كم من ذاكرة الماك تحتاج لتشغيل نماذج اللغة الكبيرة محلياً؟

السعة الموحدة تحدد أي النماذج يمكن تحميلها، وعرض النطاق الترددي يحدد سرعة إجابتها. إليكم الحسابات لكل جهاز ماك من عام 2026، وصولاً إلى Mac Studio بسعة 512GB.

يصل جهاز Mac Studio الجديد من Apple إلى سعة قصوى تبلغ 512GB من الذاكرة الموحدة. الطرح الإعلامي يقول إن هذا يضع نماذج بحجم الحدود التقنية (frontier-scale) على مكتبك. هذا صحيح إلى حد كبير، وهو في الوقت نفسه إجابة عن سؤال لا يطرحه معظم من يشترون جهاز ماك.

السؤال الذي يطرحونه فعلاً أضيق نطاقاً وأكثر فائدة: بالنظر إلى ما أريد تشغيله، كم من الذاكرة أحتاج فعلياً لشرائها؟ الذاكرة الموحدة ملحومة بحزمة الشريحة. تحصل على فرصة واحدة للإجابة عن هذا السؤال، عند الدفع، طوال عمر الجهاز.

الخبر الجيد أن الأمر حسابي بحت، وليس مسألة رأي. هذا المقال يقوم بهذه الحسابات.

أهم النقاط

رقمان يحددان كل شيء. سعة الذاكرة تحدد ما إذا كان النموذج سيُحمَّل أصلاً. عرض النطاق الترددي للذاكرة يحدد سرعة توليد النص. الرقمان مستقلان عن بعضهما، وقد يكون الجهاز قوياً في أحدهما وضعيفاً في الآخر.
قدّر حجم الأوزان بضرب عدد المعاملات (parameters) × البايتات لكل معامل. عند التكميم (quantization) بـ 4-bit يكون ذلك تقريباً 0.55 بايت لكل معامل، أي أن نموذج 70B يحتاج نحو 38GB قبل احتساب السياق.
لا يسمح macOS لوحدة معالجة الرسومات (GPU) باستخدام كل ذاكرة RAM لديك. هناك سقف غير موثّق تتحكم فيه iogpu.wired_limit_mb. على جهاز ماك بذاكرة 32GB لا تحصل على 32GB كاملة للنموذج.
أرقام الذكاء الاصطناعي البارزة التي تعلنها Apple تصف معالجة الطلب (prompt processing)، لا توليد النص. لكل منهما عنق زجاجة مختلف. اقرأ الصياغة بعناية.
سعة M5 Ultra ليست جديدة. كانت شريحة M3 Ultra توفر بالفعل 512GB في عام 2025. ما تغيّر هو عرض النطاق الترددي: من 819GB/s إلى 1.2TB/s.

الرقمان

تنشأ تقريباً كل قرارات الشراء الخاطئة لجهاز ماك مخصص للذكاء الاصطناعي من اختزال هذين الرقمين في رقم واحد.

السعة جدار. إذا لم يتسع النموذج مع سياقه في الذاكرة، فلن يعمل. لا يوجد تدهور تدريجي في الأداء على شرائح Apple silicon كما هو الحال مع وحدة رسومات منفصلة (discrete GPU) يمكنها الفيض إلى ذاكرة النظام — على جهاز ماك، الذاكرة الموحدة هي ذاكرة النظام، وبمجرد أن تتجاوز ما يمنحه macOS لوحدة الرسومات، إما أن يفشل التحميل أو ينتقل النظام إلى بديل أبطأ بكثير.

عرض النطاق الترددي حد للسرعة. لتوليد رمز واحد (token)، يقرأ النموذج الكثيف (dense model) مجموعة أوزانه بالكامل من الذاكرة. في كل رمز. هذا يعني أن السقف النظري لسرعة التوليد هو عرض النطاق الترددي للذاكرة مقسوماً على حجم النموذج، ولا يغيّر ذلك أي عدد من أنوية GPU.

هذا هو السبب في أن جهازاً قد يستوعب نموذجاً بحجم 200GB ويظل غير عملي، وفي أن نموذجاً صغيراً على جهاز متواضع قد يبدو فورياً.

