جلبريك Checkra1n طريقة تحميله وتفعيله بخطوات بسيطة

المواصفات المطلوبة لتشغيل نماذج الذكاء الاصطناعي محليًا بكفاءة

المواصفات المطلوبة لتشغيل نماذج الذكاء الاصطناعي محليًا

يُعد البحث عن المواصفات المطلوبة لتشغيل نماذج الذكاء الاصطناعي محليًا على الكمبيوتر دون الاعتماد على السحابة أحد أكثر الأسئلة شيوعًا في الفترة الأخيرة، حيث تتوفر الآن العديد من النماذج اللغوية التي تستطيع العمل على أجهزتنا دون الحاجة إلى المخاطرة بمشاركة بياناتنا الخاصة مع الشركات المسؤولة عن تشغيل هذه التقنيات. لكن مثل أي نوع من المهام، فهي تتطلب عتاد هاردوير مناسب لتشغيلها بكفاءة. وفي هذه المقالة نتناقش معكم حول المواصفات المطلوبة لتشغيل نماذج الذكاء الاصطناعي محليًا على الكمبيوتر في 2026.

المواصفات المطلوبة لتشغيل نماذج الذكاء الاصطناعي محليًا

تُعد ذاكرة الفيديو (VRAM) العامل الحاسم في هذه المسألة، بالإضافة طبعًا إلى الذاكرة العشوائية الأساسية للنظام. لكن من الضروري أيضًا فهم المتطلبات الرئيسية لكل نموذج تخطط لاستخدامه، حيث تُفضل بعض الأدوات بطاقات رسومية من شركة NVIDIA لأنها تستفيد من محركات العرض العصبي وأنوية Tensor Cores المُخصصة لهذا المجال بالتحديد، بينما تعمل بعض الأدوات الأخرى على أي معالج رسومي آخر بصرف النظر عن الشركة المُصنعة. توضح الوثائق الرسمية لأدوات مثل Ollama و LM Studio المتطلبات اللازمة لكي تعمل بشكل جيد على الأجهزة، بينما توضح مستودعات llama.cpp حجم الموارد التي تشغلها هذه النماذج أثناء عملها.

قد يهمك أيضًا العودة إلى مقالتنا المنشورة مؤخرًا بعنوان تشخيص الكمبيوتر بالذكاء الاصطناعي وتحليل أداءه واكتشاف مشاكله التي ستساعدك في فهم الكثير عن جهازك في حال كنت تواجه معه أي مشاكل لا يمكنك فهم العوامل المتسببة فيها.

الخبر السار أنه ليس من الضروري امتلاك كمبيوتر متوحش فقط لتشغيل نماذج اللغة الكبيرة محليًا. ولكن يجب الأخذ بالاعتبار أنها ليست مهام بسيطة أيضًا. فالموازنة بين موارد الكمبيوتر مطلوب دائمًا لمثل هذه المهام. لقد قمنا بمراجعة الملفات والمستندات الرسمية التي تعرضها نماذج لغوية شهيرة في السوق لمجموعة المواصفات المطلوبة لتشغيل نماذج الذكاء الاصطناعي محليًا في عام 2026 وقررنا أن نشارككم لمحة سريعة عنها لكي تتمكنوا من اتخاذ قرارات الشراء المناسبة.

■♦■ نظام التشغيل والمعالج المركزي وسعة التخزين

تعمل برامج مثل Ollama على نظام ويندوز 10 إصدار 22H2 أو أي إصدار أحدث، بنسختيه: Home و Pro، وتعمل أيضًا على نظام macOS Sonoma إصدار 14 أو أي إصدار أحدث منه. تستفيد هذه الأدوات من المعالجات المركزية والرسومية الموجودة في شرائح آبل من فئة Apple M-Series التي تطورها الشركة بنفسها، بينما تعتمد فقط على وحدات المعالجة المركزية الخاصة بشركة Intel القائمة على بنية x86 في أجهزة Mac.

