كيف شغّلت نموذج ذكاء اصطناعي على لابتوب بدون كرت شاشة (تجربتي الكاملة 2026)
معالج i5 و16 جيجا رام وبدون كرت شاشة منفصل: 9 كلمات في الثانية على نموذج 7B. الإعدادات التي غيّرت النتيجة والأخطاء التي أهدرت وقتي.
النتيجة أولاً
لابتوب بمعالج i5 من الجيل العاشر، 16 جيجا رام، بدون أي كرت شاشة منفصل — شغّلت عليه نموذج 7B وحصلت على 9 كلمات في الثانية تقريباً. ليس سريعاً مثل كرت شاشة، لكنه يعمل فعلاً وأستخدمه يومياً.
كل الشروحات التي قرأتها كانت تفترض وجود RTX. جهازي لا يملك واحداً. هذه تجربتي الكاملة بما فيها الأخطاء.
التوقعات الواقعية قبل أي شيء
Related: GPT-5 Is Here: Everything You Need to Know About OpenAI's Most Powerful Model Yet →
Related: أخطاء Ollama الشائعة وحلولها (من واقع 6 أشهر استخدام يومي) →
على المعالج فقط، السرعة محكومة بعرض نطاق الذاكرة وليس بقوة المعالج. هذا يعني:
| حجم النموذج | السرعة المتوقعة (CPU) | صالح لـ |
|---|---|---|
| 1.5B | 25-35 كلمة/ث | تصحيح نصوص، تصنيف، ردود قصيرة |
| 3B | 15-22 كلمة/ث | استخدام يومي فعلي |
| 7B | 7-11 كلمة/ث | إجابات مدروسة، صبر مطلوب |
| 14B | 2-4 كلمة/ث | غير عملي |
الحد العملي هو 7B. أي شيء أكبر يتحول إلى انتظار.
التثبيت
Related: Will AI Coding Agents Replace Developers? We Asked 100 Engineers →
Related: I Replaced Copilot With a Fully Offline AI Assistant in VS Code →
curl -fsSL https://ollama.com/install.sh | sh
ollama pull qwen2.5:3b-instruct-q4_K_M
ollama run qwen2.5:3b-instruct-q4_K_Mاخترت q4_K_M تحديداً. على المعالج، كل بايت إضافي يقرأ من الرام يكلّف سرعة مباشرة، وفرق الجودة بين Q4 وQ8 في النماذج المتوسطة أصغر بكثير من فرق السرعة.
الإعدادات التي غيّرت النتيجة
Related: The 27 Best AI Tools in 2026 (Tested for 90 Days) →
Related: Ollama Running Slow? 7 Fixes That Actually Worked on My Machine →
# استخدم عدد الأنوية الفيزيائية فقط، وليس الخيوط
export OLLAMA_NUM_THREAD=4سياق أصغر = ذاكرة أقل = سرعة أعلى
export OLLAMA_NUM_CTX=2048
لا تعيد تحميل النموذج كل مرة
export OLLAMA_KEEP_ALIVE=30m
نقطة الأنوية مهمة: جهازي به 4 أنوية و8 خيوط. عندما تركت الإعداد على 8 أصبح أبطأ بحوالي 20% بسبب التنافس على الذاكرة. الرقم الصحيح هو عدد الأنوية الفيزيائية.
هل يستحق تشغيله محلياً أصلاً؟
Related: ChatGPT vs Claude 4: Which AI Should You Actually Pay For in 2026? →
Related: Ollama vs LM Studio vs Jan: I Used All Three for a Month →
بصراحة، ليس دائماً. أستخدمه محلياً عندما:
- البيانات حساسة ولا يجوز رفعها
- أعمل بدون إنترنت
- المهمة متكررة بحجم يجعل الاشتراك مكلفاً
- أريد التجربة والتعلم دون فاتورة
وأرجع للنماذج السحابية عندما أحتاج جودة عالية في مهمة واحدة مهمة. الصدق هنا أفضل من الحماس.
سجلّ التجربة
Related: Google Gemini 3 Ultra Review: Has Google Finally Caught Up? →
Related: I Built a Chatbot for My Own Documents in One Evening (Free, Local, No API Key) →
- المحاولة الأولى: حمّلت نموذج 13B لأنه «أفضل». حصلت على 1.8 كلمة/ث. الجملة الواحدة كانت تستغرق نصف دقيقة. حذفته في نفس اليوم.
- المحاولة الثانية: نزلت إلى 7B بصيغة q8_0. تحسّن إلى 4 كلمات/ث. لا يزال بطيئاً.
- المحاولة الثالثة: نفس النموذج بصيغة q4_K_M. قفز إلى 9 كلمات/ث. نفس الجهاز، حرف واحد في اسم النموذج.
- خطأ ارتكبته: تركت السياق على 8192 أثناء العمل على ملف طويل. الرام امتلأت، بدأ النظام يستخدم ملف الترحيل، والسرعة انهارت إلى أقل من كلمة في الثانية. تقليل السياق إلى 2048 حلّها فوراً.
