أفضل نماذج الذكاء الاصطناعي المحلية للبرمجة على LM Studio في 2026: مقارنة Qwen3.6-27B وDevstral Small 2 وGLM-4.7-Flash

يُعد Qwen3.6-27B أفضل نموذج ذكاء اصطناعي للبرمجة محليًا عبر LM Studio لمعظم المطورين في 2026، لكن حزمة Ollama البالغ حجمها 17 GB ليست سوى بداية فاتورة الذاكرة. وإذا كان شراء العتاد هدفه الوحيد الاستغناء عن اشتراك Copilot Pro بقيمة $10 شهريًا، فستحتاج بطاقة RTX 5090 التي يبدأ سعرها من $1,999 إلى 199.9 شهرًا لبلوغ نقطة التعادل، وذلك قبل احتساب الكهرباء وبقية محطة العمل ووقتك.

الخلاصة السريعة: كيف تختار أفضل نموذج على LM Studio وفق الذاكرة؟

اختر Qwen3.6-27B إذا كان لديك معالج رسومي أو جهاز بذاكرة موحّدة من فئة 24 GB، وتريد خيارًا محليًا قويًا لأعمال المستودعات واستخدام الأدوات والاستدلال اليومي. اختر Devstral Small 2 عندما تكون المهمة هندسة برمجيات متعددة الملفات تحديدًا، ويطابق جهازك توصية Mistral ببطاقة RTX 4090 واحدة أو جهاز Mac بذاكرة 32 GB. أما GLM-4.7-Flash فهو الأنسب عند الحاجة إلى نموذج وكيل كفء مع تقبّل حداثة منظومة التشغيل المحلي. واحتفظ بـ Qwen3-Coder-Next لجهاز 64 GB أو خادم مشترك. وعلى نظام من فئة 8 GB، استخدم Qwen3.5-9B لتعديلات محددة النطاق بدل التعامل معه كمهندس مستقل يدير المستودع كاملًا.

جرى التحقق من الأسعار وبطاقات النماذج وبيانات ذاكرة التشغيل والتراخيص أدناه بالرجوع إلى صفحات الجهات المطورة الحية في 15 أغسطس 2026.

يعتمد الترتيب قاعدة «الملاءمة أولًا»: الذاكرة المسرّعة أو الموحّدة المتاحة أولًا، ثم سير عمل البرمجة، ثم نتيجة الاختبار المعياري. يمنع هذا الترتيب أكثر أخطاء شراء عتاد الذكاء الاصطناعي المحلي شيوعًا؛ فقد يتسع الجهاز لملف النموذج، لكنه لا يترك ذاكرة كافية لنافذة سياق مفيدة وبيئة التشغيل ونظام التشغيل ووكيل البرمجة الذي يمرر إليه الملفات ونتائج الأدوات.

هناك ثلاثة أرقام متشابهة ظاهريًا، لكنها تعبّر عن قيود مختلفة:

1. حجم الحزمة هو حجم تنزيل النموذج بعد التكميم. تعرض Ollama حزمة qwen3.6:27b بحجم 17 GB.
2. الحد الأدنى لذاكرة النظام هو أدنى سعة تسمح لبيئة التشغيل بتحميل النموذج. تعرض LM Studio حدًا أدنى قدره 16 GB للنموذج نفسه، لكن بلوغ الحد الأدنى لا يعني تجربة عمل مريحة.
3. ذاكرة السياق تزداد كلما طالت المحادثة وكثرت ملفات المصدر ومخرجات الأوامر وسجل الأدوات. وتطلب Qwen صراحةً تقليل السياق بعد خطأ نفاد الذاكرة، رغم أن النموذج يدعم نافذة أصلية أكبر بكثير.

تخيّل ملف النموذج كشخص يدخل مصعدًا. عبوره الباب لا يثبت إلا أنه استطاع الدخول. لكن وكيل البرمجة يحمل معه أمتعة أيضًا: سياق المستودع والرموز المولّدة ومخازن التشغيل المؤقتة والأدوات المحيطة به. لذا فإن ملء المصعد حتى الحد المدوّن عليه ليس خطة جيدة ليوم عمل فعلي.

إذا كان المطلوب تجربة متكاملة تشمل المحرر والمراجعة والوكيل السحابي، لا النموذج الأساسي وحده، فقارن مساعدات البرمجة بالذكاء الاصطناعي الحالية. النموذج المحلي مكوّن واحد فقط؛ فهو لا يوفر تلقائيًا فهرسة المستودع أو ضوابط الصلاحيات أو واجهة مراجعة التصحيحات أو العزل الأمني أو مشغّل أوامر آمنًا.

1. Qwen3.6-27B: أفضل نموذج ذكاء اصطناعي محلي للبرمجة

يأتي Qwen3.6-27B في الصدارة لأنه يجمع قدرات وكلاء البرمجة الحديثة واستخدام الأدوات والمدخلات المرئية والاستدلال على مستوى المستودع داخل حزمة Ollama بحجم 17 GB. وهو مناسب للمطور الذي يريد نموذجًا واحدًا يفحص مستودع TypeScript أحاديًا، ويشرح سبب فشل اختبار، ويقترح تصحيحًا، ويفكر في منطق المنتج المرتبط بالمشكلة من دون التنقل بين نماذج مختلفة. العقبة هنا هي هامش الذاكرة: فالحد الأدنى البالغ 16 GB لدى LM Studio وحزمة Ollama البالغة 17 GB لا يجعلان جهاز 16 GB محطة برمجة مريحة بسياق طويل. خصّص العتاد وفق السياق الذي ستستخدمه، لا وفق أصغر رقم ظاهر في صفحة التنزيل.

