أفضل نماذج open source LLM في 2026: ترتيب 8 نماذج مفتوحة الأوزان
دليل عملي لأفضل نماذج open source LLM في 2026، مع مقارنة الأداء والتكلفة والتراخيص، واختيار النموذج الأنسب للبرمجة والتشغيل المحلي والعمل واسع النطاق.
لم يعد أفضل نموذج من فئة open source LLM يمكنك تشغيله في 2026 أميركيًا، ولم يعد مجرد بديل احتياطي. يتفوق GLM-5.2 على GPT-5.5 في اختبار SWE-bench Pro، ويصدر بترخيص MIT، وتبلغ كلفته الثابتة $18 شهريًا. ما كنت تستأجره عند حدود التقنية المتقدمة أصبح الآن متاحًا للتنزيل.
الخلاصة: أي نموذج تختار؟
إذا أردت نموذجًا مفتوحًا واحدًا للعمل الجاد في البرمجة والمهام القائمة على الوكلاء، فاختر GLM-5.2. وللمهام الكثيفة بأقل تكلفة مع أداء قوي، اختر DeepSeek V4 Flash. أما إذا كان لا بد من إبقاء كل شيء على أجهزتك وتشغيله بوحدة GPU واحدة، فاختر gpt-oss-120b. وإذا كانت سلامة الترخيص هي أولوية فريقك القانوني، فإن Qwen3 أو Mistral بترخيص Apache 2.0 يمثل الخيار الافتراضي الآمن.
النموذج مفتوح الأوزان هو نموذج تستطيع تنزيل معلماته المدرَّبة وتشغيله بنفسك، بدلًا من استئجاره حصرًا عبر API. هذه الخاصية وحدها تغيّر اقتصاديات بناء المنتجات بالذكاء الاصطناعي: تصبح كلفة النموذج تحت سيطرتك بدلًا من عدّاد يواصل العمل وأنت نائم. فيما يلي ترتيب النماذج وفق ما تقدمه فعليًا.
ملاحظة بشأن أسعار الجدول: عند تنزيل نموذج، يتحدد سعر الرمز وفق أرخص جهة تستضيفه، لأن الأوزان نفسها مجانية. الأرقام أعلاه هي أسعار API الرسمية المباشرة لكل مزود كما كانت هذا الأسبوع. أما الاستضافة الذاتية فتستبدل عدّاد الرموز بفاتورة GPU.
لماذا لم تعد نماذج open source LLM حلًا وسطًا؟
طوال عامين، كان وصف «النموذج المفتوح» يعني أنه «جيد بما يكفي إذا تعذر تحمل تكلفة الخيار الحقيقي». لم تعد هذه العبارة صحيحة، ويختصر أحد الاختبارات القصة بوضوح. في SWE-bench Pro، الذي يقيس قدرة النموذج على حل تذاكر حقيقية في هندسة البرمجيات، يسجل GLM-5.2 نتيجة 62.1. ويسجل GPT-5.5 نتيجة 58.6، بينما يسجل Gemini 3.1 Pro نتيجة 54.2. وحده Claude Opus 4.8 يتقدم بفارق واضح عند 69.2. وهكذا بات نموذج مفتوح بترخيص MIT من شركة منبثقة عن Tsinghua يتفوق على اثنين من مختبرات النماذج المتقدمة الغربية الثلاثة في الاختبار الأهم للأعمال الهندسية.
