اكتب ollama في طرفيتك اليوم. ما يبدأ ليس نموذجًا محليًا.

منذ الإصدار 0.32.0 بتاريخ 11 تموز/يوليو 2026، يفتح الأمر المجرّد وكيلًا (agent) — وملاحظات إصدار Ollama نفسها تذكر بأي نموذج: «Chat, Code, & Work (glm-5.2:cloud)». نموذج سحابي. الأداة الأكثر شعبية للذكاء الاصطناعي المحلي ترسلك إلى الإنترنت عند استدعائها الافتراضي.

هذا ليس فضيحة، بل قرار متعلق بالمنتج، ويمكنك إيقافه. لكنه المدخل المثالي لهذا المقال. لأن «المحلية» أصبحت كلمة يجب التحقق منها لا تصديقها.

لماذا تفعل هذا أصلًا

لنبدأ بما يصمد فعلًا — وهو ليس المال.

إذا شغّلت ذكاءً اصطناعيًا على خوادمك الخاصة حصرًا لأغراضك الخاصة، فإن علاقة معالجة البيانات بالنيابة تختفي بحسب رأي هيئات حماية البيانات الألمانية. أنت المتحكّم الوحيد. لا اتفاقية معالجة بيانات بموجب المادة 28(3) من اللائحة الأوروبية لحماية البيانات، لا سلسلة معالجين من الباطن، لا نقل إلى دولة ثالثة، لا قرار كفاية قد ينهار العام المقبل.

هذه هي النقطة الجديرة بالفهم: المعالجة المحلية ليست تقليلًا للمخاطر. إنها إزالة بنيوية لسلسلة كاملة من الالتزامات. وهيئات الرقابة توصي صراحة بالمعالجة المحلية، مثلًا للتدريب الإضافي والضبط الدقيق (fine-tuning).

والقلق الشائع من أن تشغيل ذكاء اصطناعي خاص بك يجرّ التزامات تنظيمية إلى بيتك لا ينطبق على المستخدم الخاص إطلاقًا: بموجب المادة 2(10) لا يسري قانون الذكاء الاصطناعي (AI Act) أبدًا على الاستخدام الشخصي البحت وغير المهني، والمادة 2(12) تعفي عمومًا الأنظمة مفتوحة المصدر المجانية.

(هذا عرض لإرشادات الهيئات ونص القانون بحسب 24 تموز/يوليو 2026 — وليس استشارة قانونية. للحالة التجارية الفعلية، هذا الأمر يخص مسؤول حماية البيانات لديك.)

ما الذي يناسب بطاقتك

أصدق معلومات عن VRAM متوفرة رسميًا هي أحجام الملفات في مكتبة Ollama. تقريبًا: تحتاج إلى ذاكرة فيديو بمقدار حجم الملف تقريبًا، زائد هامش إضافي.

النموذجالحجم (Q4)يناسب بطاقة
Gemma 4, 12B7.6 غيغابايتبطاقة 8 غيغابايت، بالكاد
gpt-oss-20bمصمم لـ16 غيغابايتبطاقة 16 غيغابايت
Qwen3.6-27B17 غيغابايتبطاقة 24 غيغابايت
Gemma 4, 31B20 غيغابايتبطاقة 24 غيغابايت
Laguna XS 2.1 (q4)20 غيغابايتبطاقة 24 غيغابايت
Qwen3.6-35B24 غيغابايت24 غيغابايت، ضيق جدًا

لذا فإن عتبة الدخول الواقعية هي بطاقة بسعة 16 غيغابايت. لدى بائع تجزئة ألماني كبير، كانت بطاقة RTX 5060 Ti بسعة 16 غيغابايت مدرجة بسعر 555.85 يورو (سعر ترويجي)، وأرخص بطاقة عادية بسعة 16 غيغابايت بسعر 559.64 يورو. أما البطاقة بسعة 32 غيغابايت (RTX 5090) فتكلّف أضعاف ذلك، بسعر 4,248.99 يورو.

