بث مباشر 18.11 · الدفعة 318 نوفمبر، 19:00 بتوقيت موسكو — ورشة عملية مجانية لوكلاء الذكاء الاصطناعي · الدفعة 3 تبدأ 23.11ورشة 18 نوفمبر ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارHabr AI→ المصدر

Mellum من JetBrains تعمل محليًا داخل IDE: 5 من 10 على MacBook M3 Pro

قد تتوقف وكلاء البرمجة السحابية مثل Claude Code وCodex وCursor عن العمل بسبب الحظر، فيما ترتفع فواتير الرموز (التوكنات). بنى كاتب دليل على Habr بديلًا على MacBook M3 Pro: نموذج Mellum2.1 من JetBrains، وLM Studio Bionic، والوكيل OpenCode، وبيئة OpenIDE. كل شيء يعمل دون إنترنت ودون اشتراك. قيّم الكاتب هذه المنظومة بـ 5 من 10: تتعامل مع المهام الصغيرة، لكنها لا تزال بطيئة جدًا مع المهام الكبيرة.

معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
Mellum من JetBrains تعمل محليًا داخل IDE: 5 من 10 على MacBook M3 Pro
المصدر: Habr AI. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليHabr AI ↗
رئيس التحرير
حقيقة رئيسية #1نقلت Revolut نحو 2000 مهندس إلى نموذج GLM الخاص بها؛ وبحسب الشركة، انخفضت النفقات بنسبة 90%
Mellum2.1 نموذج MoEمن أصل 12 مليار معامل يُفعَّل نحو 2,5 مليار لكل توكن
حقيقة رئيسية #3يبلغ حجم نسخة Q4_K_M نحو 8,1 غيغابايت، والأوزان مفتوحة بترخيص Apache 2.0

المساعدات السحابية للمبرمجين، مثل Claude Code وCodex وCursor، مريحة ما دام الوصول إليها متاحًا. لكن الحظر يحدث، وفواتير الاشتراكات والرموز (التوكنات) في ارتفاع. قرر كاتب دليل على Habr اختبار بديل: تشغيل نموذج مباشرة على الحاسوب المحمول والعمل معه كوكيل عادي داخل بيئة التطوير. اختار نموذج Mellum2.1 المفتوح من JetBrains، وتطبيق LM Studio Bionic لتشغيله، والوكيل OpenCode، وبيئة التطوير OpenIDE. أجرى الاختبار على MacBook بشريحة M3 Pro. وقيّم النتيجة بـ 5 من 10: طلب مثل «ابحث عن الدالة واشرح ما تفعله» يُنفَّذ دون إنترنت ودون اشتراك، لكن المهام الكبيرة تسير ببطء.

لماذا نُبقي النموذج لدينا أصلًا

الحجة الرئيسية هي إمكانية التنبؤ. فالوكيل السحابي قد يغيّر قدراته أو يتوقف عن العمل دون إنذار، وقد ترتفع فاتورة الرموز فجأة. يذكر الكاتب مثال Revolut: نقلت الشركة نحو 2000 مهندس إلى نموذج GLM يعمل على خوادمها الخاصة، وأبقت Claude Code وCodex لمهام محددة فقط. وبحسب Revolut، انخفضت نفقات البرمجة بالذكاء الاصطناعي بنحو 90%. هذه بيانات الشركة نفسها ولا يوجد تحقق مستقل منها، لكن الاتجاه واضح.

أما بالنسبة للمطوّر العادي، فيمنحه النموذج المحلي الفائدة نفسها على نطاق صغير. خصوصًا إذا كان صاحب العمل لا يدفع الاشتراك. كما يعمل النموذج المحلي في الطائرة وفي القطار وعند أي مشكلة في الاتصال.

كيف تعمل هذه المنظومة

يستخدم المثال Mellum2.1 12B A2.5B Thinking. كانت Mellum الأولى مخصصة لإكمال الشيفرة تلقائيًا، أما في الإصدار 2.1 فقد حسّنت JetBrains بشكل منفصل العمل مع المستودع: البحث عن الشيفرة المطلوبة، وتعديل الملفات، والتحقق من التغييرات. ويُقرأ الاسم على النحو التالي:

  • 12B — نحو 12 مليار معامل؛
  • A2.5B — بنية MoE: يعمل لكل توكن نحو 2,5 مليار معامل فقط، ولذلك تقل الحسابات، لكن الأوزان كلها تبقى محمّلة في الذاكرة؛
  • Thinking — يفكّر النموذج قبل الإجابة، وهذا يستغرق وقتًا.

الأوزان مفتوحة بترخيص Apache 2.0. يعتمد الكاتب نسخة GGUF الرسمية بتكميم Q4_K_M. التكميم يعني تخزين الأوزان بدقة أقل: يصبح الملف أصغر ويشغل نحو 8,1 غيغابايت. وإذا كانت الذاكرة كافية، يمكن تجربة 6 أو 8 بت ومقارنة الإجابات على مهامك الخاصة. وثمة تنبيه مهم: حجم الملف ليس كل الذاكرة المطلوبة. فهناك أيضًا السياق والنظام والمتصفح وبيئة IDE نفسها. وفي أجهزة Mac بمعالج Apple Silicon تكون الذاكرة مشتركة بين المعالج ووحدة الرسوميات، لذا تتنافس هذه العناصر كلها على الغيغابايتات نفسها. وللحواسيب الأخرى ينصح الكاتب بخدمة canirun.ai، لكن الأفضل قياس السرعة الفعلية بنفسك.