وهنا تكمن النقطة التي تحدد إمكان استخدام أي من هذه النماذج فعليًا، مع أن معظم المقارنات لا توضحها: «مفتوح الأوزان» و«مفتوح المصدر» ليسا الوعد نفسه. يعني انفتاح الأوزان إمكان تنزيل معلمات النموذج. أما انفتاح المصدر بالمعنى الذي يهم الشركات، فيعني أن الترخيص يسمح أيضًا بنشر ما تبنيه وتعديله وبيعه دون طلب إذن. تصدر نماذج DeepSeek وGLM وQwen بتراخيص MIT أو Apache 2.0 المتساهلة فعلًا، ما يتيح استخدامها كما تشاء، بما في ذلك تجاريًا. في المقابل، تصدر Llama وMiniMax بموجب «تراخيص مجتمعية» تتضمن قيودًا في شروطها. والفارق هنا عملي تمامًا: إما أن تطلق منتجك اعتمادًا على النموذج، أو أن تتلقى خطابًا من الإدارة القانونية بعد ثلاثة أشهر.
GLM-5.2 هو النموذج المفتوح الذي ينبغي التفوق عليه
يُعد GLM-5.2، من المختبر الصيني Z.ai (المعروف سابقًا باسم Zhipu)، أقوى نموذج مفتوح الأوزان في العالم للأعمال الهندسية الممتدة، وهو نقطة البداية المنطقية. صدر في منتصف يونيو 2026 بنافذة سياق عملية فعلًا تبلغ 1M رمز، بعد أن كانت 200K في الإصدار السابق، ويحافظ على جودته عبر هذه النافذة بدل الاكتفاء بقبول الرموز. نافذة السياق هي مقدار النص الذي يستطيع النموذج الاحتفاظ به في ذاكرته العاملة دفعة واحدة؛ وتعني نافذة 1M أنه يستطيع إبقاء قاعدة شفرية متوسطة الحجم واختباراتها وأعرافها البرمجية كلها أمامه أثناء العمل.
في Terminal-Bench 2.1، الذي يقيس قدرة النموذج على تشغيل طرفية حقيقية وإنجاز مهمة، يسجل GLM-5.2 نتيجة 81.0؛ أي بفارق نقاط قليلة عن Claude Opus 4.8 عند 85.0، ومتقدمًا على Gemini 3.1 Pro عند 74.0. ووفق اختبارات Z.ai نفسها، جاء في صدارة النماذج مفتوحة المصدر في كل اختبار طويل الأمد أجرته. كما أنه مرخص بـ MIT، ولذلك تستطيع شركة ناشئة من 12 شخصًا استضافته ذاتيًا، وضبطه على شفرتها، وإدماجه في منتج مدفوع دون إذن أو رسوم ملكية.
العقبة هي العتاد. فهذا نموذج يضم نحو 745 مليار معلَمة، وتشغيله ذاتيًا بكفاءة يحتاج إلى جهاز جاد متعدد وحدات GPU. لن تشغّله معظم الفرق بنفسها، بل ستستخدم API، حيث يبلغ السعر المعلن نحو $1.40 لكل مليون رمز إدخال و$4.40 لكل مليون رمز إخراج، أو خطة GLM Coding Plan الثابتة بنحو $18 شهريًا. بالنسبة إلى مؤسس اعتاد دفع أسعار API للنماذج المتقدمة، هذه الخطة هي الخبر الأبرز: كلفة تقارب فنجاني قهوة لشهر من البرمجة بمستوى متقدم، مع إمكان نقل الأوزان إلى داخل المؤسسة لاحقًا إذا أصبحت السيطرة على البيانات مطلبًا.
DeepSeek V4 يضع حدًا أدنى للتكلفة لا ينافسه أحد
يفرض DeepSeek V4 نفسه لأن حساب التكلفة يستحيل تجاهله: فهو يقدم جودة قريبة من النماذج المتقدمة بسعر يكاد يساوي صفرًا. صدر في أبريل 2026 عن المختبر الصيني DeepSeek، ويتوافر بحجمين، كلاهما بترخيص MIT ونافذة سياق 1M. نموذج V4-Pro عبارة عن بنية خليط خبراء تضم 1.6 تريليون معلَمة، بينما V4-Flash نسخة أخف تضم 284 مليار معلَمة. لا يفعّل نموذج خليط الخبراء سوى جزء صغير من معلماته مع كل رمز، وهذا ما يبقي خدمة نموذج بهذا الحجم منخفضة التكلفة.