تصف بطاقة النموذج الرسمية من Qwen نموذجًا يضم 27B معلمة، بنافذة سياق أصلية من 262,144 رمزًا يمكن تمديدها إلى 1,010,000 رمز. كما تذكر البرمجة عبر الوكلاء واستخدام الأدوات وسير عمل الواجهات الأمامية والاستدلال داخل المستودعات والمدخلات المرئية والحفاظ على سياق الاستدلال عبر الرسائل السابقة. وهذه كلها مقومات مهمة لوكيل برمجة، لأن مهمة المستودع نادرًا ما تنتهي بعد إجابة واحدة؛ إذ يجب أن يتذكر النموذج سبب اختياره نهجًا معينًا بعد دخول الاختبارات والسجلات والملفات الجديدة إلى المحادثة.

تجعل قائمة وسوم Ollama الحالية الإصدار عمليًا: تأتي qwen3.6:27b كتنزيل بحجم 17 GB مع سياق مدرج قدره 256K. وهناك حزمة NVFP4 موجهة للبرمجة بحجم 20 GB. تعرض LM Studio حدًا أدنى لذاكرة النظام يبلغ 16 GB، لكنه مجرد مؤشر على إمكانية التحميل. أما على معالج رسومي أو جهاز بذاكرة موحّدة من فئة 24 GB، فتترك حزمة 17 GB مساحة أكبر بوضوح للسياق وأعباء التشغيل. وعلى 16 GB، ابدأ بسياق أصغر أو نموذج أصغر.

النتيجة الرئيسية قوية، لكن لا بد من إرفاق منهجها. تفيد Qwen بتحقيق 77.2 على SWE-bench Verified و53.5 على SWE-bench Pro و71.3 على SWE-bench Multilingual و59.3 على Terminal-Bench 2.0. استخدمت نتائج SWE-bench إطار وكلاء داخليًا يضم أدوات bash وتحرير الملفات مع نافذة سياق 200K. أما Terminal-Bench فاستخدم نافذة سياق 256K ضمن إطار يعمل على 32 وحدة CPU و48 GB من RAM. تكشف هذه الأرقام قدرة النموذج ضمن إعداد Qwen، لكنها لا تضمن النتيجة أو السرعة نفسها على جهاز مكتبي بذاكرة 24 GB.

تتضمن وثائق الجهة المطورة تحذيرًا آخر بشأن السياق. توصي Qwen بتقليل السياق بعد خطأ نفاد الذاكرة، وفي الوقت نفسه تنصح بسياق لا يقل عن 128K للحفاظ على قدرة التفكير في المهام المعقدة. هذا التعارض هو القيد المعلن للنموذج: يمكنه إتاحة نافذة 256K، لكن الجهاز المحلي المدمج قد يفرض استخدام جزء أصغر منها.

الأنسب لـ: المطورين الذين يملكون معالجًا رسوميًا أو جهازًا بذاكرة موحّدة من فئة 24 GB ويريدون نموذج برمجة محليًا واسع الاستخدام

أبرز ميزة: حزمة تثبيت بنقرة واحدة بحجم 17 GB، مع استخدام حديث للأدوات واستدلال داخل المستودعات ونتيجة 77.2 على SWE-bench Verified وفق بيانات الجهة المطورة

السعر: $0 عبر باقة LM Studio المحلية Free، وفق التحقق في 15 أغسطس 2026

التجربة المجانية: لا تنطبق؛ باقة التشغيل المحلي وتنزيل النموذج مجانيان

إعداد Qwen3.6-27B من دون اعتبار الحد الأقصى للسياق هدفًا

1. 1

   تحقق من الذاكرة قبل التنزيل

   سجّل سعة VRAM أو الذاكرة الموحّدة المتاحة، لا مساحة القرص الإجمالية فقط. اعتبر 24 GB نقطة البداية العملية لحزمة 17 GB. وإذا كان الجهاز لا يملك سوى 8 GB، فانتقل مباشرةً إلى Qwen3.5-9B.

2. 2

   ثبّت LM Studio واختر النموذج الدقيق

   ثبّت LM Studio على جهاز Apple Silicon أو Windows أو Linux مدعوم. ابحث عن Qwen3.6-27B، وتأكد من أن الناشر هو Qwen، ثم اختر تكميمًا يترك حجمه المعروض هامشًا عمليًا للذاكرة.

3. 3

   ابدأ بأقل من الحد الأقصى للسياق

   لا تبدأ عند 256K لمجرد أن النموذج يدعمها. اختر سياقًا يناسب مهمة مستودع ممثلة لاستخدامك، وراقب استهلاك الذاكرة، ثم زد الحجم فقط عندما تحسن الملفات الإضافية التصحيح بما يفوق أثرها في إبطاء التشغيل أو زعزعته.

4. 4

   اربط الخادم المحلي بوكيل برمجة واحد

   فعّل خادم LM Studio المحلي، ووجّه إليه عميل برمجة واحدًا متوافقًا مع OpenAI. أبقِ الخادم محصورًا بالجهاز المحلي ما لم تكن قد أضفت عمدًا مصادقة للشبكة وضوابط للوصول.

