كان تشغيل نموذج لغوي كبير على جهاز لابتوب خاص بك مشروع بحث سابقًا. أما في عام 2026، فهو إعدادٌ يستغرق 15 دقيقة فقط. ويمكنك تشغيل مساعد ذكاء اصطناعي فعّال تمامًا يعمل بالكامل على جهازك — دون اشتراك، ودون الحاجة إلى اتصال بالإنترنت، وبلا إرسال أي بيانات خارج حاسوبك أبدًا.
يشرح هذا الدليل العملية بأكملها: ما الأجهزة التي تحتاجها، وأي أداة يجب أن تستخدمها، وأي نموذج يجب أن تحمله، وكيفية تشغيله.
أبرز الاستنتاجات
- أسهل طريق: تثبيت أُولاما أو LM Studio — وكلاهما يجعلك جاهزًا للتشغيل خلال دقائق.
- الأجهزة: 16 غيغابايت من الذاكرة العشوائية (RAM) هي الحد الأدنى المريح؛ بينما تعد أجهزة Mac المزوَّدة بشريحة Apple Silicon أو أجهزة اللابتوب المزودة بوحدة معالجة رسومات منفصلة الخيار الأمثل.
- حجم النموذج: النماذج ذات الحجم 7–8 مليار معلَّمة (7–8B) هي النقطة المثلى لأجهزة اللابتوب — فهي فعَّالة وسريعة.
- التكميم يقلِّل حجم النماذج لتتناسب مع أجهزتك؛ وتُعتبر الإصدارات المُكمَّنة بمستوى «Q4» الخيار القياسي.
- لماذا تفعل ذلك؟ لأنه مجاني تمامًا، وآمنٌ بالكامل، ويعمل دون اتصال بالإنترنت.
لماذا تشغِّل نموذج لغوي كبير محليًّا؟
يُعد الذكاء الاصطناعي السحابي مريحًا، فلماذا تشغل النموذج بنفسك؟ إليك ثلاثة أسباب حقيقية:
- الخصوصية. لا تخرج أي مدخلات تكتبها من جهازك. وهذا يشكِّل ميزة حقيقية للعمل الحساس أو السري أو الشخصي.
- التكلفة. إنه مجاني تمامًا. فلا يوجد اشتراك، ولا فوترة حسب عدد التوكينات، ولا حدود قصوى للاستخدام — يمكنك التوليد بقدر ما تشاء.
- العمل دون اتصال بالإنترنت، والتوافر الدائم. يعمل أثناء الطيران، حتى بدون اتصال بالإنترنت، ولا يمكن تقييد سرعته أو إيقاف خدمته.
المفاضلة المطلوبة: فالنموذج الذي يعمل على جهاز لابتوب يكون أصغر حجمًا وأقل قدرةً من النموذج السحابي المتقدم. ومع ذلك، فإن النماذج الصغيرة الحديثة كافية لأداء الكثير من المهام الواقعية — مثل الكتابة، والتلخيص، ومساعدة البرمجة، والعصف الذهني، والإجابة عن الأسئلة.
الخطوة الأولى: تحقَّق من مواصفات أجهزتك
يعتمد أداء النماذج اللغوية الكبيرة محليًّا في المقام الأول على الذاكرة. وإليك الصورة الواقعية الصادقة:
| جهاز اللابتوب الخاص بك | ما يمكنك تشغيله |
|---|---|
| 8 غيغابايت من الذاكرة العشوائية (RAM) | نماذج صغيرة فقط (1–3 مليار معلَّمة). وهي قابلة للاستخدام لكنها محدودة. |
| 16 غيغابايت من الذاكرة العشوائية (RAM) | نماذج بحجم 7–8 مليار معلَّمة (7–8B) بسلاسة — وهي النقطة المثلى. |
| 32 غيغابايت من الذاكرة العشوائية (RAM) | حتى نماذج بحجم ~13–14 مليار معلَّمة (13–14B) بسرعة جيدة. |
| شريحة Apple Silicon (سلسلة M) | ممتازة — فالذاكرة الموحَّدة مثالية؛ وتؤدي النماذج الأكبر حجمًا أداءً ممتازًا. |
| وحدة معالجة رسومات NVIDIA منفصلة | أسرع خيار؛ حيث تُحدِّد سعة الذاكرة المخصصة للرسومات (VRAM) الحد الأقصى لحجم النموذج. |
العاملان اللذان يهمان: إجمالي الذاكرة (الذاكرة العشوائية RAM، أو الذاكرة المخصصة للوحدة الرسومية VRAM على GPU) تُحدِّد أقصى حجم لنموذج يمكن تحميله، بينما تُحدِّد الوحدة الرسومية (GPU) أو معالجات أبل Silicon سرعة التشغيل. وتُعَدُّ حاسوب محمول حديث مزوَّد بـ16 جيجابايت من الذاكرة العشوائية نقطة بداية ممتازة تمامًا.
