هل يمكنني تشغيل EXAONE 4.5 33B؟
يحتاج EXAONE 4.5 33B من LG AI Research إلى نحو 32 GB من RAM عند التكميم الموصى به بدقة 4 بت (تنزيل بحجم 20.0 GB). نفحص عتاد جهازك أدناه — فوراً، ولا شيء يغادر متصفحك. توقّع نحو ~17 tok/s على Apple M-series Max.
نقرأ مؤشرات عتاد جهازك…
ملاحظات من الواقع
EXAONE 4.5 33B هو نموذج الرؤية والاستدلال من LG AI Research، وبـ 33B معاملاً كثيفاً (dense) فإنه يقع بثبات في الفئة الثقيلة من النماذج التي يمكنك تشغيلها ذاتياً. تأتي نسخة الكمّ 4-bit بحجم نحو 20 GB، لذا فهو لن يتسع إطلاقاً على بطاقة بسعة 12 GB مثل RTX 3060؛ ستحتاج إلى GPU بسعة 24 GB كبطاقة 4090، أو جهاز Mac بذاكرة موحّدة وفيرة. الحد الأدنى المعقول لتحميله نحو 32 GB من RAM. هذا ليس نموذجاً عابراً للابتوب؛ إنه لمن يريد مساعداً متعدد الوسائط قوياً ويملك العتاد الذي يدعمه.
في الاستخدام اليومي على بطاقة 4090 يعمل بنحو 43 tok/s عند 4-bit، وهي سرعة مريحة للدردشة وقراءة الصور، وإن كانت أثقل بوضوح من نموذج صغير بحجم 8B. على Apple M Max ستحصل على نحو 17 tok/s، صالحة للاستخدام لكنها أكثر تأنّياً، وعلى المعالج CPU مع ذاكرة DDR5 تهبط إلى نحو 3 tok/s، وهي سرعة تختبر صبرك. نافذة السياق بسعة 256K كبيرة، لكن المأزق هو الذاكرة: حتى عند سياق 128K يرتفع الاستهلاك الكلي إلى نحو 51.7 GB، لذا تجبرك بطاقة بسعة 24 GB على إبقاء السياق العملي متواضعاً.
في مواجهة Qwen3-VL 32B، أقرب منافس في فئته، يتبادل EXAONE الضربات عموماً بدلاً من أن يتفوّق؛ فـ Qwen3-VL يميل إلى توفّر أوسع في الأدوات ونسخ الكمّ، بينما يبقى Qwen 3 32B الخيار الأخف إن كنت تحتاج إلى استدلال نصي فقط. السمة البارزة لـ EXAONE أنه نموذج رؤية واستدلال قوي فعلاً في حزمة واحدة من مختبر كبير. لكن التحذير المهم هو الرخصة: يصدر تحت EXAONE License، وهي رخصة غير تجارية (non-commercial)، لذا لا يمكنك استخدامه في الإنتاج أو في أي منتج تجاري. اقصره على البحث والنماذج الأولية والاستخدام الشخصي.
المواصفات
الحجم حسب التكميم
| التكميم | بت/وزن | حجم التنزيل | الحد الأدنى من RAM | الجودة |
|---|---|---|---|---|
| Q2_K | 3.35 | 13.8 GB | 24 GB | فقدان ملحوظ |
| Q4_K_Mموصى به | 4.85 | 20.0 GB | 32 GB | موصى به |
| Q5_K_M | 5.65 | 23.3 GB | 32 GB | عالية |
| Q8_0 | 8.5 | 35.1 GB | 48 GB | شبه أصلية |
| F16 | 16 | 66.0 GB | 96 GB | أصلية |
الأحجام تقديرات محسوبة من عدد المعاملات × عدد البتات لكل وزن؛ وتختلف نسخ GGUF الفعلية قليلاً. · آخر تحديث للبيانات: 2026-06-11 · كيف نحسب هذه الأرقام →
الذاكرة المطلوبة حسب طول السياق
| السياق | ذاكرة KV cache (تقديرياً) | إجمالي الذاكرة (Q4) |
|---|---|---|
| 4K رمز | ~1.0 GB | ~21.0 GB |
| 8K رمز | ~2.0 GB | ~22.0 GB |
| 32K رمز | ~7.9 GB | ~27.9 GB |
| 128K رمز | ~31.7 GB | ~51.7 GB |
تنمو ذاكرة KV cache مع طول السياق — فالنموذج الذي يتسع عند 4K قد تنفد ذاكرته عند 32K. التقديرات تفترض ذاكرة تخزين بدقة FP16 مع grouped-query attention؛ ويختلف الاستهلاك الفعلي حسب بيئة التشغيل.
السرعة التقديرية حسب العتاد
| العتاد | عرض النطاق | السرعة التقريبية |
|---|---|---|
| NVIDIA RTX 3060 12GB | 360 GB/s | لا يتسع في VRAM |
| NVIDIA RTX 4090 24GB | 1008 GB/s | ~43 tok/s |
| Apple M-series (base) | 100 GB/s | ~4 tok/s |
| Apple M-series Pro | 270 GB/s | ~11 tok/s |
| Apple M-series Max | 410 GB/s | ~17 tok/s |
| CPU only (dual-channel DDR5) | 60 GB/s | ~3 tok/s |
توليد الرموز محكوم بعرض نطاق الذاكرة: tok/s ≈ عرض النطاق × 0.85 ÷ حجم النموذج عند Q4. وتختلف الأرقام الفعلية حسب بيئة التشغيل وطول السياق.