النماذج المملوكة ليست الوحيدة التي تسترعي الانتباه: بالنسبة لبعض الاستخدامات، فإن قابلية التكوين أهم من القوة الخام. وقد أدى هذا السعي للتحكم إلى ازدهار النماذج المستضافة محليًا. باستخدام أجهزة مناسبة وأدوات مثل Ollama أو LM Studio، يمكن للنماذج القادرة أن تعمل بالكامل على جهاز المستخدم.
ما هي النماذج التي تستحق التثبيت، وأيها يمكن أن يعمل على جهاز معين؟ يستعرض المقال خمسة منها لعام 2026، وهي LLM (نماذج اللغة الكبيرة) مختارة وفقًا للاستخدام والأجهزة المتاحة.
خمسة نماذج لاستخدامات مختلفة
النموذج الأول، Llama 3.1 8B Instruct، يعمل كمرجع عام للدردشة المحلية والتلخيص والتصنيف ومشاريع fine-tuning، أي التكيف مع بيانات معينة. وهو يتعامل مع النص فقط ويوزع بموجب ترخيص Llama Community License من Meta، ويجب التحقق من شروطه قبل أي إعادة توزيع أو نشر.
أما Qwen2.5 7B، فاختياره يعتمد على المهمة. النسخة Qwen2.5-7B-Instruct مناسبة للمحادثات متعددة اللغات ومعالجة المستندات والمخرجات المنظمة، مثل تنسيق JSON. بينما تركز Qwen2.5-Coder-7B-Instruct على توليد وشرح وتصحيح الكود. كلا النموذجين للنص: لتحليل لقطات الشاشة، يحتاج المرء إلى بديل قادر على معالجة الصور.
Mistral 7B Instruct v0.3 هو نموذج نصي بسبعة مليارات معلمة، مخصص لإعادة الصياغة والتلخيص والتوثيق والحوار العادي. نسخته v0.3 تدير استدعاء الوظائف، مما يسمح بدمجه مع أدوات تشغلها تطبيقات، وترخيصه Apache 2.0 يسهل مشاريع التخصيص. كونه نموذجًا عامًا أقدم، فإنه يستحق المقارنة مع النماذج الحديثة على استفساراته الخاصة قبل اعتماده.
Gemma 4 E2B و E4B يقبلان النص والصور والصوت، ويولدان نصًا. وهما مناسبان للأسئلة حول المستندات وفهم الصور والنسخ أو المساعدة المدمجة، بشرط أن تدعم بيئة التشغيل نوع الإدخال. تشير أسماؤهما إلى المعلمات الفعالة: E2B يحتوي على حوالي 5.1 مليار معلمة، وE4B على 8 مليارات، بما في ذلك التضمينات. يحذر المقال: لا ينبغي تحديد حجم الأجهزة بناءً على الأسماء فقط.
Phi-4-mini-instruct، من Microsoft، هو نموذج بـ 3.8 مليار معلمة يستهدف التطبيقات المحدودة الذاكرة والحساسة للزمن الكامن. وهو مناسب للمساعدين المحليين الصغيرين واستخراج المعلومات ومشاكل الرياضيات أو المنطق وتجارب استدعاء الوظائف. نماذج التفكير والنماذج متعددة الوسائط ذات الأسماء المشابهة، هي نقاط تحكم منفصلة، بسلوكيات ومتطلبات أخرى.
يعتمد ترتيب عائلات النماذج على العدد التراكمي للتنزيلات في مكتبة Ollama. وبالتالي فهو يميل لصالح الإصدارات القديمة ولا يقيس الجودة.
تثبيت نموذج باستخدام Ollama
وفقًا للمقال، فإن Ollama هي على الأرجح الخيار الأبسط للمطورين: يكفي تثبيته، وتنزيل نموذج، وتشغيله من الطرفية، على سبيل المثال باستخدام الأمر ollama run gpt-oss:20b. توفر الأداة حزمًا محلية لـ phi-4 وGemma 4 وQwen3-Coder ونماذج أخرى. كما تعرض واجهة برمجة تطبيقات محلية، مفيدة لربط نموذج بتطبيقات المستخدم الخاصة أو بوكلاء البرمجة.
تقدم الأسئلة الشائعة في المقال عدة توضيحات. حيث يقدم Qwen2.5-Coder-7B-Instruct كخيار موجه للكود، ويجب اختبار الكود المُولد قبل استخدامه. التشغيل المحلي وحده لا يضمن الخصوصية: فالأدوات المتصلة وحلول الاحتياط السحابية وقياس عن بعد التطبيقات قد تنقل البيانات إلى مكان آخر. تعكس شعبية النموذج مدى اعتماده، لكن المهمة والأجهزة هي التي تحدد الخيار الأكثر فائدة.