من ناحية أخرى، تتطلب أدوات LM Studio أجهزة كمبيوتر بمعمارية x64، مع ضرورة دعم المعالج المركزي لتعليمات AVX2. كما تعمل أيضًا على أجهزة الكمبيوتر القائمة على معمارية ARM. بالنسبة لأجهزة ماك، فهي لا تدعم سوى معالجات Apple M-Series. تتطلب هذه الأدوات نظام macOS 14.0 أو أحدث، أو نظام Linux إصدار Ubuntu 20.04 أو أحدث. تدعم مستودعات llama.cpp تقنيات AVX و AVX2 و AVX512 و AMX في معالجات x86.

أما بالنسبة لسعة التخزين، فيتطلب Ollama مساحة تخزين فارغة لا تقل عن 4 جيجابايت للبرنامج نفسه فقط في نظام ويندوز، مع الإشارة إلى أن النماذج المُرفقة قد تشغل مساحة تتراوح بين عشرات إلى مئات الجيجابايت.

■♦■ بطاقة الرسومات (كرت الشاشة)

مواصفات الهاردوير المطلوبة لتشغيل الذكاء الاصطناعي محليًا

ضمن المواصفات المطلوبة لتشغيل نماذج الذكاء الاصطناعي محليًا ضرورة امتلاك معالج رسومي خاص. فمثلًا برامج Ollama تتطلب بطاقة رسومات NVIDIA بقدرة حوسبة تبدأ من 5.0 أو أعلى، مع تعريفات برمجية تبدأ من 550 أو أحدث. مع البطاقات الرسومية التي تتمتع بقدرة حوسبة بين 5.0 إلى 6.2، فيُنصح باستخدام تعريف يبدأ من 570. تجدر الإشارة إلى أن القائمة تغطي قائمة واسعة من البطاقات التي تبدأ من بطاقة NVIDIA GTX 750 Ti، وصولًا إلى أحدث وأقوى بطاقات RTX 50، ومرورًا بشريحة GB10 المتاحة في أنظمة DGX Spark.

بالنسبة لبطاقات AMD، تعتمد أدوات Ollama على تقنية ROCm v7، وتقتصر القائمة على سبع بطاقات رسومية من فئة Radeon RX 7000، تبدأ من RX 7600 وتصل إلى XTX 7900، وما يصل إلى 5 بطاقات من فئة Radeon PRO. تزداد قائمة الدعم للمزيد من البطاقات الرسومية على نظام لينكس، وتوفر تقنية Vulcan دعمًا للمزيد من البطاقات على ويندوز ولينكس، مما يتيح إمكانية تشغيل برنامج Ollama على بطاقات Radeon RX 6000 التي لا تدعم تقنية ROCm v7 في بيئة ويندوز.

في المقابل، تتطلب أداة llama.cpp دعمًا أصليًا مع أنوية CUDA مع معالجات NVIDIA، أو HIP لبطاقات AMD، أو Metal لمعالجات Apple M-Series، أو SYCL لمعالجات Intel، بالإضافة إلى واجهة Vulcan لأي معالج رسومي. كما تتيح الأداة آلية الاستدلال الهجين للجمع بين المعالج المركزي والرسومي، مما يعزز من النتائج في الحالات التي تتوفر فيها سعة كافية من ذاكرة الفيديو.

اقرأ أيضًا في مقالة سابقة ذات صلة بعنوان تشغيل نماذج ذكاء اصطناعي مختلفة على جهازك بدون انترنت الأدوات التي تحتاجها والمتطلبات الأساسية لتنزيل النماذج اللغوية الكبيرة على جهازك والبدء في استخدامها في وضع عدم الاتصال بالإنترنت.

■♦■ الذاكرة العشوائية (RAM) وذاكرة الفيديو (VRAM)

في سياق متصل حول المواصفات المطلوبة لتشغيل نماذج الذكاء الاصطناعي محليًا، يطلب برنامج LM Studio على ويندوز سعة 16 جيجابايت كحد أدنى من الذاكرة العشوائية، بينما يتطلب ذاكرة فيديو تبدأ بسعة 4 جيجابايت. أما على نظام ماك، فيوصي بذاكرة تبدأ من 16 جيجابايت، بينما يُمكن الاكتفاء بسعة 8 جيجابايت عند استخدام نماذج صغيرة وسياقات عمل محدودة.