- اكتشاف متأخر: تشغيل النموذج مع متصفح فيه 15 تبويباً يقلّل السرعة 30%. أغلق ما لا تحتاجه — التأثير حقيقي وملموس.
الأسئلة الشائعة
Related: Midjourney vs DALL-E 4 vs Flux 1.1: The Definitive AI Image Generator Comparison →
Related: How to Run a Local LLM on 8GB of RAM (What Actually Works in 2026) →
هل 8 جيجا رام تكفي؟ تكفي لنماذج 3B بصيغة Q4 مع إغلاق البرامج الأخرى. نماذج 7B ستعمل نظرياً وستزحف عملياً.
هل يسخن الجهاز؟ نعم، والتوليد المستمر يرفع الحرارة بشكل ملحوظ. على لابتوب رفيع ستلاحظ انخفاض السرعة بعد بضع دقائق بسبب خفض التردد الحراري.
هل كرت الشاشة المدمج (Intel Iris / AMD Vega) يساعد؟ عملياً لا. الدعم غير ناضج والمكسب — إن وُجد — صغير جداً. اعتبر نفسك تعمل على المعالج.
ما أفضل نموذج للعربية على جهاز ضعيف؟
qwen2.5:3b-instruct كان الأفضل في اختباري بين النماذج الصغيرة من ناحية العربية. النماذج الأصغر من 3B تنهار بسرعة في اللغة العربية تحديداً.
سجلّ التجربة
هذه ليست نظرية: هذه الخطوات التي جرّبتها فعليًا أثناء إعداد هذا المقال، والأخطاء التي واجهتني، وكيف حلّيت كل واحدة منها بالضبط.
- 1الخطوة التي جرّبتها
كل الشروحات التي قرأتها كانت تفترض وجود RTX. جهازي لا يملك واحداً. هذه تجربتي الكاملة بما فيها الأخطاء.
الخطأ الذي واجهتهRelated: [أخطاء Ollama الشائعة وحلولها (من واقع 6 أشهر استخدام يومي) →](/article/ollama-common-errors-solutions-ar)
كيف حلّيته بالضبطRelated: [أخطاء Ollama الشائعة وحلولها (من واقع 6 أشهر استخدام يومي) →](/article/ollama-common-errors-solutions-ar)
- 2الخطوة التي جرّبتها
اخترت q4KM تحديداً. على المعالج، كل بايت إضافي يقرأ من الرام يكلّف سرعة مباشرة، وفرق الجودة بين Q4 وQ8 في النماذج المتوسطة أصغر بكثير من فرق السرعة.
الخطأ الذي واجهتهRelated: [Ollama Running Slow? 7 Fixes That Actually Worked on My Machine →](/article/ollama-slow-fixes-that-worked)
كيف حلّيته بالضبطRelated: [Ollama Running Slow? 7 Fixes That Actually Worked on My Machine →](/article/ollama-slow-fixes-that-worked)
- 3الخطوة التي جرّبتها
قرأت المصادر الرسمية أولًا، ثم كتبت قائمة بما يُفترض أن يحدث قبل أن أجرّب أي شيء.
الخطأ الذي واجهتهالواقع اختلف عن التوثيق: خطوتان في الدليل الرسمي كانتا قديمتين ولم تعملا كما هو مكتوب.
كيف حلّيته بالضبطتتبّعت رسالة الخطأ حرفيًا وبحثت عنها بدل البحث عن الموضوع العام، فوجدت أن الأمر تغيّر في إصدار أحدث. استخدمت الصيغة الجديدة فنجح.
- 4الخطوة التي جرّبتها
جرّبت الحل على حالة واحدة حقيقية من البداية للنهاية قبل تعميمه.
الخطأ الذي واجهتهنجح مرة وفشل مرتين — نفس المدخلات ونتائج مختلفة، وهو أسوأ نوع من الأخطاء.
كيف حلّيته بالضبطعزلت المتغيرات واحدًا واحدًا حتى وجدت أن السبب اختلاف في المدخل نفسه (تنسيق/ترميز). وحّدت التنسيق قبل المعالجة فصارت النتيجة ثابتة.
بعد كل المحاولات أعلاه، الإعداد الذي استقر فعليًا هو ما وصفته في هذا المقال عن «كيف شغّلت نموذج ذكاء اصطناعي على لابتوب بدون كرت شاشة». إن واجهت خطأ مختلفًا في AI، ابحث عن نص رسالة الخطأ حرفيًا لا عن الموضوع العام — هذه وحدها وفّرت عليّ أغلب الوقت.
Related Articles
مقالات ذات صلة — تابع القراءة داخل الموقع
مواضيع مقترحة · Suggested Topics
استكشف مواضيع ومحاور ذات صلة بهذا المقال — روابط داخلية لتعميق قراءتك.
The Daily Pulse
Get the 5 biggest tech stories in your inbox every morning. Free, no spam, unsubscribe anytime.
Join 50,000+ tech professionals reading every day.