الخطوة الثانية: اختر الأداة المناسبة
لا تتفاعل مباشرةً مع النموذج الخام — بل تستخدم أداةً تقوم بتنزيل النموذج وإدارته وتشغيله. وأفضل الخيارات المتاحة في عام 2026 هي:
- Ollama — الخيار الأكثر شيوعًا. أداة سطر أوامر نظيفة (مع تطبيق بسيط) تنزِّل النماذج وتشغِّلها بأمرٍ واحدٍ فقط، وتوفِّر واجهة برمجية محلية (API) تسمح للتطبيقات الأخرى بالاتصال بها. وهو الاختيار الأمثل من حيث التوازن العام.
- LM Studio — تطبيق رسومي مُحسَّن. يمكنك استعراض النماذج وتنزيلها والدردشة عبر واجهة مدمجة دون الحاجة إلى سطر الأوامر. وهو الأنسب للمبتدئين الذين يبحثون عن تجربة مرئية.
- Jan — تطبيق سطح مكتب مفتوح المصدر ويركِّز على الخصوصية، ويُعَدُّ بديلًا نظيفًا لـ LM Studio.
- llama.cpp — محرك عالي الأداء تُبنى عليه العديد من هذه الأدوات. استخدمه مباشرةً إذا كنت تبحث عن أقصى درجات التحكم والكفاءة.
للمعظم: Ollama إذا كنت مرتاحًا في التعامل مع واجهة سطر الأوامر، فاختر LM Studio أما إذا كنت تفضِّل التفاعل بالنقر فقط، فاختر
الخطوة الثالثة: قم بتثبيت النموذج الأول وتشغيله
إعداد Ollama بسيطٌ حقًّا بهذا الشكل:
- نزِّل Ollama وثبِّته من موقعه الرسمي.
- افتح واجهة سطر الأوامر (Terminal).
- نفِّذ أمرًا واحدًا:
ollama run llama3.1
يقوم هذا الأمر بتنزيل النموذج عند أول تشغيل له (وهو ما يتطلَّب بضعة جيجابايت)، ثم ينقلك مباشرةً إلى محرِّك الدردشة. وبهذا تكون قد أطلقت مساعدًا ذكيًّا خاصًّا بك يعمل محليًّا وبشكل خاص. وفي المرات التالية، سيبدأ التشغيل فورًا.
أما في حالة LM Studio، فإن العملية المكافئة هي: افتح التطبيق، وابحث عن نموذج، وانقر لتنزيله، ثم انقر مرة أخرى لبدء الدردشة — وكل ذلك يتم حصريًّا عبر الواجهة.
الخطوة الرابعة: اختر النموذج المناسب وحجمه
هناك عنصران يجب تحديدهما: عائلة النموذج وحجمه.
عائلة النموذج — تشمل النماذج المفتوحة القوية التي تعمل بكفاءة على الأجهزة المحلية سلسلة Llama من شركة Meta، وسلسلة Qwenمن شركة علي بابا، وسلسلة Gemma، ونماذج ميسترال (Mistral)، وإصدارات ديب سيكالأصغر حجمًا. وكلها جيدة؛ جرّب اثنين منها وانظر أيهما تفضّله.
الحجم — تأتي النماذج بعدد المعاملات (Parameters) المشار إليه عادةً كالتالي: 3B، 8B، 14B (حيث تعني B مليار معامل):
- 1–3 مليار — سريعة جدًّا، وخفيفة على الذاكرة، ومناسبة للمهام البسيطة. وهي مناسبة للأجهزة المزوَّدة بـ8 جيجابايت من الذاكرة.
- 7–8 مليارات — النقطة المثلى لأجهزة الحواسيب المحمولة. فهي فعَّالة حقًّا في كتابة النصوص ومساعدة المبرمجين والإجابة عن الأسئلة، وتعمل بكفاءة على أجهزة تحتوي 16 جيجابايت من الذاكرة.
- 13–14 مليار فأكثر — أكثر ذكاءً بشكل ملحوظ، لكنها تتطلَّب 32 جيجابايت من الذاكرة أو وحدة معالجة رسومية قوية.
ابدأ باستخدام نموذج بحجم 8 مليارات معامل. فهو يوفِّر أفضل توازن بين القدرة والأداء لمعظم أجهزة الحواسيب المحمولة.
