DGX Spark أم Mac mini M6؟ دليل اختيار جهاز الذكاء الاصطناعي المحلي في 2026

اختر Mac mini M6 بسعر $1,799 إذا كنت تريد تشغيل وكيل محلي لشخص واحد من فئة 27B. ولا تدفع $4,699 مقابل DGX Spark إلا إذا كانت ذاكرة 128GB أو CUDA أو Perplexity Portable Computer أو الخدمة المشتركة متطلبات أساسية؛ فالزيادة البالغة $2,900 تشتري سعة أكبر وتوافقًا برمجيًا أوسع، لا ردًا أسرع بالضرورة.

أي الجهازين تختار؟

يُعد Mac mini M6 الصفقة الأفضل لشخص واحد يشغّل مساعدًا محليًا لا يتجاوز 32GB. أما DGX Spark فهو الأنسب للنماذج الأكبر، والأعمال المعتمدة على CUDA، والخدمة المشتركة كثيفة الموجّهات، أو وكيل Perplexity المحلي الجاهز الجديد.

Apple Mac mini M6 هو الخيار الافتراضي للمطور التقني المستقل أو المؤسس أو المسؤول التنفيذي الذي يريد حاسوبًا مكتبيًا صغيرًا لتشغيل نموذج خاص من فئة 27B، وإتاحته عبر واجهة API محلية، ومواصلة أعمال Mac المعتادة. اختر إعداد 32GB. فذاكرة الطراز الأساسي 16GB أقل من حجم ملف Qwen3.8-27B البالغ نحو 17GB والمستخدم في الاختبار المرجعي المستقل، قبل أن يأخذ الوكيل وذاكرة السياق المؤقتة ونظام التشغيل حصتهم.

بالنسبة إلى مؤسس لديه تمويل، يمثّل هذا الجهاز التجريبي المنطقي إذا كان الهدف وكيل برمجة واحدًا أو مساعدًا خاصًا للمستندات أو سير عمل داخليًا ليليًا. فهو أقل من Spark بمقدار $2,900، كما يقلّص macOS الفجوة التشغيلية بين خادم الذكاء الاصطناعي والجهاز المستخدم أصلًا لإنجاز العمل.

NVIDIA DGX Spark هو القرار الصحيح لمدير تقنية في شركة متوسطة أو لفريق ذكاء اصطناعي يعرف تحديدًا لماذا يحتاج إلى CUDA، أو يتوقع استخدام نماذج تتجاوز سقف ذاكرة Mac، أو يريد Perplexity Portable Computer الآن. فهو يوفر أربعة أضعاف الذاكرة الموحدة وأربعة أضعاف سعة التخزين في إعداد Mac المقارن، إلى جانب حزمة NVIDIA البرمجية ووكيل محلي متاح منذ يوم الإطلاق يعمل منسّقه وتنفيذ أدواته على الجهاز نفسه.

ولخدمة مشتركة بين فريق، يملك DGX أيضًا نقطة تعادل معقولة في تكلفة الشراء. فجهاز Spark واحد موزع الاستهلاك على ثلاثة مستخدمين يكلف أقل لكل مقعد من ثلاثة أجهزة Mac مخصصة بذاكرة 32GB. لكن ذلك مشروط بقدرة جهاز Spark واحد على تلبية احتياجات المستخدمين الثلاثة من زمن الاستجابة والتزامن؛ فسعر العتاد وحده لا يثبت سعة الخدمة.

أما من يضع السرعة أولًا، فعليه الانتظار. فتحت Apple باب الطلب المسبق على M6 في 25 أغسطس 2026، على أن يبدأ التوفر في 22 سبتمبر، ولذلك لا يوجد حتى الآن معيار أداء مستقل لوكيل محلي على M6. أرقام الإطلاق التي نشرتها Apple مفيدة، لكنها تقارن الجهاز بأجهزة Mac أقدم، لا بـDGX Spark.

