جدول المحتويات

بعد أن تجهّز بيئةً لتشغيل نموذج LLM محلي، يصبح السؤال التالي: «أي نموذج أُثبّته فعليًا؟» فهناك Llama وQwen وGemma وDeepSeek — أسماء كثيرة، والشركات والدول الواقفة خلفها تختلف أيضًا. يرتّب هذا المقال نماذج 2026 الرئيسية حسب الجهة المطوّرة وبلد المنشأ وحالة الاستخدام والحجم والترخيص، حتى تختار «الأول» المناسب لجهازك وأهدافك.

لنبدأ بمقدّمة مهمة. تتحدّث النماذج المفتوحة بسرعة كبيرة (تستمر الإصدارات في الارتفاع تحت الاسم نفسه). لذلك بُني هذا المقال حول «العائلات (السلالات) + كيفية الاختيار حسب حالة الاستخدام». بهذا الأسلوب يظل التفكير صالحًا حتى عند نزول إصدار جديد. تحقّق دائمًا من أحدث إصدار والترخيص لدى الجهة الموزّعة (Ollama / Hugging Face).

LOCAL LLM · MODELS

ليس «الأقوى»، بل «المناسب لك»

— الجهة المطوّرة والبلد وحالة الاستخدام والحجم تضيّق الخيارات

🇺🇸

الولايات المتحدة

Llama / Gemma / Phi

🇨🇳

الصين

Qwen / DeepSeek / GLM

🇪🇺

أوروبا

Mistral / Teuken

🌍

والمزيد

الإمارات / السعودية / الهند

1. الخلاصة: لا يوجد فائز واحد — اختر حسب الاستخدام × الحجم (+ بلد المنشأ)

الخلاصة مقدّمًا: لا يوجد نموذج «لكل الأغراض» تُثبّته فينتهي الأمر». بالنسبة إلى التشغيل المحلي، ضيّق الخيارات عبر هذه النقاط الثلاث.

💡 ثلاثة محاور للاختيار: ① الحجم (السقف الذي يتّسع له VRAM لديك) = الحد الأقصى للمرشّحين. ② حالة الاستخدام (عام، برمجة، لغتك، استدلال) = أي سلالة تناسبك. ③ بلد المنشأ / الجهة المطوّرة (الترخيص، سياسة الشراء، نقاط القوة اللغوية) = لا يمكن تجاهلها إذا كنت ستستخدمه في العمل.

2. عائلات النماذج الرئيسية (مع الجهة المطوّرة والبلد)

تتلخّص ساحة نماذج LLM المحلية في 2026 في عدد قليل من العائلات (السلالات) الرئيسية. ومعرفة مَن يصنعها، وفي أي بلد، تجعل الاختيار أسهل بكثير. أولًا، مصطلحان يظهران في البطاقات أدناه.

📖 معجم سريع

B (عدد المعاملات) = وحدة قياس حجم النموذج. تعني «B» «مليار»، فـ7B = 7 مليارات و70B = 70 مليار معامل. الأكبر يميل إلى أن يكون أذكى، لكنه أثقل (يستهلك VRAM أكثر).

MoE (مزيج من الخبراء) = بدلًا من تشغيل كل شيء في كل مرة، يُفعَّل بعض «الخبراء» فقط لكل مدخل. فيمكن أن يكون الحجم الإجمالي ضخمًا بينما يبقى الجزء الذي يعمل فعليًا خفيفًا وفعّالًا.

Qwen

🇨🇳 الجهة المطوّرة: Alibaba (الصين) / غالبًا Apache 2.0

قدرة شاملة عالية وقوي في لغات CJK (الصينية/اليابانية/الكورية). تمتدّ الأحجام من 0.8B إلى 2.4T (MoE)، مع نسخ متخصّصة للبرمجة. خيار أول لكثيرين. أمثلة: Qwen3.8 (أغسطس 2026، ونموذج 27B بترخيص Apache 2.0)، وللأحجام الصغيرة Qwen3.5 (0.8B–9B). أما نماذج Qwen3.8 الكبيرة (مثل Flash-Next) فبتراخيص خاصة وليست Apache 2.0.

