Llama 4 Scout على Ollama: الإعدادات وحلول المشكلات وتطبيق Windows والبدائل
تشغيل Llama 4 Scout في Ollama على جهاز Windows يعني تنزيل ملف بحجم 60 غيغابايت تقريبًا أو أكثر، وإعدادًا لطول السياق يحدد إن كان النموذج سيتسع في الذاكرة، وأخطاء تتكرر عادةً. إليك الإعدادات والحلول والبدائل حين لا يتحمّل جهازك النموذج.
كتبت ollama run llama4:scout، وانتظرت تنزيلًا بحجم مكتبة ألعاب صغيرة، ثم حصلت إما على توليد بطيء بكلمة كل بضع ثوانٍ، أو على خطأ متعلق بالذاكرة، أو على نموذج ينسى ما قلته قبل رسالتين. هذه هي التجربة الأولى المعتادة مع هذا النموذج، ونادرًا ما يعني أي منها أن شيئًا معطّل. Llama 4 Scout نموذج خبراء مختلط (mixture of experts) بعدد 109 مليارات معامل، وعلى Ollama أن يضغطه في أي كمية من ذاكرة GPU وRAM تملكها.
يستعرض هذا المقال الإعدادات التي تهم فعلًا، وإصلاحات الأعطال الشائعة، وكيف يندرج تطبيق Ollama على Windows في الصورة الكاملة، وما الذي يمكن استخدامه عندما لا يستطيع جهازك حمل النموذج ببساطة.
💡 الخلاصة السريعة: يحتاج Scout إلى ذاكرة أكبر بكثير مما توحي به تسمية "17B active". اضبط طول سياق واقعيًا، وتأكد من أن النموذج يعمل على GPU بالأمر ollama ps، وإن لم تنجح الأرقام، فاستخدم نسخة مستضافة بدلًا من مصارعة عتادك.
ما هو Llama 4 Scout فعلًا
أصدرت Meta نموذج Scout بوصفه الأخ الأصغر لنموذج Maverick في عائلة Llama 4. والأرقام التي يتداولها الناس دقيقة لكنها سهلة السوء في الفهم:
المواصفة
Llama 4 Scout
إجمالي المعاملات
نحو 109 مليارات
المعاملات النشطة لكل توكن
17 مليارًا
عدد الخبراء
16
نافذة السياق المعلنة
حتى 10 ملايين توكن
وسم Ollama الافتراضي
llama4:scout (تكميم Q4_K_M)
حجم التنزيل المعتاد
نحو 60 إلى 67 غيغابايت حسب المصدر
الفخ هو رقم "17B active". في نموذج الخبراء المختلط لا يعمل سوى جزء من الشبكة لكل توكن، ما يجعل التوليد سريعًا عندما يكون كل شيء محمّلًا. لكن المعاملات التي تبلغ 109 مليارات كلها ما تزال بحاجة إلى مكان في الذاكرة. لذلك تأتي سرعة نموذج 17B مع فاتورة تخزين نموذج 109B.
سياق 10 ملايين توكن قدرة في بنية النموذج، وليس شيئًا يستطيع حاسوب منزلي استخدامه. تنمو الذاكرة المستخدمة من KV cache مع كل توكن في السياق، لذا قد تستنزف نافذة ضخمة مساحة VRAM حتى عندما تتسع الأوزان فيها.
من يجب أن يشغّله محليًا
يصلح تشغيل Scout محليًا إذا كان لديك GPU من فئة محطات العمل أو جهاز بذاكرة موحدة أو ذاكرة نظام كبيرة، أو إذا كنت تحتاج إلى أن تبقى أوامرك النصية على قرصك الخاص، أو تريد تجربة سير عمل بلا اتصال. أما إذا كانت لديك بطاقة ألعاب واحدة بذاكرة 8 غيغابايت أو 12 غيغابايت، فتوقع نقلًا جزئيًا إلى المعالج وخرجًا بطيئًا.