الفائز بالسعر والقيمة: Mac mini M6

يتفوق Mac mini M6 بوضوح في السعر والقيمة لوكيل يستخدمه شخص واحد. جرى التحقق من الأسعار عبر الصفحات الأمريكية المباشرة لـApple وNVIDIA في 25 أغسطس 2026: يبدأ سعر Mac mini M6 من $899، ويبلغ سعر إعداد ذاكرة 32GB وتخزين 1TB مقدار $1,799، بينما يبلغ سعر DGX Spark مقدار $4,699. وكان متجر NVIDIA يعرض Spark بوصفه غير متوفر عند التحقق.

جهاز Mac بسعر $899 حاسوب عام جذاب، لكنه نقطة مرجعية خاطئة لهذه المقارنة. فهو يأتي بذاكرة موحدة 16GB وسعة تخزين 256GB. ويبلغ حجم ملف Qwen3.8-27B بدقة 4-bit الذي استخدمه Mert Cobanov نحو 17GB وحده. لذلك لا يستطيع جهاز بذاكرة 16GB إبقاء أوزان النموذج كاملة في الذاكرة الموحدة، فضلًا عن توفير مساحة لذاكرة سياق النموذج المؤقتة والخادم المحلي وعمليات الأدوات وmacOS.

إعداد $1,799 هو جهاز Mac القابل للمقارنة هنا؛ إذ تستطيع ذاكرته 32GB استيعاب نموذج فئة 27B مع هامش تشغيلي، ويمنح قرص SSD بسعة 1TB ملفات النماذج والفهارس والسجلات مساحة كافية. وهو لا يعادل ذاكرة Spark البالغة 128GB وتخزينه 4TB، لكنه يستطيع إنجاز المهمة الأصغر التي يرجح أن يطلبها مستخدم منفرد.

وبذلك تبلغ فجوة الشراء $2,900. فسعر Spark يعادل 2.61 مرة سعر Mac ذي ذاكرة 32GB. ولا يمكن تبرير هذه الزيادة إلا إذا اشترت قدرة يعجز Mac عن توفيرها. أما دفعها مقابل مساعد خاص من فئة 27B يستخدمه شخص واحد، فهو شراء لذاكرة فارغة وحزمة برمجية لا يحتاج إليها حمل العمل.

يستطيع المطور التقني المستقل استضافة نموذج محلي على Mac عبر واجهات API المحلية والمتوافقة مع OpenAI أو Anthropic في LM Studio. ويمكن توجيه وكيل موجود إلى نقطة النهاية تلك من دون تحويل Mac إلى جهاز Linux مخصص. كما يدعم Ollama تنفيذ النماذج على CPU وGPU من سلسلة Apple M في macOS، في حين أن MLX هو إطار Apple للتعلم الآلي على Apple silicon. وهكذا يبقى الجهاز مفيدًا حتى بعد انتهاء تجربة الوكيل الحالية.

لكن لميزة Mac السعرية حدودًا. فالحد الأقصى لذاكرة طراز M6 هو 32GB. وإذا كان المؤسس يتوقع نموذجًا بحجم 70B، أو عدة مهام متزامنة، أو فهرس استرجاع كبيرًا في الذاكرة، فلا ينبغي اعتبار سعر الشراء المنخفض توفيرًا؛ لأنه ثمن جهاز لا يستطيع تنفيذ العمل المطلوب.

الفائز بسعة النماذج: DGX Spark

يحسم DGX Spark معركة سعة النماذج قبل أن يولّد أي من الجهازين رمزًا واحدًا. فهو يضم ذاكرة موحدة مترابطة بسعة 128GB وتخزين NVMe ذاتي التشفير بسعة 4TB، مقابل حد أقصى يبلغ 32GB من الذاكرة الموحدة في Mac mini M6.

الذاكرة الموحدة حوض واحد يتشاركه CPU وGPU. وفي النماذج المحلية، تحدد السعة ما إذا كانت مجموعة الأوزان كاملة وسياق العمل سيبقيان في الذاكرة السريعة. وإذا لم يتسعا، فعلى النظام نقل جزء من الحمل إلى وسيط أبطأ، أو تقصير السياق، أو استخدام تكميم أصغر، أو اختيار نموذج أصغر. وكل تنازل من هذه التنازلات يغير السرعة أو الجودة أو كليهما.