تسلسل العمل كالتالي. ينزّل LM Studio Bionic النموذج ويشغّله، ويرفع واجهة API محلية متوافقة مع OpenAI على العنوان http://127.0.0.1:1234/v1. ويتصل بها OpenCode، الذي يمكن تثبيته مثلًا عبر Homebrew. بعد ذلك يُربط الوكيل نفسه ببيئة OpenIDE. وميزة ذلك أن قواعد المشروع وخوادم MCP المضبوطة في OpenCode تعمل داخل IDE أيضًا، فلا حاجة إلى بناء وكيل منفصل للبيئة. وتتوفر إلى جانبه أدوات Git وعميل قواعد البيانات وتصحيح الأخطاء وDocker. أما OpenCode نفسه فلا يقدّم ذلك: ليس فيه عميل DB، ويصعب تصفح الملفات من خلاله، وعرض الفروقات (diff) فيه غير مثالي.

لا يلزم اختيار Mellum. تصلح نماذج عائلتي Qwen أو Gemma، ومع سعة ذاكرة كبيرة يصلح Muse Glimmer من Meta. المهم التحقق من دعم استدعاء الأدوات: فقدرة النموذج على كتابة الشيفرة في الدردشة وحدها لا تكفي الوكيل.

ما الذي تحقق عمليًا

التقييم صريح: 5 من 10. لإنجاز مهمة واحدة، يحتاج الوكيل إلى مراجعة النموذج عدة مرات: قراءة الملفات، وإجراء تعديل، والتحقق منه. وعلى الحاسوب المحمول تسير هذه الخطوات ببطء. وعلى عتاد أقوى ستكون النتيجة أفضل بكثير، بحسب الكاتب، لكنه لا ينتقل بعد إلى النماذج المحلية للمهام اليومية الكبيرة.

الخلاصة العملية: المنظومة المحلية صالحة اليوم كاحتياط عند حظر السحابة، وللعمل دون اتصال، وللمهام الصغيرة. لكنها لم تصبح بعد بديلًا للوكلاء السحابيين في العمل الجاد، خصوصًا على حاسوب محمول متوسط الفئة. وإن أردت التجربة، فابدأ بنسخة 4 بت، وقِس السرعة على مستودعك الخاص، وبعدها فقط قرر إن كنت تحتاج عتادًا أقوى. أما للفرق، فيعرض مثال Revolut صيغة «نموذج خاص للمهام الروتينية، والسحابة للمهام المعقدة». ويعد الكاتب في المقال التالي بتناول الخيارات السحابية المجانية: حدود الاستخدام والربط ببيئة IDE.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول لماذا نُبقي النموذج لدينا أصلًا؟

الحجة الرئيسية هي إمكانية التنبؤ. فالوكيل السحابي قد يغيّر قدراته أو يتوقف عن العمل دون إنذار، وقد ترتفع فاتورة الرموز فجأة. يذكر الكاتب مثال Revolut: نقلت الشركة نحو 2000 مهندس إلى نموذج GLM يعمل على خوادمها الخاصة، وأبقت Claude Code وCodex لمهام محددة فقط. وبحسب Revolut، انخفضت نفقات البرمجة بالذكاء الاصطناعي بنحو 90%. هذه بيانات الشركة نفسها ولا يوجد تحقق مستقل منها، لكن الاتجاه واضح. أما بالنسبة للمطوّر العادي، فيمنحه النموذج المحلي الفائدة نفسها على نطاق صغير. خصوصًا إذا كان صاحب العمل لا يدفع الاشتراك.

ما أبرز التفاصيل حول كيف تعمل هذه المنظومة؟

يستخدم المثال Mellum2.1 12B A2.5B Thinking. كانت Mellum الأولى مخصصة لإكمال الشيفرة تلقائيًا، أما في الإصدار 2.1 فقد حسّنت JetBrains بشكل منفصل العمل مع المستودع: البحث عن الشيفرة المطلوبة، وتعديل الملفات، والتحقق من التغييرات. ويُقرأ الاسم على النحو التالي: 12B — نحو 12 مليار معامل؛ A2.5B — بنية MoE: يعمل لكل توكن نحو 2,5 مليار معامل فقط، ولذلك تقل الحسابات، لكن الأوزان كلها تبقى محمّلة في الذاكرة؛ Thinking — يفكّر النموذج قبل الإجابة، وهذا يستغرق وقتًا. الأوزان مفتوحة بترخيص Apache 2.0.

ما أبرز التفاصيل حول ما الذي تحقق عمليًا؟

التقييم صريح: 5 من 10. لإنجاز مهمة واحدة، يحتاج الوكيل إلى مراجعة النموذج عدة مرات: قراءة الملفات، وإجراء تعديل، والتحقق منه. وعلى الحاسوب المحمول تسير هذه الخطوات ببطء. وعلى عتاد أقوى ستكون النتيجة أفضل بكثير، بحسب الكاتب، لكنه لا ينتقل بعد إلى النماذج المحلية للمهام اليومية الكبيرة. الخلاصة العملية: المنظومة المحلية صالحة اليوم كاحتياط عند حظر السحابة، وللعمل دون اتصال، وللمهام الصغيرة. لكنها لم تصبح بعد بديلًا للوكلاء السحابيين في العمل الجاد، خصوصًا على حاسوب محمول متوسط الفئة.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
ما رأيك؟
جارٍ تحميل التعليقات…