الأسعار هي جوهر القصة. تبلغ كلفة V4-Flash عبر API الخاصة بـ DeepSeek نحو $0.14 لكل مليون رمز إدخال و$0.28 لكل مليون رمز إخراج. وحتى V4-Pro، النسخة الثقيلة، لا يتجاوز $0.435 للإدخال و$0.87 للإخراج. ولتقدير الفارق: كثيرًا ما تنخفض أعباء العمل التي تكلف بضع مئات من الدولارات شهريًا على نموذج متقدم مغلق إلى عشرات قليلة من الدولارات على V4-Flash، للمهمة نفسها، وبجودة إخراج لا يستطيع معظم المستخدمين تمييزها في الاستخدامات اليومية. يدعم النموذجان وضع التفكير للاستدلال الأصعب واستدعاء الأدوات لأعمال الوكلاء.
أما حدوده الفعلية، فتتمثل في أن DeepSeek ممتاز في الاستدلال والرياضيات والشفرة، لكنه ليس خياري للمهام متعددة الوسائط الأكثر تطلبًا أو لأطول جولات البرمجة القائمة على الوكلاء، حيث يتقدم GLM-5.2 وKimi. استخدم V4-Flash خيارًا افتراضيًا لكل ما يتطلب حجمًا كبيرًا، مثل التصنيف والاستخراج والتلخيص وصياغة المسودات، واحتفظ بنموذج أعلى سعرًا لنسبة 5% من المهام التي تحتاج إليه فعلًا.
Kimi K2.7 Code مصمم لوكلاء يكتبون الشفرة
Kimi K2.7 Code، من Moonshot AI، هو النموذج المفتوح المصمم تحديدًا لوكلاء البرمجة الذين يعملون لساعات، وقد صدر في يونيو 2026. إنه نموذج خليط خبراء بحجم 1 تريليون معلَمة، ويدعم الإدخال متعدد الوسائط أصليًا؛ أي إنه يقرأ الصور والفيديو إلى جانب النص، مع نافذة سياق تبلغ 256K رمز. وبينما يمثل GLM-5.2 نموذجًا عامًا يتفوق كذلك في البرمجة، ضُبط Kimi خصيصًا للجولات الطويلة ومتعددة الخطوات التي تنفذها أدوات البرمجة الحديثة.
بحسب الأرقام التي نشرتها Moonshot، سجل الإصدار السابق K2.6 نسبة 80.2% في SWE-bench Verified، ضمن النطاق نفسه للنماذج المتقدمة المغلقة. تبلغ كلفة K2.7 Code عبر API الرسمية $0.95 لكل مليون رمز إدخال و$4.00 لكل مليون رمز إخراج، مع سعر أقل بكثير يبلغ $0.19 عند تخزين الموجّه مؤقتًا، وهو فارق مهم للوكلاء الذين يعيدون إرسال السياق الكبير نفسه في كل خطوة. ويصدر بترخيص MIT معدل، ما يتيح الاستضافة الذاتية التجارية.
المقابل هو التخصص. يتألق Kimi في البرمجة والتنفيذ القائم على الوكلاء، لكنه أقل شمولًا في الكتابة العامة أو التحليل. إذا كان منتجك وكيل برمجة أو أداة تطوير داخلية، فهو من أفضل الخيارات. وإذا أردت نموذجًا واحدًا لكل شيء، فإن GLM-5.2 أو DeepSeek أكثر توازنًا. ولمعرفة موقع هذه النماذج داخل الأدوات التي تشغّلها فعليًا، راجع أفضل وكلاء البرمجة بالذكاء الاصطناعي.
