ما هي متطلبات تشغيل Ollama؟ دليل عملي حسب حجم النموذج (2026)

العامل الأهم لتشغيل Ollama ليس المعالج ولا نظام التشغيل، بل حجم الذاكرة (RAM) وحجم النموذج الذي تريد تشغيله. القاعدة العملية بسيطة: كل نموذج يحتاج ذاكرة تقارب حجمه على القرص. فنموذج بحجم 4 جيجابايت يحتاج نحو 8 جيجابايت RAM حتى يعمل بسلاسة. إذا توفّرت لك هذه الذاكرة، فإن Ollama يعمل على أي حاسوب حديث تقريبًا يعمل بنظام ويندوز أو macOS أو لينكس، وبدون الحاجة إلى بطاقة رسومية منفصلة.

قبل أن نكمل، لنصحّح ثلاثة أخطاء شائعة تتكرر في المقالات القديمة: أولًا، Ollama يدعم لينكس رسميًا إلى جانب ويندوز وماك، بل إنه بدأ على لينكس وماك أصلًا. ثانيًا، لا تحتاج إلى تثبيت Python ولا TensorFlow ولا PyTorch؛ فبرنامج Ollama مكتفٍ بذاته ويحمل محرّك التشغيل بداخله. ثالثًا، بطاقة الرسوميات ليست إلزامية؛ الكرت يسرّع الأداء لكن Ollama يعمل على المعالج وحده بلا مشكلة، فقط بسرعة أقل.

الحد الأدنى مقابل الموصى به

• الحد الأدنى للتجربة: معالج حديث ثنائي أو رباعي النواة، و8 جيجابايت RAM، ومساحة تخزين حرة 10–15 جيجابايت. بهذه المواصفات تشغّل نماذج صغيرة من فئة 3B إلى 7B.
• الإعداد المريح: 16 جيجابايت RAM وقرص SSD. يتيح لك تشغيل نماذج 7B–13B بسلاسة والاحتفاظ ببقية البرامج مفتوحة.
• للنماذج الكبيرة: 32 جيجابايت RAM فأكثر، ويُفضّل معها بطاقة NVIDIA بذاكرة VRAM كبيرة أو جهاز Apple Silicon بذاكرة موحّدة عالية.

نظام التشغيل: ويندوز 10/11 (64‑بت)، أو macOS 12 فأحدث، أو أي توزيعة لينكس حديثة. على ماك، أجهزة Apple Silicon (M1 وما بعده) هي الأفضل لأن الذاكرة الموحّدة تعمل كذاكرة رسومية أيضًا.

الذاكرة هي المفتاح: جدول حسب حجم النموذج

النماذج التي تنزّلها من Ollama تكون افتراضيًا مضغوطة (quantized بدقة 4‑بت تقريبًا)، لذا حجمها أصغر من النسخ الكاملة. إليك تقديرات عملية للذاكرة اللازمة:

حجم النموذج	مثال	الحجم التقريبي على القرص	الذاكرة الموصى بها (RAM/VRAM)
1B – 3B	Llama 3.2، Phi	1–3 جيجابايت	8 جيجابايت
7B – 8B	Llama 3.1 8B، Mistral	4–5 جيجابايت	8–16 جيجابايت
13B – 14B	نماذج متوسطة	8–9 جيجابايت	16 جيجابايت
30B – 34B	نماذج متقدمة	18–20 جيجابايت	32 جيجابايت
70B	Llama 3.x 70B	40 جيجابايت تقريبًا	48–64 جيجابايت

الأرقام تقريبية وتختلف قليلًا حسب درجة الضغط (Q4 أو Q5 أو Q8) وطول السياق الذي تستخدمه. القاعدة الآمنة: اجعل ذاكرتك أكبر من حجم النموذج بمقدار الثلث على الأقل.

دور بطاقة الرسوميات (GPU)

بطاقة الرسوميات ليست شرطًا، لكنها تُحدث فارقًا كبيرًا في السرعة:

• NVIDIA: الأفضل دعمًا عبر CUDA. المهم هنا هو حجم ذاكرة البطاقة (VRAM)؛ إن اتّسع النموذج داخل VRAM كان الأداء سريعًا جدًا. بطاقات 8 جيجابايت VRAM فأكثر مناسبة لنماذج 7B–13B.
• Apple Silicon: يعمل تلقائيًا عبر Metal ويستفيد من الذاكرة الموحّدة، ولهذا يُعد خيارًا ممتازًا للنماذج المتوسطة.
• AMD: مدعومة على أنظمة معيّنة عبر ROCm، لكن الدعم أقل نضجًا من NVIDIA.

إن لم تتّسع البطاقة للنموذج بالكامل، يوزّع Ollama العبء تلقائيًا بين البطاقة والمعالج، فيعمل النموذج لكن بسرعة أبطأ.

خطوات التثبيت السريعة

1. اذهب إلى الموقع الرسمي ollama.com ونزّل النسخة المناسبة لنظامك (ويندوز أو ماك). على لينكس استخدم أمر التثبيت الرسمي الظاهر في الموقع.
2. ثبّت البرنامج بالخطوات المعتادة؛ سيعمل كخدمة في الخلفية.
3. افتح الطرفية (Terminal أو PowerShell) واكتب أمرًا مثل ollama run llama3.2 لتنزيل نموذج صغير وتشغيله مباشرة.
4. انتظر اكتمال التنزيل أول مرة فقط، ثم صار بإمكانك محادثة النموذج محليًا وبلا إنترنت.

نصيحة عملية: نزّل نموذجًا صغيرًا (1B أو 3B) أولًا لتختبر أن كل شيء يعمل قبل أن تنتقل إلى نموذج أكبر يستهلك ذاكرة ووقت تنزيل أكثر. وتذكّر أن الإنترنت مطلوب فقط لتنزيل النماذج؛ بعد ذلك يعمل Ollama بالكامل دون اتصال.

الأسئلة الشائعة

هل يعمل Ollama بدون كرت شاشة؟ نعم. يعمل على المعالج والذاكرة وحدهما. البطاقة تزيد السرعة لكنها ليست شرطًا لتشغيل النماذج الصغيرة والمتوسطة.

كم ذاكرة أحتاج فعلًا؟ 8 جيجابايت تكفي للتجربة ونماذج 7B الصغيرة، و16 جيجابايت هي النقطة المريحة لمعظم المستخدمين، و32 جيجابايت فأكثر للنماذج الكبيرة.

هل أحتاج تثبيت Python أو مكتبات إضافية؟ لا. Ollama مكتفٍ بذاته. تحتاج Python فقط إن أردت البرمجة عبر واجهته البرمجية (API)، وليس لمجرد تشغيل النماذج.

لماذا النموذج بطيء عندي؟ غالبًا لأن حجمه أكبر من ذاكرتك المتاحة، فيلجأ النظام إلى القرص أو يوزّع الحمل على المعالج. جرّب نموذجًا أصغر أو نسخة بضغط أعلى (مثل Q4)، وأغلق البرامج الثقيلة أثناء التشغيل.