5. 5

   اختبر مهمة مستودع محددة النطاق

   استخدم خطأً واحدًا له اختبار معروف الفشل، وتغييرًا صغيرًا متعدد الملفات، ومهمة شرح واحدة. راجع كل أمر وتصحيح مقترح. وسجّل التصحيحات المقبولة ووقت التصويب وذروة استهلاك الذاكرة وما إذا كان النموذج قد نسي قيودًا سابقة.

2. Devstral Small 2: أفضل وكيل برمجة محلي متخصص

يمثل Devstral Small 2 الخيار المتخصص للمطور الذي يريد من النموذج استكشاف قاعدة الشفرة وتحرير عدة ملفات والعمل عبر أدوات هندسة البرمجيات. صممت Mistral نموذج 24B للبرمجة عبر الوكلاء، بدل طرحه كمساعد عام يجيد كتابة الشفرة أيضًا. يمكن لفريق يصون خدمة Python كبيرة أن يسند إليه مشكلة محددة، ويترك إطار الوكيل يبحث ويحرر، ثم يراجع تصحيحًا مترابطًا عبر عدة ملفات. ويتمثل قيده في الفجوة بين مجرد التحميل والعمل المريح: تقول LM Studio إن الحد الأدنى 16 GB، بينما تحدد Mistral بطاقة RTX 4090 واحدة أو جهاز Mac بذاكرة 32 GB هدفًا للتشغيل المحلي.

تمنح بطاقة Mistral الرسمية نموذج Devstral Small 2 نافذة سياق 256K، ومدخلات مرئية، واستخدامًا للأدوات لاستكشاف المستودعات والتعديل متعدد الملفات. كما أنه مرخص وفق Apache 2.0، ما يمنح الفرق التجارية نقطة انطلاق أوضح للاستخدام والتعديل من تحميل مجتمعي غامض المصدر. وقد تظل المراجعة القانونية مطلوبة للشفرة المحيطة والنشر، لكن ترخيص النموذج نفسه صريح.

تفيد Mistral بتحقيق 68.0% على SWE-bench Verified و55.7% على SWE-bench Multilingual و22.5% على Terminal Bench 2. تتأخر هذه النتائج عن الأرقام الرئيسية التي أعلنتها Qwen3.6 في اختبارين مشتركين، لكن الترتيب الرقمي الخام لا يحسم الاختيار كله. فنطاق Devstral أضيق وأسهل تفسيرًا: إنه نموذج وكيل لهندسة البرمجيات، صُمم لاستخدام الأدوات وفحص الشفرة وتحرير الملفات.

ينبغي لتوصية الذاكرة أن تحسم سؤال العتاد. تعرض LM Studio حدًا أدنى يبلغ 16 GB، لكن Mistral تقول إن النموذج خفيف بما يكفي للعمل على بطاقة RTX 4090 واحدة أو جهاز Mac بذاكرة 32 GB. عند شراء عتاد جديد، اتبع مواصفة الجهاز المذكورة صراحةً. وتعامل مع الرقم الأصغر بوصفه دليلًا على إمكان تحميل ملف مكمّم، لا ضمانًا لاحتفاظ تشغيل وكيل طويل بالسياق المطلوب.

الأنسب لـ: وكيل برمجة متخصص متعدد الملفات على محطة عمل واحدة عالية الأداء

أبرز ميزة: تدريب صريح لوكلاء هندسة البرمجيات، وسياق 256K، ومدخلات مرئية، وترخيص Apache 2.0

السعر: $0 عبر باقة LM Studio المحلية Free، وفق التحقق في 15 أغسطس 2026

التجربة المجانية: لا تنطبق؛ باقة التشغيل المحلي وتنزيل النموذج مجانيان

3. GLM-4.7-Flash: أفضل خيار كفء ببنية مزيج الخبراء

يخاطب GLM-4.7-Flash من يريد تجربة عالية الكفاءة: إنه نموذج مزيج خبراء بحجم 30B، يفعّل 3B معلمة لكل رمز، وتتوفر له حزمة Ollama بحجم 19 GB. يناسب المطور الذي يريد سلوك الوكلاء على جهاز من فئة 24 GB، ومستعدًا للتحقق من مسار تشغيل أحدث قبل اعتماده معيارًا لفريق كامل. تعلن Z.ai نتائج برمجية منافسة قياسًا إلى حجمه، فيما تتيح LM Studio ضوابط للأدوات والتفكير. أما العقبة فهي نضج التكامل: تقول بطاقة النموذج الرسمية إن دعم vLLM وSGLang كان يعتمد على الفروع الرئيسية لهما، وهذه إشارة تحذير لبيئات الإنتاج التي تفضّل الإصدارات المستقرة المثبتة.

يخزن نموذج مزيج الخبراء مجموعات كثيرة من المعلمات، لكنه يفعّل مجموعة فرعية فقط لكل رمز. يفسر رقم 3B النشط كفاءة الحوسبة، لكنه لا يحول النموذج إلى تنزيل بحجم 3B. تعرض صفحة وسوم Ollama حزمة Q4 بحجم 19 GB، بينما تعرض LM Studio حدًا أدنى لذاكرة النظام يبلغ 16 GB وسياقًا قدره 128K. ويظل حجم الحزمة المؤشر الأكثر فائدة عند تخطيط الذاكرة المسرّعة.

