LocalAI: تشغيل نماذج اللغات الكبيرة والصور والفيديو على أي جهاز، دون الحاجة إلى GPU

لنكن صادقين: في عام 2026 تساءلنا جميعًا عمّا إذا كان تشغيل الذكاء الاصطناعي يعني بيع كليتنا للحصول على وحدة معالجة رسومية لمراكز البيانات. ثم ظهرت مشاريع مفتوحة المصدر مثل LocalAI وقلبت الطاولة. LocalAI هو محرك ذكاء اصطناعي مفتوح المصدر يُستضاف ذاتيًا، ويمكنه تشغيل نماذج اللغات الكبيرة (LLMs)، وتوليد الصور، ونماذج الفيديو، والتعرف على الكلام، وتحويل النص إلى كلام، والمزيد — على جهازك الخاص، دون الحاجة إلى GPU، وبخصوصية كاملة. إذا كنت تبحث عن طريقة للهروب من قيود مزودي واجهات البرمجة (API lock-in)، فهذه تذكرتك.

ما الذي يجعل LocalAI مختلفًا؟

يصف المشروع نفسه بأنه «نواة صغيرة، وليست حزمة». فبدلًا من شحن كل الاعتماديات الممكنة في ملف تنفيذي ضخم واحد، صُمم LocalAI ليكون قابلًا للتركيب: كل خلفية (backend) تغلّف محركًا مجربًا مثل llama.cpp أو vLLM أو whisper.cpp أو stable-diffusion أو MLX في صورة حاوية خاصة بها. لا تُسحب هذه الخلفية إلا عندما يحتاجها النموذج فعليًا. هذا يعني أنك لا تُثبّت جبلًا من البرامج التي لن تستخدمها أبدًا، ويمكنك توسيع LocalAI بخلفيات مخصصة بأي لغة برمجة.

LocalAI يُعد أيضًا بديلًا جاهزًا لواجهات البرمجة التي تعرفها بالفعل. إنه متوافق مع واجهة OpenAI API وواجهة Anthropic API وواجهة ElevenLabs الصوتية عبر جميع أنماطه. لذلك إذا كان لديك كود مكتوب لواجهة برمجة مستضافة وقررت الانتقال إلى المحلي، فكل ما تحتاج عادةً إلى تغييره هو عنوان نقطة الاتصال (endpoint URL).

سحر العمل بدون GPU

معظم النماذج الشائعة تعمل جيدًا على المعالج المركزي (CPU)، لكنها أبطأ، ويدعم LocalAI التسريع عبر المعدات عندما تتوفر لديك: NVIDIA (CUDA 12/13) وAMD (ROCm) وIntel (oneAPI) وApple Silicon (Metal) وVulkan وحتى أجهزة NVIDIA Jetson. يمكنك البدء بجهاز كمبيوتر محمول بمعالج مركزي فقط، ثم الانتقال إلى GPU لاحقًا دون تغيير سير عملك. كما يكتشف LocalAI إمكانيات GPU لديك تلقائيًا ويجلب الخلفية المناسبة، لذا لا تحتاج للعبث بعشرات متغيرات البيئة.

التثبيت في عشر ثوانٍ

البدء مع LocalAI سهل حقًا. أسرع طريقة هي Docker. لتشغيل CPU فقط، نفّذ هذا السطر الواحد:

docker run -ti --name local-ai -p 8080:8080 localai/localai:latest

هل لديك GPU من NVIDIA؟ اختر صورة CUDA المطابقة وأضف --gpus all:

docker run -ti --name local-ai -p 8080:8080 --gpus all localai/localai:latest-gpu-nvidia-cuda-13

يمكن لعشاق AMD استخدام صورة HIPBLAS مع بضعة أعلام للأجهزة، بينما تتوفر لمستخدمي Intel وVulkan صور مخصصة أيضًا. إذا كنت تفضل التطبيقات الأصلية، فهناك ملف DMG رسمي لنظام macOS — فقط تذكر إزالة سمة الحجر الصحي (quarantine) بعد التثبيت، لأن Apple لم توقّع عليه. ستجد الأمر الدقيق في ملف README الخاص بالمشروع.

تحميل النماذج: أمر واحد، وخيارات لا حدود لها

أسهل طريقة لتحميل نموذج هي عبر أداة سطر الأوامر المدمجة. يمنحك LocalAI أمرًا واحدًا يتحكم في كل شيء:

local-ai run llama-3.2-1b-instruct:q4_k_m

هذا الأمر يجلب نموذجًا من معرض نماذج LocalAI. لكنك لست مقيدًا بذلك المعرض. يمكنك سحب النماذج مباشرة من Hugging Face أو سجل Ollama أو أي سجل OCI قياسي:

local-ai run huggingface://TheBloke/phi-2-GGUF/phi-2.Q8_0.gguf

local-ai run ollama://gemma:2b

local-ai run oci://localai/phi-2:latest

يمكنك أيضًا توجيه LocalAI إلى ملف إعداد YAML لتحديد إعدادات النموذج وطول السياق بالطريقة التي تريدها بالضبط.