Llama / Muse Glimmer

🇺🇸 الجهة المطوّرة: Meta (الولايات المتحدة) / ترخيص Llama خاص (تحقّق منه)، وMuse Glimmer بترخيص Apache 2.0

الأكثر انتشارًا وثراءً بالمعلومات كخيار أساسي. أمثلة وخبرات وافرة، فيسهل البحث عن الأمور. نموذج عام مستقر. مثال: سلسلة Llama 3.x / 4. وفي أغسطس 2026 أصدرت Meta نموذجًا مفتوحًا جديدًا مصمَّمًا للتشغيل على جهازك هو Muse Glimmer (30B، ويقرأ الصور أيضًا). يبلغ حجم نسخة التكميم بـ4 بت نحو 17 جيجابايت، وتقول Meta إنها تتسع في بطاقة GPU بذاكرة 24 جيجابايت. وهو متاح أيضًا في Ollama.

Gemma

🇺🇸 الجهة المطوّرة: Google (الولايات المتحدة) / Gemma 4 بترخيص Apache 2.0 (وحتى Gemma 3 بشروط استخدام Gemma)

خفيف وفعّال، بجودة عالية حتى في الأحجام الصغيرة إلى المتوسطة. توجد نسخ متعدّدة الوسائط. خيار قوي لأجهزة الحاسوب المنخفضة المواصفات. مثال: سلسلة Gemma 4 (2026؛ E2B / E4B / 12B / 26B A4B / 31B). تخصّص Google نموذجَي E2B وE4B للهواتف والحواسيب المحمولة، والنماذج من 12B فما فوق لبطاقات GPU الاستهلاكية ومحطات العمل.

DeepSeek

🇨🇳 الجهة المطوّرة: DeepSeek (الصين) / V4 وR1 بترخيص MIT (والنسخ المُقطَّرة المبنية على Llama بترخيص Llama)

قوي في الاستدلال والبرمجة. سلسلة DeepSeek V4 الحالية أكبر من أن تعمل على حاسوب منزلي: حتى أصغرها، V4.1 Flash (سبتمبر 2026)، نموذج MoE بـ552B معامل. وللسعي إلى «الذكاء» على VRAM محدود توجد نسخ صغيرة مُقطَّرة من R1 صدرت في 2025 (1.5B–70B، مبنية على Qwen وLlama). مثال: سلسلة DeepSeek V4، ونسخ R1 المُقطَّرة.

Mistral

🇫🇷 الجهة المطوّرة: Mistral AI (فرنسا / أوروبا)

متوسّط الحجم، سريع ومتوازن. حامل راية «الذكاء الاصطناعي السيادي» في أوروبا. معظم نماذجها ذات الأوزان المفتوحة بترخيص Apache 2.0 (أما Medium 3.5 فبترخيص MIT معدّل). مثال: Ministral 3 (3B / 8B / 14B) المصمَّم للتشغيل المحلي، وMistral Small. وفي الإصدار 4 كبر Small إلى 119B معامل إجمالًا (MoE)، أي أكبر من فئة 70B.

Phi

🇺🇸 الجهة المطوّرة: Microsoft (الولايات المتحدة) / MIT

متخصّص في النماذج الصغيرة (SLM) وميزته أنه ذكي رغم صِغره. سهل التشغيل على أجهزة الحاسوب/المحمولة الضعيفة من فئة 8 جيجابايت — مثالي للبدء. مثال: سلسلة Phi-4.

إلى جانب هذه، هناك GLM (🇨🇳 من Zhipu AI، من جامعة تسينغهوا — يحظى بتقييم عالٍ للبرمجة)، وFalcon (🇦🇪 من معهد TII في الإمارات)، وCommand (🇨🇦 من Cohere — جيّد لـ RAG). ابدأ من السلالة الرئيسية الأقرب إلى حالة استخدامك.

3. ما الذي يتغيّر بحسب بلد المنشأ؟

«نموذج أي بلد» يُحدث فروقًا عملية لا تراها من الأداء وحده. ولتجنّب سوء فهم شائع، لنبدأ بالمقدّمة الأساسية.

✅ المقدّمة الأساسية: ما دمت تشغّله محليًا، فإن بيانات إدخالك لا تُرسَل إلى الخارج (إلى بلد الجهة المطوّرة). هذه أكبر فائدة لنموذج LLM المحلي. فمقولة «نموذج صيني = إدخالك يذهب إلى الصين» غير صحيحة (الأمر يختلف عن واجهة برمجة التطبيقات السحابية). يهمّ بلد المنشأ بشكل رئيسي في النقاط الثلاث أدناه.

