--- title: "الاستضافة الذاتية — أي نموذج مفتوح الأوزان يسع هذا الجهاز · Undominated.ai" canonical: https://undominated.ai/ar/self-host/ description: "انطلاقًا من الذاكرة وذاكرة المعالج الرسومي، يرتّب نماذج الأوزان المفتوحة في الفهرس التي تتّسع فعلًا. الجودة تتصدّر. وغير المُقيَّم ليس صفرًا. وغياب عدد المعاملات ليس تخمينًا." --- # الاستضافة الذاتية — أي نموذج مفتوح الأوزان يسع هذا الجهاز · Undominated.ai > انطلاقًا من الذاكرة وذاكرة المعالج الرسومي، يرتّب نماذج الأوزان المفتوحة في الفهرس التي تتّسع فعلًا. الجودة تتصدّر. وغير المُقيَّم ليس صفرًا. وغياب عدد المعاملات ليس تخمينًا. # الاستضافة الذاتية تكفي الذاكرة ومعرفة ما إذا كان لديك معالج رسومي. وما عدا ذلك اختياري. الترتيب حساب على أعداد معاملات موثّقة المصدر — وليست NVIDIA من يختار الفائز. 25 صفًا في الفهرس مُعلَّمًا بأوزان مفتوحة. ولا شيء غير ذلك مرشَّح. 25 منها لديه عدد معاملات موثّق المصدر. والبقية مُدرجة بوصفها غير معروفة، لا مُخمَّنة. 1 غيبي بايت هامشًا لبيئة التشغيل، وهو رقم مُعلَن لا مقيس على جهازك. [CPU 16 GiB](/self-host/cpu-16gb/)[8 GiB GPU](/self-host/8gb/)[10 GiB GPU](/self-host/10gb/)[12 GiB GPU](/self-host/12gb/)[16 GiB GPU](/self-host/16gb/)[20 GiB GPU](/self-host/20gb/)[24 GiB GPU](/self-host/24gb/)[32 GiB GPU](/self-host/32gb/)[40 GiB GPU](/self-host/40gb/)[48 GiB GPU](/self-host/48gb/)[80 GiB GPU](/self-host/80gb/)[94 GiB GPU](/self-host/94gb/)[96 GiB GPU](/self-host/96gb/)[192 GiB GPU](/self-host/192gb/) [RTX 5090](/self-host/rtx-5090/)[RTX 5080](/self-host/rtx-5080/)[RTX 5070 Ti](/self-host/rtx-5070-ti/)[RTX 5070](/self-host/rtx-5070/)[RTX 5060 Ti 16](/self-host/rtx-5060-ti-16/)[RTX 5060 Ti 8](/self-host/rtx-5060-ti-8/)[RTX 5060](/self-host/rtx-5060/)[RTX 5050](/self-host/rtx-5050/)[RTX 4090](/self-host/rtx-4090/)[RTX 4080](/self-host/rtx-4080/)[RTX 4070 Ti](/self-host/rtx-4070-ti/)[RTX 4070](/self-host/rtx-4070/)[RTX 4060 Ti 16](/self-host/rtx-4060-ti-16/)[RTX 4060 Ti 8](/self-host/rtx-4060-ti-8/)[RTX 4060](/self-host/rtx-4060/)[RTX 3090](/self-host/rtx-3090/)[RTX 3080 Ti](/self-host/rtx-3080-ti/)[RTX 3080 12](/self-host/rtx-3080-12/)[RTX 3080](/self-host/rtx-3080/)[RTX 3070 Ti](/self-host/rtx-3070-ti/)[RTX 3070](/self-host/rtx-3070/)[RTX 3060 Ti](/self-host/rtx-3060-ti/)[RTX 3060 8](/self-host/rtx-3060-8/)[RTX 3060](/self-host/rtx-3060/)[RTX A6000](/self-host/rtx-a6000/)[RTX A5000](/self-host/rtx-a5000/)[RTX A4000](/self-host/rtx-a4000/)[RTX 6000 ADA](/self-host/rtx-6000-ada/)[RTX 5000 ADA](/self-host/rtx-5000-ada/)[RTX PRO 6000 Blackwell](/self-host/rtx-pro-6000-blackwell/)[RTX PRO 5000 Blackwell](/self-host/rtx-pro-5000-blackwell/)[A100 80](/self-host/a100-80/)[A100 40](/self-host/a100-40/)[H100 NVL](/self-host/h100-nvl/)[H100](/self-host/h100/)[L40S](/self-host/l40s/)[T4](/self-host/t4/)[RX 7900 XTX](/self-host/rx-7900-xtx/)[RX 7900 XT](/self-host/rx-7900-xt/)[RX 6900 XT](/self-host/rx-6900-xt/)[RX 6800 XT](/self-host/rx-6800-xt/)[MI300X](/self-host/mi300x/) ذاكرة النظام غيبي بايت المعالج الرسومي لا يوجد (المعالج المركزي) NVIDIA AMD Apple Intel