Qwen3 أقوى نموذج مفتوح بترخيص متساهل
Qwen3، من Alibaba، هو النموذج المفتوح المناسب عندما تكون سلامة الترخيص وتغطية اللغات أهم من تصدر اختبار واحد. النسخة المفتوحة الرئيسية Qwen3-235B-A22B هي نموذج خليط خبراء يضم 235 مليار معلَمة، منها 22 مليار معلَمة نشطة، مع نافذة سياق 256K ودعم 119 لغة. والأهم أنه يحمل ترخيص Apache 2.0، الأكثر تساهلًا في هذه القائمة كلها، ما يجعله الخيار الافتراضي لأي مؤسسة تتحفظ إدارتها القانونية على الشروط المخصصة.
يتيح النموذج التبديل داخله بين وضع تفكير للاستدلال الصعب ووضع أسرع بلا تفكير للمحادثات اليومية، فلا تدفع كلفة تمعّن لا تحتاج إليه. ويمكن تنزيل الأوزان مجانًا وتشغيلها عبر Alibaba Cloud أو أي مضيف يوفرها.
ثمة نقطة يجب ضبطها لأن التسويق يطمسها: أحدث نموذج رئيسي لدى Alibaba، وهو Qwen3.7-Max، مغلق ولا يتاح إلا عبر API. النماذج المفتوحة فعلًا هي الأوزان المنشورة من الفئة المتوسطة ونسخة 235B، وليس فئة Max. وللقارئ غير التقني الذي يتخذ قرار شراء، القاعدة بسيطة: إذا أردت امتلاك النموذج، فاختر وزنًا مفتوحًا محدد الاسم من Qwen، لا فئة Max. تتأخر نسخة 235B المفتوحة قليلًا عن GLM-5.2 وDeepSeek V4 في أصعب اختبارات البرمجة، لكن ترخيصها المتساهل وتغطيتها متعددة اللغات يجعلانها الخيار السيادي الافتراضي الأكثر أمانًا لمنتج عالمي.
MiniMax M3 ينقل تعدد الوسائط إلى صدارة النماذج المفتوحة
MiniMax M3 هو النموذج المفتوح الجدير بالمتابعة عندما يجمع عملك بين النص والصور والفيديو ويحتاج إلى سياق هائل، وهو الأحدث بين هذه المجموعة، إذ صدر في 1 يونيو 2026. إنه نموذج خليط خبراء يضم 428 مليار معلَمة، منها 23 مليارًا نشطة، مع سياق 1M وإدخال أصلي متعدد الوسائط. ويستخدم تصميم انتباه يسميه المختبر MiniMax Sparse Attention لإبقاء استدلال السياق الطويل ميسور التكلفة.
ويأتي بسعر شديد المنافسة: تدرج API الخاصة بـ MiniMax نموذج M3 بسعر $0.30 لكل مليون رمز إدخال و$1.20 لكل مليون رمز إخراج، ضمن خصم مستمر نسبته 50%، مع نتائج اختبار مثل 93.0 في GPQA Diamond تضعه بين أقوى نماذج الاستدلال، المفتوحة والمغلقة.
لكن علامة الاستفهام تتعلق بالترخيص. يمكن تنزيل أوزان M3، إلا أن الاستخدام التجاري للنموذج أو مشتقاته يتطلب اتفاقًا منفصلًا يتجاوز MiniMax Community License الافتراضي. وبعبارة مباشرة: إنه ممتاز للتجربة، لكن احصل على الشروط التجارية مكتوبة قبل بناء نشاط تجاري عليه. هذا البند وحده هو سبب ترتيبه بعد نماذج MIT وApache بالنسبة إلى من يطلق منتجًا.
gpt-oss هو النموذج الذي يعمل على وحدة GPU لديك
gpt-oss، عائلة النماذج مفتوحة الأوزان من OpenAI، هو الخيار المناسب عندما يكون الشرط الحاسم تشغيل النموذج على عتاد تتحكم فيه من دون عنقود حوسبة. تضم النسخة الأكبر gpt-oss-120b نحو 117 مليار معلَمة، لكن 5.1 مليار منها فقط تكون نشطة، وقد صُممت لتعمل على وحدة GPU واحدة بذاكرة 80GB مثل NVIDIA H100. أما gpt-oss-20b الأصغر فيعمل ضمن ذاكرة 16GB، أي على محطة عمل جيدة المواصفات. ويحمل كلاهما ترخيص Apache 2.0.