السعة: ما الذي يتسع

الأوزان هي التكلفة المهيمنة، وهي قابلة للتنبؤ:

memory for weights ≈ parameters × bytes per parameter

عدد البايتات لكل معامل يعتمد على التكميم (quantization):

الدقة	البايتات لكل معامل	الاستخدام النموذجي
FP16 / BF16	2.0	التدريب، أقصى دقة
8-bit (Q8)	~1.0	استدلال شبه خالٍ من الفقد
4-bit (Q4_K_M)	~0.55	الخيار العملي الافتراضي
3-bit	~0.42	فقدان ملحوظ في الجودة

يبلغ متوسط تكميمات 4-bit K-quants أكثر قليلاً من 4 بتات بمجرد إدراج بيانات القياس الوصفية (scaling metadata)، ولهذا فإن 0.55 وليس 0.50 هو الرقم الصادق. بتطبيق ذلك:

حجم النموذج	4-bit	8-bit	FP16
8B	4.4 GB	8 GB	16 GB
14B	7.7 GB	14 GB	28 GB
32B	17.6 GB	32 GB	64 GB
70B	38.5 GB	70 GB	140 GB
120B	66 GB	120 GB	240 GB
235B	129 GB	235 GB	—
400B	220 GB	400 GB	—
671B	369 GB	671 GB	—

ثم أضف السياق

تخزّن ذاكرة التخزين المؤقت KV (KV cache) مفاتيح وقيم الانتباه (attention) لكل رمز في المحادثة، وتنمو بشكل خطي مع طول السياق. يتفاوت حجمها لكل رمز كثيراً حسب البنية المعمارية — النماذج التي تستخدم الانتباه الجماعي للاستعلام (grouped-query attention) أرخص بكثير هنا من التصاميم الأقدم — لكن النطاق العملي هو 0.1 MB إلى 0.5 MB لكل رمز.

عند سياق بطول 32,000 رمز، يكون ذلك تقريباً 3GB إلى 16GB إضافية فوق الأوزان. وعند 128,000 رمز يمكن أن يتجاوز حجم النموذج نفسه.

هذا هو السبب الأكثر شيوعاً وراء عدم اتساع نموذج «كان من المفترض أن يتسع». إذا كنت تخطط لتغذيته بمستندات طويلة أو إجراء محادثات طويلة معه، فخصص له ميزانية ذاكرة صريحة بدلاً من الاكتفاء بحجم الأوزان والتمني.

القاعدة العملية

memory you need ≈ (weights) + (KV cache for your context) + 2–3 GB overhead

ثم قارن ذلك بما سيمنحك إياه macOS فعلياً، وهو ليس الرقم المكتوب على العلبة.

السقف الذي لا يذكره أحد

يحجز macOS جزءاً من الذاكرة الموحدة للنظام، ويضع سقفاً لما يمكن لوحدة الرسومات "تثبيته" (wire) في الذاكرة. المقبض الذي يتحكم في ذلك هو إعداد sysctl:

$ sysctl iogpu.wired_limit_mb
iogpu.wired_limit_mb: 0

الصفر يعني تلقائي. لا توثّق Apple ما الذي يؤول إليه الوضع التلقائي، ولن أخترع صيغة لذلك — لكن قياسات المجتمع تضعه باستمرار في مكان ما حول 65–75% من إجمالي الذاكرة، مع سماح أكبر للأجهزة الأكبر.

النتيجة العملية، على الأجهزة التي قد تشتريها:

الذاكرة المثبتة	المتاح تقريباً لوحدة الرسومات
16 GB	~10–12 GB
32 GB	~21–24 GB
64 GB	~42–48 GB
128 GB	~85–96 GB
512 GB	~340–384 GB

يمكنك رفعه. يسري التغيير فوراً ولا يبقى بعد إعادة التشغيل:

# Allow the GPU to wire 28GB on a 32GB Mac
sudo sysctl iogpu.wired_limit_mb=28672

# Back to automatic
sudo sysctl iogpu.wired_limit_mb=0

كن حذراً مع هذا. كل ما تأخذه، تأخذه من نظام التشغيل ومن كل التطبيقات الأخرى. إذا دفعته قريباً جداً من الإجمالي فستواجه التبديل (swapping)، أو كرة الشاطئ الدوّارة (beachball)، أو إنهاءً قسرياً بسبب نفاد الذاكرة — وعلى جهاز ماك بقرص SSD سريع، يشكّل التبديل تحت ضغط الذاكرة أيضاً حِمل كتابة مستمراً. إذا رأيت من قبل مربع الحوار System has run out of application memory، فهذه إحدى الطرق للوصول إلى ذلك.

السقف المعقول هو إجمالي الذاكرة ناقص 6–8GB مخصصة لـ macOS وتطبيقاتك الأخرى. اضبطه، شغّل نموذجك، وراقب ضغط الذاكرة في مراقب النشاط (Activity Monitor). إذا كنت تلاحظ ارتفاعات في الضغط بشكل عام، فإن دليل إدارة ذاكرة ماك لدينا يغطي طرق التشخيص.

سعة الذاكرة مقابل عرض النطاق الترددي

عرض النطاق الترددي: ما مدى سرعة الإجابة

إليك التقدير الذي يهم، وإليك بالضبط ماهيته:

tokens per second ≈ (memory bandwidth × efficiency) ÷ weight size in bytes

تمثّل الكفاءة الفجوة بين عرض النطاق الترددي النظري الأقصى وما يحققه محرك الاستدلال فعلياً — على شرائح Apple silicon مع بيئة تشغيل جيدة التحسين، تكون تقريباً بين 0.6 و0.8. أستخدم 0.7 فيما يلي.

