ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
بنية تحتيةتحليل · على الرادارOllama Blog→ المصدر

Ollama على Mac تنتقل إلى MLX: 1851 رمزًا في الثانية عند تحليل الموجّه في الإصدار 0.19

انتقلت Ollama، البرنامج المخصص لتشغيل الشبكات العصبية محليًا، في نسخة المعاينة إلى MLX، وهو إطار العمل من Apple الذي يستخدم الذاكرة المشتركة بين المعالج ووحدة GPU بكفاءة. وبالنسبة إلى الوكلاء المحليين مثل Claude Code، يعني ذلك انتظارًا أقل: ففي Ollama 0.19 يُعلن عن 1851 رمزًا في الثانية عند تحليل الموجّه و134 رمزًا في الثانية عند توليد الإجابة. وقد جرى الحصول على هذه الأرقام على نموذج واحد بتكميم int4، لذا اختبروا سيناريو العمل الخاص بكم على جهاز Mac بذاكرة تتجاوز 32 غيغابايت.

معالج بواسطة الذكاء الاصطناعي من Ollama Blog؛ بتحرير Hamidun News
Ollama على Mac تنتقل إلى MLX: 1851 رمزًا في الثانية عند تحليل الموجّه في الإصدار 0.19
المصدر: Ollama Blog. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليOllama Blog ↗
رئيس التحرير
حقيقة رئيسية #1الرمز (token) يعادل تقريبًا مقطعًا لفظيًا؛ وprefill هو تحليل الموجّه، وdecode هو كتابة الإجابة
حقيقة رئيسية #2يُعاد الآن استخدام ذاكرة التخزين المؤقت للموجّه النظامي المشترك بين المحادثات
دعم NVFP4 من NVIDIAإجابات أقرب إلى بيئة الإنتاج السحابية

إذا شغّلتم وكيلًا برمجيًا على جهاز Mac الخاص بكم، فأنتم تعرفون هذا الشعور: ترسلون الطلب ثم تنتظرون حتى «يقرأ» النموذج السياق الطويل، وبعدها فقط يبدأ بالرد. أصدر فريق Ollama، البرنامج الشهير لتشغيل الشبكات العصبية محليًا، نسخة معاينة تستهدف هذه الوقفة تحديدًا. فعلى أجهزة الكمبيوتر المزودة برقائق Apple Silicon، باتت Ollama مبنية على MLX، وهو إطار العمل الخاص بشركة Apple للتعلم الآلي، ومصمم للذاكرة الموحدة التي يتعامل فيها المعالج ووحدة الرسوميات مع مجمّع واحد مشترك دون نسخ البيانات ذهابًا وإيابًا.

يتعلق الرقم الرئيسي في هذا الإصدار بنسخة Ollama 0.19: 1851 رمزًا في الثانية عند تحليل الموجّه (تسمى هذه المرحلة prefill) و134 رمزًا في الثانية عند توليد الإجابة (decode) مع تكميم int4، أي ضغط أوزان النموذج إلى 4 بت. والرمز (token) هو قطعة من النص، تعادل تقريبًا مقطعًا لفظيًا أو كلمة قصيرة. يبيّن الرقم الأول سرعة «ابتلاع» النموذج لطلبكم وسياقه، ويبيّن الثاني سرعة «كتابته» للإجابة.

ما الذي تغيّر تحت الغطاء

كانت Ollama على أجهزة Mac تعتمد سابقًا على تنفيذ مختلف، أما الآن فالأساس هو MLX. وبحسب المطورين، استفادت من التسريع جميع الأجهزة العاملة برقائق Apple Silicon. وعلى الرقائق الجديدة M5 وM5 Pro وM5 Max، تستخدم Ollama كذلك المسرّعات العصبية داخل وحدة GPU. وهي تقلص الزمن حتى أول رمز (TTFT)، أي تلك الوقفة بين إرسال الطلب وبدء الإجابة، وترفع سرعة التوليد.

أُجريت القياسات في 29 مارس 2026 على نموذج Qwen3.5-35B-A3B من Alibaba. وقورن التنفيذ الجديد بتكميم NVFP4 بالإصدار السابق Ollama 0.18 وصيغة Q4_K_M. ويصف المؤلفون الرقمين 1851 و134 رمزًا في الثانية بأنهما المتوقعان لـ Ollama 0.19. وهذه بيانات المطورين أنفسهم، ولا تخص سوى تركيبة واحدة من «نموذج مع عتاد»، لذا ستختلف النتيجة على جهاز Mac الخاص بكم.

NVFP4 وذاكرة التخزين المؤقت للوكلاء

الخبر الثاني هو دعم صيغة NVFP4 من NVIDIA. تخزّن هذه الصيغة أوزان النموذج في شكل مضغوط، مع الحفاظ على الدقة وتخفيف الحمل على الذاكرة والقرص. والمغزى العملي أن عددًا متزايدًا من مزودي الاستدلال يشغّلون النماذج بصيغة NVFP4. فإذا استخدمتم الصيغة نفسها محليًا، تكون الإجابات أقرب إلى ما ستحصلون عليه في بيئة الإنتاج. كما ستتمكن Ollama من تشغيل النماذج المحسَّنة بأدوات NVIDIA. ووُعد بإضافة صيغ دقة أخرى لاحقًا.