الخطوة الخامسة: فهم تقنية التكميم (Quantization)
ستلاحظ في أسماء النماذج إشارات مثل Q4_K_M أو Q8. وهذه الإشارات تدلُّ على التكميم — وهي تقنية ضغط تقلِّل دقة الأعداد داخل النموذج لتستهلك ذاكرة أقل بكثير، مع فقدان طفيف جدًّا في الجودة.
- Q8 — أعلى جودة، وأكبر حجم.
- Q4 — يستهلك نحو نصف الذاكرة التي يستهلكها Q8، مع جودة قريبة جدًّا منه. وهذا هو التوصية القياسية.
- Q2/Q3 — أصغر حجم، لكن الجودة تتراجع بشكل ملحوظ؛ استخدمه فقط إذا فرضت القيود الذاكرة ذلك.
القاعدة العملية: اختر إصدار Q4 التكميم الذي يناسب أكبر نموذج يمكن لذاكرتك استيعابه براحة. وتختار أدوات مثل Ollama تلقائيًّا إصدار تكميم منطقي افتراضيًّا، لذا غالبًا لن تحتاج إلى التفكير فيه.
المضي قدمًا
وبمجرد أن يبدأ النموذج في العمل، يمكنك فعل أكثر من مجرد الدردشة عبر سطر الأوامر:
- اتصل بواجهة مستخدم أفضل — تطبيقات مثل Open WebUI توفِّر نافذة تشبه واجهة ChatGPT للنموذج المحلي الخاص بك.
- استخدم الواجهة البرمجية المحلية (API) — يوفّر أُولاما واجهة برمجية (API) على جهازك، لذا يمكنك إنشاء نصوص برمجية وتطبيقات تتفاعل مع النموذج المحلي الخاص بك تمامًا كما لو كان نموذجًا سحابيًّا.
- جرّب الاسترجاع — وجّه إعداد نظام استرجاع-التوسيع-التوليد (RAG) نحو وثائقك الخاصة للحصول على مساعد خاصٍّ تمامًا لـ«الدردشة مع ملفاتك» دون أي اتصال بالإنترنت.
لماذا يعمل ببطء — وكيف تُصلح ذلك
أكثر الشكاوى انتشارًا بعد التثبيت الأول ليست أن النموذج لا يعمل إطلاقًا، بل أنه يعمل ببطء شديد. وعلى أجهزة الكمبيوتر المحمولة، يعود البطء في الإخراج غالبًا إلى عدم استخدام النموذج لوحدة معالجة الرسوميات (GPU) فعليًّا. وأسرع طريقة للتحقق من ذلك هي تشغيل نموذج ما، ثم في نافذة طرفية أخرى تشغيل الأمر ollama ps. ويظهر المخرج النسبة التي يُوزَّع بها التشغيل بين وحدة المعالجة المركزية (CPU) ووحدة معالجة الرسوميات (GPU): فإذا أظهر ١٠٠٪ GPU فأنت في أمان؛ أما إذا أظهر ١٠٠٪ CPU أو توزيعًا بين CPU/GPU، فهذه هي المشكلة.
وهناك ثلاثة أسباب شائعة لهذا، مرتبة حسب تكرار حدوثها:
- لم يتم اكتشاف وحدة معالجة الرسوميات (GPU) أصلًا. ففي أنظمة ويندوز ولينكس المزوّدة ببطاقات إنفيديا (NVIDIA)، يعني هذا عادةً أن برامج تشغيل وحدة معالجة الرسوميات تم تثبيتها بعد بعد تثبيت بيئة التشغيل (runtime)، وبالتالي لم تُفعّل دعم تقنية كودا (CUDA) — فبرنامج أُولاما يبحث عن وجود وحدة معالجة الرسوميات وقت التثبيت وليس أثناء التشغيل. لذا تأكّد أولًا من أن الأمر nvidia-smi يعمل بشكل صحيح، ثم أعد تثبيت بيئة التشغيل بحيث تكتشف وحدة معالجة الرسوميات. وهذه الخطوة البسيطة تحلّ الغالبية العظمى من شكاوى «النموذج يستخدم وحدة المعالجة المركزية بدلًا من وحدة معالجة الرسوميات».
- النموذج كبير جدًّا بالنسبة لسعة الذاكرة المخصصة لوحدة معالجة الرسوميات (VRAM). فعندما لا يتسع النموذج بالكامل في ذاكرة VRAM، فإن الطبقات الزائدة تعود تلقائيًّا وبصمت إلى الذاكرة العشوائية النظامية (RAM) ووحدة المعالجة المركزية (CPU)، وتؤدي هذه الطبقات القليلة التي تعمل على وحدة المعالجة المركزية إلى إبطاء الأداء كليًّا. والحل هو الانتقال إلى نموذج أصغر أو استخدام درجة أعلى من الكمّنة (quantization) (أي بناء نموذج بكمّنة أشد)، ليتسع النموذج بالكامل داخل ذاكرة VRAM.
