قمت بتثبيت Ollama على Mac Mini M4 Pro لتشغيل نماذج Qwen38 و GLM محليًا، مع قياس VRAM والسرعة الفعلية. وجدت أن سياق 32k يستهلك 3GB إضافية من الذاكرة لكل اختبار، مع خطوات لإصلاح أخطاء أدوات البحث الشائعة.
تحضير الجهاز وتثبيت Ollama
بدأت بتحميل مثبت Ollama لنظام macOS من الموقع الرسمي، والذي يدعم شريحة Apple Silicon M4 Pro بشكل ممتاز. بعد التثبيت، تحققنا من الإصدار عبر الأمر ollama --version للتأكد من استخدام أحدث إصدار الذي يوفر أفضل إدارة للذاكرة.
الخطوة المهمة هي إعداد مسار النماذج ليشير إلى قسم يحتوي على مساحة كافية، لأن النماذج الكبيرة مثل Qwen38 لها ملفات بحجم عشرات الجيجابايت. استخدمت الأمر OLLAMA_MODELS=/Volumes/AI_Disk لفصل مساحة تخزين النماذج عن محرك النظام، مما يمنع امتلاء SSD الرئيسي بسرعة ويقلل من عمليات الكتابة والقراءة التي تؤثر على عمره الافتراضي.
بالإضافة إلى ذلك، تحققنا من أذونات الوصول إلى هذا المجلد باستخدام الأمر chmod -R 755 /Volumes/AI_Disk للسماح لـ Ollama بجلب البيانات دون مشاكل "Permission Denied"، وهي نقطة يتجاهلها الكثيرون مما يؤدي إلى فشل تحميل النموذج في المنتصف. لذا فإن تجهيز المساحة بشكل صحيح هو الأساس قبل الانتقال إلى مرحلة التحميل واختبار الأداء الفعلي.
تحميل وإدارة نموذج Qwen38
اخترت نموذج Qwen38 كأداة رئيسية للاختبار لأنه يوفر سياقًا طويلًا يصل إلى 32k رمز، مما يجعله مناسبًا لمهام تحليل المستندات العربية. استخدمت الأمر ollama pull qwen38 لتحميل ملفات الأوزان (Weights)، والتي استغرقت حوالي 15 دقيقة على إنترنت عالي السرعة.
بعد اكتمال التحميل، تحققنا من الحجم الفعلي باستخدام الأمر du -sh ~/.ollama/models/blobs/sha256-*. وجدنا أن هذا النموذج يستهلك حوالي 18GB من مساحة التخزين. عند إضافة سياق 32k المخصص (KV Cache)، يرتفع إجمالي الذاكرة إلى 21GB وفقًا لبيانات تقرير الاختبار الخاص بي.
استخدمت الأمر ollama run qwen38 --num-ctx 32768 لتشغيل النموذج مع تحديد حجم السياق الأقصى. هذا الإعداد يجبر النظام على حجز 3GB إضافية من RAM خصيصًا لـ KV Cache، وهو ضروري للحفاظ على استمرارية المحادثة أو معالجة المستندات الطويلة دون نسيان المعلومات السابقة.
اختبار حقيقي على جهازنا
في 2 سبتمبر 2026، شغلت مجموعة اختبارات resume-verify على Mac Mini M4 Pro للتحقق من حالة النظام عبر API عند webui.siam2r.com/api/version. أظهرت النتائج رمز حالة 200، مما يؤكد أن الخدمة تعمل بشكل طبيعي.
اختبرت مسار Vision باستخدام ملف PNG بحجم 1x1 بكسل. وجدنا أن كلًا من Qwen3-VL-8B و GLM-4.6v-flash اجتازا الاختبار 3/3 مرات برمز 200، مما يدل على أن هذه النماذج تدعم معالجة الصور الأساسية حتى على أجهزة Mac.
ومع ذلك، واجهت مشكلة حقيقية عند تشغيل وظيفة search_web في LiteLLM، والتي تسببت في خطأ "failed-to-parse tool-call args" في الساعة 15:52:43. على الرغم من أنه عطل في نموذج العميل، إلا أنني سجلت أن هذه المشكلة لا تتعلق بإعداداتي الرئيسية ولا تتطلب تعديل أي كود، فقط انتظار فريق التطوير لإصلاحها من المصدر.
دروس مستفادة من الأخطاء وطرق حلها
أهم درس تعلمته هو أن الاختبار التجريبي ("Dry-run") قبل الإرسال إلى بيئة الإنتاج يمنع الأضرار. استخدمت Alias qwen38-deep32k-test لمحاكاة السيناريو قبل التشغيل الفعلي، مما سمح لي برؤية مشكلة استهلاك الذاكرة غير المتوقع.
وجدت أنه عند تشغيل Qwen38 معًا مع Qwen2.5VL بحجم 7.3GB، يتسبب الجهاز في ارتفاع swap مما يؤدي إلى بطء الجهاز. لذلك اضطررت لتصميم سكريبت predictive.sh لتفريغ النماذج غير المستخدمة فور انتهاء الاختبار.
نقطة أخرى تتعلق بأبعاد التضمين (Embedding Dimensions)، حيث تحققنا من أن Nomic-embed-text يستخدم 768 بعدًا و BGE يستخدم 1024 بعدًا. فهم هذه الأرقام يساعد في اختيار قاعدة بيانات متجهات مناسبة، لأن عدم تطابق الأبعاد يتسبب في أخطاء النظام دون إظهار رسالة خطأ واضحة، مما يجعل عملية التصحيح أكثر صعوبة بكثير.
ملخص الأداء والتوصيات
من بياناتي الفعلية، يستخدم Qwen38 Deep 32k إجمالي ذاكرة قدره 21GB (أوزان 18GB + KV Cache 3GB)، بينما يستخدم الإصدار Fast فقط 18GB، مما يجعله مناسبًا للأجهزة ذات RAM أقل.
أنصح مستخدمي Mac Mini M4 Pro الذين لديهم 64GB أو أكثر من RAM بتشغيل هذه النماذج بسلاسة دون القلق كثيرًا من Thermal Throttling، لكن يجب إغلاق التطبيقات الأخرى التي تستهلك RAM مثل Chrome أو Xcode أثناء تشغيل النماذج الكبيرة.
أخيرًا، أؤكد أن الذكاء الاصطناعي المحلي على Mac يوفر نتائج موثوقة وأكثر أمانًا من السحابة من حيث الخصوصية، لكنه يتطلب إدارة صارمة لموارد الجهاز. لذا فإن مراقبة سجلات النظام واستخدام VRAM بشكل منتظم أمر لا غنى عنه للمطورين الذين يبحثون عن الاستقرار.
لمتابعة أعمال المختبر مثل هذه، تابعنا على LINE @icafefx أو حمّل الأدوات المجانية من redhatai.net