هناك أمران نادرًا ما يُعرَضان بشكل صحيح بخصوص هذا:

التكميم (Quantisation) لا يجعل النماذج أصغر فحسب، بل أسرع أيضًا. في المثال المعياري Llama-3.1-8B، تولّد النسخة ذات 4 بت 71.93 رمزًا (token) في الثانية مقابل 29.17 للنسخة ذات 16 بت — أي بمعامل 2.5. السبب: توليد النص محدود بعرض النطاق الترددي للذاكرة. بتات أقل تعني قراءة أقل. الفكرة الشائعة بأن التكميم مجرد تنازل عن الجودة يُقبَل فقط بسبب ضيق المساحة غير صحيحة ببساطة.

الكهرباء لا تهم. عند ساعة واحدة من الحمل الكامل يوميًا، تكلّف 5060 Ti نحو 2.22 يورو شهريًا، و5090 نحو 7.09 يورو — بالحساب وفق سعر الكهرباء المنزلية الألماني الرسمي البالغ 40.55 سنتًا لكل كيلوواط/ساعة. وحتى عند أربع ساعات يوميًا، فالمبلغ 8.88 يورو و28.35 يورو. حجة أن «الذكاء الاصطناعي المحلي لا يستحق العناء بسبب تكاليف الكهرباء» أصبحت مرفوضة. القرار يُحسم فقط على أساس سعر الشراء.

الحساب الذي لا يكتبه أحد تقريبًا

وسعر الشراء يحكم ضدك.

يعادل مبلغ 555.85 يورو — بسعر الصرف بتاريخ الاطلاع — نحو 253 مليون رمز إخراج (output tokens) على Gemini 3.5 Flash-Lite. وعلى Claude Haiku 4.5 يعادل 126 مليونًا، وعلى Claude Sonnet 5 لا يزال 63 مليونًا، وعلى GPT-5.6 Sol رقمًا محترمًا هو 21 مليونًا.

توقف عند معنى ذلك. شخص يولّد 5,000 رمز يوميًا — وهذا استخدام يومي مكثف أصلًا — سيحتاج إلى نحو 138 عامًا لاستهلاك 253 مليون رمز.

معبَّرًا عنه كنقطة تعادل: البطاقة ذات المستوى المبتدئ تعوّض تكلفتها بعد نحو 71 شهرًا، أي ست سنوات، عند إنفاق شهري على واجهة برمجية (API) قدره 10 يورو. وعند 25 يورو، بعد ما يزيد قليلًا عن عامين. ولا يصبح الأمر مثيرًا للاهتمام إلا عند 50 يورو شهريًا، بأقل قليلًا من اثني عشر شهرًا. أما 5090 فتحتاج عند 50 يورو شهريًا إلى نحو ثماني سنوات.

الذكاء الاصطناعي المحلي لا يكاد يكون الخيار الأرخص ماليًا أبدًا. من يبرره بـ«أنه يوفّر المال على المدى الطويل» يحسب خطأً في الغالب. أنت تشتريه من أجل سيادة البيانات — وهذه قيمة حقيقية، لكنها قيمة مختلفة.

استثناء واحد صادق: إذا كان الامتثال التنظيمي يتطلب أصلًا إقامة البيانات في أوروبا، فإن كلا المزوّدَين الأمريكيَّين الكبيرين يفرضان بالضبط رسمًا إضافيًا بنسبة 10% — تسميه OpenAI «a 10% uplift»، بينما تسميه Anthropic معاملًا قدره 1.1. هذا يغيّر الحساب قليلًا، لكن ليس بشكل جذري.

فجوة الأداء — والحيلة الكامنة في الرقم

يُخلَط الكثير هنا، والتمييز حاسم.

عبارة «النماذج المفتوحة كادت أن تلحق بالركب» صحيحة — ففي مؤشر الذكاء (Intelligence Index) لشركة Artificial Analysis، يحصل Kimi K2.6 وMiMo V2.5 Pro على 54 نقطة، وDeepSeek V4 Pro على 52، مقابل 60 لـ GPT-5.5 في القمة. وقبل عام كانت الفجوة أوسع بكثير.