هذه تقديرات محسوبة من أرقام عرض النطاق الترددي المنشورة، وليست اختبارات أداء (benchmarks) أجريتها بنفسي. تعامل معها على أنها ذات رتبة الحجم الصحيحة والترتيب النسبي الصحيح، لا كقياسات فعلية. الأرقام الحقيقية تتفاوت باختلاف بيئة التشغيل، والتكميم، وطول السياق، والسلوك الحراري.

سرعة التوليد لنموذج كثيف (dense) عند 4-bit:

	M6 (170GB/s)	M5 Pro (307GB/s)	M5 Max (614GB/s)	M5 Ultra (1.2TB/s)
8B (4.4GB)	~27 tok/s	~49 tok/s	~98 tok/s	~190 tok/s
32B (17.6GB)	~7 tok/s	~12 tok/s	~24 tok/s	~48 tok/s
70B (38.5GB)	لا يتسع	~6 tok/s	~11 tok/s	~22 tok/s
120B (66GB)	لا يتسع	لا يتسع	~7 tok/s	~13 tok/s

للمرجعية: سرعة القراءة المريحة تبلغ نحو 10 رموز في الثانية. وتحت نحو 5، يتوقف معظم الناس عن استخدام الأداة.

انظر إلى صف 32B. هذا نموذج واحد، وينتقل من بالكاد محتمل إلى سريع فعلاً عبر النطاق — دون أي تغيير في مسألة اتساعه من عدمها. هذا هو عرض النطاق الترددي، لا السعة، وهو المحور الذي ينساه الناس عندما يشترون أرخص جهاز يستوعب النموذج من الناحية النظرية فقط.

لماذا تغيّر نماذج MoE الإجابة

تكسر نماذج خليط الخبراء (Mixture-of-experts، MoE) القاعدة أعلاه، وهذا هو السبب الكامل وراء أن جهازاً بسعة 512GB يصبح مثيراً للاهتمام.

يخزّن نموذج MoE العديد من الشبكات الفرعية الخبيرة لكنه ينشّط عدداً قليلاً منها فقط لكل رمز. نموذج بحجم 235B مع 22B من المعاملات النشطة يجب أن يستوعب أوزاناً بقيمة 235B، لكنه يقرأ فقط ما يعادل نحو 22B لإنتاج كل رمز.

إذن:

السعة يحكمها إجمالي عدد المعاملات — 129GB عند 4-bit.
السرعة تحكمها المعاملات النشطة — كأنه نموذج كثيف بحجم 22B، أي نحو 40 tok/s على M5 Ultra بدلاً من الـ ~9 tok/s التي سيحققها نموذج كثيف بحجم 235B.

هذا هو عدم التماثل الذي يجعل نماذج MoE الكبيرة عملية على شرائح Apple silicon بطريقة لا تتوفر مع وحدة رسومات استهلاكية: تحتاج إلى السعة، التي تبيعها Apple بطريقة لا يقدمها أحد غيرها بهذا السعر، وتحصل على سرعة تتناسب مع نموذج أصغر بكثير.

وهذا أيضاً سبب أن عبارة «512GB تشغّل نماذج بحجم الحدود التقنية» صحيحة لكنها غير مكتملة. فهي تشغّل نماذج متفرقة (sparse) بحجم الحدود التقنية بسرعة قابلة للاستخدام. نموذج كثيف افتراضي بحجم 400B عند 4-bit سيشغل 220GB ويولّد نحو 4 رموز في الثانية على M5 Ultra. إنه يتسع. لكنك لن تستمتع به.

معالجة الطلب مشكلة مختلفة

اقرأ ادعاءات Apple بشأن جهاز Mac mini الجديد بدقة:

تسريع يصل إلى 4.8x في معالجة طلبات نماذج اللغة الكبيرة (LLM prompt processing) مقارنة بـ M4 تسريع يصل إلى 13.5x في معالجة طلبات نماذج اللغة الكبيرة (LLM prompt processing) مقارنة بـ M1

معالجة الطلب — أو التعبئة المسبقة (prefill) — هي المرحلة التي يستوعب فيها النموذج ما أعطيته إياه. تتم معالجة كل رمز من مدخلاتك بالتوازي، ما يجعلها مقيّدة بالحوسبة (compute-bound): تتناسب مع إنتاجية GPU، ومع مسرّعات الشبكة العصبية (Neural Accelerators) المدمجة الآن في كل نواة GPU، وفي M6 مع أول محرك عصبي مزدوج (dual Neural Engine) تشحنه Apple.

أما توليد الرموز — أو فك الترميز (decode) — فيحدث رمزاً واحداً في كل مرة، ويتطلب كل رمز مروراً كاملاً على الأوزان. إنه مقيّد بعرض النطاق الترددي (bandwidth-bound)، ولا يصلحه أي قدر من الحوسبة.

