أفضل نموذج LLM بدون رقابة للتشغيل محلياً في 2025 مقابل واجهة برمجة التطبيقات المستضافة
أفضل نموذج LLM بدون رقابة للتشغيل محلياً في 2025 هو الأكبر الذي يمكن لذاكرة جهازك استيعابه بسرعة معقولة. يوضح هذا المقال كيفية تحديد حجم هذا الخيار، وشكل الأدوات المتاحة، ومتى تكون واجهة برمجة التطبيقات المستضافة هي المسار الأسهل.

نقاط رئيسية
- الذاكرة تحدد كل شيء: يحتاج نموذج 4-bit إلى حوالي نصف جيجابايت لكل مليار معلمة، بالإضافة إلى مساحة للسياق.
- تعمل Ollama وLM Studio وllama.cpp على تشغيل النماذج المحلية وتوفر معظمها نقطة نهاية على طراز OpenAI.
- توفر واجهة برمجة التطبيقات المستضافة نافذة سياق كبيرة ولا تتطلب عتاداً، لكنها تقدم نموذجاً واحداً فقط وبدون تعديل دقيق.
- يمكنك كتابة عميل واحد يتنقل بين المحلي والمستضاف بتغيير عنوان URL الأساسي.
الإجابة المختصرة: حدّد الحجم بناءً على ذاكرة جهازك
إذا كنت تبحث عن أفضل LLM بدون رقابة للتشغيل محلياً بأسلوب عام 2025، فلا يوجد فائز واحد يمكن تسميته، وحذّر من القوائم التي تدعي ذلك. تظهر نماذج مُعدّلة جديدة كل بضعة أسابيع، وتتغير الترتيبات، وقد يكون النموذج ممتازاً في سرد القصص لكنه متوسط في كتابة الأكواد. السؤال الأفضل هو: أي نموذج يناسب جهازك ومهمتك؟
اعمل بهذا الترتيب. أولاً، اكتشف مقدار الذاكرة السريعة المتاحة لديك: VRAM على بطاقة رسومات (GPU)، أو الذاكرة الموحدة على ماك بشريحة Apple Silicon. ثانياً، اختر أكبر عائلة نماذج تتسع لتلك الذاكرة عند التكميم (quantization) بـ 4 بت مع ترك مساحة كافية لنافذة السياق. ثالثاً، اختر نسخة بدون رقابة من تلك العائلة، أي نسخة مُعدّلة أو مُعدّلة بدقة (fine-tune) تم تدريبها على التوقف عن رفض الطلبات العادية والمشروعة. رابعاً، اختبره على موجّهاتك (prompts) الخاصة لمدة ساعة. يخبرك هذا الاختبار أكثر من أي لوحة ترتيبات (leaderboard).
ما يعنيه مصطلح "بدون رقابة" بالنسبة لنموذج مفتوح الأوزان
يتم تدريب النماذج عادةً في مرحلتين. يتعلم النموذج الأساسي من مجموعة ضخمة من النصوص، وتعلم المرحلة الثانية من ضبط التعليمات (instruction tuning) النموذج على اتباع الطلبات والرفض لبعضها. تُنتج النسخة بدون رقابة بتغيير تلك المرحلة الثانية: إما عن طريق الضبط الدقيق (fine-tuning) على بيانات تمت إزالة الرفض منها، أو عن طريق تعديل الأوزان (weights) بحيث يتوقف النموذج عن إنتاج سلوك الرفض. ينشر أعضاء المجتمع العديد من هذه النسخ من العائلات المفتوحة الشائعة.