ذاكرة المعالج الرسومي GiB مطلوبة ما لم تذكر بطاقة نُدرجها. أما Apple فاتركها فارغة؛ فالذاكرة هي المجمّع. اسم المعالج الرسومي (اختياري) عدد المعالجات الرسومية نظام التشغيل (اختياري — للبرمجيات فقط) تخطٍّ Linux Windows macOS السياق المُخصَّص 4K 8K 16K 32K تنمو ذاكرة KV المؤقتة معه. ولا نفترض الحدّ الأقصى المذكور في بطاقة النموذج. يتّسع 7 من أصل 25 نموذجًا مفتوح الأوزان مُوصَّفًا داخل 24 غيبي بايت (vram) عند سياق 8192. وأعلى ما يتّسع تقييمًا: Gemma 4 31B (Q5_K_M). ** ** ** الأوزان 21.106 GiB لم تُقدَّر ذاكرة KV بيئة التشغيل 1 GiB الهامش 1.9 GiB / 24 GiB VRAM as entered. Driver reservation is inside the 1 GiB overhead, not extra. 48 غيبي بايت ترفع تكميم Gemma 4 31B إلى Q8_0. النموذج نفسه، لا درجة ذكاء أعلى. ## بين النماذج التي تتّسع أعلى تصنيف إيلو في LMArena بين ما يتّسع: Gemma 4 31B 1443.4. وإيلو مقياس تفضيل بشري، لا مؤشر ذكاء. The arena boards are separate scales and are never blended. A missing cell is unmeasured, not zero. A model’s highest axis is relative to its own scores, not a claim it leads the catalogue. ## نماذج مُقيَّمة تتّسع | النموذج | تفضيل بشري | التكميم الذي يتّسع | غيبي بايت تقديريًا | الهامش | | --- | --- | --- | --- | --- | | [Gemma 4 31B](/models/google__gemma-4-31b-it/) رؤية فيديو استدلال أدوات | 1443.4 | Q5_K_M | 22.106 | 1.894 | | [Qwen3.8 27B](/models/qwen__qwen3.8-27b/) رؤية فيديو استدلال أدوات | 1440.7 | Q5_K_M | 20.063 | 3.938 | | [Phi 4](/models/microsoft__phi-4/) | 1216.7 | Q8_0 | 17.438 | 6.563 | - KV heads and head dim are not in the public size table we used. Cache is not estimated. - KV cache not estimated — layer/head geometry is not in the sourced profile. Longer context may not fit. ## تتّسع، وغير مُقيَّمة - [Muse Glimmer 30B](/models/meta__muse-glimmer-30b/) — Q5_K_M, 21.756 GiB غير مُقيَّم رؤية استدلال أدوات - [Ministral 3 14B 2512](/models/mistralai__ministral-14b-2512/) — Q8_0, 17.019 GiB غير مُقيَّم رؤية أدوات - [Ministral 3 8B 2512](/models/mistralai__ministral-8b-2512/) — F16, 19.663 GiB غير مُقيَّم رؤية أدوات - [Ministral 3 3B 2512](/models/mistralai__ministral-3b-2512/) — F16, 9.413 GiB غير مُقيَّم رؤية أدوات ## ما الذي تشتريه الترقية فعلًا العنق هو ذاكرة المعالج الرسومي. وزيادة ذاكرة النظام لن تُحمِّل أوزانًا إضافية على هذه البطاقة. | غيبي بايت تقديريًا | يفتح | مثال | سعر القائمة | | --- | --- | --- | --- | | 48 GiB | [Gemma 4 31B](/models/google__gemma-4-31b-it/) — Q8_0 النموذج نفسه، بتكميم أعلى | rtx a6000, rtx 6000 ada, rtx pro 6000 blackwell | لا سعر استهلاكي في هذا الملف | النموذج التالي الأعلى تقييمًا في الفهرس هو Kimi K3، وحتى عند Q4_K_M يطلب 1691.5 غيبي بايت. وهذه ليست بطاقة مكتبية. NVIDIA 'Starting at' list prices as published 2026-08-25, not a store quote and not a used-market index. Street prices in August 2026 are often much higher (Tom's Hardware Newegg median RTX 5090 $4,699 vs $1,999 list). Last-gen 24 GB cards (4090, 3090) have no current NVIDIA starting-at in this file. Datacenter cards have no consumer list here. RAM DIMMs are not priced — they move