تفيد بطاقة النموذج الرسمية من Z.ai بتحقيق 59.2 على SWE-bench Verified و64.0 على LiveCodeBench v6. النموذج مدرّب على الأدوات، وتتيح له LM Studio ضوابط للتفكير. وقد يكون وكيلًا محليًا جذابًا عندما يهم معدل الإنتاج لكل معلمة نشطة، لكن التقييمات تظل أرقامًا معلنة من الجهة المطورة، وتستحق منظومة التشغيل تجربة عملية أولًا.

بالنسبة إلى فريق منصات داخلي صغير، تتمثل حالة الاستخدام المنطقية في خدمة محلية واحدة خلف عميل برمجة، مع تثبيت ملف نموذج وإصدار بيئة تشغيل معروفين. اختبر البحث داخل المستودع وتوليد التصحيحات وتحليل استدعاءات الأدوات والمخرجات الطويلة قبل إتاحته كنقطة وصول مشتركة. وإذا عجز الفريق عن إعادة إنتاج البيئة بعد تحديث، فلن تتحول مكاسب الكفاءة إلى مكاسب تشغيلية.

الأنسب لـ: المطورين الذين يختبرون نموذج وكيل كفؤًا على جهاز من فئة 24 GB

أبرز ميزة: إجمالي 30B معلمة مع تفعيل 3B فقط لكل رمز، وتدريب على الأدوات، وحزمة Ollama بحجم 19 GB

السعر: $0 عبر باقة LM Studio المحلية Free، وفق التحقق في 15 أغسطس 2026

التجربة المجانية: لا تنطبق؛ باقة التشغيل المحلي وتنزيل النموذج مجانيان

4. Qwen3-Coder-Next: الأفضل لخادم وكيل محلي بذاكرة 64 GB

يُعد Qwen3-Coder-Next نموذجًا متخصصًا لخادم محلي غني بالذاكرة، لا النموذج الاقتصادي الذي قد يوحي به وصف 3B معلمة نشطة. صممته Qwen خصيصًا لوكلاء البرمجة والتطوير المحلي، مع استدلال طويل الأمد واستخدام معقد للأدوات والقدرة على التعافي من إخفاقات التنفيذ. يناسب فريق منصات صغيرًا يريد تجميع نقطة وصول محلية مضبوطة لوكيل، مع توافر 64 GB من الذاكرة الموحّدة أو ذاكرة النظام. وقيده مادي واضح: يبلغ حجم حزمة Ollama الحالية بنمط Q4 مقدار 52 GB، ولذلك فالمعالج الرسومي المعتاد للمطور بسعة 24 GB ليس هو الهدف.

تصف بطاقة نموذج Qwen إجمالي 80B معلمة مع تفعيل 3B لكل رمز، ونافذة سياق أصلية من 262,144 رمزًا، ونمطًا بلا تفكير فقط. وقد دُرّب على أعمال وكلاء البرمجة، لا على الإكمال الثابت للشفرة وحده. وتذكر Qwen تحديدًا المهام طويلة الأمد واستخدام الأدوات والتكامل مع IDE وCLI والتعافي بعد فشل التنفيذ.

يحسم حجم التنزيل قصة العتاد. تعرض Ollama حزمة Q4 بحجم 52 GB وحزمة Q8 بحجم 85 GB، وكلتاهما مع سياق مدرج قدره 256K. وتعرض LM Studio حدًا أدنى لذاكرة النظام يبلغ 42 GB. يمنح التخطيط على أساس 64 GB لحزمة Q4 نظام التشغيل والسياق المخفّض بعض المساحة، لكنه لا يضمن مع ذلك أن النافذة الأصلية كاملة ستكون مريحة.

تقر Qwen بهذا الحد. تنص إرشاداتها الرسمية على تقليل السياق إلى 32,768 إذا تعذر تشغيل الخادم أو حدث نفاد للذاكرة. وهذه إرشادات نشر أنفع من رقم الحد الأقصى للسياق. فجلسة وكيل مستقرة بسياق 32,768 رمزًا، تعدّل الملفات الصحيحة وتختبرها، أجدى من خيار 256K يتعطل مرارًا.

وقد يكون سلوك النموذج بلا تفكير ميزة أو قيدًا. فهو يتجنب عرض مرحلة استدلال طويلة وقد يجعل التفاعل مباشرًا، لكن من يريد الاحتفاظ بالتفكير صراحةً عليه اختيار Qwen3.6 أو تقييم نموذج آخر. ولا ينبغي افتراض تطابق السلوك لمجرد اشتراكهما في اسم Qwen.

الأنسب لـ: خادم محلي بذاكرة 64 GB يخدم حمل وكيل برمجة واحدًا أو بضعة أحمال مضبوطة

أبرز ميزة: تخصص في وكلاء البرمجة بإجمالي 80B معلمة، و3B معلمة نشطة لكل رمز، وتدريب يركز على التعافي

السعر: $0 عبر باقة LM Studio المحلية Free، وفق التحقق في 15 أغسطس 2026

التجربة المجانية: لا تنطبق؛ باقة التشغيل المحلي وتنزيل النموذج مجانيان

5. Qwen3.5-9B: الأفضل للعتاد من فئة 8 GB

يمثل Qwen3.5-9B الخيار المنطقي للأجهزة الصغيرة عند شرح الشفرة وكتابة المقاطع وتوليد الاختبارات وتنفيذ تعديلات محكمة النطاق. تعرض LM Studio حدًا أدنى يبلغ 7 GB، ما يتيح للنموذج خدمة مطور على جهاز من فئة 8 GB لا يتسع للحزم المذكورة أعلاه، التي تتراوح بين 17 GB و52 GB. تشمل بطاقة النموذج قدرات التفكير والأدوات والمدخلات المرئية والوكلاء، ما يجعله أوسع استخدامًا من نموذج قديم مخصص للإكمال التلقائي وحده. أما الحد الفاصل فهو نطاق المهمة: هذا نموذج تأسيسي عام بحجم 9B، وليس تصريحًا بتسليم مستودع كامل إلى وكيل يعمل بلا رقابة.