اختارت Apple الإعلان عن النصف المقيّد بالحوسبة. هذا ليس مضللاً؛ فهو فعلاً النصف الذي تحسّن أكثر في هذا الجيل. لكنه يعني أن الأرقام التسويقية تصف مدى سرعة قراءة الجهاز لمستندك المكون من 50 صفحة، لا مدى سرعة كتابته للملخص.

أي الرقمين يهمك يعتمد على طبيعة عملك:

مدخلات طويلة، مخرجات قصيرة — تلخيص المستندات، التصنيف، الاستخراج من قاعدة كود — تهيمن عليه مرحلة التعبئة المسبقة (prefill). أرقام Apple تنطبق هنا.
مدخلات قصيرة، مخرجات طويلة — الكتابة المسودة، الدردشة، توليد الكود — تهيمن عليه مرحلة فك الترميز (decode). عرض النطاق الترددي هو رقمك المهم.
مدخلات طويلة ومخرجات طويلة — سير عمل وكيلي (agentic) على سياق كبير — يحتاج كليهما، ويحتاج أيضاً سعة إضافية لذاكرة KV cache.

ما الذي تغيّر فعلياً مع M5 Ultra

أوحت بعض التغطية الإعلامية للإطلاق بأن استيعاب نموذج بحجم الحدود التقنية على جهاز مكتبي أمر جديد. إنه ليس كذلك، وفهم هذا بدقة يغيّر قرار الترقية لكل من يملك بالفعل جهاز Mac Studio.

	M3 Ultra (2025)	M5 Ultra (2026)
أقصى ذاكرة موحدة	512GB	512GB
عرض النطاق الترددي للذاكرة	819GB/s	1.2TB/s
أنوية GPU	حتى 80	حتى 80
أنوية CPU	32	حتى 36

السعة لم تتغير. عدد أنوية GPU لم يتغير. ارتفع عرض النطاق الترددي بنحو 1.47x، واكتسبت وحدة المعالجة المركزية أربع أنوية إضافية.

يتوافق هذا تماماً مع مقارنات Apple نفسها مع M3 Ultra — «أداء متعدد الخيوط أعلى بنسبة تصل إلى 1.3x» و«رسومات أسرع بنسبة تصل إلى 1.8x» أرقام متواضعة، أما ادعاء Apple الكبير، «أداء حوسبة ذكاء اصطناعي أقصى يصل إلى 4.3x»، فمصدره مسرّعات الشبكة العصبية المدمجة الآن في كل نواة GPU وليس زيادة عدد الأنوية أو حجمها.

إذن بالنسبة للاستدلال المحلي تحديداً:

سرعة التوليد تتحسن تقريباً بما يتناسب مع عرض النطاق الترددي — لنقل نحو 1.4x على النموذج نفسه.
معالجة الطلب تتحسن أكثر بكثير، بما يتماشى مع رقم 4.3x لأداء الحوسبة الذكية.
ما يمكنك تحميله لم يتغير.

إذا كنت تملك جهاز Mac Studio بشريحة M3 Ultra وسعة 512GB وكان قيدك هو أي النماذج تتسع، فهذا الجيل لا يحل مشكلة لديك. أما إذا كان قيدك هو الانتظار حتى تُعالَج الطلبات الطويلة، فإنه يعالج ذلك مباشرة. دليل أداء Mac Studio M4 Max وM3 Ultra لدينا يغطي الجيل السابق بالتفصيل.

ملاحظة أخيرة بشأن الجدولة تستحق المعرفة قبل الطلب: تكوين 512GB لا يُشحن في 22 سبتمبر مع بقية الطرازات. حددت Apple موعد وصوله في أواخر أكتوبر.

اختيار تكوين جهاز ماك للذكاء الاصطناعي المحلي

أي جهاز، وفقاً لما تفعله فعلياً

16GB — ليس لهذا الغرض

لديك تقريباً 10–12GB متاحة لوحدة الرسومات. هذا يشغّل نماذج 8B عند 4-bit مع سياق متواضع، ولا شيء أكبر من ذلك. مناسب لنماذج من فئة الإكمال التلقائي والمساعدات المحلية الصغيرة، وسيثير إحباطك في أي شيء آخر. في عام 2026، جهاز بذاكرة 16GB هو جهاز يؤدي أموراً أخرى جيداً ويشغّل نماذج اللغة الكبيرة بشكل عرضي.

32GB (M6 Mac mini بأقصى تكوين — 1,299$) — نقطة الدخول

نحو 21–24GB للعمل بها. هذا يشغّل نماذج 8B و14B بارتياح، ونموذج 32B عند 4-bit مع سياق قصير، بسرعة نحو 7 رموز في الثانية. هذا الرقم الأخير هو الحد الصادق: إنه يتسع، لكن على حافة المقبول.

