Hardware

Docker Model Runner هو الأداة الرسمية لـ Docker لتشغيل النماذج الذكية الاصطناعية محليًا، ولكن تمكين تسريع GPU من NVidia في Docker Model Runner يتطلب تكوينًا خاصًا.

قمت بتحليل بعض الاختبارات المثيرة للاهتمام حول أداء نموذج GPT-OSS 120b أثناء تشغيله على Ollama عبر ثلاث منصات مختلفة: NVIDIA DGX Spark، وMac Studio، وRTX 4080. يبلغ حجم نموذج GPT-OSS 120b من مكتبة Ollama 65 جيجابايت، مما يعني أنه لا يمكن أن يناسب الـ 16 جيجابايت من ذاكرة الفيديو (VRAM) الخاصة بـ RTX 4080 (أو النسخة الأحدث RTX 5080).

Docker Model Runner (DMR) هو الحل الرسمي من Docker لتشغيل نماذج الذكاء الاصطناعي محليًا، وقد تم تقديمه في أبريل 2025. يوفر هذا الدليل مرجع سريع لأهم الأوامر، والتكوينات، والممارسات المثلى.

في بيئة الحوسبة الحديثة، أصبحت الافتراضية ضرورية لتطوير البرمجيات، والاختبار، وتشغيل أنظمة تشغيل متعددة. وللمستخدمين الذين يستخدمون Linux ويبحثون عن طريقة بسيطة وسلسة لإدارة أجهزة الافتراضية، يبرز GNOME Boxes كخيار خفيف وسهل الاستخدام يعطي الأولوية لسهولة الاستخدام دون التضحية بالوظائف.

المستقبل الذكاء الاصطناعي ليس فقط عن نماذج أذكى النماذج - بل عن سيلكون أذكى.

العتاد المخصص لـ استنتاج النماذج الكبيرة يقود ثورة مشابهة لتغيير تعدين البيتكوين إلى ASICs.

NVIDIA DGX Spark هو حقيقي، متاح للبيع 15 أكتوبر 2025، ويستهدف مطوري CUDA الذين يحتاجون إلى عمل محلي على نماذج LLM مع مكدس NVIDIA AI المتكامل. السعر الموصى به في الولايات المتحدة 3999 دولارًا أمريكيًا؛ بينما يكون السعر في المملكة المتحدة/ألمانيا/اليابان أعلى بسبب ضريبة القيمة المضافة والقناة. لا تزال الأسعار الرسمية في أستراليا/كوريا غير متوفرة على نطاق واسع.

Proxmox Virtual Environment (Proxmox VE) هو منصة مفتوحة المصدر، وهايبرفيزور من النوع الأول، ونظام تنسيق مراكز البيانات المبني على Debian.

مرة تلو الأخرى، دعنا نقارن الأسعار بين أفضل بطاقات الجرافيكس للمستهلكين من المستوى الأعلى، والتي مناسبة بشكل خاص للنماذج العصبية الكبيرة (LLMs) وبشكل عام للذكاء الاصطناعي (AI).

بالتحديد، أنا أنظر إلى
أسعار RTX-5080 و RTX-5090.
لقد تراجعت بشكل طفيف.

[تطبيقات مراقبة حمل وحدة معالجة الرسومات (GPU)](https://www.glukhov.org/ar/post/2025/08/gpu-monitoring-apps-linux/ “تطبيقات مراقبة حمل وحدة معالجة الرسومات (GPU)): nvidia-smi مقابل nvtop مقابل nvitop مقابل KDE plasma systemmonitor.

نvidia على وشك إصدار NVIDIA DGX Spark - جهاز كمبيوتر صغير جداً لتشغيل الذكاء الاصطناعي بناءً على بنية Blackwell مع 128+ جيجابايت من الذاكرة الموحّدة و 1 PFLOPS من أداء الذكاء الاصطناعي. جهاز رائع لتشغيل نماذج الذكاء الاصطناعي الكبيرة (LLMs).

لنقارن الأسعار بين أفضل بطاقات الرسومات الموجهة لمستخدمي الأجهزة النهائية، والتي مناسبة بشكل خاص للنماذج العصبية الكبيرة (LLMs) والأتمتة الذكية بشكل عام. ننظر بالتفصيل إلى أسعار RTX 5080 و RTX 5090. تراجعت الأسعار قليلاً.

قبل 3 أشهر فقط لم نرَ RTX 5090 في المتاجر، ولكن الآن هنا هي، ولكن الأسعار أعلى قليلاً من MRSP. لنقم بمقارنة أرخص أسعار RTX 5080 و RTX 5090 في أستراليا ونرى كيف تسير الأمور.

نظام تلقائي متميز لمهام رائعة.

كيف تؤثر مسارات PCIe على أداء النماذج الكبيرة؟ يعتمد ذلك على المهمة. بالنسبة للتدريب والتنبؤ متعدد GPUs - فإن انخفاض الأداء كبير.

كنت أشعر بالتأثير الكبير من هذه المشكلة. ولكن يجب عليك التحقق والاختبار على جهاز الكمبيوتر الخاص بك إذا كان شاشة الموت الأزرق (BSOD) الخاصة بك مشابهة لصيغتي.

السبب هو مشكلة تدهور معالجات إنتل في الجيل الثالث عشر والرابع عشر.

لدي نظرية أريد اختبارها - هل استخدام جميع النوى على معالج Intel CPU سيزيد سرعة نماذج LLM؟ (اختبار: كيف يستخدم Ollama أداء معالج Intel ووحدات النوى الفعالة) يزعجني أن نموذج gemma3 27 بت (gemma3:27b، 17GB على ollama) لا يناسب 16GB VRAM لبطاقتي الرسومية، ويتم تشغيله جزئيًا على المعالج.