تمنح بطاقة Qwen3.5-9B الرسمية النموذج الكثيف نافذة سياق أصلية من 262,144 رمزًا يمكن تمديدها إلى 1,010,000 رمز. وتفيد Qwen بتحقيق 65.6 على LiveCodeBench v6 و66.1 على BFCL-V4 و79.1 على TAU2-Bench. يقيس LiveCodeBench توليد الشفرة، بينما يختبر BFCL وTAU2 سلوك الأدوات والوكلاء؛ ولا يعادل أي منها إنجاز مشكلة بعينها داخل مستودعك عبر إطار البرمجة الذي تستخدمه.

يحتاج رقم السياق البارز إلى ضبط التوقعات نفسه الذي تحتاج إليه النماذج الأكبر. تقول Qwen إنه ينبغي تقليل السياق بعد خطأ نفاد الذاكرة، وتنصح بما لا يقل عن 128K للحفاظ على التفكير في المهام المعقدة. ومن غير المرجح أن يجمع جهاز من فئة 8 GB بين النموذج وهذا القدر من سياق العمل براحة. استخدم سياقًا محدودًا، ومرر الملفات اللازمة للمهمة فقط، وفضّل سلسلة من التعديلات القابلة للمراجعة على تشغيل مستقل طويل.

حالة الاستخدام الجيدة هي مساعدة مطور على فهم دالة غير مألوفة: مرر الدالة واختباراتها وتعريفات الأنواع ذات الصلة، واطلب شرحًا وتصحيحًا بالحد الأدنى، ثم شغّل الاختبارات بنفسك. أما الحالة السيئة فهي مطالبة النموذج بفحص مستودع أحادي كبير وإعادة تصميم بنيته وتحرير عشرات الملفات والتعافي من الإخفاقات بلا إشراف. يكسب النموذج الأصغر لأنه متاح، لا لأنه ألغى تكلفة التعقيد.

الأنسب لـ: المقاطع والشروح والاختبارات والفروق المحددة على جهاز من فئة 8 GB

أبرز ميزة: حد أدنى قدره 7 GB في LM Studio، مع قدرات حديثة للتفكير والمدخلات المرئية والأدوات

السعر: $0 عبر باقة LM Studio المحلية Free، وفق التحقق في 15 أغسطس 2026

التجربة المجانية: لا تنطبق؛ باقة التشغيل المحلي وتنزيل النموذج مجانيان

أي نموذج يناسب كل فئة من الأجهزة؟

يصبح الاختيار مباشرًا عندما تحدد الذاكرة وعبء العمل معًا.

على جهاز Mac بذاكرة 8 GB أو جهاز صغير مشابه: اختر Qwen3.5-9B وأبقِ السياق محدودًا. تطلب متطلبات نظام LM Studio من مستخدمي أجهزة Mac بذاكرة 8 GB الالتزام بالنماذج الأصغر وسياق محدود. توقّع شروحًا مفيدة ومقاطع برمجية وفروقًا صغيرة، لا عملًا غير مراقب يشمل المستودع كله.

على جهاز بذاكرة 16 GB: لا تعتبر أكبر نموذج يمكن تحميله بالكاد هو الفائز. يبلغ الحد الأدنى لدى LM Studio لكل من Qwen3.6 وDevstral مقدار 16 GB، فلا يبقى حول النموذج سوى مساحة ضئيلة جدًا. البداية الأكثر أمانًا هي تكميم أصغر أو Qwen3.5-9B أو تجربة بسياق قصير.

على معالج رسومي أو جهاز بذاكرة موحّدة من فئة 24 GB: Qwen3.6-27B هو الخيار الافتراضي. يتقدم Devstral Small 2 عندما تكاد هندسة البرمجيات متعددة الملفات تمثل عبء العمل كله. ويتقدم GLM-4.7-Flash عندما تستحق كفاءة مزيج الخبراء بذل جهد إضافي للتحقق من بيئة التشغيل.

على جهاز Mac بذاكرة 32 GB أو محطة عمل من فئة RTX 4090: يمتلك Devstral Small 2 أوضح ملاءمة مدعومة من الجهة المطورة. ويظل Qwen3.6 المساعد الأوسع، لذلك ينحصر القرار بين وكيل برمجة متخصص واستدلال أوسع مع العمل المرئي.

على جهاز أو خادم محلي بذاكرة 64 GB: يصبح Qwen3-Coder-Next قابلًا للاستخدام. لكن حزمة Q4 البالغة 52 GB لا تزال تحتاج إلى ميزانية للسياق، كما يحتاج الخادم إلى خطة للوصول والتزامن. ولا يعني وجود النموذج محليًا أن من المناسب لكل مطور كشف نقطة وصول بلا مصادقة على شبكة المكتب.

