهات البرمجة المُستضافة لهذه النماذج المفتوحة نفسها لا يمكن منافستها من حيث التكلفة، ولا تتطلب أي عتاد على الإطلاق. أما الاستضافة المحلية فهي الأفضل عندما تحتاج إلى أن تبقى بياناتك على جهازك دون مغادرته أبدًا، أو عندما تريد ضمان توافر دائم دون قيود على معدل الاستخدام أو فوترة لكل رمز، أو عندما تقوم بمعالجة دفعات ضخمة حيث يُخفِّف امتلاك العتاد من التكلفة على المدى الطويل. وللمستخدمين العاديين، تظل واجهة البرمجة المُستضافة الخيار المنطقي، أما في حالات الخصوصية أو العمل دون اتصال أو الحاجة إلى إنتاجية عالية جدًّا، فإن الاستضافة المحلية تُحقِّق عائدًا مجزيًا.

الخلاصة

في عام ٢٠٢٦ يمكنك تشغيل إمكانيات تشبه GPT-4 محليًّا طالما توفّرت لديك الأجهزة المناسبة. والسؤال الحقيقي هو: ما مدى الإمكانيات التي تحتاجها فعليًّا، وما مستوى الأجهزة الذي يناسب تلك الحاجة؟

• فئة ٨ مليارات معامل لاستخدام يومي → أي حاسوب شخصي حديث يحتوي على ١٢ جيجابايت فأكثر من ذاكرة VRAM
• فئة ٣٠ مليار معامل لمساعدة جادة → بطاقة رسومية RTX 4090 أو 3090 بسعة ٢٤ جيجابايت
• فئة ٧٠ مليار معامل لأعلى جودة متوفرة في النماذج المفتوحة → بطاقة رسومية RTX 5090 بسعة ٣٢ جيجابايت أو معالج M4 Max
• فئة ١٠٠ مليار معامل فأكثر لنماذج طليعية مفتوحة المصدر → M4 Max بسعة ١٢٨ جيجابايت أو منصة Nvidia DIGITS أو نظام متعدد البطاقات الرسومية
• فئة ٤٠٥ مليارات معامل لأعلى مستوى مطلق → معالج M4 Ultra بسعة ٥١٢ جيجابايت أو البنية التحتية المؤسسية

لقد استقر السوق أخيرًا على هيكل متكامل يجعل الذكاء الاصطناعي المحلي تنافسيًّا فعليًّا مع الذكاء الاصطناعي السحابي — حتى مع النماذج المغلقة السحابية. أما قرارك باستخدام الخيار المحلي فيعتمد في المقام الأول على ما إذا كانت معادلة التكلفة المرتبطة بالأجهزة تتوافق مع أنماط استخدامك.

لمزيد من التفاصيل المتعلقة بجانب وحدات معالجة الرسومات (GPU) في هذا القرار، راجع دليلنا الخاص بـ دليل أفضل وحدات معالجة الرسوميات لتشغيل النماذج اللغوية الكبيرة محليًّاأما بالنسبة لجانب أجهزة الحواسيب المحمولة، فدليلنا الخاص بـ الأفضل أجهزة كمبيوتر محمولة لـ التعلم الآلي 2026 ويشمل هذا التقرير الخيارات المحمولة.