- نافذة السياق (context window) كبيرة جدًّا. فزيادة طول السياق تستهلك أيضًا الذاكرة، لأن ذاكرة التخزين المؤقت للمفاتيح والقيم (KV cache) تزداد مع طول السياق. وإذا زادت كثيرًا، فإن بعض الطبقات تعود تلقائيًّا إلى وحدة المعالجة المركزية. لذا إن لم تكن بحاجة إلى مطالبة طويلة جدًّا، فقلّل طول السياق (٨ كيلوبايت كافية لمعظم المهام)، وسيتسع النموذج في الذاكرة براحة أكبر.
وهناك مشكلتان محددتان لأجهزة الكمبيوتر المحمولة. أولًا، سياسة طاقة البطارية: فمعظم أجهزة الكمبيوتر المحمولة العاملة بنظام ويندوز تُقلّل أداء وحدة معالجة الرسوميات المخصصة بشكل حاد عند فصل الشاحن، وقد يؤدي فصل الشاحن إلى خفض سرعة الاستنتاج بنسبة ٥٠٪ أو أكثر. وهذه سلوك مبرمج في البرنامج الثابت (firmware)، وليس عطلًا — لذا ابقِ جهازك المحمول موصلًا بالشاحن أثناء العمل الجاد. ثانيًا، الحد من التردد بسبب ارتفاع الحرارة (thermal throttling): فبعد نحو ١٠–٢٠ دقيقة من التوليد المستمر، تسخن أجهزة الكمبيوتر المحمولة الرقيقة وتخفض تردد وحدة المعالجة المركزية تلقائيًّا. ولتأخير بدء هذا التباطؤ، يمكنك رفع الجهاز ببضعة سنتيمترات على حامل لتحسين تدفق الهواء، والاعتماد على نموذج مكمّن بدرجة خفيفة أكثر (lighter quantization) يعمل عند حرارة أقل. وهذا لا يجعل جهازك المحمول محطة عمل احترافية، لكنه الفرق بين توليد بضعة رموز (tokens) في الثانية وبين مساعد فعّال حقًّا.
الأسئلة الشائعة
هل يمكنني تشغيل نموذج لاما (Llama) على كمبيوتر محمول عادي؟
نعم. فكمبيوتر محمول يحتوي على ١٦ غيغابايت من الذاكرة العشوائية (RAM) يستطيع تشغيل نماذج بحجم ٧–٨ مليار معلّمة (7–8B) بسلاسة، وهي نماذج فعّالة حقًّا. بل ويمكن لأجهزة تحتوي على ٨ غيغابايت فقط أن تشغّل نماذج أصغر حجمًا تتراوح بين ١–٣ مليار معلّمة (1–3B). أما أجهزة ماك المزوّدة بشريحة أبل سيليكون أو الأجهزة المحمولة المزوّدة بوحدة معالجة رسوميات مخصصة (GPU) فتتميّز بأداء ممتاز جدًّا في تشغيل النماذج المحلية.
هل تشغيل نموذج لغوي كبير (LLM) محليًّا مجاني؟
نعم. فالنماذج متاحة للتنزيل مجانًا، ولا توجد أي تكلفة مرتبطة باستخدامها — ويمكنك إنشاء المخرجات بقدر ما تشاء. والتكلفة الوحيدة هي أجهزتك نفسها ومساحة التخزين التي تشغلها ملفات النموذج على القرص الصلب (بضعة غيغابايت لكل نموذج).
ما أفضل أداة لتشغيل النماذج اللغوية الكبيرة محليًّا؟
أُولاما (Ollama) هي الأداة الأكثر شيوعًا والأفضل من حيث التوازن العام — إذ يكفي أمر بسيط لتنزيل أي نموذج وتشغيله، كما توفر واجهة برمجية محلية (API). أما «إس تيوديو إل إم» (LM Studio) فهو الخيار الأمثل إن كنت تفضّل تطبيقًا بيئيًّا رسوميًّا دون الحاجة إلى سطر الأوامر.
كم مقدار الذاكرة العشوائية (RAM) الذي أحتاجه لتشغيل نموذج لغوي كبير محلي (local LLM)?