قاعدة الحسم مختصرة: إذا كان نموذجان يلائمان العتاد، فاختر الأقرب تدريبًا إلى المهمة؛ وإذا كان نموذج واحد فقط يترك هامشًا للذاكرة، فاختر الذي يترك الهامش. لا يستطيع ترتيب الاختبارات المعيارية إنقاذ نموذج يقضي يوم العمل في التبديل بين الذاكرة والقرص أو التعطل أو العمل بسياق لا يكفي لفهم التغيير.

متى تدخل تكلفة العتاد في حساب المقعد المحلي؟

تبدأ الأوزان المحلية من $0، لكن البرمجة المحلية ليست بلا تكلفة. تنتقل الفاتورة من الاشتراك إلى العتاد والكهرباء والإعداد والتحديثات وضبط الوصول ووقت المطور. يختلف القرار إذا كنت تملك الجهاز بالفعل؛ أما الجهاز الذي يُشترى خصيصًا للاستدلال المحلي، فعليه أن يبرر بند تكلفته.

تبلغ تكلفة باقة LM Studio المحلية Free مقدار $0، وتشغّل النماذج محليًا على جهاز المستخدم، وتوضح أن البيانات لا تغادر الجهاز. وتنص وثائق النظام على أن التطبيق يستطيع العمل بلا اتصال تمامًا بعد تنزيل ملفات النماذج. قد تبرر هذه الخصوصية وإمكانية العمل بلا اتصال الاستدلال المحلي حتى عندما لا تبرره مقارنة الاشتراكات؛ فقد يهم ذلك للشفرة غير المنشورة أو العمل الميداني من دون اتصال مستقر أو فريق يحتاج إلى توافر النموذج بمعزل عن تعطل مزود الخدمة.

تستخدم مقارنة الميزانية المباشرة الأسعار المعلنة، لا وعدًا بالتكلفة الإجمالية. أطلقت NVIDIA بطاقة RTX 5090 بذاكرة 32 GB بسعر يبدأ من $1,999. وتعرض خطط GitHub الحالية للأفراد Copilot Free بسعر $0، وPro بسعر $10 لكل مستخدم شهريًا، وPro+ بسعر $39، وMax بسعر $100. أما أسعار المؤسسات فتبلغ $19 لكل مستخدم شهريًا لباقة Business و**$39** لباقة Enterprise.

• يحتاج مقعد Pro واحد بقيمة $10 إلى 199.9 شهرًا، أي نحو 16.7 سنة، لمعادلة السعر الابتدائي لبطاقة بقيمة $1,999.
• تبلغ تكلفة عشرة مقاعد Business مقدار $190 شهريًا. ويعادل السعر المعلن للبطاقة 10.5 شهرًا من هذا البند.
• تبلغ تكلفة عشرة مقاعد Enterprise مقدار $390 شهريًا. ويعادل السعر المعلن للبطاقة 5.1 أشهر من هذا البند.

هذه النتيجة أهم من مواصفة إطلاق منفردة. لا تشترِ معالجًا رسوميًا متقدمًا لمجرد إلغاء مقعد سحابي واحد بقيمة $10. اشترِ لأن حدود الشفرة تفرض بقاءها محليًا، أو لأن العمل بلا اتصال له قيمة تشغيلية، أو لأن العتاد موجود أصلًا، أو لأن الفريق يستطيع مشاركة السعة من دون تحويل جهاز واحد إلى طابور انتظار.

كما تشتري المقاعد السحابية أكثر من الاستدلال. فقد تشمل خطة مساعد البرمجة نماذج مستضافة وتكاملًا مع المحرر ووكلاء سحابيين ومراجعة للشفرة وهوية وسياسات ودعمًا. ولا يمنح تنزيل نموذج محلي أيًا من هذه الضوابط تلقائيًا. وإذا كان الاستدلال المقاس بالاستخدام أنسب للمقارنة من المقعد، فيوضح تحليل أرخص واجهات الذكاء الاصطناعي لماذا لا يمثل سعر الرمز سوى جزء واحد من فاتورة التطبيق.

لذلك لا يتساوى قرار البداية بين الحالات. على المطور الفردي الذي يملك معالجًا رسوميًا بذاكرة 24 GB تجربة Qwen3.6 قبل دفع تكلفة خدمة أخرى. أما من لا يملك عتادًا مناسبًا، فعليه البدء بمقعد سحابي أو Qwen3.5 على جهازه الحالي. وعلى فريق من عشرة أشخاص لديه شفرة حساسة إجراء تجربة لخادم مشترك لمدة أسبوعين، وقياس التزامن والتصحيحات المقبولة ووقت التصويب وساعات التشغيل، قبل شراء مجموعة من الأجهزة.

كيف اخترنا نماذج البرمجة المحلية هذه؟

اختيرت النماذج الخمسة لخدمة قرار يستطيع المطور تنفيذه اليوم، لا لإطالة قائمة الأسماء. لكل خيار فئة ذاكرة أو مهمة برمجية مميزة، ولكل منها توثيق يكفي لكشف الجهاز وسير العمل اللذين يتوقف عندهما عن كونه الاختيار الصحيح.