مناسب لـ: مساعدات البرمجة المحلية، العمل الخاص على المستندات، تعلّم الأدوات. ترقية الـ 400$ من 16GB ليست اختيارية إذا كانت النماذج المحلية أحد أسباب شرائك للجهاز.

64GB (M5 Pro Mac mini — من 1,699$) — النقطة المثالية لمعظم الناس

نحو 42–48GB متاحة، وعرض نطاق ترددي 307GB/s. نموذج 70B عند 4-bit يتسع مع مساحة لسياق حقيقي، مولّداً نحو 6 رموز في الثانية — قابل للاستخدام في العمل الدفعي (batch)، بطيء للدردشة التفاعلية. نموذج 32B يعمل بسرعة نحو 12 رمزاً في الثانية، وهو أمر مريح.

هنا يستقر معظم الاستخدام الجاد للنماذج المحلية، وهذا هو التكوين الذي سأوجّه إليه معظم الناس. كما أنه يوفّر منفذ Thunderbolt 5، وهو ما لا يتوفر في M6 mini.

128GB (M5 Max Mac Studio — من 2,499$) — الفئة الاحترافية

نحو 85–96GB متاحة بعرض نطاق ترددي 614GB/s. نموذج 70B عند 4-bit يعمل بسرعة نحو 11 رمزاً في الثانية، تفاعلي بارتياح. نماذج من فئة 120B تتسع. نماذج MoE متوسطة الحجم تصبح عملية.

هذا هو التكوين المناسب لمن يعتمد عمله على الاستدلال المحلي يومياً — فعرض النطاق الترددي يضاعف تقريباً سرعة توليد M5 Pro على النموذج نفسه.

512GB (M5 Ultra Mac Studio — من 5,499$، وأكثر من 18,000$ بأقصى تجهيز) — سعة لا يمكنك شراؤها في مكان آخر

نحو 340–384GB متاحة بعرض نطاق ترددي 1.2TB/s. هذا يستوعب نماذج MoE من فئة 400B عند 4-bit، ويولّد بسرعة تتناسب مع عدد معاملاتها النشطة، وهذا بالتحديد ما لا يقدمه أي جهاز مكتبي آخر بهذا السعر.

اشتر هذا إذا كنت مقيداً بالسعة بطريقة لا يحلها شيء آخر. إذا كانت نماذجك تتسع في 128GB، فإن Ultra يشتري لك سرعة يمكنك الحصول عليها بتكلفة أقل.

إذا لم تكن تنوي شراء جهاز ماك جديد

جهاز ماك موجود بالفعل بشريحة M1/M2/M3/M4 وذاكرة كافية يشغّل النماذج المحلية بشكل جيد — كان عرض النطاق الترددي في فئتَي Pro وMax جيداً لعدة أجيال. تحقق من أرقامك الخاصة:

# Total memory in GB
echo "$(( $(sysctl -n hw.memsize) / 1073741824 )) GB"

# Chip and current GPU wired limit
sysctl -n machdep.cpu.brand_string
sysctl iogpu.wired_limit_mb

ثم طبّق الجداول أعلاه. جهاز بشريحة M1 Max وذاكرة 64GB بعرض نطاق ترددي 400GB/s هو جهاز استدلال محلي جيد تماماً وكان كذلك دائماً.

مثال محلول

من السهل الموافقة على الجداول المجردة بإيماءة رأس، ومن الصعب التصرف بناءً عليها. إليك المنطق مطبقاً على حالة ملموسة واحدة.

المتطلب: مساعد برمجة خاص يقرأ قاعدة كود كبيرة نسبياً، ويحتفظ بسياق طوله 32,000 رمز، ويجيب تفاعلياً. تريد نموذجاً من فئة 32B لأن النماذج الأصغر أسوأ بشكل ملحوظ في البرمجة.

الخطوة 1 — الأوزان. 32B عند 4-bit: 32 × 0.55 = 17.6GB.

الخطوة 2 — السياق. 32,000 رمز بمعدل نحو 0.2 MB لكل رمز لنموذج حديث يستخدم grouped-query attention: نحو 6.4GB. هذا هو الحد الذي ينساه الناس، وهنا يتجاوز ثلث حجم الأوزان.

الخطوة 3 — النفقات الإضافية (overhead). بيئة التشغيل، ذاكرات Metal المؤقتة (buffers)، أداة الترميز (tokenizer): 2–3GB.

الإجمالي: نحو 26–27GB يجب تثبيتها (wired) لوحدة الرسومات.

الخطوة 4 — التحويل إلى الذاكرة المثبتة. عند سقف تلقائي ~70%، تحتاج 27GB مثبتة إلى نحو 38GB ذاكرة مثبتة في الجهاز. جهاز ماك بذاكرة 32GB يمنحك 21–24GB تلقائياً — غير كافٍ. يمكنك رفع iogpu.wired_limit_mb إلى 27GB على جهاز بذاكرة 32GB، وهو ما يترك 5GB لـ macOS وكل شيء آخر. سيعمل ذلك ما دام لا شيء آخر يعمل، وينهار في اللحظة التي تفتح فيها متصفحاً.