أما عبارة «أستطيع تشغيل هذا في المنزل» فهي قول مختلف عن نماذج مختلفة. يملك Kimi K2.6 تريليون معامل (parameter). ويملك DeepSeek V4 Pro 1.6 تريليون. هذه نماذج مراكز بيانات. إنها مفتوحة — لكن ذلك لا يجعلها قابلة للتشغيل على بطاقة الرسوميات لديك.

أما ما يناسب فعليًا بطاقة واحدة فهو أدنى بكثير: يسجّل Qwen3.6-27B 37 نقطة في المؤشر — المرتبة الأولى في فئة حجمه، لكن 37 مقابل 60. ويسجّل gpt-oss-20b 15 نقطة.

والتحقق المقابل في المقارنة العمياء أكثر وضوحًا: في قائمة تصنيف LMArena لا يوجد ولو نموذج مفتوح واحد ضمن أفضل 15. أفضل نموذج مفتوح يقع في المرتبة 29.

من باب الإنصاف: منهجية هذه الساحة (arena) وُثّقت وانتُقدت («The Leaderboard Illusion»)، جزئيًا لأن حصة كبيرة جدًا من البيانات تأتي من عدد قليل من المزوّدين التجاريين. غير أن هذا النقد يأتي من مؤلفين مقرَّبين هم أنفسهم من أحد مزوّدي النماذج. كلاهما ينبغي وضعهما جنبًا إلى جنب.

قراءتي للأمر: للتلخيص وإعادة الصياغة والتنظيم والبرمجة البسيطة، يكفي تمامًا نموذج بحجم 27 مليار معامل على بطاقة 24 غيغابايت. أما في الحالات الصعبة — التفكير الطويل، المهام المتشعبة، العمل الوكيلي (agentic) — فستشعر بفارق الـ23 نقطة فورًا.

أين لا تكون «المحلية» محلية

هذا هو الجزء الذي لا يكتبه أي دليل، لأنه غير مريح.

الاستدعاء الافتراضي لـ Ollama. انظر أعلاه: منذ الإصدار v0.32.0، يشغّل الأمر ollama وكيلًا (agent) على نموذج سحابي. توضَع النماذج السحابية في نفس قائمة المكتبة مع النماذج المحلية، ولا يميّزها سوى لاحقة في الوسم (tag) — يعمل gemma4:31b على جهازك، بينما لا يعمل gemma4:31b-cloud. فرق حرف واحد.

بحث الوكيل على الويب يعمل عبر خوادم Ollama الخاصة ويتطلب حسابًا ومفتاح واجهة برمجية (API key).

حتى الاستخدام المحلي البحت ينتج بيانات وصفية (metadata). سياسة خصوصية Ollama تفصل هذا بوضوح — لا يُجمَع المحتوى محليًا، وبشكل صريح: “We do not collect, store, transmit, or have access to your prompts, responses, model interactions, or other content you process locally.” أما بيانات الجهاز والاستخدام الوصفية فتُجمَع.

يعلن LM Studio أنه خالٍ من القياس عن بُعد (telemetry)، وفي الوقت نفسه يسمّي بصراحة الوظائف الخمس التي تحتاج إلى الإنترنت: البحث عن نموذج، تنزيل نموذج، إحصاءات الكتالوج، تنزيلات وقت التشغيل، والتحقق من التحديثات. هذه هي النسخة المثالية — الحد موجود في الوثائق.

ومع أحد أشهر النماذج، تكون الخطوة الأولى نحو السيادة هي تسليم هويتك: لتنزيل أوزان Llama 4 «المفتوحة»، تطلب Meta اسمك القانوني الكامل وتاريخ ميلادك. رخصة Llama ليست رخصة مفتوحة المصدر على أي حال — إذا تجاوزت 700 مليون مستخدم نشط شهريًا فعليك أن تطلب إذنًا من Meta، يُمنَح وفق تقديرها المطلق.

أي نموذج تختار إذا كانت الرخصة تهمّك

إذا كان المقصود بـ«المفتوح» أن يكون مفتوحًا فعلًا، فإن الرخصة هي المعيار الأول — وقد تغيّر هنا شيء لا يزال كل دليل قديم تقريبًا يخطئ فيه.