نظرة واقعية على العتاد
تضع أدلة الجهات الخارجية الحد الأدنى العملي للنموذج المكمّم عند نحو 24 غيغابايت من VRAM، بينما تحتاج نسخة Q4_K_M الكاملة إلى ما يقارب 70 غيغابايت من الذاكرة المجمّعة لتعمل بارتياح. اعتبر هذه الأرقام أهدافًا تقريبية لا وعودًا.
إعدادك
ما الذي تتوقعه
GPU بذاكرة 8 إلى 12 غيغابايت، و32 غيغابايت RAM
معظم الطبقات على المعالج، بطء شديد، وقد يفشل التحميل
GPU بذاكرة 24 غيغابايت، و64 غيغابايت RAM
يعمل مع نقل جزئي، ومفيد للمحادثات القصيرة
48 غيغابايت من ذاكرة GPU أو أكثر
على GPU في معظمه أو كله، وسرعة جيدة
جهاز بذاكرة موحدة بسعة 64 غيغابايت أو أكثر
يعمل بشكل جيد، والسرعة تعتمد على عرض نطاق الذاكرة
تحتاج أيضًا إلى مساحة تخزين. يحفظ Ollama ملفات النموذج تحت ملف مستخدمك افتراضيًا، وتنزيل بحجم 60 غيغابايت أو أكثر على قرص النظام شبه الممتلئ سبب شائع لفشل التنزيل.
💡 اختبار سريع: حرّر نحو 80 غيغابايت على القرص الذي يحتوي مجلد نماذج Ollama قبل أن تبدأ. هذا يكفي للنموذج وبيانات التنزيل المؤقتة معًا.
التثبيت والتشغيل على Windows
يعمل Ollama بشكل أصلي على Windows 10 وWindows 11. نزّل المثبّت من موقع Ollama، وشغّله، وسيبدأ التطبيق في صينية النظام. لا حاجة إلى إعداد WSL.
سحب النموذج وتشغيله
افتح PowerShell أو Windows Terminal ونفّذ:
ollama pull llama4:scout
ollama run llama4:scout
يُنزّل الأمر الأول الأوزان، ويفتح الثاني محادثة تفاعلية. إذا أردت فقط التأكد من أن التثبيت يعمل قبل التنزيل الكبير، فاسحب نموذجًا صغيرًا أولًا، ثم عد إلى Scout.
تحقق من مكان وجود النموذج
مباشرة بعد أن يجيب النموذج، نفّذ:
ollama ps
انظر إلى عمود PROCESSOR. الحالة "100% GPU" هي ما تريده. أما التقسيم مثل "40%/60% CPU/GPU" فيعني أن جزءًا من النموذج يعمل على المعالج، وهذا يفسر البطء في الخرج. هذا الأمر الواحد يشخّص شكاوى أكثر من أي شيء آخر.
الإعدادات التي تهم فعلًا
طول السياق
هذا هو الإعداد الذي يخطئ فيه معظم الناس. يختار Ollama حجم سياق افتراضيًا يعتمد على VRAM: أقل من 24 GiB من VRAM يستخدم نحو 4 آلاف توكن افتراضيًا، وبين 24 و48 GiB ينتقل إلى نحو 32 ألفًا. نافذة 4 آلاف توكن تعني أن المستندات الطويلة تُقتطع، ويبدو أن النموذج "ينسى" الرسائل السابقة.
لرفعه ثلاث طرق:
شريط التمرير في تطبيق Ollama. افتح إعدادات التطبيق وحرّك شريط طول السياق.
متغير البيئة. اضبط OLLAMA_CONTEXT_LENGTH على قيمة مثل 16384 قبل تشغيل الخادم.
لكل جلسة. داخل ollama run، اكتب /set parameter num_ctx 16384.
كل زيادة تكلّف ذاكرة. مضاعفة النافذة تضاعف تقريبًا KV cache، لذا ارفعها بخطوات وراقب ollama ps بعد كل تغيير.
ضبط متغيرات البيئة على Windows
أغلق Ollama من صينية النظام.
افتح Settings، وابحث عن "environment variables"، وافتح المحرر الخاص بحسابك.
أضف متغير مستخدم جديدًا، مثل OLLAMA_CONTEXT_LENGTH بالقيمة 16384.
