هل يمكنني تشغيل نموذج الذكاء الاصطناعي هذا؟
اختر مواصفات جهازك. تعمل الحاسبة بالكامل في متصفحك ولا يُرسَل أي شيء إلى أي مكان. النتائج تقديرية.
مواصفات جهازك
النتائج
GPU = يتسع في ذاكرة VRAM (سريع). تفريغ جزئي = يحتاج أيضًا إلى ذاكرة RAM للنظام (يعمل لكنه أبطأ بكثير؛ تُحجز 4 GB لنظام التشغيل). لا = أكبر من اللازم. الرقم هو الإجمالي التقديري بالـGB.
قد تكون بعض الروابط روابط إحالة، وسنشير إلى ذلك حيثما وُجدت. كيف نحقق الدخل.
نبّهني عندما تتسع نماذج جديدة في بطاقة الرسوميات لديّ
رسالة قصيرة واحدة تضم أهم أخبار الذكاء الاصطناعي والألعاب التي تحققنا منها في ذلك اليوم، مع أداة مفيدة. يُفتح باب الاشتراك قريبًا، وحتى ذلك الحين تابعنا عبر موجز RSS.
كيف يعمل التقدير
- الأوزان = عدد المعاملات × البتات لكل وزن ÷ 8. فمثلًا، نموذج بحجم 7B بدقة 16 بت يشغل نحو 14 GB. قيم البتات لكل وزن تقريبية من llama.cpp: Q4_K_M ≈ 4.89، وQ5_K_M ≈ 5.70، وQ8_0 ≈ 8.5، وFP16 = 16 (توثيق التكميم في llama.cpp).
- الحمل الإضافي أثناء التشغيل: 10% من الأوزان مضافًا إليها 0.5 GB. هذه قاعدة تقريبية نعتمدها، وليست قياسًا.
- ذاكرة KV المؤقتة (ذاكرة السياق): نحو 0.0125 GB لكل مليار معامل لكل 4K رمز. هذا متوسط تقريبي، إذ يعتمد الاستهلاك الفعلي على عدد الطبقات ونوع الانتباه (GQA) وتكميم ذاكرة KV، وقد يزيد أو يقل كثيرًا عن هذه القيمة.
أعداد المعاملات هي إجمالي ما يعرضه Hugging Face لكل مستودع نموذج رسمي (مرتبط في الجدول)، وقد جُلبت في 30 أكتوبر 2026. في نماذج مزيج الخبراء (MoE) تعتمد الذاكرة على إجمالي المعاملات لا على المعاملات النشطة. وتُوزَّع بعض النماذج مكمّمة مسبقًا (مثل gpt-oss بصيغة MXFP4)، لذا قد تكون ملفاتها الفعلية أصغر مما في عمود FP16. وللحصول على رقم دقيق، راجع حجم ملف GGUF في صفحة النموذج وأضف هامشًا للسياق.
قائمة النماذج محدّثة في 30 أكتوبر 2026، وتشمل إصدارات 2026 (Gemma 4 وQwen3.8 وNemotron 3.5). استُبعدت النماذج الضخمة جدًا (DeepSeek V4 وKimi K3 وMuse Spark Open) لأنها تحتاج إلى خوادم متعددة بطاقات الرسوميات.