حددت ستة معايير ترتيب القائمة:

1. التوافر المحلي: يحتاج النموذج إلى بطاقة رسمية حالية، وإدراج حالي في LM Studio أو Ollama يمكن تشغيله بنقرة واحدة.
2. ملاءمة العتاد: يُنظر إلى حجم الحزمة والحد الأدنى للذاكرة وضغط السياق وتوصية الجهة المطورة بجهاز محدد معًا.
3. سلوك وكيل البرمجة: يسبق استخدام الأدوات والتعديل متعدد الملفات والاستدلال داخل المستودع والتعافي من الإخفاقات ودعم إطار البرمجة مجرد الإكمال التلقائي.
4. النضج التشغيلي: تُحتسب قابلية إعادة إنتاج بيئة التشغيل ووضوح إرشادات نفاد الذاكرة. كما أن الدعم المحصور بالفرع الرئيسي تكلفة قائمة، حتى عندما تكون الأوزان مجانية.
5. الشروط الحالية: تأتي الأسعار والتراخيص من صفحات الجهات المطورة الحية. ويمنح الترخيص الواضح أفضلية ملموسة للنشر التجاري.
6. شفافية الأدلة: لا تفيد اختبارات الجهات المطورة إلا عند إرفاق نطاقها وإطارها. ولا تُعامل النتائج الصادرة عن أطر مختلفة كجدول دوري واحد قابل للمقارنة المباشرة.

لم يُشغّل أي نموذج خلال إعداد هذه المقارنة، لذلك يقول العنوان «مقارنة» لا «اختبار». يعتمد الترتيب على بطاقات النماذج الحالية وصفحات بيئات التشغيل ومناهج التقييم المعلنة وتحليل أصلي للتكلفة. ويظل اختبار الجهة المطورة وتصحيح مقبول داخل مستودعك نوعين مختلفين من الأدلة.

تستبعد القائمة النماذج المبهرة التي لا تصلح عمليًا لمحطة عمل حديثة واحدة. قد يكون نموذج 480B مفتوح الأوزان وقابلًا للاستضافة الذاتية من الناحية التقنية، ومع ذلك يظل إجابة خاطئة لمطور يسأل عمّا يمكن تشغيله محليًا. كما تستبعد النماذج التي تفتقر إلى حزمة محلية حالية قابلة لإعادة الإنتاج، أو التي لا يمكن وصفها إلا بعبارات ثناء عامة.

نماذج وممارسات ينبغي تجنبها لهذه المهمة

تجنب تقديم النماذج العملاقة كخيارات محلية اعتيادية. قد تكون أكبر إصدارات Qwen3-Coder وKimi وGLM مفتوحة وقابلة للاستضافة الذاتية، لكن ذلك لا يجعلها توصية لمحطة عمل واحدة. ومن دون تحديد التكميم وخطة الذاكرة وبيئة التشغيل وهدف التزامن بدقة، لا تعني كلمة «محلي» سوى إمكان النشر من الناحية النظرية.

تجنب الاختيار وفق عدد المعلمات النشطة وحده. يفعّل كل من GLM-4.7-Flash وQwen3-Coder-Next مقدار 3B معلمة لكل رمز، ومع ذلك يبلغ حجم حزمتَي Ollama المكمّمتين 19 GB و52 GB. تجيب الحوسبة النشطة والأوزان المخزنة عن سؤالين مختلفين؛ فلا بد للمعالج الرسومي من الاحتفاظ بالحزمة التي يشغلها أو نقلها.

تجنب اعتماد Code Llama أو StarCoder2 خيارًا افتراضيًا لإعداد جديد. قد تظل نماذج الشفرة الأقدم مفيدة في سير عمل مثبت، خصوصًا عندما يفهم الفريق سلوكها مسبقًا. لكن في إعداد جديد لعام 2026، تضيف النماذج الحالية المدربة للوكلاء استخدام الأدوات وسلوك السياق الأطول والتدريب على التعافي، وهي خصائص أقرب إلى طريقة عمل وكلاء البرمجة.

تجنب جعل تكميم مجتمعي تجريبي أساسًا للفريق. قد يكون إصدار المجتمع ممتازًا، لكن سجّل الملف والتكميم وقالب الطلب وإصدار بيئة التشغيل والترخيص والمجموع الاختباري بدقة قبل أن يعتمد عليه عدة مطورين. فإذا تعذر إنتاج النتيجة مجددًا بعد تحديث، يكون الإعداد المحلي قد استبدل الاعتماد على المزود بالاعتماد على ملف بعينه.

تجنب الحد الأقصى للسياق في اليوم الأول. عرض 256K على صفحة النموذج ليس أمرًا بتخصيص 256K لكل مهمة. ابدأ بأصغر سياق يحتوي الشفرة وسجل الأدوات ذوي الصلة، ولا تزده إلا بعد أن يثبت تصحيح فاشل أن المعلومات الناقصة هي السبب، لا لمجرد أن شريط الإعداد يسمح بذلك.

الأسئلة الشائعة

ما أفضل نموذج ذكاء اصطناعي للمبرمجين؟

في الإعداد المحلي، يُعد Qwen3.6-27B أفضل خيار عام على جهاز من فئة 24 GB. ويتفوق Devstral Small 2 عندما يتركز العبء على هندسة البرمجيات متعددة الملفات، بينما قد يظل النموذج السحابي المُدار هو النظام الأفضل عندما يكون التزامن أو الصيانة أو الأدوات المستضافة هو القيد.

