مقارنة 5 أدوات ذكاء اصطناعي محلية: أيها تختار

لماذا تشغّل الذكاء الاصطناعي محليًا؟

يحافظ الاستدلال المحلي للذكاء الاصطناعي على خصوصية بياناتك، ويزيل الاعتماد على واجهات API السحابية وتكاليفها، ويتيح لك تخصيص النماذج. ومع تزايد رشاقة النماذج عبر التكميم، أصبح العتاد الاستهلاكي - حتى الحواسيب المحمولة الأقدم - قادرًا الآن على تشغيل نماذج من 7B إلى 13B معامل بكفاءة. وهذه الأدوات الخمس تجعل ذلك في متناول الجميع.

جدول المقارنة

الأداة	المنصات	الواجهة	تسريع وحدة الرسوميات	صيغ النماذج	الرخصة
Ollama	Windows، macOS، Linux	سطر أوامر + واجهة رسومية مكتبية (يوليو 2025+)	NVIDIA (CUDA)، AMD (ROCm)، Apple (Metal/MLX)	GGUF، Safetensors	MIT (مفتوح المصدر)
LM Studio	Windows، macOS (Apple Silicon)، Linux	واجهة رسومية (مكتبية أولًا)	NVIDIA (CUDA 12.8)، Intel iGPU، AMD (ROCm)، Apple (MLX)	GGUF، MLX	برمجية مجانية (مغلقة المصدر)
GPT4All	Windows، macOS، Linux	واجهة رسومية مكتبية + Python SDK	NVIDIA (Vulkan)، AMD (Vulkan)	GGUF، Safetensors، مخصّصة	MIT (مفتوح المصدر)
Jan	Windows، macOS، Linux	واجهة رسومية مكتبية	NVIDIA، Apple M-series، Linux متعدد وحدات GPU	GGUF (عبر llama.cpp/Cortex.cpp)	AGPLv3 (مفتوح المصدر)
Msty	Windows، macOS (Intel وApple)، Linux	واجهة رسومية مكتبية (نسخة ويب متاحة 2025+)	NVIDIA، Apple (MLX)، وحدات رسوميات مدمجة	GGUF، عبر محرك مضمّن أو Ollama	احتكارية (مجانية جزئيًا)

Ollama باختصار

Ollama هو معيار سطر الأوامر لنشر نماذج اللغة المحلية. فصياغته البسيطة (ollama run llama2) تنزّل النماذج وتشغّلها مع اكتشاف تلقائي لوحدة الرسوميات. وقد وصل تطبيقه المكتبي الأصلي في يوليو 2025، مضيفًا دعم سحب وإفلات الملفات وواجهة دردشة دون التخلي عن قوة سطر الأوامر. ويدعم النماذج متعددة الوسائط (رؤية + نص)، والاستجابات المتدفقة، وواجهة API متوافقة مع OpenAI. وتعني رخصة MIT والبنية مفتوحة المصدر عدم الارتباط بمزوّد واحد - إذ تُخزَّن النماذج كملفات GGUF عادية. وهو الأفضل للمطورين ولمن يرتاحون للتعامل مع الطرفية؛ وممتاز كأساس لتطبيقات أخرى (يمكن لـ Msty وJan استخدام Ollama كخلفية).

LM Studio باختصار

LM Studio واجهة رسومية مصقولة ومغلقة المصدر مصمّمة للمستخدمين الذين يجدون سطر أوامر Ollama مخيفًا. وهو مبني على llama.cpp، مع إضافة محرك MLX من Apple (أكتوبر 2024). ويتميّز بمتصفح نماذج مدمج بتنزيلات بنقرة واحدة، وواجهة دردشة نظيفة، والقدرة على التحكم بإخراج العمل من وحدة الرسوميات عبر أشرطة تمرير. ويدعم فك التشفير التخميني (فبراير 2025) وواجهة API متوافقة مع OpenAI. وهو برمجية مجانية دون متطلب رخصة تجارية (تغيّر في يوليو 2025). ويؤدي أداءً جيدًا على الرسوميات المدمجة (Intel/AMD iGPUs) ووحدات GPU الأحدث. وهو مثالي للمستخدمين غير التقنيين الراغبين في أقصى صقل؛ ويقايض الشفافية مفتوحة المصدر بسهولة الاستخدام.

GPT4All باختصار

يركّز GPT4All، الذي يُشرف عليه Nomic AI، على الخصوصية واختيار النماذج المحلية المنسّقة. ويتميّز بـ LocalDocs (توليد معزّز بالاسترجاع فوق الملفات الشخصية)، وتصفية تلقائية لجودة النماذج، ودعم وحدات رسوميات Vulkan لـ NVIDIA وAMD. وتتيح مكتبة Python SDK دمجه في التطبيقات؛ والتطبيق المكتبي ودّي للمبتدئين. وهو مرخّص بموجب MIT ومفتوح المصدر. ونقطة قوته الأساسية هي معرض النماذج المنسّق - خيارات أقل من Ollama، لكن كل نموذج مختبَر وموثّق. ويدعم GGUF وSafetensors؛ وتتعامل الإصدارات الأحدث مع نماذج الاستدلال (DeepSeek-R1) بتنسيق خاص. وهو خيار جيد لغير المطورين الذين يريدون قرارات أقل وتوثيقًا أفضل.