وحد السعة هنا واضح. فنموذج كثيف يضم 70 مليار معلمة ومخزن بدقة 4 bits لكل معلمة يحتاج إلى 35GB للأوزان وحدها:

70 billion parameters x 4 bits / 8 = 35GB

وهذا يتجاوز بالفعل سقف ذاكرة M6 mini بالكامل. كما تزيد مخازن التشغيل المؤقتة وKV cache، أي ذاكرة عمل النموذج للمحادثة، الفجوة اتساعًا. لدى Spark مساحة لهذه الفئة من النماذج. وتقول NVIDIA إن جهازًا واحدًا يدعم الاستدلال حتى 200 مليار معلمة والضبط الدقيق حتى 70 مليار معلمة.

بالنسبة إلى مدير تقنية يقيّم وكيلًا داخليًا للبرمجة أو العقود، هذا الفرق عملي لا نظري. فقد يكون نموذج 27B عاملًا خاصًا مفيدًا على Mac، لكن نموذج 70B أو سياقًا أطول أو عدة جلسات متزامنة قد يدفع الخدمة نفسها إلى ما وراء 32GB. عندها لا يملك Mac الأقل تكلفة حلًا محليًا. قد يظل الرجوع إلى السحابة منطقيًا، لكن المقارنة لم تعد بين نظامين محليين بالكامل.

ويزيد التخزين هذا الفارق. فتتراكم سريعًا نسخ النماذج ودرجات التكميم وفهارس التضمين ومجموعات المستندات وبيانات التقييم. يمكن إدارة Mac بسعة 1TB مع تخزين خارجي، لكن سعة Spark المدمجة البالغة 4TB تخفف هذا الضغط وتُبقي الحزمة المحلية على الجهاز.

ثمة أيضًا تفصيل في الإطلاق يسهل أن يفوت المشترين. تقول Apple إن M6 mini يضم ثلاثة منافذ Thunderbolt 4. أما حديثها الجديد عن تجميع عدة أجهزة Mac mini عبر Thunderbolt 5 فيخص إعداد M5 Pro، لا طراز M6 المذكور. لذلك لا يمثّل شراء عدة أجهزة M6 mini أساسية مسارًا أعلنته Apple لبناء حوض ذاكرة موحدة أكبر.

الفائز في بيئة الوكيل المحلي: DGX Spark

يفوز DGX Spark بفئة الوكيل المحلي الجاهز لأن Perplexity أطلقت Portable Computer له في اليوم نفسه الذي أعلنت فيه Apple عن M6. ويعمل Perplexity Computer محليًا على الجهاز عبر Portable Computer، مع Qwen 3.8 27B أو PPLX 27B عند الإطلاق، على أن يصل NVIDIA Nemotron 3.5 Lightning 30B قريبًا.

هذا أكثر من مجرد نموذج محادثة محلي. تقول Perplexity إن المنسق والمخطط وموجّه الأدوات والمجدول وطابور المهام الدائم وفهرس البحث المحلي تعمل جميعها على الجهاز. ويمكن للوكيل قراءة الملفات المحلية والبحث في المستندات والشيفرة واتخاذ إجراءات على الجهاز وإبقاء المهام قيد التشغيل. أما تنفيذ الأدوات والشيفرة فيجري داخل بيئات معزولة ذات وصول مضبوط إلى الملفات والتطبيقات المتصلة.

وحدود الخصوصية واضحة أيضًا. فالعمل على الجهاز لا يستهلك أرصدة. وعندما تحتاج المهمة إلى معلومات حديثة من الويب أو تطبيق سحابي متصل أو استدلال متقدم، يطلب Portable Computer الإذن قبل التصعيد. هذا نموذج قوي لسير عمل يتعامل مع شيفرة خاصة أو مستندات سرية: يمكن إبقاء التحضير الحساس محليًا، ولا يخرج سوى جزء محدد من المهمة عند الموافقة.

لكن هناك قيدًا مهمًا. يتطلب Portable Computer اشتراك Perplexity Pro أو Max. وإصداره الأول يعمل على Linux في DGX Spark، مع دعم Windows قريبًا. ولم تعلن Perplexity عن دعم macOS. كما أن ظهور Perplexity في صور إطلاق Mac mini لدى Apple لا يثبت أن بيئة Portable Computer المحلية تعمل عليه.