الخلاصة: 64GB ذاكرة مثبتة. وهذا يوصلك إلى M5 Pro Mac mini، وليس M6.

الخطوة 5 — تحقق من السرعة. 307GB/s × 0.7 ÷ 17.6GB ≈ 12 رمزاً في الثانية. مريح للاستخدام التفاعلي.

الآن غيّر متغيراً واحداً. أبقِ كل شيء آخر كما هو واطلب سياقاً بطول 128,000 رمز: ترتفع ذاكرة KV cache إلى نحو 25GB، ويرتفع الطلب الإجمالي إلى نحو 45GB، وترتفع الذاكرة المثبتة المطلوبة إلى 64GB كحد أدنى مع رفع الحد المثبت — أو 128GB لتكون مرتاحاً. إعداد واحد نقل الإجابة إلى فئة منتج كاملة أعلى.

هذه هي الطريقة كاملة. الأوزان، السياق، النفقات الإضافية، القسمة على السقف، ثم التحقق من عرض النطاق الترددي مقابل حجم الأوزان.

بيئات التشغيل لا تتصرف كلها بالطريقة نفسها

الحسابات أعلاه تصف العتاد (hardware). ما تلاحظه فعلياً يعتمد على البرمجيات، والفروقات كبيرة بما يكفي لتغيير قرار الشراء.

MLX هو إطار عمل المصفوفات (array framework) الخاص بـ Apple، مبني للذاكرة الموحدة. لا ينسخ البيانات بين «ذاكرة CPU» و«ذاكرة GPU» لأنه على شرائح Apple silicon لا يوجد مثل هذا التمييز، وهو بشكل عام الخيار الأكثر كفاءة في استخدام الذاكرة على جهاز ماك. إذا كنت تشتري عتاداً خصيصاً للاستدلال المحلي، فإن الأدوات المبنية على MLX هي ما يجعل العتاد يبدو جيداً.

llama.cpp، والأدوات المبنية عليه، هو الخيار الأكثر قابلية للنقل ولديه دعم ممتاز لـ Metal. صيغ التكميم الخاصة به — عائلة Q4_K_M التي تفترضها الجداول أعلاه — هي المعيار الفعلي السائد، وسلوكه في استخدام الذاكرة قابل للتنبؤ وموثّق جيداً.

Ollama يغلّف llama.cpp بإدارة للنماذج. مريح، والشيء الذي يجب معرفته هو أنه يبقي النماذج مقيمة في الذاكرة بعد الاستخدام لفترة قابلة للتهيئة. إذا كنت قريباً من سقفك، فقد يظل نموذج انتهيت منه قبل ساعة يشغل الذاكرة. هذا سبب متكرر لعبارة «كان يعمل بالأمس».

LM Studio هو الخيار الرسومي وصادق بشأن الذاكرة، إذ يريك ما سيتسع وما لن يتسع قبل أن تحمّله. إنه طريقة جيدة لتطوير حدس بشأن هذه الأرقام دون إجراء حسابات.

سلوكان يهمان بغض النظر عن أيهما تستخدم:

هل يتم تخصيص ذاكرة KV cache مسبقاً (preallocated). بعض بيئات التشغيل تحجز نافذة السياق كاملة عند التحميل؛ وأخرى تنمّيها مع نمو المحادثة. التخصيص المسبق يعني أن نموذجاً كان سيعمل عملياً قد يفشل في التحميل. إذا رفض نموذج التحميل عند 128K لكنه حُمّل عند 8K، فهذا هو السبب — وخفض السياق المُهيّأ هو الحل، لا اختيار نموذج أصغر.
هل يتم إلغاء تحميل النماذج غير المستخدمة. تحقق من إعداد keep-alive في بيئة التشغيل لديك قبل أن تستنتج أن جهازك صغير جداً.

شراء هامش أداء دون شراء ذاكرة

قبل إنفاق 400$ على فئة ذاكرة أعلى، هناك عدة تقنيات تغيّر الحسابات.

كمّم بشكل أقوى. الانتقال من 8-bit إلى 4-bit يخفّض احتياجك من الذاكرة إلى النصف مقابل فقدان متواضع في الجودة. هذه دائماً تقريباً صفقة أفضل من الانتقال إلى نموذج أصغر بدقة أعلى — نموذج 32B عند 4-bit يتفوق عموماً على نموذج 14B عند 8-bit، بذاكرة مماثلة.

كمّم ذاكرة KV cache. يمكن لمعظم بيئات التشغيل تخزين ذاكرة KV cache عند 8-bit أو أقل. في السياقات الطويلة، حيث تضاهي الذاكرة المؤقتة حجم الأوزان، يمثّل هذا أكبر توفير متاح بمفرده وتكلفة الجودة صغيرة.