⚖️

الترخيص والشروط التجارية

تختلف الشروط بحسب الجهة المطوّرة. Apache 2.0 / MIT متساهلان؛ وقد تقيّد التراخيص الخاصة الحجم أو الاستخدام أو تشترط الإسناد. تحقّق قبل استخدام المنتج.

🏛️

سياسة المؤسسة / الحكومة

قد تكون لدى الجهات الحكومية والشركات الكبيرة قواعد حول «ما إذا كان الذكاء الاصطناعي من بلد معيّن مسموحًا». اعتبرها نقطة شراء / امتثال ينبغي تأكيدها.

🗣️

نقاط القوة اللغوية والثقافية

تُشكِّل ميول بيانات التدريب اللغاتِ التي يجيدها النموذج. النماذج الصينية قوية في CJK؛ والنماذج المبنية محليًا غالبًا ما تتفوّق في دقائق لغتها.

«طابع وطني» تقريبي: 🇺🇸 الولايات المتحدة = أكبر منظومة، غنية بالمعلومات، سهلة التعامل عمومًا. 🇨🇳 الصين = متقدّمة في الأداء والكفاءة، كثير من التراخيص المتساهلة، لكن بعض المؤسسات تحتاج إلى التحقّق من سياسة الاعتماد. 🇪🇺 أوروبا = موقف «ذكاء اصطناعي سيادي» ميّال إلى التنظيم، متوازن. مناطق أخرى = نماذج مُهيّأة للغتها الخاصة (القسم التالي).

4. النماذج العربية والمحلية

إذا كنت تعمل بشكل أساسي باللغة العربية، فإن النماذج المبنية أو المُهيّأة للعربية والمنطقة تستحق النظر. فهي تميل إلى التفوّق في طبيعية اللغة العربية ودقائقها (الفصحى والسياقات الخليجية)، وأسهل في الاعتماد لدى المؤسسات التي تفضّل «الذكاء الاصطناعي السيادي». في ما يلي جولة على أبرز الجهود المفتوحة في المنطقة العربية. تحقّق من الإصدار/الرخصة لدى الجهة الموزّعة.

🇦🇪 الإمارات

Jais (من Inception/G42 وMBZUAI) — قوي في العربية والإنجليزية. وFalcon وFalcon-Arabic (معهد TII) — عائلة مفتوحة عريقة مع نسخة مُحسّنة للعربية. تحقّق من الإصدار/الرخصة لدى الجهة الموزّعة.

🇸🇦 السعودية

ALLaM (SDAIA) — مُدرّب على محتوى عربي وخليجي واسع، مع تركيز على دقائق اللغة والسياق المحلي. خيار قوي للجهات والمؤسسات ذات المتطلّبات السيادية. تحقّق من الإصدار/الرخصة لدى الجهة الموزّعة.

🌐 مجتمعية ومفتوحة

AceGPT (FreedomIntelligence) — نموذج عربي مفتوح موجّه للحوار. وإلى جانبه يمكن أن تكون عائلات عالمية مثل Qwen وGemma خيارًا عمليًا للعربية بعد المقارنة. تحقّق من الإصدار/الرخصة لدى الجهة الموزّعة.

💡 قاعدة عامة: للقدرة الشاملة الخالصة، عائلة عالمية مثل Qwen؛ وإذا كنت تعطي الأولوية لـطبيعية العربية، أو متطلّبات السيادة، أو قابلية التفسير للاستخدام الحكومي/التجاري، فاختر نموذجًا عربيًا/محليًا. جرّب كليهما على الموجّه نفسه للمقارنة (تحقّق من الإصدارات والشروط التجارية لدى كل جهة موزّعة).

5. التوصيات حسب الحجم (نماذج محددة)

يحدّد VRAM لديك النطاق الذي يمكنك تشغيله. إليك «النقاط المثلى» لكل نطاق حجم، مع أمثلة محدّدة (جميعها بافتراض تكميم Q4).

حتى 4B (صغير جدًا)

VRAM ~6 جيجابايت / للمبتدئين والمحمولة

Phi-4 mini وGemma 4 E4B وQwen3.5 4B وLlama 3.2 3B وغيرها. للدردشة والتلخيص والمهام الخفيفة. ابدأ من هنا.