يترتب على ذلك أمران. لا تعني "بدون رقابة" أنها أذكى. إزالة الرفض قد تكلف قليلاً من الجودة، وحجم النموذج الأساسي وتدريبه أهم بكثير من هذا الوصف. كما أن "بدون رقابة" لا تعني بلا ضوابط. الهدف هو أن يعمل البالغون على الخيال الأدبي، أو التمثيل بالدور (roleplay)، أو البحث دون أن يلقي النموذج عليهم المحاضرات، وليس أن يصبح كل شيء مسموحاً. أي محتوى يتضمن نشاطاً جنسياً مع القاصرين يكون خارج النطاق، وسيشير المضيف أو الأداة المسؤول إلى ذلك.
قاعدة عامة لحساب الذاكرة
يخزن التكميم (Quantization) كل وزن بعدد أقل من البتات. عند 4 بت، يستهلك النموذج حوالي نصف جيجابايت لكل مليار معلمة (parameter)، وقبل إضافة ذاكرة التخزين المؤقت لنافذة السياق (context cache)، التي تتوسع مع طول محادثتك. هذه أرقام تقريبية للتخطيط وليست ضمانات، نظراً لتفاوت تنسيقات التكميم المختلفة.
| حجم النموذج | الذاكرة التقريبية عند 4 بت | الأجهزة النموذجية |
|---|---|---|
| 7 إلى 8 مليار | حوالي 5 جيجابايت | GPU بسعة 8 جيجابايت، أو لابتوب بذاكرة 16 جيجابايت |
| 13 إلى 14 مليار | حوالي 9 جيجابايت | GPU بسعة 12 جيجابايت |
| 32 إلى 34 مليار | حوالي 20 جيجابايت | GPU بسعة 24 جيجابايت، أو جهاز ماك بذاكرة 32 جيجابايت أو أكثر |
| 70B | حوالي 40 جيجابايت | بطاقتان رسوماتيتان كبيرتان، أو جهاز ماك بسعة 64 جيجابايت أو أكثر |
السياق هو التكلفة الخفية. قد ينفد ذاكرة نموذج يتسع لمحادثات بـ 4,000 رمز عند إعطائه قصة بـ 30,000 رمز. غالباً ما تحد الإعدادات المحلية من نافذة السياق بشكل يقل بكثير عن ما يدعمه النموذج، كما أن السياقات الطويلة تبطئ التوليد. إذا كان مشروعك يعتمد على تذكر محادثة طويلة أو مستند كبير، فخذ ذلك في الاعتبار عند المقارنة مع خيار الاستضافة الذي يوفر نافذة سياق بـ 100,000 رمز.
أدوات لتشغيل النماذج على جهازك الخاص
لا تحتاج إلى تجميع أي شيء يدوياً للبدء. هذه هي الخيارات الشائعة.
- Ollama. أداة سطر أوامر تقوم بتنزيل النماذج وتقديمها. تعرض نقطة نهاية متوافقة مع OpenAI على جهازك، مما يسهل توجيه الكود الحالي إليها.
- LM Studio. تطبيق سطح مكتب يتضمن متصفح نماذج، ونافذة دردشة، ووضع خادم محلي. خيار جيد إذا كنت تفضل واجهة رسومية.
- llama.cpp. محرك C++ وراء العديد من هذه الأدوات. يمنحك أكبر قدر من التحكم في التكميم، وتحميل الطبقات بين وحدة المعالجة المركزية ووحدة معالجة الرسومات، وحجم السياق، مقابل الحاجة إلى تعلم المزيد من الأعلام.
- vLLM والخوادم المماثلة. موجهة لخوادم معالجة الرسومات التي تتعامل مع عدة مستخدمين في وقت واحد. أكثر من اللازم بالنسبة لجهاز سطح مكتب واحد، لكنها مفيدة إذا كنت تشغل نشرًا صغيرًا خاصًا بك.
يمكن لمعظم هذه الأدوات تحميل ملفات GGUF، وهو تنسيق شائع للنماذج المكممة. اختر مستوى التكميم من اسم الملف: الأرقام الأقل تعني أحجاماً أصغر وسرعات أعلى ولكن بدقة أقل، و4-bit هي نقطة البداية المعتادة.