أما التحسين الثالث فهو ذاكرة التخزين المؤقت (الكاش)، وهو مهم للوكلاء. تخيلوا أن Claude Code يفتح عدة فروع عمل بموجّه نظامي واحد ووصف واحد للأدوات. في السابق كان يتعيّن معالجة هذه «الترويسة» المشتركة من جديد. أما الآن فتعيد Ollama استخدام الكاش بين المحادثات: ذاكرة مشغولة أقل ومرات إصابة أكثر في الكاش عند التفرع. إضافة إلى ذلك، تحفظ Ollama لقطات من الكاش في مواضع «ذكية» من الموجّه، فلا تعيد حساب النص من البداية. وتبقى البادئات المشتركة حية فترة أطول، حتى عندما تُزاح الفروع القديمة من الذاكرة.

كيف تجرّبونها وما القيود

تسرّع المعاينة نموذجًا واحدًا هو Qwen3.5-35B-A3B بمعاملات أخذ عينات مضبوطة للبرمجة. ويلزم جهاز Mac بذاكرة موحدة تزيد على 32 غيغابايت. وهذه أوامر التشغيل:

  • ollama launch claude --model qwen3.5:35b-a3b-coding-nvfp4
  • ollama launch openclaw --model qwen3.5:35b-a3b-coding-nvfp4
  • ollama run qwen3.5:35b-a3b-coding-nvfp4

القيود واضحة: هذه نسخة معاينة، وقائمة النماذج قصيرة، وهذا الإعداد لا يناسب أصحاب أجهزة Mac بذاكرة 16 أو 24 غيغابايت. أما من درّبوا نماذجهم الخاصة على بنى مدعومة، فيَعد الفريق بتبسيط الاستيراد لهم. وفي الوقت الحالي سيعمل على توسيع قائمة البنى المدعومة.

ماذا يفعل المطوّر

إذا كنتم تستخدمون وكلاء محليين مثل Claude Code وOpenClaw وCodex على جهاز Mac بذاكرة كبيرة، فجرّبوا سيناريو عملكم المعتاد على المحرك الجديد. وقيسوا مؤشرين بشكل منفصل: الزمن حتى أول رمز وسرعة التوليد. وبالنسبة إلى الوكلاء الذين يعيدون إرسال سياق طويل باستمرار، قد يكون المكسب من الكاش أوضح من زيادة سرعة كتابة الإجابة. من الواضح أن Ollama تراهن على الجمع بين MLX وNVFP4 والنماذج المفتوحة من Qwen. وفي شكرهم، يذكر المطورون فرق MLX وNVIDIA وGGML وllama.cpp، إضافة إلى Alibaba Qwen.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ما الذي تغيّر تحت الغطاء؟

كانت Ollama على أجهزة Mac تعتمد سابقًا على تنفيذ مختلف، أما الآن فالأساس هو MLX. وبحسب المطورين، استفادت من التسريع جميع الأجهزة العاملة برقائق Apple Silicon. وعلى الرقائق الجديدة M5 وM5 Pro وM5 Max، تستخدم Ollama كذلك المسرّعات العصبية داخل وحدة GPU. وهي تقلص الزمن حتى أول رمز (TTFT)، أي تلك الوقفة بين إرسال الطلب وبدء الإجابة، وترفع سرعة التوليد. أُجريت القياسات في 29 مارس 2026 على نموذج Qwen3.5-35B-A3B من Alibaba. وقورن التنفيذ الجديد بتكميم NVFP4 بالإصدار السابق Ollama 0.18 وصيغة Q4_K_M.

ما أبرز التفاصيل حول NVFP4 وذاكرة التخزين المؤقت للوكلاء؟

الخبر الثاني هو دعم صيغة NVFP4 من NVIDIA. تخزّن هذه الصيغة أوزان النموذج في شكل مضغوط، مع الحفاظ على الدقة وتخفيف الحمل على الذاكرة والقرص. والمغزى العملي أن عددًا متزايدًا من مزودي الاستدلال يشغّلون النماذج بصيغة NVFP4. فإذا استخدمتم الصيغة نفسها محليًا، تكون الإجابات أقرب إلى ما ستحصلون عليه في بيئة الإنتاج. كما ستتمكن Ollama من تشغيل النماذج المحسَّنة بأدوات NVIDIA. ووُعد بإضافة صيغ دقة أخرى لاحقًا. أما التحسين الثالث فهو ذاكرة التخزين المؤقت (الكاش)، وهو مهم للوكلاء.

ما أبرز التفاصيل حول كيف تجرّبونها وما القيود؟

تسرّع المعاينة نموذجًا واحدًا هو Qwen3.5-35B-A3B بمعاملات أخذ عينات مضبوطة للبرمجة. ويلزم جهاز Mac بذاكرة موحدة تزيد على 32 غيغابايت. وهذه أوامر التشغيل: ollama launch claude --model qwen3.5:35b-a3b-coding-nvfp4 ollama launch openclaw --model qwen3.5:35b-a3b-coding-nvfp4 ollama run qwen3.5:35b-a3b-coding-nvfp4 القيود واضحة: هذه نسخة معاينة، وقائمة النماذج قصيرة، وهذا الإعداد لا يناسب أصحاب أجهزة Mac بذاكرة 16 أو 24 غيغابايت. أما من درّبوا نماذجهم الخاصة على بنى مدعومة، فيَعد الفريق بتبسيط الاستيراد لهم.

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…