توضح وثائق Gemma 4 أن الذاكرة التقريبية المطلوبة للمعالج الرسومي تتفاوت بناءً على حجم النموذج نفسه. فمثلًا يحتاج نموذج 12B إلى 26.7 جيجابايت بدقة 16-bit، أو 13.4 جيجابايت بدقة 8-bit، أو 6.7 جيجابايت بدقة 4-bit. أما نموذج 31B فهو يتطلب 96.9 و 34.9 و 17.5 جيجابايت على التوالي. وتشير جوجل إلى أن هذه الأرقام تتضمن هامشًا إضافيًا بنسبة 20%، وقد تختلف باختلاف الأداة المستخدمة.

بالنسبة لنموذج 26B A4B الذي يعتمد تقنية “Mixture of Experts”، حيث يتم تفعيل 4 مليارات معامل لكل رمز واحد، فلابد من تحميل النموذج بالكامل البالغ حجمه 26 مليار معامل في الذاكرة، وبالتالي فهو يحتاج إلى ذاكرة فارغة بسعة 14.4 جيجابايت تقريبًا بدقة 4-bit. تشير بيانات نموذج Ministral 3 8B إلى متطلبات بسعة 12 جيجابايت من ذاكرة الفيديو عند استخدام تنسيق FP8 بدقة 8-bit، لكن تتراجع المتطلبات في حل استخدام مستويات أعلى من الضغط.

يُشير برنامج Ollama باسم حالة “GPU 100%” عندما يكتمل تخزين النموذج أصبح بالكامل في ذاكرة الفيديو. كما يشير إلى الحالة “CPU 100%” عند اكتمال وجود النموذج في ذاكرة النظام الأساسية، بينما تعني حالة “CPU/GPU 52%/48%” إلى أن النموذج موزع على الذاكرة العشوائية وذاكرة الفيديو بالتكافؤ.

■♦■ مقارنة سريعة بين متطلبات النماذج المختلفة

النموذج / الأداة / البرنامج	المواصفات المُعلنة	المصدر
Ollama على ويندوز	ويندوز 10 / تعريف Nvidia 551.61 أو أحدث / مساحة خالية 4 جيجابايت للبرنامج نفسه	Ollama
Ollama على macOS	macOS 14 أو أحدث / شريحة M أو معالج x86 من Intel	Ollama
Ollama على بطاقات NVIDIA	قدرة حوسبة بقوة 5.0 أو أعلى	Ollama
LM Studio على ويندوز	معالج مع ترميز AVX2 / ذاكرة عشوائية 16 جيجابايت / ذاكرة فيديو 4 جيجابايت	LM Studio
LM Studio على macOS	معالج M-Series / نظام macOS 14 أو أحدث / ذاكرة عشوائية 16 جيجابايت	LM Studio
llama.cpp	أنوية CUDA أو HIP أو Metal أو SYCL مع مكتبة Vulcan / معالج مركزي ورسومي للآلية الهجينة.	Flame Repository.cpp
Gemma 4 12B	ذاكرة فيديو 6.7 جيجابايت لمستوى 4-bit أو 26.7 جيجابايت لمستوى 16-bit	جوجل
Gemma 4 31B	ذاكرة فيديو 17.5 جيجابايت لمستوى 4-bit أو 69.9 جيجابايت لمستوى 16-bit	جوجل
Ministral 3 8B	ذاكرة فيديو 12 جيجابايت في وضع FP8	Mistral AI
Qwen3.5-9B	9 مليار معلمة وحد أقصى للسياق 262.144 رمز	QwenAI
Llama 3.1	8B / 70B / 405B /128K Context	Meta