ما أفضل نموذج ذكاء اصطناعي محلي للبرمجة في 2026؟

Qwen3.6-27B هو الأفضل عمومًا، لأن حزمة Ollama البالغة 17 GB تجمع سلوك وكلاء البرمجة الحديث مع الاستدلال العام والمدخلات المرئية. استخدم Devstral Small 2 لوكيل برمجة متخصص، وQwen3-Coder-Next على خادم 64 GB، وQwen3.5-9B على جهاز من فئة 8 GB.

ما أفضل نموذج ذكاء اصطناعي محلي حاليًا؟

أفضل نموذج هو الأقوى الذي يترك ذاكرة كافية لسياق مفيد وبيئة التشغيل. يفوز Qwen3.6-27B في فئة 24 GB الشائعة، وقد يكون Qwen3.5-9B الأصغر أفضل على جهاز 8 GB لأنه يعمل بسياق عملي بدل الاكتفاء بالتحميل.

ما أفضل نموذج ذكاء اصطناعي ذاتي الاستضافة للبرمجة؟

Qwen3-Coder-Next هو الخيار المتخصص لخادم محلي بذاكرة 64 GB، لأنه صُمم لوكلاء البرمجة والاستخدام طويل الأمد للأدوات والتعافي من الإخفاقات. أما Qwen3.6-27B فهو الخيار العملي الأوسع للاستضافة الذاتية عندما يملك الخادم أو محطة العمل نحو 24 GB من الذاكرة المسرّعة أو الموحّدة.

أي نموذج Ollama هو الأفضل للبرمجة؟

ابدأ بـ qwen3.6:27b عندما يملك الجهاز مساحة لحزمة 17 GB، إلى جانب سياق التشغيل وأعبائه. استخدم حزمة Qwen3.5 أصغر على جهاز مدمج، وقيّم Qwen3-Coder-Next على خادم 64 GB، مع البدء بسياق مخفّض.

كم أحتاج من RAM أو VRAM لتشغيل نموذج برمجة محلي؟

استخدم عتادًا من فئة 8 GB مع Qwen3.5-9B والمهام المحددة، ونحو 24 GB مع Qwen3.6-27B أو GLM-4.7-Flash، وجهاز PC من فئة 4090 أو جهاز Mac بذاكرة 32 GB مع Devstral Small 2، ونحو 64 GB مع حزمة Qwen3-Coder-Next البالغة 52 GB. هذه أهداف عملية وليست ضمانات؛ فالسياق والتكميم وبيئة التشغيل ونظام التشغيل وتحميل جزء من العمل على المعالج الرسومي تغيّر المتطلب النهائي.

هل نماذج الذكاء الاصطناعي المحلية للبرمجة مجانية؟

تبدأ تنزيلات النماذج الخمسة وباقة LM Studio المحلية من $0. لكن النظام له تكلفة: يظل العتاد والكهرباء والإعداد والتحديثات وضبط الوصول والنسخ الاحتياطي ووقت المهندسين جزءًا من الملكية.

خطتك العملية للأسبوع

لا تبدأ بطلب معالج رسومي. ابدأ باختبار ملاءمة على مستودع واحد.

الاثنين: احصر مواصفات الجهاز واختر مرشحًا واحدًا

سجّل VRAM أو الذاكرة الموحّدة المتاحة وRAM النظام ونظام التشغيل، وما إذا كان الجهاز يدعم LM Studio بالفعل. اختر Qwen3.5-9B لنظام من فئة 8 GB، أو Qwen3.6-27B لنظام من فئة 24 GB، أو Devstral Small 2 لفئة 4090 أو جهاز Mac بذاكرة 32 GB. لا تنزّل النماذج الخمسة كلها.

الثلاثاء: حدد ثلاث مهام ممثلة

استخدم اختبارًا واحدًا معروف الفشل وله إصلاح معروف، وتغييرًا صغيرًا متعدد الملفات، ومهمة شرح واحدة من مستودع يعرفه الفريق. أزل الأسرار، ولا تمنح وكيل البرمجة إلا الأدوات التي تتطلبها المهمة. واحفظ السلوك المتوقع قبل البدء.

الأربعاء: شغّل بسياق أدنى من الحد الأقصى

ابدأ بسياق محدد وأصغر مجموعة ملفات ذات صلة. وسجّل ذروة الذاكرة والوقت حتى أول تصحيح مفيد والأوامر المطلوبة والاختبارات الناجحة والتصويبات البشرية. وإذا أغفل النموذج تبعية ما، فأضف الملف الناقص قبل توسيع نافذة السياق كاملةً.

الخميس: قارن بمسار السحابة الحالي

شغّل المهام الثلاث نفسها عبر المساعد أو واجهة API التي تدفع تكلفتها حاليًا. قارن التصحيحات المقبولة ودقائق التصويب، لا الثقة في صياغة الإجابة. وأدخل وقت الإعداد والتشغيل في جانب الحل المحلي.

الجمعة: اتخذ واحدًا من ثلاثة قرارات

احتفظ بالحل المحلي إذا تحسنت الخصوصية أو العمل بلا اتصال أو التحكم أو اقتصاديات التصحيحات المقبولة. واحتفظ بالمقعد السحابي إذا ظل أقل تكلفة وأسهل. ولا ترقِّ العتاد إلا عندما تحدد التجربة الذاكرة بوصفها العامل المعطّل، وتستحق فائدة التشغيل المحلي امتلاك الجهاز.