Mac mini بذاكرة 16 غيغابايت بدلًا من واجهة API المدفوعة: Qwen يحلل صور الطعام خلال 20–40 ثانية
توقف صاحب تطبيق للحياة الصحية عن الدفع مقابل واجهة API السحابية: فتحليل عرض تقديمي أو ملف PDF عبر Claude وChatGPT كلّفه أحيانًا ما يصل إلى 3 دولارات للملف الواحد، فشغّل النماذج على جهاز Mac mini مكتبي بذاكرة 16 غيغابايت. يتعرف Qwen على صور الطعام خلال 20–40 ثانية، بينما ينتج النموذج ذو 14 مليار معامل نحو 11 رمزًا في الثانية. هذا يكفي للمهام الخلفية المتكررة من النوع نفسه، لكن شراء جهاز Mac لأجل هذا التوفير ليس مبررًا.
معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
كل طلب إلى Claude أو ChatGPT عبر API (وصول مدفوع إلى الشبكة العصبية من الشيفرة البرمجية) يكلّف مالًا: فالعرض التقديمي أو ملف PDF قد يكلّفان أحيانًا ما يصل إلى 3 دولارات للملف الواحد، وعشرة طلبات تكلّف نحو دولار. قرر صاحب شركة صغيرة وتطبيق للحياة الصحية ألا يدفع، وشغّل الشبكات العصبية لديه: أخذ جهاز Mac mini مكتبيًا لم يعد بحاجة إليه بذاكرة وصول عشوائي 16 غيغابايت، وثبّت عليه Ollama (برنامج لتشغيل النماذج على الحاسوب الشخصي) ونموذج Qwen المفتوح. والآن يحلل Qwen صورة الطعام خلال 20–40 ثانية، بينما ينتج النموذج ذو 14 مليار معامل نحو 11 رمزًا (أي ما يقارب مقاطع لفظية) في الثانية. الأمر مجاني، لكن مع تحفظات نعرضها أدناه.
لماذا نموذج محلي أصلًا
الحساب بسيط. في العمل المنفرد، 3 دولارات للملف مبلغ زهيد، أما في خدمة تتلقى تدفقًا مستمرًا من الطلبات فيصبح ذلك بندًا في الميزانية. النموذج المحلي يلغي الرسوم عن كل طلب: مفتاح الوصول تُصدره لنفسك، والبيانات لا تغادر إلى خوادم خارجية.
المهمة العملية الرئيسية حاليًا هي التعرف على صور الطعام لصالح التطبيق. ولهذا يُستخدم نموذج الرؤية (الذي يفهم الصور) Qwen: الجودة مقبولة والتكلفة صفر. و20–40 ثانية للقطة الواحدة أمر مقبول في السيناريو الخلفي الذي لا يحتاج فيه المستخدم إلى رد فوري. أما للدردشة في الوقت الفعلي فلا يصلح.
ما الذي يقدمه Mac mini فعلًا
لبطاقة الرسوميات المنفصلة ذاكرتها الخاصة: ففي بطاقات RTX مثلًا 12 غيغابايت، ويجب أن يتسع النموذج فيها تحديدًا. أما في جهاز Mac ذي المعالج ARM فالذاكرة مشتركة، ويُخصَّص للنموذج معظم الذاكرة العشوائية تقريبًا. وفي نسخة الـ16 غيغابايت تتاح لنواة الرسوميات نحو 10.7 غيغابايت، والباقي يشغله النظام. وهذا أقل حتى مما في RTX.
ومن هنا الأرقام العملية. النموذج ذو 14 مليار معامل يشغل نحو 9 غيغابايت ويتسع بالكامل. أما النموذج ذو 32 مليار معامل فيحتاج إلى نحو 20 غيغابايت ولا يتسع. ويخلص المؤلف بصراحة إلى أن ميزة الذاكرة المشتركة عند 16 غيغابايت لا تكاد تعمل، وإنها تبدأ مع التهيئات من 32 غيغابايت فما فوق.
السرعة متواضعة: نحو 11 رمزًا في الثانية على نموذج 14B. وبحسب اختبارات أطراف أخرى، فإن بطاقة RTX 3060 مستعملة أسرع بنحو الضعف على النموذج نفسه. مزايا Mac في جانب آخر. يُثبَّت Ollama بأمر واحد ويستخدم نواة الرسوميات تلقائيًا، ولا حاجة إلى مشغّلات تعريف. والجهاز صغير وهادئ: نحو 4 واط في وضع السكون وحتى 65 واط تحت الحِمل. ويمكن استخدامه أيضًا كخادم منزلي للبيانات. يضاف إلى ذلك أن الجهاز وصل إلى المؤلف شبه مجاني: فالجهاز الجديد كان سيكلّف نحو 60–70 ألف روبل.
وكيل بدل مدير النظام ومطبات في الطريق
أوكل المؤلف عملية الإعداد إلى Claude Code: فالوكيل بنفسه ثبّت النماذج، وضبط الوصول، وكتب التعليمات كي تُخرج النماذج الخفيفة الصيغة المطلوبة. وصُمّم الاتصال بعناية: الدخول عبر SSH بالمفتاح فقط، وكلمات المرور معطّلة، ولا يملك جهاز Mac عنوان IP عامًّا ولا منافذ مفتوحة. ويصل المطورون والتطبيق إليه عبر نفق إلى خادم المؤلف.
وقد أفادت هذه الحماية. فقد جمع Claude Code إحصاءات: طرق بوابة المبرمجين 277 مرة خلال بضعة أيام من دون مفتاح. ويصف المؤلف ذلك بأنه ماسحات تعثر على أي عنوان جديد. وقد قوبلت جميع الطلبات بالرفض.
