Question 1

ما نموذج LLM الذي يمكن تشغيله بذاكرة RAM سعة 8 GB؟

Accepted Answer

مع 8 GB يمكنك بسهولة تشغيل نماذج مكمّاة بدقة 4 بت حتى نحو 7–8B من المعاملات، مثل Llama 3.1 8B أو DeepSeek R1 7B. أما النماذج الأصغر مثل Llama 3.2 3B أو Gemma 3 4B فتعمل أسرع وتترك مساحة لبقية التطبيقات.

Question 2

هل أحتاج إلى GPU لتشغيل نموذج LLM محلياً؟

Accepted Answer

لا. أدوات مثل Ollama وLM Studio وllama.cpp تشغّل النماذج على CPU. وجود GPU (أو الذاكرة الموحّدة في Apple Silicon) يجعل التوليد أسرع بعدة مرات، لكن RAM هي الفيصل الحقيقي — يجب أن يتسع النموذج في الذاكرة.

Question 3

ما هو التكميم (Q4 وQ8)؟

Accepted Answer

التكميم يقلّص حجم النموذج بتخزين أوزانه بعدد أقل من البتات. يخفّض Q4 (أي 4 بت) الحجم نحو 4 أضعاف مقارنةً بالأوزان الأصلية ذات 16 بت مع خسارة طفيفة في الجودة — وهو الطريقة القياسية لتشغيل نماذج LLM على الأجهزة الاستهلاكية.

Question 4

ما مدى دقة هذا الاختبار؟

Accepted Answer

تحدّ المتصفحات من بعض المؤشرات حفاظاً على الخصوصية: الذاكرة المُبلَّغ عنها لا تتجاوز 8 GB، وأسماء GPU تُعرض بصيغة عامة. اعتبر النتيجة تقديراً موثوقاً، وحدّد سعة RAM الحقيقية يدوياً للحصول على حكم دقيق. كل شيء يعمل داخل متصفحك — لا تُخزَّن أي بيانات.

Question 5

ما التطبيقات التي يمكنني استخدامها لتشغيل النماذج محلياً؟

Accepted Answer

الأشهر هي Ollama وLM Studio وllama.cpp وJan. اختر نموذجاً يضعه هذا الاختبار باللون الأخضر، ونزّل نسخته بصيغة Q4، وستتحدث مع الذكاء الاصطناعي دون اتصال خلال دقائق.

ما هو نموذج LLM الذي يمكنني تشغيله؟

الأسئلة الشائعة