هذا هو الخيار العملي للتشغيل داخل المؤسسة. بالنسبة إلى شركة خاضعة للتنظيم، أو مستشفى أو مصرف أو مقاول دفاعي لا يستطيع إرسال البيانات إلى أي API خارجية، فإن عبارة «يعمل على H100 واحدة» تحسم القرار كله. ويقدم مستويات قابلة للضبط لجهد الاستدلال، ما يتيح موازنة النموذج بين السرعة وانخفاض الكلفة من جهة، والبطء والتدقيق من جهة أخرى، مع وصول كامل إلى سلسلة التفكير لأغراض تصحيح الأخطاء. كما أنه مصمم فعلًا لأعمال الوكلاء، مع استدعاء أصلي للدوال وتصفح الويب وتنفيذ Python.
والتوصيف الصريح هو أن gpt-oss لا يلاحق قمة جداول الاختبارات كما يفعل GLM-5.2 أو DeepSeek V4، وهو الإصدار الأقدم ضمن هذه المجموعة. تختاره لطريقة نشره: نموذج قوي يعمل على عتاد تملكه بالفعل وبترخيص واضح، لا لأنه الخيار الأذكى على الإطلاق.
Mistral هو الخيار الأوروبي المفتوح
Mistral، المختبر الفرنسي، هو النموذج المفتوح المناسب عندما يكون توطين البيانات داخل أوروبا والتعامل مع مزود غربي مألوف أمرين مهمين للمشترين. تشمل مجموعته المفتوحة Mistral Small 4، وهو نموذج هجين يجمع اتباع التعليمات والاستدلال والبرمجة في حزمة واحدة فعالة، وMistral Medium 3.5، وهو نموذج متقدم متعدد الوسائط، إضافة إلى Devstral 2 لأعمال وكلاء البرمجة.
بالنسبة إلى شركة أوروبية تبيع لعملاء أوروبيين، تكون مناقشة الشراء أسهل مع مزود مقره باريس منها مع مزود مقره بكين، بصرف النظر عن قدرات الأوزان نفسها. نماذج Mistral أصغر وأخف من نماذج MoE الصينية العملاقة؛ وهذه ميزة إذا كانت الكفاءة هي هدفك، وقيد إذا كنت تحتاج إلى صدارة مطلقة في اختبارات البرمجة. إنه الخيار المريح والمتوافق، لا متصدر الاختبارات.
Llama 4 يتفوق بمنظومته، لا بأدائه
لم يعد Llama 4، من Meta، النموذج الذي تختاره للفوز بالاختبارات، لكنه لا يزال صاحب أعمق منظومة أدوات وأوسع مجتمع. الجيل الحالي، الصادر في 2025، يضم Scout وMaverick، وكلاهما نموذج خليط خبراء متعدد الوسائط أصليًا مع 17 مليار معلَمة نشطة؛ ويضم Maverick إجمالًا 400 مليار معلَمة موزعة على 128 خبيرًا. أما النموذج الأكبر Behemoth فلم يصدر بعد.
القوة الحقيقية لـ Llama في 2026 هي الجاذبية التي صنعها: عمليات ضبط دقيق أكثر، وتكميمات أكثر، وأدلة نشر أكثر، وخبرة أوسع في سوق التوظيف مقارنة بأي نموذج مفتوح آخر. إذا كان فريقك يشغّل Llama بالفعل ويؤدي مهامه جيدًا، فلا حاجة ملحة إلى الانتقال. لكن ينبغي التدقيق في الترخيص؛ إذ يصدر Llama بموجب ترخيص Meta المجتمعي، لا Apache أو MIT، ويحمل هذا الترخيص قيودًا تجارية لا يتضمنها ترخيص مفتوح المصدر حقيقي. وفي مشروع جديد يتيح حرية اختيار الترخيص، تقدم نماذج MIT وApache الصينية الأحدث قدرات أفضل وشروطًا أوضح.