يسلك Mac mini M6 مسار المكونات المنفصلة. يستطيع Ollama تشغيل النماذج عبر GPU من Apple، ويستطيع LM Studio إتاحة API محلية على الجهاز أو الشبكة، بينما يمنح MLX المطورين إطارًا أصليًا لـApple silicon. هذه لبنات مفيدة، لكنها لا تقدم مخطط Perplexity ومجدولها وبيئتها المعزولة وطابورها الدائم ومسار أذوناتها وفهرسها المحلي في تثبيت واحد متكامل.

قد تكون هذه المرونة ميزة لمطور خبير لديه بالفعل إطار وكلاء. وجّه الإطار إلى نقطة نهاية محلية متوافقة مع OpenAI، وأبقِ شيفرة التنسيق قابلة للنقل، واستخدم النماذج السحابية فقط في الخطوات التي تحتاج إليها. كما تكتسب حزمة مساعدي الذكاء الاصطناعي على Mac أهمية عندما يكون الهدف العمل اليومي لا خدمة نماذج ذاتية الاستضافة.

أما المشتري المؤسسي الذي يريد وكيلًا محليًا له صيانة مستمرة بدلًا من حزمة يركبها بنفسه، فيجد لدى Spark المسار الأوضح. وتقدم NVIDIA أيضًا DGX Spark بوصفه حاسوب وكلاء مكتبيًا وتضمّن معه حزمة برمجيات الذكاء الاصطناعي، فيما يضيف تحديث حالي لـDGX OS تثبيتًا مبسطًا لـNemoClaw. السعر هنا يشتري منصة نشر ذات توجه واضح، لا ذاكرة أكبر فحسب.

الأداء: DGX Spark يتقدم في حلقات الوكيل كثيفة الموجّهات، وسرعة رد M6 غير مثبتة

يتفوق DGX Spark وفق الأدلة المتاحة في أعمال الوكلاء كثيفة الموجّهات، لكن هذه الأدلة لا تكفي لإعلان فائز شامل في سرعة M6 بعد؛ فالعتاد لم يصل إلى المشترين بعد.

أفضل مرجع مستقل متاح هو مقارنة Qwen3.8-27B التي أجراها Mert Cobanov. شغّل النموذج الكثيف نفسه بحجم 27B وبتكميم 4-bit، وأجرى ثلاثة تشغيلات دافئة ولّد فيها كل جهاز 300 رمز عند temperature 0، ثم قرأ عدادات الخوادم نفسها. استخدمت NVIDIA برنامج Ollama مع ملف GGUF، بينما استخدم Mac برنامج MLX. يظل اختلاف بيئة التشغيل قيدًا على المقارنة، لكن المنهج معلن بوضوح.

قاس Cobanov في Mac mini M4 Pro بذاكرة 24GB معدل 15.1 رمز خرج في الثانية و50 رمزًا لمعالجة الموجّه في الثانية. وسجّل DGX Spark معدل 12.6 رمز خرج في الثانية و259 رمزًا لمعالجة الموجّه في الثانية. في ذلك الاختبار، ولّد Mac الأقدم الرد بسرعة أعلى بنحو 1.20 مرة، بينما عالج Spark الموجّه بسرعة أعلى بنحو 5.18 مرة.

هاتان مرحلتان مختلفتان من الاستدلال. معالجة الموجّه، التي تسمى غالبًا prefill، هي المرحلة التي يقرأ فيها النموذج التعليمات والمستندات المسترجعة وسجل المحادثة ونتائج الأدوات. أما decode فهي المرحلة التي يخرج فيها الإجابة رمزًا تلو الآخر. والوكيل طويل التشغيل يعيد إدخال السياق إلى النموذج مرارًا، ويستدعي الأدوات، ويضيف نتائجها، ثم يطلب من النموذج التخطيط مجددًا. لذلك قد تكون سرعة prefill أهم لهذا النوع من الحمل منها في محادثة من جولة واحدة.

