Google Gemma 4 وQwen 3.6 في صدارة قائمة أفضل النماذج المحلية للاستخدام المنزلي في 2026

لم تعد الشبكات العصبية المحلية في عام 2026 لعبة لهواة الخوادم الباهظة. فبحسب Habr AI، تكفي اليوم تجهيزة تضم RTX 3060 وذاكرة RAM بسعة 32 غيغابايت ومحرك NVMe SSD لتشغيل مساعد منزلي مفيد للنصوص والبرمجة والمستندات، بل وحتى لتفريغ الصوت إلى نص.

العتاد أهم من الضجة

الخلاصة الرئيسية للاستعراض بسيطة: في الذكاء الاصطناعي المنزلي لا يحسم الأمر جيل بطاقة الرسوميات بقدر ما تحسمه سعة الذاكرة. يستطيع المعالج المركزي (CPU) تشغيل نموذج صغير، لكن السرعة لن تتجاوز بضعة توكنات في الثانية. أما على GPU فيتسارع النموذج نفسه عدة أضعاف، وأحياناً بمقدار رتبة كاملة. ويؤكد المؤلف بصورة منفصلة أن بطاقة RTX 3090 القديمة بذاكرة 24 غيغابايت ما زالت أجدى من كثير من البطاقات الأحدث، إذا كان الغرض هو الاستدلال المحلي (inference) لا الألعاب.

«إذا اتسع النموذج في VRAM فهو يطير».

وإذا لم تتسع الأوزان في ذاكرة الفيديو وانتقل جزء من الطبقات إلى RAM العادية، فقد ينخفض الأداء بمقدار 50–100 مرة. لذلك فإن اختيار العتاد هنا أقل «تسويقية» بكثير مما هو عليه في عالم الألعاب. وتُعدّ بطاقة RTX 3060 بذاكرة 12 غيغابايت أو 4060 Ti بذاكرة 16 غيغابايت نقطة الدخول المثلى لأجهزة Windows ومحطات Linux، أما للنماذج الأثقل فيُنصح بـ RTX 3090 أو 4090. ويبقى Apple Silicon خياراً أيضاً بفضل الذاكرة الموحدة (unified memory)، لكنه يتأخر عن بطاقات Nvidia المنفصلة في سرعة توليد الإجابات.

• ذاكرة VRAM بسعة 8–12 غيغابايت تكفي لنماذج 7B–14B ولبعض النسخ المتعددة الوسائط المدمجة
• ذاكرة VRAM بسعة 16 غيغابايت توسّع الخيارات بوضوح، بما في ذلك بعض نماذج MoE
• ذاكرة RAM بسعة 32 غيغابايت هي الحد الأدنى العملي إذا كنت لا تريد أن يضغط النموذج على ذاكرة النظام بأكمله
• محرك NVMe SSD إلزامي: فنقاط الحفظ (checkpoints) تتراوح أحجامها من بضعة غيغابايت إلى عشرات الغيغابايت

أي النماذج في المقدمة

أصبح Gemma 4 من Google، الذي صدر في 2 أبريل 2026، المفضّل الأول في القائمة. ويُبرز الاستعراض نسخة 26B MoE تحديداً: فمع تكميم Q4 تحتاج إلى نحو 14 غيغابايت من VRAM، لكن جودة الاستدلال فيها أقرب إلى نماذج أكبر بكثير. كما أن الأسرة بأكملها متعددة الوسائط، وتستطيع النسخ الأصغر منها التعامل مع الصوت. وهذه تركيبة نادرة للمستخدم المنزلي: متطلبات نظام معقولة، ومستوى جيد من الاستدلال، ودعم للوسائط في نموذج واحد.

وللمطورين ينصح المؤلف بشكل خاص بنموذج Qwen3.6 35B-A3B. فبفضل بنية MoE وتوزيع الطبقات الخاص به، أمكن تشغيله على RTX 4070 بذاكرة 12 غيغابايت مع 32 غيغابايت من الذاكرة العشوائية، عبر إبقاء جزء من الأوزان الثقيلة في RAM. وفي هذا الوضع يحقق النموذج نحو 42 توكناً في الثانية، ويبقى قوياً تحديداً في البرمجة. أما إذا كنت تحتاج حلاً أكثر شمولاً على 8 غيغابايت من VRAM، فيشيد المقال بنموذج Qwen 3.5 9B: سياق طويل، ودعم متعدد الوسائط، واستهلاك شبه ثابت للذاكرة بفضل Gated DeltaNet، وهو ما يفيد في ملفات PDF الطويلة والملخصات والتحليل البصري.

وكان الفائزون في مجالات متخصصة هم gpt-oss-20b بوصفه أقرب خيار إلى «ChatGPT محلي»، وWhisper بوصفه بديلاً شبه كامل للتفريغ الصوتي السحابي، وPhi-4 بوصفه نموذجاً عملياً للعتاد الضعيف والمهام المنظَّمة. وفكرة الاستعراض هنا أنه لم يعد هناك نموذج واحد «أفضل»: فالمؤلف يقترح خيارات مختلفة للبرمجة والمستندات والسياق الطويل والصوت والتحليل البصري، وهذا بالذات يبدو أنضج علامات السوق.

بماذا نشغّلها

من حيث الأدوات، تتصدر الاستعراضَ أربعُ واجهات تشغيل. يُوصف LM Studio بأنه أفضل واجهة رسومية (GUI) لمعظم المستخدمين: فهو قادر على إظهار ما إذا كان النموذج سيتسع في العتاد، واختيار التكميم، وتشغيل واجهة API محلية متوافقة مع OpenAI. أما Ollama فهو خيار من يريد تشغيل النماذج بأمر واحد وربطها سريعاً بنصوصه البرمجية. ويُقدَّم Jan بوصفه بديلاً محلياً لـ ChatGPT بأدنى عتبة دخول، بينما يُقدَّم ChatRTX من Nvidia بوصفه حلاً جاهزاً لـ RAG على المستندات الشخصية لمالكي بطاقات RTX.

ويُظهر اختبار عملي لثلاثة نماذج على RTX 3070 بذاكرة 8 غيغابايت بوضوح كيف تغيّر السوق. فقد جاء Qwen 3.5 9B الأفضل في التوازن بين الجودة ومتطلبات العتاد، وتفوّق gpt-oss-20b أكثر ما تفوّق في الشروح المنظَّمة، وكان Gemma 4 E4B أفضل من غيره في تحليل الصور. وهذا تحوّل مهم: فاختيار النموذج المحلي بات يشبه اليانصيب أقل فأقل، ويشبه أكثر فأكثر ضبطاً هندسياً اعتيادياً بحسب المهمة.

ماذا يعني هذا

أصبح الذكاء الاصطناعي المحلي في 2026 أداة عملية أخيراً، لا نادياً لمحبي تجميع الأجهزة. وبالنسبة إلى المستخدمين، يعني ذلك سيناريوهات أكثر تعمل دون اتصال بالإنترنت واعتماداً أقل على السحابة، أما بالنسبة إلى الشركات فيعني إمكانية إبقاء الشيفرة والمستندات والصوت داخل نطاقها الخاص. لكن الدرس الأهم للاستعراض مختلف: ففي المنزل لا يفوز النموذج الأحدث، بل النموذج الذي يتسع فعلاً في عتادك ويؤدي مهمة محددة.