أين يناسب API المستضاف، وأين لا يناسب
يبدل API المستضاف عتادك الخاص بعتاد طرف آخر. تقدم هذه الخدمة نموذج واحد مفتوح الأوزان، يشغله مزود مستقل ومضبط للإجابة دون رفض المحتوى للاستخدام القانوني للبالغين. إنه ليس واجهة برمجة التطبيقات الرسمية لأي بائع نماذج، وليس موجهاً يتيح لك الاختيار بين نماذج متعددة.
أسباب لاختيار النسخة المستضافة
- لا حاجة لشراء بطاقة رسومات، أو تبريدها، أو تحديثها. ترسل طلباً وتسترد الرموز.
- نافذة سياق بـ 100,000 رمز، للموجه وإكمال النص معاً، دون الحاجة إلى ضبط الذاكرة لها.
- البث المتدفق، استدعاء الدوال، ووضع JSON عبر واجهة OpenAI القياسية، مما يجعل مكتبات SDK والعملاء الحالية تعمل بعد تغيير عنوان URL الأساسي والمفتاح.
- تسعير حسب الاستخدام: $0.15 لكل مليون رمز مدخل و$0.50 لكل مليون رمز مخرج، من رصيد مسبق الدفع لا ينتهي.
- لا تُستخدم الموجّهات في التدريب.
أسباب للبقاء محلياً
- أنت تريد أوزان النموذج على القرص. لن يمنحك API المستضاف ذلك أبداً.
- تحتاج إلى العمل دون اتصال، أو لا يمكن لبياناتك مغادرة الجهاز تحت أي شروط.
- أنت تريد الاختيار بين نماذج متعددة، أو تشغيل ضبط دقيق خاص بك. يقدم هذا API نموذجاً واحداً للنص فقط، ولا يقدم ضبطاً دقيقاً.
- لديك بالفعل عتاد مناسب، وحجم طلباتك مرتفع بما يكفي ليكون التكلفة الهامشية للرمز المحلي قريبة من الصفر.
التكلفة: الكهرباء والعتاد مقابل الرموز
التشغيل المحلي ليس مجانياً إذا حسبنا تكلفة الجهاز. طريقة بسيطة للمقارنة هي أن تسأل نفسك كم من الرموز ستحتاج إلى توليدها قبل أن يتفوق امتلاك بطاقة رسومات على الدفع مقابل كل رمز.
من جانب النسخة المستضافة، الحساب سهل. جلسة لعب أدوار بـ 50 دوراً، بـ 2,000 رمز مدخل و400 رمز مخرج لكل دور، تستخدم 100,000 رمز مدخل و20,000 رمز مخرج. تكلفة المدخلات 0.1 × $0.15 = $0.015. تكلفة المخرجات 0.02 × $0.50 = $0.01. تكلف الجلسة بأكملها $0.025، أي سنتين ونصف.
بمعدل ذلك، يدفع رصيد بقيمة $20 مقابل 800 جلسة من هذا النوع. تكلفة وحدة معالجة رسومية قادرة على تشغيل نموذج بـ 32 مليار معلمة أعلى بكثير من $20، لذا فإن نقطة التعادل تعتمد كلياً على مدى استخدامك لها. للمستخدم العارض، تفوز الاستضافة عادةً. لشخص يولد النصوص طوال اليوم، كل يوم، يمكن للأجهزة المحلية أن تسترد تكلفتها، وبالنسبة لهم، الأجهزة المحلية هي الإجابة الأفضل. بالنسبة لجزء الكهرباء، اضرب استهلاك وحدة المعالجة الرسومية الخاص بك بالساعات المستخدمة وسعر الكهرباء المحلي؛ لا نقدم سعراً هنا لأنه يختلف بشكل كبير.
تظهر صفحة التسعير مبالغ الشحن الحالية والمكافآت، والتي تتراوح بين +5% عند $50 و+15% عند $200.