لنتأمل مهمتين. يتلقى مساعد كتابة منفرد موجّهًا قصيرًا وينتج مسودة طويلة؛ هنا تهيمن سرعة الإخراج، فتبدو نتيجة Mac في اختبار الجهاز الأقدم الذي أجراه Cobanov جذابة. في المقابل، يقرأ وكيل عقود مجلدًا كبيرًا، ويحافظ على سجل طويل، ويتخذ قرارات أدوات قصيرة عديدة؛ هنا تستحوذ معالجة الموجّه على حصة أكبر من وقت الانتظار، وهو ما يرجّح حوسبة Blackwell tensor في Spark وفق الاختبار المقاس.

تفيد Apple بأن M6 يحقق معالجة لموجّهات LLM في LM Studio أسرع حتى 4.8 مرة من نظام M4 المقارن. وأجرت Apple اختباراتها في يوليو 2026. هذه نتيجة من الشركة المصنّعة مقابل إعداد M4، لا مقابل Spark، كما أن منهجها يختلف عن اختبار Cobanov. وضرب رقم M4 من مصدر في نسبة تسارع M6 من مصدر آخر سيصنع معيار أداء لم يجره أحد.

ويضيف عرض نطاق الذاكرة سببًا آخر للانتظار. فإعدادا M6 بذاكرة 24GB و32GB محددان بسرعة 170GB/s، بينما تبلغ سرعة DGX Spark المحددة 273GB/s. يعتمد توليد مخرجات النماذج الكثيفة عادةً بدرجة كبيرة على نقل الأوزان عبر الذاكرة. وقد تحسن مسرعات M6 الجديدة بعض أجزاء حمل العمل، لكن مواصفات الإطلاق لا تكشف النتيجة المتكافئة من البداية إلى النهاية.

بالنسبة إلى الفرق التي تضبط kernels، أو تقدم الخدمة عبر أطر أصلية لـCUDA، أو تحسن الاستدلال لعدة مستخدمين، قد تكون منظومة Spark أهم من معدل رموز لمسار واحد. وقد بُني مشهد وكلاء تحسين GPU إلى حد بعيد حول أعمال ذات طابع CUDA. أما المساعد التفاعلي لشخص واحد، فينبغي قياس زمن استجابته على النموذج والسياق اللذين سيستخدمهما ذلك الشخص فعلًا.

التكلفة الموحّدة ونقطة التعادل

يحافظ Mac mini M6 على أقل تكلفة عتاد لكل رمز في كل حمل يستطيع الجهازان إنجازه. ولا يصبح DGX Spark أرخص لمجرد توليد رموز أكثر؛ فسعر شرائه يبقى أعلى 2.61 مرة عند تساوي إجمالي المخرجات طوال العمر.

لنستخدم حمل عمل محددًا: 10 ملايين رمز خرج شهريًا لمدة 36 شهرًا. نستبعد الكهرباء والضرائب والدعم وقيمة إعادة البيع والتخزين الخارجي واشتراكات البرامج. وفق هذا التطبيع القائم على العتاد وحده، يكلف Mac بسعر $1,799 مقدار $0.005 لكل 1,000 رمز خرج. ويكلف Spark بسعر $4,699 مقدار $0.013 لكل 1,000 رمز خرج.

الحساب بسيط عمدًا:

hardware price / 360 million lifetime output tokens x 1,000

ولا يدّعي أن أيًا من الجهازين سيحافظ على معدل اعتباطي، أو أن معالجة المدخلات مجانية. بل يعزل تكلفة امتلاك الجهاز عبر حمل المخرجات نفسه. ويؤدي تغيير حجم الرموز طوال العمر إلى تغيير الرقمين بالنسبة نفسها من دون أن يعكس ترتيبهما.

وتتضح الصورة نفسها عند حساب تكلفة المقعد شهريًا. فعلى مدى 36 شهرًا، يكلف Mac واحد بذاكرة 32GB مقدار $49.97 شهريًا لمقعد مخصص واحد. ويكلف Spark واحد $130.53 شهريًا. وبالنسبة إلى مستخدم واحد، يوفر Mac مقدار $80.56 كل شهر من تكلفة الشراء الموزعة قبل احتساب الطاقة أو الاشتراكات.