weekly. تستخدم الترقيات صيغة الاتساع نفسها المستخدمة في الترتيب. وأسعار القائمة هي أسعار NVIDIA «ابتداءً من»، بتاريخ 2026-08-25. وأسعار السوق أعلى في الغالب. ولا سعر قائمة هنا لبطاقات 24 غيغابايت المستعملة ولا لمعالجات مراكز البيانات. ووحدات الذاكرة غير مسعَّرة. ## لا تتّسع، أو غير مُوصَّفة - cohere/command-a-plus — even Q4_K_M wants 132.618 GiB; pool is 24 GiB - deepseek/deepseek-v4-flash-vision-exp — even Q4_K_M wants 184.902 GiB; pool is 24 GiB - z-ai/glm-5.3 — even Q4_K_M wants 455.624 GiB; pool is 24 GiB - qwen/qwen3.8-2.4t-a95b — even Q4_K_M wants 1450.719 GiB; pool is 24 GiB - moonshotai/kimi-k3 — even Q4_K_M wants 1691.5 GiB; pool is 24 GiB - z-ai/glm-5.2 — even Q4_K_M wants 455.624 GiB; pool is 24 GiB - moonshotai/kimi-k2.7-code — even Q4_K_M wants 604.75 GiB; pool is 24 GiB - nvidia/nemotron-3-ultra-550b-a55b — even Q4_K_M wants 333.063 GiB; pool is 24 GiB - minimax/minimax-m3 — even Q4_K_M wants 259.405 GiB; pool is 24 GiB - deepseek/deepseek-v4-pro — even Q4_K_M wants 967 GiB; pool is 24 GiB - deepseek/deepseek-v4-flash — even Q4_K_M wants 172.465 GiB; pool is 24 GiB - mistralai/mistral-small-2603 — even Q4_K_M wants 73.2 GiB; pool is 24 GiB - mistralai/mistral-large-2512 — even Q4_K_M wants 408.531 GiB; pool is 24 GiB - deepseek/deepseek-v3.2 — even Q4_K_M wants 406.116 GiB; pool is 24 GiB - openai/gpt-oss-120b — even Q4_K_M wants 72.201 GiB; pool is 24 GiB - meta-llama/llama-4-maverick — even Q4_K_M wants 242.5 GiB; pool is 24 GiB - meta-llama/llama-4-scout — even Q4_K_M wants 66.809 GiB; pool is 24 GiB - cohere/command-a — even Q4_K_M wants 68.016 GiB; pool is 24 GiB ## تفاصيل إضافية (اختياري) لا يغيّر الترتيب. تحليل اختياري بالذكاء الاصطناعي لملاحظاتك في ضوء الأرقام أعلاه، بأقوى نماذج NVIDIA NIM. حلّل بالذكاء الاصطناعي ## كيف يُستخرج هذا الرقم الأوزان: حجم GGUF المقيس متى توفّر لدينا، وإلا فإجمالي المعاملات × البتات لكل وزن ÷ 8. ويُعامَل Q4_K_M بوصفه 4.83 بت لكل معامل. وتحتسب ذاكرة نماذج MoE إجمالي المعاملات لا المعاملات النشطة. ذاكرة KV المؤقتة، حين تكون هندسة الطبقات والرؤوس موثّقة: 2 × kvLayers × kvHeads × headDim × السياق × 2 بايت (FP16، دفعة 1). وتستخدم النماذج الهجينة عدد طبقات الانتباه لا كل الطبقات. وإذا غابت الهندسة تُحذف الذاكرة المؤقتة ويُصرَّح بذلك. يضاف 1 غيبي بايت لـ CUDA وبيئة التشغيل. وتستخدم ذاكرة Apple الموحّدة ذاكرة النظام مجمّعًا. والتشغيل على المعالج المركزي وحده اتساع في الذاكرة، لا ادّعاء سرعة. ويُهمَل جيل DDR في حساب الاتساع؛ فهو يغيّر عرض النطاق لا ما إذا كانت الأوزان تستقر في الذاكرة. المرشَّح هو صفوف الفهرس التي تحمل openWeights=true فقط. وتوجد 25 صفوف من هذا النوع، ولدى 25 منها أحجام موثّقة المصدر. وتُدرج النماذج غير المُقيَّمة التي تتّسع على حدة. والدرجة الأعلى لا تعني بديلًا مباشرًا. نوع الذاكرة (DDR4/DDR5/LPDDR) ليس حقلًا. وهو لا يغيّر ما إذا كان النموذج يتّسع. ## Continue your investigation - [Inspect open-weight models · English](/open-weights/) - [Compare model variants · English](/families/) - [Review requirements · English](/compare/) - [Find serving tools · English](/tools/)