كانت هناك مشكلات أيضًا:
- توقف نموذج llama3.2-vision عن التعرف على الأطباق. فهو لا يعمل في النسخة الجديدة من Ollama، ولذلك استُبدل بـ Qwen.
- تعطل DNS: كان الإنترنت متصلًا شكليًا، لكن لم يُفتح أي موقع. وقد وجد Claude السبب وشرحه.
- بعد انقطاع الكهرباء طلب القرص المشفّر كلمة مرور عند الإقلاع. ولعدة أيام، ما دام المؤلف غائبًا عن المكتب، لم يكن هناك وصول إلى الجهاز.
أما نماذج أخرى، مثل DeepSeek، فلا تزال معطّلة بلا عمل. وجرّب الفريق Mac في مُهيّئ الأجهزة الخادمة، لكن المشروع لا يزال قيد التطوير، والمبرمج فيه واحد.
الخلاصة للممارس
يؤتي الخادم المحلي ثماره حيث تكثر الطلبات المتشابهة التي لا تحتاج إلى جودة قصوى: التعرف على الصور، والمستندات القالبية، والمعالجة الخلفية. وإذا لم تكن هناك مهام API ضخمة، فلا معنى لشراء Mac mini لهذا الغرض. وإذا كان لديك حاسوب ببطاقة رسوميات بالفعل، فأرخص أن تشتري RTX مستعملة وتشغّل Ollama عليها. وإذا كنت تختار Mac تحديدًا للنماذج الكبيرة، فخذ تهيئة من 32 غيغابايت: ففي 16 غيغابايت يقف السقف عند نماذج من فئة 14B.
قبل التشغيل، تحقق من ثلاثة أمور: هل تعمل النماذج بعد تحديث Ollama، وكيف تصل إلى الجهاز بعد انقطاع الطاقة (القرص المشفّر)، وهل الوصول الخارجي مغلق عدا الدخول بالمفاتيح. هذه هندسة مملة، لكنها هي التي تحدد ما إذا كان التوفير حقيقيًا.
- 21 نوفمبر 2026MLCommons تبدأ قياس واجهات الذكاء الاصطناعي تحت حمل حقيقي: 7 قياسات للوكلاء
- 21 نوفمبر 2026Unsloth تحدّث نسخ Qwen3.8-27B المضغوطة: الدقة ارتفعت بنسبة 5–10% عند الحجم نفسه
- 21 نوفمبر 2026Google تفتح الطلب المسبق على نظارات Gemini الذكية بسعر يبدأ من 395 دولارًا — والبيع اعتبارًا من 10 ديسمبر
- 21 نوفمبر 2026عبر OpenRouter ردّت نسخة DeepSeek مخترَقة لثلاثة أيام: انخفضت نسبة الرفض من 83–98% إلى 1%
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول لماذا نموذج محلي أصلًا؟
الحساب بسيط. في العمل المنفرد، 3 دولارات للملف مبلغ زهيد، أما في خدمة تتلقى تدفقًا مستمرًا من الطلبات فيصبح ذلك بندًا في الميزانية. النموذج المحلي يلغي الرسوم عن كل طلب: مفتاح الوصول تُصدره لنفسك، والبيانات لا تغادر إلى خوادم خارجية. المهمة العملية الرئيسية حاليًا هي التعرف على صور الطعام لصالح التطبيق. ولهذا يُستخدم نموذج الرؤية (الذي يفهم الصور) Qwen: الجودة مقبولة والتكلفة صفر. و20–40 ثانية للقطة الواحدة أمر مقبول في السيناريو الخلفي الذي لا يحتاج فيه المستخدم إلى رد فوري. أما للدردشة في الوقت الفعلي فلا يصلح.
ما أبرز التفاصيل حول ما الذي يقدمه Mac mini فعلًا؟
لبطاقة الرسوميات المنفصلة ذاكرتها الخاصة: ففي بطاقات RTX مثلًا 12 غيغابايت، ويجب أن يتسع النموذج فيها تحديدًا. أما في جهاز Mac ذي المعالج ARM فالذاكرة مشتركة، ويُخصَّص للنموذج معظم الذاكرة العشوائية تقريبًا. وفي نسخة الـ16 غيغابايت تتاح لنواة الرسوميات نحو 10.7 غيغابايت، والباقي يشغله النظام. وهذا أقل حتى مما في RTX. ومن هنا الأرقام العملية. النموذج ذو 14 مليار معامل يشغل نحو 9 غيغابايت ويتسع بالكامل. أما النموذج ذو 32 مليار معامل فيحتاج إلى نحو 20 غيغابايت ولا يتسع.
ما أبرز التفاصيل حول وكيل بدل مدير النظام ومطبات في الطريق؟
أوكل المؤلف عملية الإعداد إلى Claude Code: فالوكيل بنفسه ثبّت النماذج، وضبط الوصول، وكتب التعليمات كي تُخرج النماذج الخفيفة الصيغة المطلوبة. وصُمّم الاتصال بعناية: الدخول عبر SSH بالمفتاح فقط، وكلمات المرور معطّلة، ولا يملك جهاز Mac عنوان IP عامًّا ولا منافذ مفتوحة. ويصل المطورون والتطبيق إليه عبر نفق إلى خادم المؤلف. وقد أفادت هذه الحماية. فقد جمع Claude Code إحصاءات: طرق بوابة المبرمجين 277 مرة خلال بضعة أيام من دون مفتاح. ويصف المؤلف ذلك بأنه ماسحات تعثر على أي عنوان جديد. وقد قوبلت جميع الطلبات بالرفض.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.