اضغط OK وأعد تشغيل Ollama من قائمة ابدأ.
إذا ضبطت المتغير ولم يتغير شيء، فالسبب المعتاد أن Ollama ما زال يعمل في الصينية ولم يعد يقرأ البيئة من جديد.
إعدادات تستحق المعرفة
الإعداد
ماذا يفعل
متى تعدّله
OLLAMA_CONTEXT_LENGTH
السياق الافتراضي لكل النماذج
المستندات الطويلة والمحادثات الطويلة
OLLAMA_KEEP_ALIVE
المدة التي يبقى فيها النموذج محمّلًا
ارفعها لتجنب إعادة التحميل البطيئة لنموذج ضخم
OLLAMA_MODELS
المجلد الذي تُخزَّن فيه النماذج
انقل ملفات 60 غيغابايت أو أكثر إلى قرص أكبر
OLLAMA_FLASH_ATTENTION
انتباه أخف على الذاكرة
جرّبه عندما يدفعك السياق فوق حد VRAM
OLLAMA_KV_CACHE_TYPE
يضغط KV cache (مثل q8_0)
لحشر سياق أكبر في الذاكرة نفسها
temperature (Modelfile)
عشوائية الخرج
اخفضها للحقائق والأكواد، وارفعها للكتابة
يتيح لك Modelfile مخصّص حفظ اختياراتك:
FROM llama4:scout
PARAMETER num_ctx 16384
PARAMETER temperature 0.4
ثم نفّذ ollama create scout-16k -f Modelfile وشغّله باستخدام ollama run scout-16k.
لا يعمل؟ الإصلاحات حسب العَرَض
يفشل التنزيل أو يتوقف
تحقق من المساحة الحرة على القرص الذي يحتوي مجلد النماذج. التنزيل بحجم 60 غيغابايت أو أكثر يموت بصمت عندما يمتلئ القرص.
نفّذ ollama pull llama4:scout مرة أخرى. عمليات السحب تستأنف بدل أن تبدأ من جديد.
على شبكة شركة أو مدرسة، قد يقطع الوكيل (proxy) أو المرشّح التنزيلات الكبيرة. جرّب اتصالًا آخر.
تأكد من أن إصدار Ollama محدَّث. البنى الحديثة للنماذج تحتاج إلى بيئة تشغيل أحدث، وقد لا يتعرف التثبيت القديم على الوسم.
"Model Requires More System Memory"
هذه رسالة من Ollama تقول إن الأوزان مع السياق لا تتسع. خياراتك، من الأسهل إلى الأصعب:
اخفض num_ctx إلى 4096 وأعد المحاولة.
أغلق المتصفح والتطبيقات الأخرى التي تحجز RAM وVRAM.
ارفع ملف الصفحات في Windows ليكون لدى الفائض مساحة، مع العلم أنه سيكون بطيئًا.
أضف ذاكرة RAM، أو انتقل إلى نموذج أصغر.
يعمل لكنه بطيء بشكل مؤلم
نفّذ ollama ps. إذا كان النموذج موزعًا بين المعالج وGPU، فهذه هي الإجابة. ينخفض الأداء بشدة عندما تفيض الطبقات إلى ذاكرة النظام، لأن مسار المعالج أقل بكثير في عرض النطاق من VRAM. اخفض طول السياق، أو فعّل flash attention، أو تقبّل أن هذا العتاد يناسبه نموذج أصغر أكثر.
ينسى المحادثة
هذه هي نافذة 4 آلاف الافتراضية مرة أخرى. ارفع num_ctx كما وُصف أعلاه، واختبر بأمر نصي طويل. إذا اقتُطع مستند طويل بصمت، فالنافذة ما تزال صغيرة عليه.
يستخدم المعالج بدلًا من GPU
حدّث تعريف بطاقة الرسوميات. التعريفات القديمة سبب شائع.
تأكد من أن برنامجًا آخر لا يستحوذ على ذاكرة GPU. الألعاب ومحررات الفيديو وعلامات تبويب المتصفح ذات التسارع العتادي تأخذ كلها حصتها.