النموذج المناسب لكل حالة
النموذج الصحيح تحدده قيودك، لا اسم فائز واحد. طابق حالتك مع الصف المناسب.
حساب التكلفة بواقعية
سبب أهمية هذه النماذج لأي شركة هو الفاتورة، لذا إليك الحساب الفعلي بلا مبالغة. توجد ثلاث طرق للدفع مقابل نموذج مفتوح، ولكل منها حجم استخدام مناسب.
استئجار API (أقل التزام)
تستدعي النموذج عبر API الخاصة بالمزود وتدفع حسب الرموز. بأسعار DeepSeek V4-Flash، تكلف مليون رمز إخراج 28 سنتًا. أما فريق يستهلك بضع مئات من ملايين الرموز شهريًا، وهو عبء عمل حقيقي لمنتج نشط، فسيدفع عشرات الدولارات لا آلافها. وهذه نقطة البداية المناسبة للجميع تقريبًا.
شراء خطة ثابتة (إنفاق يمكن توقعه)
عند الاستخدام الكثيف للبرمجة، تزيل خطة اشتراك مثل GLM Coding Plan، بسعر يقارب $18 شهريًا، قلق احتساب كل رمز. تدفع سعرًا ثابتًا واحدًا وتتوقف عن عدّ الرموز. وهذه هي المنطقة المثالية لفريق هندسي صغير يبرمج بالذكاء الاصطناعي طوال اليوم.
استضافة الأوزان ذاتيًا (أكبر التزام وأقل كلفة هامشية)
تنزّل الأوزان المرخصة بـ MIT أو Apache وتشغّلها على وحدات GPU الخاصة بك. تنتقل الكلفة من عدّاد لكل رمز إلى فاتورة GPU ثابتة، إضافة إلى وقت العمل الهندسي. ولا يصبح ذلك مجديًا إلا عند حجم كبير ومستقر، أو عندما تكون السيطرة على البيانات غير قابلة للتفاوض. يمثل gpt-oss-120b على H100 واحدة نقطة الدخول الواقعية، بينما تحتاج نماذج MoE ذات تريليون معلَمة إلى عنقود حوسبة.
المقولة الشائعة إن فريقًا ينفق $10,000 شهريًا على نموذج مغلق يمكنه خفض ذلك إلى $1,000 أو $2,000 مع نموذج مفتوح صحيحة في اتجاهها العام، ويسهل التحقق منها بالأسعار أعلاه: تقل أسعار API في GLM-5.2 وDeepSeek V4 عن أسعار النماذج المتقدمة المغلقة بنحو خمس إلى عشر مرات لأعمال متقاربة. التوفير حقيقي. لكن ما تخفيه المقولة هو الكلفة الهندسية لتشغيل الاستدلال ذاتيًا بكفاءة، ولذلك تتفوق خيارات API والخطة الثابتة على الاستضافة الذاتية لدى معظم الفرق إلى أن يصبح الحجم كبيرًا. ولمقارنة هذه النماذج المفتوحة مباشرة مع نماذج Claude وGPT وGemini المغلقة في البرمجة تحديدًا، راجع [أفضل نموذج AI للبرمجة](/blog/best-ai-model-for-coding-2026).