7B–14B (قياسي)

VRAM 8–12 جيجابايت / المحرّك اليومي

Qwen3.5 9B وLlama 8B وGemma 4 12B وMinistral 3 8B/14B وغيرها. أفضل توازن بين الجودة والخفّة. نموذج يومي أول رائع.

فئة 32B (متقدّم)

VRAM 24 جيجابايت / استخدام واقعي متين

Qwen3.8 27B وGemma 4 31B وMuse Glimmer 30B وMistral المتوسّط وتقطيرات DeepSeek وغيرها. جودة يُعتمد عليها للبرمجة والأعمال المعقّدة.

+70B (احترافي)

VRAM 40 جيجابايت+ / جهاز Mac كبير الذاكرة · عدة GPU

Llama 70B وDeepSeek R1 Distill 70B وQwen3.5 122B-A10B وغيرها. جودة تقترب من الفئة السحابية المتوسطة.

6. التوصيات حسب حالة الاستخدام

اختر السلالة بحسب «ما الذي تريده منها». إليك السلالات التي تناسب حالات الاستخدام الشائعة.

🧩 عام / أي شيء

Qwen (🇨🇳) أو Llama (🇺🇸). عند التردّد، ابدأ من نسخة بحجم مناسب من هذين الاثنين. معلومات كثيرة، ويصعب أن تخطئ.

💻 البرمجة

Qwen Coder وDeepSeek وGLM (كلها نقاط قوة 🇨🇳). تقفز الجودة إذا اتّسعت فئة 32B.

🌐 لغتك / متعدّد اللغات

Qwen (قوي في CJK) أو نموذج عربي/محلي مُهيّأ للغتك (انظر القسم 4). من أجل الطبيعية، غالبًا ما يتفوّق الخيار الإقليمي.

🧠 الاستدلال / التفكير

نماذج الاستدلال من DeepSeek، أو النسخ المُمكَّن فيها «التفكير» من كل سلالة. قوية في المسائل الصعبة والتخطيط.

🪶 منخفض المواصفات / خفيف

نماذج Phi (🇺🇸) أو Gemma (🇺🇸) الصغيرة، أو Qwen/Llama من فئة 3–4B. سريعة حتى في فئة 8 جيجابايت.

📚 المستندات الطويلة

سلالة ذات طول سياق كبير (مثل نسخ Llama طويلة السياق). لكن انتبه إلى تكلفة الذاكرة.

💡 ما ينجح مع الأغلبية: البدء من «أكبر Qwen يتّسع له VRAM لديك» — أو نموذج إقليمي بلغتك — نادرًا ما يخيّب الأمل. وإذا قصُر عن المطلوب، انتقل إلى نسخة متخصّصة (للبرمجة مثلًا) أو حجم أكبر.

7. تنبيهات الترخيص (الاستخدام التجاري)

إذا استخدمته في العمل أو في منتج، فلا يجوز تفويت الترخيص. حتى «المفتوح» يأتي بشروط مختلفة. تحقّق دائمًا من الاستخدام التجاري والشروط لدى الجهة الموزّعة.

✅ متساهل (سهل للاستخدام التجاري)

عائلة Apache 2.0 / MIT (مثل Qwen وGemma 4 وPhi وMuse Glimmer وكثير من DeepSeek). استخدام تجاري سهل، وحرية عالية للدمج في المنتجات.

⚠️ شروط خاصة

بعضها يستخدم تراخيص خاصة (حدود الحجم، قيود الاستخدام، الإسناد). يحتوي ترخيص Llama وشروط استخدام Gemma (حتى Gemma 3) والتراخيص الخاصة بنماذج Qwen3.8 الكبيرة (مثل Flash-Next) على بنود ينبغي التحقّق منها. اقرأها قبل الاستخدام التجاري.

8. مسار الاختيار والبدء

بجمع كل ما سبق، يتلخّص الاختيار في ثلاث خطوات.

  1. حدّد الحجم: انطلاقًا من سقف VRAM لديك، اختر أكبر حجم يتّسع له (انظر مقال متطلّبات العتاد).
  2. اختر السلالة حسب حالة الاستخدام + بلد المنشأ: عام = Qwen/Llama، برمجة = Qwen Coder/DeepSeek/GLM، لغتك = Qwen/النماذج الإقليمية، خفيف = Phi/Gemma. وللاستخدام التجاري، راجع كذلك الترخيص وسياسة الشراء.
  3. نزّل واحدًا وجرّبه: إذا قصُر عن المطلوب، اصعد حجمًا واحدًا أو انتقل إلى نسخة متخصّصة. مقارنة عدة نماذج على الموجّه نفسه هي الطريقة الأسرع.