أعد تشغيل Ollama من الصينية ليكتشف البطاقة من جديد.
إذا كانت لديك GPU مدمجة وأخرى مخصصة، فتحقق من أن Windows لا يوجّه العملية إلى الأضعف.
يفتح التطبيق لكن لا شيء يستجيب
أغلق Ollama من الصينية، وتأكد من عدم بقاء عملية ollama شاردة في Task Manager، ثم شغّله من جديد. وإذا كان منفذ Ollama الافتراضي مستخدمًا من برنامج آخر، فغيّره باستخدام OLLAMA_HOST، مثل 127.0.0.1:11500.
💡 قاعدة عامة: عندما يسلك شيء ما سلوكًا خاطئًا، غيّر إعدادًا واحدًا في كل مرة، وراقب ollama ps بعد كل تغيير. تغيير ثلاثة أشياء معًا يخفي السبب.
تطبيق Windows مقابل الطرفية
يمنحك تطبيق Ollama على Windows نافذة محادثة بسيطة، ومنتقي نماذج، ولوحة إعدادات فيها شريط السياق، بالإضافة إلى الخادم الخلفي الذي تتصل به الأدوات الأخرى. إنه أسهل طريقة لاستخدام Scout إذا كنت لا تحب سطور الأوامر.
الميزة
تطبيق Windows
الطرفية
واجهة المحادثة
نعم
نص أساسي
شريط السياق
نعم
استخدم num_ctx أو متغير البيئة
Modelfiles مخصصة
لا
نعم
البرمجة النصية والأتمتة
محدودة
كاملة
التشخيص (ollama ps، السجلات)
محدود
كامل
يستخدم معظم الناس الاثنين معًا: التطبيق للمحادثة العابرة، والطرفية لاستكشاف الأعطال. وأيًا كانت الأداة التي تستخدمها، فإن الخادم الخلفي يوفّر أيضًا واجهة API محلية، فيمكن للمحررات وواجهات المحادثة من جهات أخرى الاتصال به.
💡 نصيحة: إذا ضبطت متغير بيئة وأظهر شريط التطبيق قيمة مختلفة، فإن الشريط هو الذي يُعتمد للمحادثات التي تبدأ داخل التطبيق. اختر مكانًا واحدًا لإدارة السياق والتزم به.
متى يكون التشغيل المحلي الخيار الخطأ
كن صادقًا بشأن ما تخسره مقابل ما تكسبه. يمنحك النموذج المحلي الكبير الخصوصية ولا تكلفة لكل رسالة، لكنك تدفع ثمن ذلك بمساحة القرص والكهرباء ووقت الإعداد والصبر. إذا انطبق أي من هذه عليك، فتجنب المسار المحلي:
لديك أقل من 24 غيغابايت من VRAM وأقل من 64 غيغابايت من RAM.
تريد إجابات سريعة للكتابة أو التلخيص أو الأكواد، لا مشروعًا لعطلة نهاية أسبوع.
تتنقل بين أجهزة عدة، بما فيها حاسوب محمول لا يتسع للنموذج.
لا تريد أن تصون التعريفات وبيئات التشغيل ومجلد نموذج بحجم 60 غيغابايت.
النموذج من العائلة نفسها في الحالتين. الاستضافة في مكان آخر تغيّر فقط أين تعيش المعاملات التي تبلغ 109 مليارات.
حساب الذاكرة في لمحة
التخطيط التقريبي يسير هكذا: الأوزان (نحو 60 إلى 67 غيغابايت للتكميم الافتراضي) مضافًا إليها KV cache (ينمو مع السياق) مضافًا إليها الحمل الإضافي لبيئة التشغيل ونظام التشغيل. إذا كان المجموع أكبر من VRAM، فالفائض يذهب إلى ذاكرة النظام، وكل درجة نزول على هذا السلم تكلّف سرعة. وإذا تجاوز المجموع VRAM مضافًا إليها RAM، فلن يُحمَّل النموذج أصلًا.
