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: Midjourney vs DALL-E vs Flux: A Practical Image-Tool Comparison Framework →
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: 9 Free AI Coding Tools Every Developer Should Try in 2026 →
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: Sora 2 Review: OpenAI's Video Model Is Finally Useful for Real Work →
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: How to Clone Your Voice with AI in 2026 (Free and Paid Options) →
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: 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: 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.
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
Newsletter delivery is not connected yet. This form only saves your address in this browser; no email is sent.
Get concise, source-linked technology notes without the hype.