■♦■ المعلمات والكممة والسياق ضمن المواصفات المطلوبة لتشغيل نماذج الذكاء الاصطناعي محليًا

المواصفات المطلوبة لتشغيل نماذج الذكاء الاصطناعي محليًا بكفاءة في 2026

تُحدد المعلمات “Parameters” حجم النموذج، ويشير الحرف “B” في الأسماء إلى الرقم بالمليارات. فمثلًا يتوفر نموذج Llama 3.1 من شركة Meta بإصدارات 8B و 70B و 405B، بينما يتوفر نموذج Ministral 3 بإصدارات 3B و 8B و 14B. تعمل عملية الكممة “Quantization” على تخزين هذه المعلمات باستخدام عدد أقل من البتات (bits)، وتوضح جوجل أن نموذج Gemma يستخدم تقنية 16-bit بشكل افتراضي، مما يسهم في تقليل استهلاك الذاكرة مقابل بعض التنازلات في الأداء. كما يدعم برنامج Llama.cpp مستويات كممة تتراوح بين 1.5-bit إلى 8-bit لتحقيق استنتاجات أسرع وتقليل استهلاك الذاكرة.

تقول جوجل أن نموذج Gemma 4 متوفر بصيغة GGUF بمستوى 4-bit ليعمل بالتوازي مع برنامجي Llama.cpp و LM Studio. لكن سيتعين على المستخدم الموافقة على مشاركة بيانات الاتصال الخاصة به للوصول إلى نموذج Llama 3.1 8B.

السياق "Context" يستهلك أيضًا من الذاكرة. ويشير برنامج Ollama إلى طول السياق بعدد رموز التوكن Tokens التي يُمكن للنموذج الوصول إليها في الذاكرة. يتم تحديد الطول الافتراضي للسياق بناءً على سعة ذاكرة الفيديو. فالسياق المكون من 4 آلاف تكون يتطلب ذاكرة فيديو بسعة أقل من 24 جيجابايت، بينما تتطلب السياقات التي تحتوي على رموز بسعة 32 ألف رمز إلى ذاكرة فيديو بسعة تصل إلى 48 جيجابايت، والسعات التي تزيد عن 48 جيجابايت مطلوبة للسياقات المكونة من 256 ألف رمز. كلما ازدادت عدد رموز التوكن بالسياق، ازدادت الحاجة إلى المزيد من سعة ذاكرة الفيديو.

من جهة أخرى، نموذج Qwen3.5-9B يضم 9 مليارات معلمة ويدعم 262.144 رمزًا افتراضيًا، وينصح بتقليل طول السياق في حال عدم توافر ذاكرة كافية، بشرط ألا يقل طول السياق عن 128 ألف رمز. يتيح Ollama توفير المساحة عند تفعيل خاصية Flash Attention، مما يسمح بإجراء عملية كممة لذاكرة التخزين المؤقت للسياق، وبهذا يشغل المستوى 8-bit نصف المساحة التي يشغلها المستوى 16-bit مع فقدان طفيف في الدقة، بينما يشغل مستوى 4-bit ما يعادل ربع تلك المساحة.

الختام | هذه كانت قائمة المواصفات المطلوبة لتشغيل نماذج الذكاء الاصطناعي محليًا على أجهزة الكمبيوتر الشخصية، سواء كانت أجهزة مكتبية أو محمولة، بغض النظر عن بيئة نظام التشغيل. كما توضح الوثائق والملفات الرسمية حجم المساحة التي تشغلها النماذج اللغوية اعتمادًا على حجم المعلمات التي تحتويها، والتي تُقاس بالمليارات من المعلمات.

في النهاية، يمكنك أيضًا إلقاء نظرة سريعة على مقالة ذات صلة بعنوان افضل كرت شاشة للذكاء الاصطناعي وتشغيل النماذج المحلية {2026} من موقعنا الشقيق (هاي فور وايرليس). ستساعدك المقالة في تحديد بطاقة الرسومات المثالية بناءً على احتياجاتك المُخطط لها وميزانيتك الحالية.

********************************