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

Ollama 0.1.5: نموذج Qwen3-Coder-Next ومتاعب التشغيل المحلي

صدر الإصدار 0.15.5 من Ollama مع نموذج Qwen3-Coder-Next الذي يضم 80 مليار معامل. ويتطلب تشغيله محليًا 80 غيغابايت من ذاكرة الفيديو على الأقل، أو 128 غيغابايت من ذاكرة RAM. ويعرض مؤلف المقال الأصلي وصولًا مجانيًا إلى خادمه الخاص لإجراء التجارب، لكنه وصول مقيّد بشروط.

معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
Ollama 0.1.5: نموذج Qwen3-Coder-Next ومتاعب التشغيل المحلي
المصدر: Habr AI. كولاج: Hamidun News.
استمع للمقال

صدر تحديث Ollama إلى الإصدار 0.15.5، وجلب معه دعم نماذج جديدة، يبرز من بينها نموذج Qwen3-Coder-Next. ويَعِد هذا النموذج، الموجَّه إلى توليد الشيفرة البرمجية، بأن يصبح أداة قوية للمطورين، لكن الأداء العالي يقترن، كما جرت العادة، بمتطلبات مرتفعة من الموارد.

يضم Qwen3-Coder-Next ‏80 مليار معامل، جرى تدريب الجزء الأكبر منها على الشيفرة البرمجية. ويتيح له ذلك تحقيق نتائج لافتة في المهام المرتبطة بالبرمجة. غير أن تشغيله محليًا يتطلب عتادًا قويًا. ففي Ollama لا تتوفر سوى نسخ مكمَّمة (quantized) من النموذج، هي q4_K_M بحجم 52 غيغابايت وq8_0 بحجم 85 غيغابايت، وهو ما يشير مسبقًا إلى شراهته للموارد.

وللعمل المريح مع Qwen3-Coder-Next لا بد من 80 غيغابايت على الأقل من ذاكرة الفيديو إذا أردت سرعة استدلال (inference) عالية. صحيح أن تشغيل النموذج ممكن على المعالج المركزي (CPU) إذا توفرت ذاكرة DDR5 RAM بسعة 128 غيغابايت فأكثر، لكن السرعة في هذه الحالة تنخفض بشكل ملحوظ. وهذا يجعل Qwen3-Coder-Next حلًا غير متاح بسهولة للمستخدم العادي، وهو ما يثير غالبًا، بحسب مؤلف المقال الأصلي، ردود فعل سلبية.

ومن اللافت أن المؤلف يعرض وصولًا مجانيًا إلى خادمه، وقد جرى تحميل 10 نماذج مختلفة عليه، من بينها Qwen3-Coder-Next. وهي فرصة جيدة لمن لا يستطيع تشغيل النموذج محليًا لكنه يرغب في اختبار قدراته. غير أن الوصول إلى الخادم ليس دائمًا، وسيُغلق بعد الانتهاء من إعداد منظومة RAG (التوليد المعزَّز بالاسترجاع). كما يحذّر المؤلف من أنه سيقطع الوصول عن المستخدمين الذين يحاولون إرهاق الخادم بالأحمال.

وعمومًا، يمثل ظهور Qwen3-Coder-Next في Ollama خطوة مهمة إلى الأمام في تطور نماذج LLM المحلية. فهو يتيح للمطورين الوصول إلى نموذج قوي لتوليد الشيفرة دون الحاجة إلى الاعتماد على الخدمات السحابية. لكن المتطلبات المرتفعة من الموارد تظل عائقًا جديًا أمام انتشار هذه النماذج على نطاق واسع. أما عرض المؤلف للوصول المجاني إلى الخادم فهو فرصة جيدة لمن يريد تجربة Qwen3-Coder-Next لكنه لا يملك العتاد اللازم. كما يبرز هذا العرض اتجاهًا متناميًا نحو بناء حلول ذكاء اصطناعي محلية ومكتفية ذاتيًا، تمنح المستخدمين مزيدًا من التحكم في بياناتهم وفي مواردهم الحاسوبية.

وهكذا تواصل Ollama تطورها، فتتيح للمستخدمين الوصول إلى النماذج المتقدمة، لكن من المهم تذكّر تصاعد متطلبات العتاد. وتمثل إمكانية اختبار Qwen3-Coder-Next على خادم المؤلف فرصة قيّمة لتقييم إمكانات هذه النماذج، ولمعرفة ما إذا كنت مستعدًا للانتقال إلى عتاد أقوى.

القصة
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.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…