اضبط حجم السياق بدقة. نافذة سياق بحجم 128K تستخدم منها 4,000 رمز فقط لا تزال تكلّفك السعر الكامل في بيئات التشغيل ذات التخصيص المسبق. هيّئ السياق الذي تستخدمه فعلياً.

فضّل نماذج MoE. كما ذُكر أعلاه، يمنحك نموذج خليط الخبراء جودة نموذج كبير بسرعة توليد نموذج صغير. التكلفة هي السعة، وهي بالضبط ما يمتلكه جهاز الماك أكثر من البدائل.

استخدم فك الترميز التخميني (speculative decoding). نموذج مسودة صغير يقترح عدة رموز ويتحقق منها النموذج الكبير في مرور واحد. ولأن التحقق متوازٍ، يهاجم هذا عنق زجاجة عرض النطاق الترددي مباشرة ويمكنه رفع عدد الرموز في الثانية بشكل ملموس — مقابل تكلفة الاحتفاظ بنموذج صغير ثانٍ في الذاكرة. على جهاز محدود بعرض النطاق الترددي ولديه سعة فائضة، هذه صفقة جيدة.

أغلق الأشياء. واضح، وما زال الحل بشكل مفاجئ في كثير من الأحيان. المتصفحات ذات علامات التبويب الكثيرة، والأجهزة الافتراضية، ومحررات الفيديو، كلها تتنافس على المجمع نفسه. لا توجد VRAM منفصلة يمكن اللجوء إليها.

استكشاف المشكلات الشائعة وإصلاحها

النموذج يُحمَّل لكن التوليد بطيء للغاية

المشكلة: تجاوزت ما سيمنحه macOS لوحدة الرسومات، والعمل يفيض إلى ذاكرة التبديل (swap). الأعراض هي رمز أول يستغرق عدة ثوانٍ وتوليد يتلعثم بدلاً من التدفق بانتظام.

الحل: تحقق من ضغط الذاكرة في مراقب النشاط أثناء التوليد. إذا كان أصفر أو أحمر، فإما استخدم تكميماً أصغر، أو قلّل نافذة السياق، أو ارفع iogpu.wired_limit_mb — مع ترك 6–8GB على الأقل للنظام. إذا كان الضغط أخضر ولا يزال بطيئاً، فأنت ببساطة مقيّد بعرض النطاق الترددي والحل هو نموذج أصغر.

«System has run out of application memory»

المشكلة: عادة ما يكون الحد المثبت مضبوطاً بشكل عدواني جداً، أو سياق كبير نما خلال جلسة طويلة.

الحل: أعد الضبط باستخدام sudo sysctl iogpu.wired_limit_mb=0 وأعد تشغيل عملية الاستدلال. أعد تشغيل الجهاز إذا بقي النظام غير مستقر — الإعداد غير دائم، لذا فإن إعادة التشغيل تمسحه على أي حال. الأسباب ذات الصلة مغطاة في دليل استكشاف تسرب الذاكرة وإصلاحه لدينا.

يتسع على الورق لكنه يفشل في التحميل

المشكلة: قدّرت الحجم بناءً على الأوزان فقط ونسيت ذاكرة KV cache، أو أن بيئة التشغيل تخصص السياق الكامل مسبقاً بدلاً من تنميته تدريجياً.

الحل: قلّل طول السياق في إعدادات بيئة التشغيل لديك وأعد المحاولة. إذا كان سياق 32K يُحمَّل و128K لا يُحمَّل، فهذا يؤكد التشخيص، والحسابات في قسم السعة تخبرك بمقدار ما تحتاجه للسياق الذي تريده.

جهاز الماك يسخن ويبطئ خلال جلسة طويلة

المشكلة: الاستدلال المستمر هو حِمل مستمر على كل من GPU والذاكرة. الأجهزة المحمولة تخفّض أداءها (throttle). الأجهزة المكتبية في الغالب لا تفعل ذلك.

الحل: هذه إحدى الحجج الحقيقية لصالح اختيار Mac mini أو Mac Studio بدلاً من MacBook لهذا النوع من الأحمال — هامش حراري مستدام. على جهاز محمول، راجع دليل إصلاح تخفيض الأداء الحراري لـ MacBook Pro M5 لدينا.

معالجة سريعة للطلب، توليد بطيء

المشكلة: لا شيء خاطئ. هذا هو السلوك المتوقع للعتاد.

الحل: راجع قسم التعبئة المسبقة مقابل فك الترميز أعلاه. إذا كانت سرعة التوليد هي ما تحتاجه، فالحل هو نموذج أصغر، أو تكميم أكثر عدوانية، أو نموذج MoE بعدد صغير من المعاملات النشطة، أو المزيد من عرض النطاق الترددي — بهذا الترتيب من حيث التكلفة.