نقطة التعادل الأولى هي السعة. بمجرد أن يحتاج حمل العمل إلى أكثر من 32GB، أو يعتمد على CUDA، أو يتطلب Portable Computer، لا يعود Mac قادرًا على تقديم النتيجة المحلية نفسها. عندئذ يفقد رقمه الأقل لكل رمز معناه لأن مقام العمل المحلي المنجز يهبط إلى صفر. لهذا تأتي ملاءمة النموذج قبل سرعة معيار الأداء في القرار.

أما نقطة التعادل الثانية فتظهر في نشر مشترك محدد. إذا كان البديل Mac بسعر $1,799 لكل مستخدم، فإن ثلاثة أجهزة Mac تكلف $5,397. ويكلف Spark واحد $4,699، أي أقل بمقدار $698، أو $43.51 لكل مقعد شهريًا على ثلاثة مقاعد. ويظل جهازا Mac مخصصان أقل تكلفة من Spark واحد. لذلك تبدأ نقطة التعادل من ثلاثة مقاعد وفق سعر الشراء وحده.

هذه النتيجة مشروطة. يجب أن يتعامل Spark واحد مع موجّهات ثلاثة مستخدمين المتزامنة وسياقاتهم وأهداف زمن الاستجابة لديهم. وإذا عجز، تصبح المقارنة بين جهازي Spark وثلاثة أجهزة Mac، أو تصميم محلي وسحابي هجين. اختبار السعة، لا فاتورة الشراء، هو ما يقرر صلاحية المشاركة.

استُبعدت الطاقة لسبب. تنشر Apple حدًا أقصى مستمرًا لطاقة النظام يبلغ 155W. وتنشر NVIDIA قدرة تصميم حراري TDP لشريحة GB10 تبلغ 140W ومزوّد طاقة بقدرة 240W. فالحد الأقصى لطاقة النظام وTDP للشريحة وتصنيف مزوّد الطاقة قياسات مختلفة. ومعاملتها بوصفها سحبًا متكافئًا من المقبس سيجعل حساب التكلفة الكلية يبدو أشمل، لكنه سيكون أقل دقة.

ينبغي وضع التصعيد إلى السحابة في بند مستقل للميزانية. فالوكيل المحلي يبقي عادةً الأعمال الروتينية على الجهاز، ويرسل الاستدلال الصعب أو البحث الآني على الويب إلى نموذج مستضاف. وتشرح مقارنة بوابات نماذج الذكاء الاصطناعي طبقة التحكم هذه. يقلل امتلاك العتاد رسوم الاستدلال المحلي، لكنه لا يلغي قيمة الرجوع إلى نموذج متقدم أو تكلفته.

تكاليف الانتقال ومن لا ينبغي له الانتقال

الانتقال من Mac إلى DGX ترحيل لمنصة كاملة، لا نسخ للملفات. والانتقال من DGX إلى Mac تقليص للسعة والبرمجيات، لا بديل أرخص فحسب.

الانتقال من Mac mini إلى DGX Spark

البيانات هي الجزء السهل. يمكن نقل ملفات النماذج ومجموعات المستندات وبيانات التقييم والسجلات إلى قرص Spark بسعة 4TB. أما العمل المكلف فهو إعادة بناء مسار التنفيذ من macOS وApple silicon إلى DGX OS على CPU بمعمارية Arm و20 نواة مع CUDA.

لن تتحول نقطة تحقق MLX أو تحسين خاص بـMetal إلى محرك CUDA بمجرد نقل المجلدات. وقد تحتاج الفرق إلى تكميم مختلف أو إصدار GGUF أو بيئة تشغيل أصلية لـCUDA. كما قد تفشل اعتماديات x86 المسبقة البناء على Arm. ويغطي دليل NVIDIA لنقل البرمجيات إلى DGX Spark الاعتماديات وأنظمة البناء وترتيب ذاكرة Arm وCUDA لأن هذا الانتقال جوهري.

وتستحق حالة الوكيل خطة ترحيل منفصلة. صدّر الموجّهات ومخططات الأدوات والجداول الزمنية والطوابير الدائمة والفهارس المحلية وقواعد الأذونات وبيانات اعتماد الموصلات وحالات التقييم. وأعد بناء فهرس البحث في الوجهة بدل افتراض قابلية نقل صيغة فهرس خاصة بمورّد. ودوّر بيانات الاعتماد بعد الانتقال، ثم أعد السماح فقط بالمجلدات والتطبيقات التي يحتاج إليها الوكيل.