💡 البدء سهل: مع Ollama أو LM Studio، تختار اسم نموذج وتنزّله فقط (مثل ollama pull qwen3 — بضع دقائق). ثبّت عدة نماذج وقارنها على السؤال نفسه لتجد ما يناسبك بسرعة.

الخلاصة

يتلخّص اختيار نموذج LLM محلي في ثلاث نقاط.

  • لا يوجد نموذج لكل الأغراض؛ اختر على ثلاثة محاور: الحجم (سقف VRAM) × حالة الاستخدام × بلد المنشأ (الترخيص، الشراء، اللغة).
  • تذكّر بالسلالة + البلد: Qwen/DeepSeek/GLM (🇨🇳)، Llama/Gemma/Phi (🇺🇸)، Mistral (🇫🇷)، بالإضافة إلى النماذج الإقليمية للغتك (🇪🇺🇦🇪🇸🇦🇮🇳…). تتحرّك الإصدارات بسرعة، فتابِع حسب السلالة.
  • المحلي يعني أن المدخلات لا تغادر: يهمّ بلد المنشأ بشكل رئيسي للترخيص وسياسة الشراء ونقاط القوة اللغوية. وللاستخدام التجاري، التحقّق من الترخيص أمر لا بد منه.

عند التردّد، ابدأ من «أكبر Qwen يتّسع له VRAM لديك» — أو نموذج إقليمي بلغتك. ثم شغّله، واستشعر الفرق عن السحابة، واقترب تدريجيًا من النموذج الأنسب لاستخدامك. لخطوات الإعداد، انظر كيفية تشغيل نموذج LLM محلي.

الأسئلة الشائعة

س. إذًا، أيّها أُثبّت أولًا؟

ج. «أكبر Qwen (الصين، Alibaba) يتّسع له VRAM لديك»، أو نموذج مُهيّأ للغتك، بداية آمنة — توازن جيّد بين القدرة الشاملة ودعم تعدّد اللغات ونطاق الأحجام. وإذا كانت الخفّة هي الأولوية، فإن ثنائي Phi (Microsoft، الولايات المتحدة) أو Gemma (Google، الولايات المتحدة) الصغير مناسب أيضًا.

س. إذا استخدمت نموذجًا صينيًا، فهل تُرسَل مدخلاتي إلى الصين؟

ج. لا. ما دمت تشغّله محليًا، فإن مدخلاتك لا تُرسَل إلى أي مكان أبدًا (تبقى على جهازك). هذا هو الفرق الحاسم عن واجهة برمجة التطبيقات السحابية. يرتبط بلد المنشأ بشكل رئيسي بالترخيص (الشروط التجارية)، وسياسة الشراء المؤسسية، ونقاط القوة اللغوية — وليس بوجهة بياناتك.

س. أي نموذج محلي جيّد للغتي؟

ج. Qwen (قوي في CJK) خيار افتراضي آمن. ولمخرجات أكثر طبيعية بلغتك — الدقائق والمستوى اللغوي والسياق الثقافي — يكون النموذج الإقليمي/السيادي المبني لها (انظر القسم 4) خيارًا قويًا. جرّب كليهما لحالة استخدامك وقارن.

س. هل النماذج الصغيرة قابلة للاستخدام فعلًا؟

ج. الكثير منها، بحسب المهمّة. للأعمال اليومية مثل الدردشة والتلخيص والصياغة والتصنيف، تعمل فئة 3–7B بأريحية. وكلما زاد تعقيد الاستدلال أو طال السياق، زادت فائدة الحجم الأكبر.

س. ما الذي ينبغي الانتباه إليه عند الاستخدام في العمل؟

ج. الترخيص وسياسة الشراء هما الأولويتان القصوى. Apache 2.0 وMIT سهلان للاستخدام التجاري، بينما قد تحمل التراخيص الخاصة (ترخيص Llama، وشروط استخدام Gemma حتى Gemma 3، وغيرهما) شروطًا على الحجم أو الاستخدام أو الإسناد. كما تقيّد بعض المؤسسات الذكاء الاصطناعي بحسب بلد المنشأ، فتحقّق من شروط الجهة الموزّعة وقواعدك الداخلية قبل دمجه في منتج.