١٦ غيغابايت هي الحد الأدنى المريح لتشغيل نماذج فعّالة حقًّا بحجم ٧–٨ مليار معلّمة. أما مع ٨ غيغابايت فستقتصر على نماذج أصغر حجمًا تتراوح بين ١–٣ مليار معلّمة. ومع ٣٢ غيغابايت يمكنك تشغيل نماذج بحجم ١٣–١٤ مليار معلّمة. وكلما زادت الذاكرة المتاحة، زادت قدرتك على تشغيل نماذج أكبر وأكثر ذكاءً.
هل ترقى النماذج اللغوية الكبيرة المحلية إلى مستوى أداء نموذج شات جي بي تي (ChatGPT)؟
ليست بنفس قدرة النماذج السحابية الرائدة — فنماذج الكمبيوتر المحمول أصغر حجمًا وأقل قوة. لكنها كافية بالفعل للعديد من المهام اليومية: مثل الكتابة، والتلخيص، ومساعدة البرمجة، والإجابة عن الأسئلة. فتضحّي بجزء من القدرة مقابل الخصوصية التامة، والتكلفة الصفرية، والوصول دون اتصال بالإنترنت.
لماذا يعمل نموذجي اللغوي الكبير محليًّا ببطء شديد؟
في تسع من كل عشر حالات، السبب هو أن النموذج لا يستخدم وحدة معالجة الرسوميات (GPU). شغّل الأمر ollama ps بينما يكون النموذج محملًا: فإذا أظهر ١٠٠٪ CPU أو توزيعًا بين CPU/GPU، فهذه هي الإجابة. والأسباب الشائعة هي: تثبيت برامج تشغيل وحدة معالجة الرسوميات بعد تثبيت بيئة التشغيل (أعد تثبيت البيئة لتكتشف دعم كودا)، أو أن النموذج كبير جدًّا بالنسبة لسعة ذاكرة VRAM (استخدم نموذجًا أصغر أو كمّنة أشد)، أو أن نافذة السياق كبيرة جدًّا لدرجة تدفع بعض الطبقات للعودة إلى وحدة المعالجة المركزية (قلّل طولها).
هل يجب أن أبقي جهازي المحمول موصلًا بالشاحن أثناء تشغيل نموذج لغوي كبير محليًّا؟
نعم، وذلك لأي مهمة تتجاوز طرح سؤال سريع. فمعظم أجهزة الكمبيوتر المحمولة العاملة بنظام ويندوز تحدّ من أداء وحدة معالجة الرسوميات المخصصة بشدة عند تشغيلها على البطارية للحفاظ على عمر التشغيل، مما قد يخفض معدل الرموز المولَّدة في الثانية (tokens-per-second) بنسبة تقارب النصف. وهذا التباطؤ ناتج عن سياسة إدارة الطاقة المبرمجة في البرنامج الثابت (firmware)، وليس عطلًا. أما توصيل الشاحن فيعيد تفعيل التردد الكامل لوحدة معالجة الرسوميات، كما أن استخدام حامل تبريد لتحسين تدفق الهواء يساعد في تجنّب الحد من التردد بسبب ارتفاع الحرارة الذي يحدث بعد جلسات العمل الطويلة.
هل يمكنني استخدام نموذج لغوي كبير محليًّا تمامًا دون اتصال بالإنترنت؟
نعم. فالاتصال بالإنترنت مطلوب فقط لتنزيل النموذج أول مرة. وبمجرد تخزين النموذج على القرص الصلب، يعمل بالكامل دون اتصال — ويمكنك فصل الجهاز تمامًا عن الإنترنت وما زال يردّ عليك. وهذه هي الميزة الأساسية من حيث الخصوصية: فمطالباتك لا تغادر جهازك أبدًا، ما يجعل النموذج المحلي خيارًا معقولًا للملاحظات السرية، أو المسودات، أو أي محتوى لا ترغب في إرساله إلى خدمة سحابية.
الخلاصة
لم يعد تشغيل نموذج ذكاء اصطناعي على جهازك المحمول أمرًا صعبًا. فقط قم بتثبيت Ollama أو LM Studio، ونزّل نموذجًا بحجم ٨ مليار معلّمة (8B) باستخدام تقنية Q4 الكمّنة (quantization)، وفي غضون ١٥ دقيقة سيكون لديك مساعد فعّال مجاني تمامًا، خاصٌّ بك، ويعمل دون اتصال بالإنترنت.
فهو لن يحلّ محل النموذج السحابي الرائد في أصعب المهام — لكنه فعّال حقًّا في المهام اليومية مثل الكتابة، ومساعدة البرمجة، والأسئلة والإجابات الخاصة. وبمجرد تشغيله، يكون ملكك بالكامل: لا اشتراك، ولا قيود، ولا بيانات تغادر جهازك أبدًا.