على الفريق الذي ينتقل خصيصًا من أجل Portable Computer أن يختبر أولًا مطالبات الأذونات وسياسة التصعيد السحابي قبل إنهاء سير عمل Mac. يمكن إبقاء التنفيذ المحلي على الجهاز، لكن أعمال الويب أو المتصفح أو التطبيقات المتصلة المصرح بها قد تظل تغادر الجهاز. ومصطلح «المحلي أولًا» حدّ يجب ضبطه، لا مرادفًا للعمل من دون اتصال دائمًا.

الانتقال من DGX Spark إلى Mac mini M6

الخفض من 128GB إلى 32GB هو بوابة الترحيل الأولى. ويجب تصغير أي نموذج تتجاوز أوزانه وKV cache وبيئة تشغيله ميزانية Mac، أو إعادة تكميمه، أو تقسيمه، أو إرساله إلى السحابة. فنموذج كثيف بحجم 70B ودقة 4-bit لا يتسع حتى قبل احتساب الأعباء الإضافية.

كما يحتاج تقديم الخدمة أو التدريب أو عمل kernels المعتمد على CUDA إلى بديل. تغطي MLX وOllama وLM Studio الكثير من مهام الاستدلال المحلي، لكنها لا تستنسخ كل سير عمل CUDA. ويمثّل Portable Computer عائقًا حاسمًا آخر لأن Perplexity أعلنت Linux على DGX، لا macOS.

أما المكسب فهو توحيد الأجهزة. يستطيع مستخدم منفرد الاستغناء عن جهاز مخصص، والإبقاء على نقطة نهاية النموذج والعمل اليومي في Mac واحد، والاحتفاظ بأتمتة macOS المألوفة. ولا تكون هذه المقايضة منطقية إلا بعد إثبات أن النموذج الأصغر وAPI المحلية يحققان اختبارات القبول نفسها.

من لا ينبغي له الانتقال؟

• لا تغادر سير عمل Mac بذاكرة 32GB يحقق أصلًا أهداف الجودة والخصوصية وزمن الاستجابة لمجرد الحصول على نموذج أكبر على الورق.
• لا تغادر DGX إذا كان الإنتاج يعتمد على CUDA، أو أكثر من 32GB من حالة النموذج الحية، أو Portable Computer، أو نشر متوافق مع NVIDIA.
• لا تشترِ M6 من أجل تحسن في السرعة لم يُقَس بصورة مستقلة بعد.
• لا تجمع ثلاثة مستخدمين على Spark واحد من دون اختبار التزامن باستخدام أطول موجّهاتهم وساعة الذروة لديهم.

خطوة الاثنين: حدّد حمل العمل قبل الطلب

الخطوة العملية التالية هي إعداد عقد لحمل العمل من صفحة واحدة. حدّد ما يجب أن يتسع، وما يجب أن يبقى محليًا، وما النتيجة التي تبرر الشراء.

1. 1

   حدّد حمل الذاكرة كاملًا

   سجّل حجم ملف النموذج والتكميم والسياق المستهدف وتقدير KV cache وفهرس الاسترجاع وعمليات الوكيل. إذا تعذر إبقاء الذروة دون 32GB مع هامش، فأخرج Mac mini M6 من القائمة المختصرة.

2. 2

   حدّد اعتماديات بيئة التشغيل

   ضع علامة على كل مكتبة CUDA ومكوّن MLX وAPI محلية وبيئة معزولة وموصل ومهمة مجدولة. فأي مسار CUDA مطلوب أو تثبيت Portable Computer يوجه القرار إلى DGX Spark.

3. 3

   حدّد مستوى الخدمة

   دوّن عدد المستخدمين المتزامنين والحد الأقصى المقبول لزمن ظهور أول رمز ومعدل الإخراج المتوقع وحمل ساعة الذروة. مستخدم واحد ونموذج 27B يرجّحان Mac، بينما يجعل ثلاثة مستخدمين مشتركين نقطة تعادل Spark المشروطة جديرة بالاختبار.