الأسئلة الشائعة

كم من ذاكرة RAM أحتاج لتشغيل نموذج 70B؟

عند التكميم بـ 4-bit تبلغ الأوزان نحو 38.5GB. أضف السياق والنفقات الإضافية وستريد 64GB ذاكرة مثبتة كحد أدنى واقعي، لأن macOS سيمنح وحدة الرسومات نحو 42–48GB فقط من ذلك. ذاكرة 48GB مثبتة ضيقة جداً بمجرد إدراج أي سياق ذي معنى.

هل تكفي ذاكرة 16GB للذكاء الاصطناعي المحلي في عام 2026؟

لنماذج 8B عند 4-bit مع سياق قصير، نعم. لأي شيء أكبر، لا. إذا كانت النماذج المحلية سبباً لشرائك الجهاز، اعتبر 32GB الحد الأدنى و64GB الهدف.

هل يسرّع المحرك العصبي (Neural Engine) نماذج اللغة الكبيرة المحلية؟

يساهم في معالجة الطلب، ومن هنا يأتي رقم Apple «تسريع 4.8x في معالجة طلبات نماذج اللغة الكبيرة»، والمحرك العصبي المزدوج بـ 16 نواة في M6 خطوة حقيقية. لكنه لا يغيّر حد عرض النطاق الترددي على توليد الرموز. تعتمد معظم بيئات الاستدلال المحلي الشائعة على ماك بشكل أساسي على وحدة الرسومات عبر Metal.

هل يجب أن أشتري Mac Studio بسعة 512GB؟

فقط إذا كنت مقيداً بالسعة. إذا كانت النماذج التي تشغّلها فعلياً تتسع في 128GB، فإن Mac Studio بشريحة M5 Max يؤدي العمل نفسه بثلث السعر. لاحظ أيضاً أن خيار 512GB لن يُشحن حتى أواخر أكتوبر، وأن الجهاز بأقصى تجهيز يصل إلى 18,299$.

هل يمكنني إضافة ذاكرة لاحقاً؟

لا. الذاكرة الموحدة جزء من حزمة الشريحة في كل جهاز ماك بشريحة Apple silicon. هذه هي المواصفة الأكثر استحقاقاً للشراء بمقاس أكبر من حاجتك، لأنها الوحيدة التي لن تتمكن أبداً من مراجعتها لاحقاً.

هل جهاز الماك أفضل من حاسوب PC بوحدة رسومات منفصلة لهذا الغرض؟

مفاضلات مختلفة. تمتلك وحدة الرسومات المنفصلة عرض نطاق ترددي أعلى بكثير للذاكرة لكن ذاكرة أقل بكثير — بطاقات المستهلكين تصل إلى حد أقصى أقل بكثير مما يقدمه Mac Studio. يفوز جهاز الماك بشكل حاسم في السعة لكل دولار وفي استهلاك الطاقة، ويخسر في الإنتاجية الخام للنماذج الصغيرة بما يكفي لتتسع في VRAM. إذا كانت نماذجك كبيرة، فغالباً ما يكون الماك الخيار الوحيد ذو الصندوق الواحد. إذا كانت صغيرة، فوحدة الرسومات أسرع.

هل يضر التكميم بالجودة؟

8-bit قريب من الخلو التام من الفقد لمعظم الأغراض. تكميمات 4-bit K-quants هي الخيار الافتراضي العملي والتدهور فيها متواضع لمعظم المهام. تحت 4-bit، تنخفض الجودة بشكل ملحوظ. بالنظر إلى جداول الذاكرة أعلاه، فإن الانتقال من 8-bit إلى 4-bit يخفّض احتياجك من الذاكرة تقريباً إلى النصف — وعادة ما تكون صفقة أفضل من الانتقال إلى نموذج أصغر.

الخاتمة

العنوان الخاص بـ 512GB حقيقي، ولعدد قليل من الناس هو أمر حاسم. أما بالنسبة للباقين، فالنسخة المفيدة من هذا المقال هي ثلاثة أسطر من الحساب: الأوزان هي المعاملات مضروبة في البايتات لكل معامل، والسياق يضيف 0.1–0.5 MB لكل رمز فوق ذلك، ويمنح macOS وحدة الرسومات نحو 65–75% فقط مما اشتريته.

طبّق هذه الأرقام على النماذج التي تنوي استخدامها فعلياً، وستستقر الإجابة عادة عند 64GB. ثم تحقق من الرقم الثاني — عرض النطاق الترددي — لأنه يحدد ما إذا كان النموذج الذي يتسع هو نموذج ستستمر في استخدامه. الفجوة بين نموذج 32B بسرعة 7 رموز في الثانية والنموذج نفسه بسرعة 24 رمزاً في الثانية هي الفجوة بين عرض توضيحي وأداة فعلية، ولا يسدّها أي قدر من السعة.

وأياً كان ما تختاره، اختر بعناية. إنه ملحوم.