Jan باختصار

Jan تطبيق دردشة مفتوح المصدر (AGPLv3) بفلسفة محلية أولًا. ويدعم نماذج GGUF عبر خلفية Cortex.cpp، ويمكنه التبديل بين النماذج المحلية والسحابية في منتصف المحادثة، ويتضمن MCP (بروتوكول سياق النموذج) لميزات الوكيل الذكي. وتوفّر واجهة متوافقة مع OpenAI على localhost:1337. وهو متعدد المنصات مع دعم Apple Silicon وعنقود متعدد وحدات GPU. ويركّز على الخصوصية: تبقى المحادثات محلية عند تمكين الوضع دون اتصال. واجهته أقل صقلًا من Msty أو LM Studio، لكنه قوي للمطورين الذين يبنون تكاملات ذكاء اصطناعي وللمؤسسات المهتمة بالخصوصية. ويتكامل مع البحث في الويب ويمكنه الاتصال بواجهات API بعيدة (OpenAI، Groq) كبديل احتياطي.

Msty باختصار

Msty Studio (أعيدت تسميته من Msty App في 2025) مساحة عمل حديثة احتكارية تجمع الاستدلال المحلي (MLX، llama.cpp) مع دعم مزوّدي السحابة (أكثر من 12 خيارًا). ومن ميزاته المميزة Crew Mode (مقارنة النماذج جنبًا إلى جنب)، وKnowledge Stacks (توليد معزّز بالاسترجاع متقدم)، وصفر قياس عن بُعد. وأصبح مجانيًا بالكامل في يوليو 2025 دون حساب مطلوب؛ ويخزّن الوضع المحلي فقط البيانات على الجهاز بالكامل. وتجربة الإعداد لغير التقنيين هي الأفضل في المجال - انقر على نموذج وابدأ الدردشة في أقل من خمس دقائق. وهو هجين مكتبي + ويب (2025+). والأفضل للمستخدمين الذين يريدون صقلًا دون أوامر طرفية ولا يمانعون الكود الاحتكاري، أو للفرق التي تحتاج مساحات عمل منظّمة وميزات جماعية.

أيها ينبغي أن تختار؟

• مبتدئ مطلق، بلا وحدة رسوميات: Msty أو LM Studio. إعداد بنقرة واحدة، وواجهة مصقولة، وسيشغّلان نماذج صغيرة (3B-7B) على المعالج أو الرسوميات المدمجة.
• مطوّر يريد مرونة: Ollama. فإتقان سطر الأوامر يثمر؛ وهو الأساس الذي يبني عليه كثيرون. أو Jan إذا احتجت تنسيق عدة نماذج.
• محترف يضع الخصوصية أولًا: Jan مع الوضع المحلي فقط، أو Ollama لأقصى تحكّم في تخزين البيانات وصيغ النماذج.
• عالم بيانات / باحث نماذج: Ollama + Jan. كلاهما يدعم سير العمل البرمجي والقائم على API.
• مستخدم غير تقني بعتاد جيد: Msty. أكثر إعداد متسامح، وتجربة دردشة قوية، ولا إعداد مطلوب.
• مهتم بالميزانية ومزوّد بوحدة رسوميات: Ollama (مجاني، مفتوح المصدر) أو GPT4All (منسّق، مجاني). كلاهما بلا أعباء ترخيص.
• نشر مؤسسي / جماعي: Jan (امتثال AGPLv3 واضح، مدفوع بـ API) أو Msty بميزاته الجماعية (2026+). وتجنّب LM Studio المغلق المصدر إذا كان تنظيمك يتطلب تدقيق الكود المصدري.

الأسئلة الشائعة

هل يمكنني التبديل بين هذه الأدوات والإبقاء على نماذجي؟

نعم، غالبًا. فالأدوات الخمس كلها تدعم صيغة GGUF، لذا يمكن تشغيل نموذج نزّلته في Ollama في Msty أو Jan أو LM Studio دون إعادة تنزيله. فأوزان النموذج غير مقيّدة بأي أداة. لكن سجل المحادثات والإعدادات المخصّصة (موجّهات النظام، والمعاملات) تُخزَّن بشكل منفصل لدى كل تطبيق.

هل أحتاج إلى وحدة رسوميات لتشغيل هذه الأدوات؟

لا. فالأدوات الخمس كلها تعمل على المعالج وحده؛ ويمكن لمعالجات حديثة بثمانية نوى تشغيل نماذج 7B مكمَّمة بشكل مقبول (5-10 رموز/ثانية). ويُسرّع تسريع وحدة الرسوميات (NVIDIA، Apple Silicon، AMD) الاستدلال بمقدار 10-50 ضعفًا. وتساعد الرسوميات المدمجة (Intel Iris، AMD Radeon) بدرجة كبيرة إذا لم تتوفر وحدة رسوميات منفصلة.

أي أداة تستخدم أقل مساحة قرص؟

يخزّن Ollama كتل GGUF فقط؛ بلا أعباء إضافية للغلاف. ويتضمن Msty محركات استدلال مضمّنة لكنه يبقى مدمجًا. ويضمّ LM Studio كلاً من llama.cpp وMLX، مضيفًا نحو 500 ميغابايت. وGPT4All وJan خفيفان بالمثل. ويشغل نموذج 7B Q4 نحو 4 غيغابايت في جميع الأدوات؛ أما ملف التطبيق فيضيف أقل من غيغابايت.

هل يرسل أي من هذه الأدوات بياناتي إلى السحابة؟

لا ترسل Ollama (مفتوحة المصدر، بلا قياس عن بُعد)، وGPT4All (مفتوحة المصدر، بلا قياس عن بُعد)، وJan (AGPLv3، محلية أولًا بالتصميم) الموجّهات أو بيانات استدلال النماذج إلى خوادم خارجية عند العمل دون اتصال. والطارقة المجانية من Msty بلا قياس عن بُعد في الوضع المحلي. وLM Studio (مغلق المصدر) لا يتجسّس وفقًا لشروطه، لكن الشفافية أقل. والأدوات الخمس كلها تتيح لك التحقق بفحص حركة الشبكة على localhost؛ ولا يتصل أي منها بخوادم خارجية أثناء الاستدلال.