تحدث مع وكيل الطرفية الخاص بك

بمجرد تحميل النموذج، ستجد وكيل طرفية مدمجًا تجريبيًا لكنه رائع جدًا. بدلًا من الدخول في بيئة REPL بسيطة، يمكن لهذا الوكيل قراءة الملفات والإجابة عن الأسئلة وتنفيذ الأوامر على جهازك. يطلب موافقتك قبل تغيير أي شيء، لذا تبقى أنت المسيطر. في الطرفية، ابدأ الخادم:

local-ai run llama-3.2-1b-instruct:q4_k_m

ثم افتح نافذة طرفية أخرى وتحدث إليه:

local-ai chat --model llama-3.2-1b-instruct:q4_k_m

أثناء الدردشة، يمكنك كتابة /models لعرض النماذج المثبتة، و/model <name> للتبديل بينها في منتصف المحادثة. إنها ميزة أنيقة، لكن إذا لم تكن مستعدًا للسماح للذكاء الاصطناعي بلمس طرفيتك، فهناك خادم دردشة عادي متوافق مع OpenAI يعمل على المنفذ 8080 ويمكنك استخدام أي عميل تريده.

ما الذي يمكن أن يفعله LocalAI فعلًا؟

قائمة ميزات LocalAI ساحقة بصراحة. في جانب النصوص، تحصل على توليد النصوص، والتمثيلات المتجهة (embeddings)، وإعادة الترتيب (rerankers)، وواجهة رؤية (Vision API)، وأدوات متوافقة مع OpenAI. في ما يخص الكلام، هناك تحويل الصوت إلى نص، وتحويل النص إلى صوت، وتحويل الكلام إلى كلام في الوقت الفعلي عبر WebRTC، وكشف نشاط الصوت، وحتى تمييز المتحدثين. توليد الصور وتوليد الفيديو واكتشاف الأشياء وتقدير العمق كلها متاحة أيضًا. إذا كنت تحتاج إلى مخرجات منظمة، فهو يدعم القواعد النحوية المقيدة ومخططات JSON.

يتضمن معرض الخلفيات أكثر من 60 خلفية. بعضها محركات أصلية بناها فريق LocalAI بلغة C++/GGML، مثل parakeet.cpp للنسخ، وvoice-detect.cpp للتعرف على المتحدثين، وfree-splatter.cpp الذي يمكنه تحويل حفنة من الصور إلى غاوسيات ثلاثية الأبعاد (3D Gaussians) دون GPU ودون أوضاع كاميرا. هذه ليست مجرد أغلفة؛ إنها تطبيقات C++ مكتوبة من الصفر دون أي استدلال بايثوني في وقت التشغيل — وهو إنجاز مذهل من حيث قابلية النقل.

أضافت الإصدارات الأخيرة وضع التوزيع مع توجيه يراعي ذاكرة VRAM وتوسعًا تلقائيًا، ودعم MCP (بروتوكول سياق النموذج)، وإدارة حصص متعددة المستخدمين، وضبطًا دقيقًا (fine-tuning) داخل الواجهة نفسها. بعبارة أخرى، لم يعد المشروع مجرد مشغّل نماذج بل منصة متكاملة للأفراد والفرق.

الذكاء الاصطناعي القائم على الخصوصية أصبح عمليًا أخيرًا

هناك جملة واحدة في README الخاص بـ LocalAI تلخص كل الجاذبية: «بياناتك لا تغادر بنيتك التحتية أبدًا». عندما تشغّل LocalAI، يبقى كل طلب API على أجهزتك الخاصة. لا تسريب للطلبات، ولا بيانات تدرّب نموذج شخصٍ آخر، ولا صداع للامتثال. وبالاقتران مع دعمه للضبط الدقيق والقياس الكمي (quantization)، يمكنك بناء مجموعة ذكاء اصطناعي خاصة تمامًا مع بقائها متوافقة مع المعايير المفتوحة.

المشروع مرخّص برخصة MIT ويتم صيانته بواسطة Ettore Di Giacinto ومجتمع نشط. يمكنك تصفح النماذج في معرض نماذج LocalAI أو اتباع دليل البدء السريع على GitHub. بمجرد التعمق في التفاصيل، ستوافق غالبًا: LocalAI هو أقرب ما لدينا إلى طريقة عالمية مفتوحة وسليمة أخلاقيًا لتشغيل الذكاء الاصطناعي بشروطك الخاصة.