كيفية استخدام Llama 4 Scout Instruct على PicassoIA
إذا أردت Scout دون تنزيل، فإن Llama 4 Scout Instruct متاح على PicassoIA ويعمل في المتصفح. لا يوجد مثبّت، ولا فحص للتعريفات، ولا إعداد سياق تحاول ضبطه على VRAM لديك.
اكتب أمرك النصي في مربع الإدخال. كن محددًا في الشكل والطول والجمهور المستهدف.
عدّل إعدادات التوليد الظاهرة في الصفحة. تناسب درجة الحرارة المنخفضة (نحو 0.2 إلى 0.5) الحقائق والأكواد والملخصات، بينما تناسب الدرجة الأعلى (0.7 إلى 1.0) العصف الذهني والكتابة الإبداعية.
اضبط حدًا أقصى للطول معقولًا للرد، حتى لا تنتظر نصًا لن تستخدمه.
شغّل الأمر النصي، واقرأ النتيجة، ثم حسّنها. تعمل تعليمات المتابعة القصيرة مثل "أقصر" أو "في جدول" بشكل جيد.
نصائح للأوامر النصية
امنح النموذج دورًا وهدفًا: "تصرّف كمحرر تقني. أعد كتابة هذه الفقرة لمبتدئ."
الصق النص المصدر مباشرة، ثم اطلب الشكل الذي تريده للخرج.
بالنسبة للمهام الطويلة، قسّم العمل إلى مراحل: المخطط أولًا، ثم المسودة، ثم التنقيح.
💡 استخدام مفيد: شغّل الأمر النصي نفسه على Scout المستضاف وعلى إعداد Ollama المحلي. إذا تطابقت الإجابات في الجودة، فأنت تعرف أن إعداداتك المحلية صحيحة.
بدائل تستحق التجربة
إذا كان Scout ثقيلًا أو غير مناسب، فهذه النماذج على PicassoIA تغطي معظم المهام نفسها:
للاستخدام المحلي، تمثل النماذج الأصغر في Ollama المسار الواقعي على عتاد متواضع. أي نموذج في نطاق 7B إلى 14B يُحمَّل بسرعة على GPU متوسطة، ويتعامل مع المحادثات اليومية، ويتجنب كل مشكلات الذاكرة السابقة. الثمن جودة أقل في المهام الطويلة والمعقدة.
أيّها تختار
الخصوصية أهم شيء: شغّل نموذجًا أصغر محليًا في Ollama.
الجودة أهم شيء وعتادك متواضع: استخدم نموذجًا مستضافًا.
تحتاج إلى الاستدلال: جرّب Deepseek R1.
تعمل مع الصور والنص معًا: جرّب Qwen3.7-Plus.
قائمة مراجعة سريعة للإصلاح
قبل أن تتخلى عن إعداد Scout محلي، مرّ على هذه القائمة:
احرر 80 غيغابايت على الأقل من مساحة القرص.
حدّث Ollama وتعريف بطاقة الرسوميات.
أغلق Ollama من الصينية وأعد تشغيله.
نفّذ ollama ps واقرأ عمود PROCESSOR.
اخفض num_ctx إلى 4096، ثم ارفعه بخطوات.
أغلق التطبيقات التي تستخدم VRAM.
جرّب OLLAMA_FLASH_ATTENTION وKV cache مضغوطًا.
قارن مع نموذج أصغر للتأكد من أن التثبيت نفسه سليم.
جرّبه دون إعداد
إذا كنت تفضل أن تقضي وقتك في الكتابة والبرمجة واختبار الأفكار بدلًا من ضبط أطوال السياق، فافتح Llama 4 Scout Instruct على PicassoIA وشغّل أمرك النصي الأول خلال دقيقة. قارنه مع Deepseek V3.1 وLlama 4 Maverick Instruct في المهمة نفسها، واحتفظ بالنموذج الذي يعطيك أفضل الإجابات. وحين تريد تجاوز النص، يقدم PicassoIA أيضًا نماذج لتوليد الصور والفيديو والكلام والموسيقى، ويمكنك تصفحها كلها على picassoia.com/en/all-models.