عميل واحد لكليهما: التبديل عبر Base URL
لا يتعين عليك اختيار جانب بشكل دائم. بما أن Ollama وواجهة API هذه تدعمان كلاهما تنسيق محادثة OpenAI، يمكن لبرنامج نصي واحد استخدام أي منهما. اضبط متغيرات البيئة الثلاثة ولن يتغير الكود الخاص بك.
import os
from openai import OpenAI
client = OpenAI(
base_url=os.getenv("LLM_BASE_URL", "https://api.uncensoredllmonline.com/v1"),
api_key=os.getenv("LLM_API_KEY", "YOUR_KEY"),
)
model = os.getenv("LLM_MODEL", "uncensored")
resp = client.chat.completions.create(
model=model,
messages=[{"role": "user", "content": "Write the opening paragraph of a gothic mystery."}],
)
print(resp.choices[0].message.content)
للتجربة مع مشغل محلي، اضبط LLM_BASE_URL إلى العنوان الذي يطبعه المشغل الخاص بك (يستخدم Ollama http://localhost:11434/v1 افتراضياً)، واضبط LLM_MODEL إلى اسم النموذج الذي قمت بتنزيله، واستخدم أي قيمة مؤقتة للمفتاح. عند إلغاء ضبطها، سيتحدث البرنامج النصي مع واجهة API المستضافة باستخدام معرف النموذج uncensored.
يُمكّنك هذا النمط من إنشاء نموذج أولي مقابل نموذج محلي يحتوي على 8B من المعلمات مجانًا، ثم مقارنة المخرجات مع النموذج المستضاف باستخدام نفس الموجّهات. يحتوي دليل البدء السريع على القائمة الكاملة للمعاملات المدعومة، ويمكن لحساب جديد المطالبة برصيد تجريبي بقيمة $0.50 من صفحة مفتاح API لتشغيل هذه المقارنة دون دفع.
المزيد من الأدلة
أسئلة وأجوبة
ما هو أفضل LLM بدون رقابة لـ 8 GB من VRAM؟
النموذج المُعدّل غير الخاضع للرقابة لعائلة نموذج بـ 7 إلى 8 مليار معلمة بكمية 4-bit هو الخيار المعتاد. جرّب نسختين أو ثلاث من المتغيرات على موجّهاتك الخاصة، لأن الجودة تختلف بين النماذج المُعدّلة أكثر مما تشير إليه تسمية الحجم.
هل النموذج المحلي بدون رقابة خاص؟
يبقى الموجّه على جهازك أثناء تشغيله محلياً، طالما أن الأداة التي تستخدمها لا ترسل بيانات التتبع. تحقق من إعدادات المشغل المحدد الذي تثبته.
هل يمكن تشغيل النموذج خلف واجهة API هذه محلياً؟
لا. تقدم واجهة API نموذجاً واحداً عبر نقطة نهاية مستضافة ولا توزع الأوزان. إذا كنت تحتاج إلى ملفات على القرص، استخدم نموذج مفتوح الأوزان من مستودع عام.
هل يحتاج النموذج المستضاف إلى ذاكرة سياق كبيرة مثل المحلي؟
يتم ذلك من جانب المزود. تحصل على نافذة سياق بحجم 100,000 رمز تغطي الموجّه والإكمال معاً، وتدفع فقط مقابل الرموز التي ترسلها وتستقبلها.
هل بدون رقابة يعني نفس الشيء مثل غير قانوني؟
لا. يصف نموذجاً مُعدّلاً بحيث لا يرفض الطلبات القانونية للبالغين. لا يُسمح بمحتوى يتضمن قاصرين على هذه الخدمة.
مفتاحك على بُعد نموذج واحد
أنشئ حساباً، وانسخ المفتاح، ثم غيّر URL الأساسي. هذه هي الإعدادات الكاملة.