قاعدة اتخاذ القرار
هناك قيد واحد يقلب الاختيار كله. إذا استطعت استخدام API، فقرارك هو الموازنة بين التكلفة والقدرة؛ والنتيجة GLM-5.2 لأعمال الوكلاء الصعبة أو DeepSeek V4 Flash لكل عبء كبير. وإذا تعذر استخدام API بسبب توطين البيانات أو التنظيم أو البنية المعزولة عن الشبكة، يصبح السؤال الوحيد المهم: ما الذي يعمل على العتاد المتاح لديك؟ والإجابة هي gpt-oss-120b على وحدة GPU واحدة، أو Qwen3 على جهاز أكبر قليلًا. احسم سؤال API أولًا، وما عداه يتبعه.
ما أفضل open source LLM في 2026؟
للعمل الجاد في البرمجة والمهام القائمة على الوكلاء، اختر GLM-5.2؛ فهو يتصدر جميع الاختبارات المفتوحة طويلة الأمد، ويصدر بترخيص MIT، ويتاح بخطة ثابتة سعرها $18 شهريًا. وللمهام الكثيفة منخفضة التكلفة، لا يُضاهى DeepSeek V4 Flash بسعر $0.14 للإدخال و$0.28 للإخراج لكل مليون رمز.
هل مفتوح الأوزان هو نفسه مفتوح المصدر؟
لا، وقد يكلفك الفارق كثيرًا. يعني مفتوح الأوزان أنك تستطيع تنزيل النموذج. أما مفتوح المصدر بالنسبة إلى شركة، فيعني أن الترخيص يسمح أيضًا بنشر ما تبنيه وبيعه. تستخدم DeepSeek وGLM وQwen وgpt-oss تراخيص MIT أو Apache 2.0 المتساهلة؛ بينما تصدر Llama وMiniMax بتراخيص مجتمعية مقيدة تستلزم مراجعة محامٍ قبل الاستخدام التجاري.
هل يمكنني تشغيل هذه النماذج على أجهزتي؟
يمكن تشغيل بعضها بسهولة. يعمل gpt-oss-120b بذاكرة 80GB على وحدة H100 واحدة، ويعمل gpt-oss-20b ضمن ذاكرة 16GB. أما نماذج خليط الخبراء العملاقة DeepSeek V4 وGLM-5.2 وKimi K2.7 فتحتاج إلى عنقود متعدد وحدات GPU لاستضافتها ذاتيًا بكفاءة، لذلك تستأجرها معظم الفرق عبر API بدلًا من ذلك.
هل النماذج الصينية المفتوحة آمنة لشركة أميركية؟
تعمل الأوزان المنزلة بالكامل داخل بنيتك التحتية ولا ترسل البيانات إلى أي جهة، لذا تتجاوز الاستضافة الذاتية مخاوف توطين البيانات كليًا. لا يُطرح السؤال إلا عند استدعاء API مستضافة لدى المزود، إذ تنتقل بياناتك إلى ذلك المضيف. إذا كان هذا مهمًا، فاستضف الأوزان المفتوحة ذاتيًا أو استخدم مضيفًا غربيًا يوفرها.
ما أفضل LLM مفتوح يمكن تشغيله محليًا على جهاز عادي؟
الخياران هما gpt-oss-20b، الذي يعمل ضمن ذاكرة 16GB، أو أحد أوزان Qwen3 من الفئة المتوسطة. يمنحك كلاهما نموذجًا قويًا بترخيص متساهل على محطة عمل واحدة دون استئجار أي خدمة.
هل تريد خريطة كاملة تناسب نشاطك، لا للنماذج وحدها بل للوكلاء والأدوات والحزم التقنية التي تحولها إلى منتجات؟ احصل على خريطة أدوات الذكاء الاصطناعي لأصحاب الأعمال، مع قراءة أسبوعية قصيرة توضح ما صدر فعلًا وما الذي ينبغي فعله حياله.
4 سبتمبر 2026
فضّل هذا الموقع في Google
اجعل omidsaffari.com مصدرًا مفضّلًا، وسيرفعه Google لك في Top Stories وAI Overviews وAI Mode.