Gemma 4 يخضع لرخصة Apache 2.0 منذ إصداره في 31 آذار/مارس 2026 — وتحمل صفحة الرخصة النص الكامل غير المعدَّل. جميع أجيال Gemma السابقة كانت تخضع لرخصة داخلية تقييدية احتفظت فيها Google حتى بحق تقييد الاستخدام عن بُعد. وهذا لا يزال ساريًا على Gemma 3 وما قبله. إذا كنت تقرأ دليلًا يقول إن «Gemma لديه رخصته الخاصة»، فأنت تقرأ دليلًا قديمًا.

Qwen3.6-27B يخضع لرخصة Apache 2.0 غير معدَّلة وبلا بنود إضافية — وهو في الوقت نفسه أقوى نموذج في فئة حجمه. لو كان عليّ أن أوصي بشيء واحد لبطاقة 24 غيغابايت، لكان هذا.

gpt-oss-20b يخضع كذلك لرخصة Apache 2.0، وهو بحسب بطاقة النموذج الخاصة به مصمَّم صراحة لسعة 16 غيغابايت — أريح نقطة دخول على البطاقة ذات المستوى المبتدئ.

ما الذي تتخلى عنه

حتى لا يتحول هذا إلى إعلان، إليك الثمن الصادق:

السرعة. البطاقة ذات المستوى المبتدئ ليست مركز بيانات. مع السياقات الطويلة والتفكير الطويل، ستنتظر.

القدرة. 37 مقابل 60 نقطة في المؤشر ليست خطأ تقريب. نموذجك المحلي يتعامل مع المهام الصعبة بشكل أسوأ.

الصيانة. برامج التشغيل (drivers)، التكميم (quantisations)، تحديثات النماذج، التبعيات المعطوبة. هذا عمل لا يحاسبك عليه أحد عند استخدام واجهة برمجية (API)، لأن شخصًا آخر يقوم به.

وثغرة واحدة لم أستطع سدّها: لم أجد في الوثائق الرسمية لا لـ Ollama ولا لـ LM Studio أي بيان بشأن ما إذا كانت أوزان النماذج المُنزَّلة تُتحقَّق تشفيريًا من مصدرها. بالنسبة لملف تنفّذه على جهازك الخاص، هذا تفصيل كنت أتمنى توفره.

خلاصتي

لا تشترِ بطاقة رسوميات لتوفير المال. الحساب لا ينجح تقريبًا أبدًا، ومن يُريك عكس ذلك يكون قد جمّل إما استخدامك أو سعر البطاقة.

اشترِ واحدة إذا كان يهمّك ألا تغادر نصوص معينة بيتك أبدًا — ملفات موكّلين، سجلات مرضى، مخطوطات، عقود، أي شيء يحتاج فيه سؤال «أين يوجد هذا الآن؟» إلى إجابة حقيقية. لهذا الغرض، الذكاء الاصطناعي المحلي ليس الحل الأرخص بل الوحيد النظيف، لأنه عندئذ لا يوجد أي طرف ثالث في السلسلة على الإطلاق.

وإذا كنت بدأت للتو: ابدأ صغيرًا. بطاقة 16 غيغابايت، نموذج gpt-oss-20b أو Gemma 4 بحجم متوسط، وأمضِ أسبوعًا تراقب بصدق ما تستخدمه فعلًا. بعد ذلك ستعرف ما إذا كانت بطاقة 24 غيغابايت تستحق العناء — أفضل من التخمين مسبقًا.

الأدوات المحيطة بكل هذا موجودة في فهرسي المحدَّث باستمرار لـ137 أداة ذكاء اصطناعي؛ وأيّ من النماذج التجارية يصلح لماذا موجود في مقارنة ChatGPT وClaude وGemini.

المصادر

جميعها تم التحقق منها في 24 تموز/يوليو 2026. الأسعار وحالات النماذج والرخص تتغير؛ أسعار العتاد هي أسعار بائعي التجزئة بتاريخ الاطلاع.

إذا بدا لك شيء هنا قديمًا أو خاطئًا: تواصل معي.