4. 4

   انتظر إذا كانت السرعة أساس القرار

   إذا لم تحسم السعة ولا بيئة التشغيل قرار الشراء، فانتظر وصول عتاد M6 إلى السوق. واشترط اختبارًا متكافئًا بالنموذج والتكميم والسياق والتزامن نفسها قبل الطلب من أجل الأداء.

شرط التوقف بسيط: لا توافق على Spark إذا بقيت التجربة دون 32GB ولمستخدم واحد، ولا توافق على M6 إذا أخفق نموذج الإنتاج أو بيئة التشغيل المطلوبة في اختبار الملاءمة. هكذا يتحول جدل العتاد إلى قرار تبنٍّ ذي مخرج قابل للقياس.

الأسئلة الشائعة

أيهما أفضل لتشغيل LLM محليًا: DGX Spark أم Mac Studio؟

يكون DGX Spark أفضل عندما تكون CUDA أو بيئة نشر متوافقة مع NVIDIA أو حزمة الوكيل المحلي لديه مطلوبة. أما Mac Studio ذو الذاكرة الكبيرة فهو عملية شراء مختلفة عن Mac mini M6 بذاكرة 32GB المقارن هنا، لذا اختبر النموذج وبيئة التشغيل نفسيهما قبل اعتباره بديلًا مباشرًا.

ما جهاز Mac الأفضل لتشغيل الذكاء الاصطناعي محليًا؟

يمثّل Mac mini M6 بذاكرة 32GB نقطة دخول منطقية لوكيل محلي من فئة 27B يستخدمه شخص واحد. انتقل إلى ما يتجاوز M6 mini المذكور عندما يحتاج النموذج وسياقه إلى أكثر من 32GB، ولا تشترِ الإعداد الأساسي 16GB لنموذج يبلغ حجمه نحو 17GB.

هل يستحق DGX Spark سعره؟

يستحق DGX Spark مبلغ $4,699 عندما تكون ذاكرة 128GB أو CUDA أو خدمة مشتركة كثيفة الموجّهات أو الضبط الدقيق المحلي أو Perplexity Portable Computer متطلبات فعلية. أما لشخص واحد يشغّل نموذجًا يتسع بأريحية داخل Mac بذاكرة 32GB وسعر $1,799، فقيمته ضعيفة.

ما نظام التشغيل الذي يستخدمه DGX Spark؟

يستخدم DGX Spark نظام NVIDIA DGX OS على منصة Arm ذات 20 نواة، ويأتي مع حزمة NVIDIA لبرمجيات الذكاء الاصطناعي. وقد تحتاج الملفات التنفيذية الحصرية لـx86 إلى إصدارات جديدة لمعمارية Arm.

هل يستطيع Mac mini M6 تشغيل Perplexity Portable Computer؟

ليس عند الإطلاق. فقد أعلنت Perplexity عن Portable Computer لجهاز DGX Spark على Linux، مع دعم Windows قريبًا، ولم تعلن عن دعم macOS. وتجربة Perplexity المعتادة على Mac ليست بيئة الوكيل المحلية على الجهاز نفسها التي يقدمها Portable Computer.

ما فارق السعر بين DGX Spark وMac mini M6؟

يزيد سعر DGX Spark بمقدار $2,900 على إعداد Mac mini M6 المستخدم هنا: $4,699 مقابل $1,799 لذاكرة 32GB وتخزين 1TB. ويظل طراز Mac الأساسي بذاكرة 16GB وسعر $899 أرخص، لكنه لا يستطيع إبقاء النموذج المرجعي البالغ حجمه نحو 17GB كاملًا في الذاكرة.

احصل على خريطة أدوات الذكاء الاصطناعي لأصحاب الأعمال

تحوّل خريطة أدوات الذكاء الاصطناعي لأصحاب الأعمال مقارنات العتاد والوكلاء إلى حزمة تبنٍّ عملية، توضّح التكلفة والملاءمة والنقطة التي يستحق عندها كل خيار مكانه. اشترك لتحصل على الإصدار التالي مجانًا.