LM Studio وQwen: كيف تتعامل نماذج LLM المحلية مع البرمجة على MacBook M4 Pro

يمكن الآن استخدام نماذج اللغة المحلية في كتابة الشيفرة وتعديلها دون إرسال الأكواد المصدرية إلى السحابة، لكن مدى راحة هذا العمل ما زال يعتمد كثيرًا على طبيعة المهمة وعلى هامش العتاد المتاح. وتُظهر تجربة أُجريت على MacBook Pro بمعالج M4 Pro وذاكرة 48 ГБ أن الجمع بين LM Studio ونماذج حديثة مفتوحة الأوزان يعطي نتيجة واضحة في وضع المحادثة، لكنه يصطدم سريعًا في وضع الوكلاء الكامل بحدود الذاكرة والحرارة وزمن التنفيذ.

نقطة الانطلاق بسيطة: النماذج السحابية مريحة، لكن لها حدودًا وتعتمد على الشبكة، ولها عيب رئيسي بالنسبة إلى كثير من المطورين، وهو أن البيانات والأكواد والـ prompts تنتقل إلى خوادم بعيدة. أما التشغيل المحلي فيَعِد بالخصوصية والتحكم الكامل، لكنه يتطلب فهم الطريقة التي يستهلك بها النموذج RAM وVRAM، ومقدار الذاكرة المتبقي للسياق، والفرق بين صيغ مثل GGUF وMLX.

أُجريت الاختبارات على MacBook Pro بشريحة M4 Pro وذاكرة موحدة (unified memory) بسعة 48 ГБ، يتشارك فيها CPU وGPU مجموعة الذاكرة نفسها. يساعد ذلك على استيعاب نماذج أكبر، لكنه يعني في الوقت نفسه أن النموذج ينافس على الموارد كلًّا من IDE وDocker وعشرات علامات التبويب في المتصفح.

ويخصص التحليل جزءًا مستقلًا لاختيار النموذج المناسب للعتاد. ينصح الكاتب بألا يقتصر النظر على الحجم بمليارات المعاملات، بل أن يشمل أيضًا التخصص والتكميم (quantization) ودعم function calling ونوع المعمارية. وللبرمجة اختار Qwen3-Coder 30B A3B Instruct بصيغتي MLX وGGUF، وقارنه بـ Qwen3-Coder Next وQwen3.5 وNvidia Nemotron-3 Nano وGemma 4 26B A4B. ويشرح المقال المعنى العملي للاختصارات شرحًا جيدًا: فمثلًا يشير A3B إلى نهج MoE، حيث يُفعَّل جزء فقط من معاملات النموذج الكبير، ما يجعل السرعة أقرب إلى النماذج الصغيرة والجودة أقرب إلى النماذج الأكبر.

واختير LM Studio بيئةً للتشغيل: فعبره يسهل تنزيل النموذج وتشغيل خادم محلي وتفعيل CORS وربط وكلاء مثل Claude Code وOpen Code وKilo Code وAider. وكانت التوقعات لأداء Qwen3-Coder تشير إلى نحو 150 токен في الثانية، لكن القياس الفعلي في LM Studio جاء أقرب إلى 82 токен في الثانية، ما يعيد الحديث فورًا من النظرية إلى الواقع العملي.

أما الجزء الأهم فيبدأ مع القياسات. ففي وضع المحادثة العادية، لا تبدو النماذج المحلية لعبة، بل حلًّا وسطًا صالحًا للعمل. أنجز Qwen3-Coder 30B A3B Instruct بصيغة MLX 4bit السيناريو الكامل ذا المراحل الثلاث في نحو دقيقتين و9 ثوانٍ، ووصل إلى تقييم نهائي بلغ 8,5 من 10.

وقدّمت Gemma 4 26B A4B بصيغة GGUF أحد أفضل التوازنات: نحو دقيقتين و23 ثانية وتقييم نهائي 10 من 10. وأعطت النماذج «المفكِّرة» نتائج أفضل، لكن على حساب الوقت: فقد بلغ Qwen3.5 35B A3B تقييم 10 من 10 في نحو 5 دقائق و43 ثانية، بينما امتد Qwen3.

5 27B إلى ما يقارب نصف ساعة. والخلاصة من هذا الجزء رصينة: من حيث سرعة الاستجابة، باتت النماذج المحلية في بعض الحالات قابلة للمقارنة بالسحابية، خاصة دون وضع التفكير، لكنها في الوقت نفسه تتخلف عنها في الجودة في الغالب. في المقابل، تبدو نماذج MoE الحديثة أكثر عملية بوضوح من النماذج الكثيفة.

وفي وضع الوكلاء، تتغير الصورة جذريًا. فهناك يكبر السياق ويزداد عدد الاستدعاءات، وتتحول الثواني إلى دقائق، بل إلى عشرات الدقائق. أنهى Aider السيناريو مع Qwen3-Coder MLX 4bit نفسه في دقيقتين و50 ثانية بتقييم 9,5، وأنهاه Open Code في 7 دقائق و33 ثانية بتقييم 9، أما Kilo Code مع النموذج نفسه فاستغرق 15 دقيقة و5 ثوانٍ ولم يتجاوز 6 نقاط.

ومع Qwen3.5 35B A3B الأثقل، عمل Kilo Code هذه المرة 57 دقيقة و3 ثوانٍ، وإن ارتفعت الجودة النهائية إلى 9 من 10. وأنهى Claude Code مع Gemma 4 26B التجربة بالتقييم الأقصى 10 من 10، لكنه استهلك في المجمل 21 دقيقة و14 ثانية، أما الجمع بين Claude Code وQwen3-Coder فكان ينهار أصلًا بسبب نقص الذاكرة المخصصة للسياق.

وفي الوقت نفسه عانى الحاسوب المحمول بشكل ملموس: فقد سخن GPU إلى نحو 100 درجة، ولم تكد المراوح تهدأ، وتضخم swap في بعض السيناريوهات إلى 20 ГБ. وفي هذا السياق بدت الوكلاء السحابية أكثر راحة ببساطة: فمثلًا حقق Kilo Code مع Qwen3.5 Plus تقييم 9 من 10 في 6 دقائق و53 ثانية، وحقق Claude Opus 4.

6 تقييم 10 من 10 في 12 دقيقة و15 ثانية، وإن كان ذلك بمقابل مالي.

والخلاصة بسيطة: يمكن اليوم النظر بجدية إلى نماذج LLM المحلية في المحادثة الخاصة، وفي مهام إعادة الهيكلة (refactoring) المفردة، وفي السيناريوهات البسيطة التي تُقدَّم فيها السيطرة على البيانات على السرعة المطلقة. لكن إذا كنت تحتاج إلى وضع وكلاء دائم على حاسوب العمل المحمول، خاصة إلى جانب IDE والمتصفح وDocker، فإن الحل المحلي ما زال حلًّا وسطًا يقوم على التنازلات. وأكثر السيناريوهات معقولية بحسب هذه التجربة هو اعتماد نماذج MoE الحديثة، واستخدام وكلاء أبسط مثل Aider أو Open Code، ونقل النموذج المحلي عند الإمكان إلى جهاز مستقل مثل Mac mini.