
علي بابا أطلقت موديلاً يشتغل على اللابتوب، يفكر على مستوى Enterprise، ولا يكلفك شيئاً. الدليل الشامل: هندسة MoE، متطلبات الهاردوير، كل طرق التثبيت، وضع التفكير مقابل المباشر، تكامل n8n، والإعدادات المثلى.
Qwen3.6-35B-A3B هو أحدث موديل من فريق أبحاث Qwen في علي بابا، ويمثل قفزة حقيقية لكل من يشغّل ذكاءً اصطناعياً محلياً. يستخدم هندسة Mixture of Experts (MoE) — ما يعني أن الموديل يحتوي على 35 مليار بارامتر إجمالاً، لكن 3 مليار فقط تُفعَّل في كل مرة. تخيّلها كفريق من 35 متخصص: أنت تستدعي فقط الـ3 الأنسب لكل مهمة.
النتيجة موديل يؤدي كأنه أكبر بكثير — مقارب لموديلات بحجم 10 أضعاف حجمه الفعّال — بينما يستهلك ذاكرة وحوسبة موديل 3B فقط. لهذا النسخة المضغوطة 2-bit تشتغل على اللابتوب العادي بـ 16GB وتتعامل مع تحليل قواعد الكود الكاملة، والمهام العميقة، والرؤية، والاستدلال المتعدد الخطوات.
نتيجة حقيقية: مستخدمون يشغّلون النسخة 2-bit (13GB RAM) أفادوا بإتمام bug hunt كاملة لقاعدة كود — مع أدلة، وخطوات إعادة إنتاج، وإصلاحات، واختبارات، وكتابة PR كاملة — كل ذلك من جلسة واحدة على لابتوب شخصي.
الموديل مرخّص تحت Apache 2.0، ما يعني أنه مجاني تجارياً بدون أي قيود. يمكنك نشره في الإنتاج، وضبطه الدقيق، وبناء منتجات فوقه.
الموديلات التقليدية "الكثيفة" تُفعّل كل بارامتراتها لكل رمز. موديل 35B كثيف يستخدم 35B بارامتر في كل كلمة. موديل MoE مثل Qwen3.6 يستخدم 3B بارامتر فقط لكل رمز، يوجّه كل مدخل نحو المجموعة الأنسب من الطبقات.
| الموديل الكثيف (التقليدي) | موديل MoE (Qwen3.6) | |
|---|---|---|
| البارامترات | كل الـ35B فعّالة دائماً | 35B إجمالي، 3B فعّال |
| الذاكرة | استهلاك عالٍ | مثل موديل 3B |
| الاستدلال | أبطأ، كل بارامتر يشارك | سريع، التوجيه يختار أفضل خبراء |
| التكلفة | تكلفة موارد عالية | كفاءة 10 أضعاف |
يبني Qwen3.6 أيضاً على هندسة Gated Delta Network، والتي تجمع بين MoE الخفيف وآلية انتباه أكثر كفاءة. مع التدريب المبكر على النصوص، والكود، والصور في نفس الوقت، يمنحك فهماً متعدد الوسائط أصيلاً — وليس وحدة رؤية مضافة لاحقاً.
الجواب على الأرجح هو ما لديك بالفعل. الموديل يأتي بمستويات ضغط متعددة:
| الكوانتيزيشن | الرام المطلوب | الجودة | الأنسب لـ |
|---|---|---|---|
| UD-Q2_K_XL — 2-bit | ~13 GB | ●●○○ | لابتوبات 16GB، MacBook القديم، الأجهزة الاقتصادية |
| UD-Q3_K_XL — 3-bit | ~17 GB | ●●●○ | Mac 32GB، رام 16GB + GPU منفصل |
| UD-Q4_K_XL — 4-bit | ~22 GB | ●●●● | M1/M2/M3 Mac 24GB+، NVIDIA 24GB VRAM |
قاعدة عامة: مجموع الذاكرة المتاحة (VRAM + RAM) يجب أن يساوي أو يتجاوز حجم ملف الموديل المضغوط للحصول على أفضل أداء. إذا كان أقل، الاستدلال يشتغل لكن بسرعة أبطأ بسبب offloading على الهارد.
Ollama (الأنسب لمعظم المستخدمين — أسرع إعداد، يشتغل على macOS وWindows وLinux، لا يتطلب GPU)
# حمّل Ollama من ollama.com، ثم:
ollama run qwen3.6:35b-a3b
Ollama يحمّل الموديل تلقائياً (13–22GB حسب رام جهازك) ويبدأ جلسة تفاعلية.
تبديل وضع التفكير أثناء الجلسة:
# تفعيل التفكير العميق (للكود والتحليل)
/set think
# إيقاف للردود السريعة المباشرة
/set nothink
استخدم الـ API المتوافق مع OpenAI على http://localhost:11434/v1 لتوصيل n8n، وOpen WebUI، وأي أداة أخرى.
مثال Python:
from ollama import chat
response = chat(
model='qwen3.6:35b-a3b',
messages=[{'role': 'user', 'content': 'مرحبا!'}]
)
print(response.message.content)
LM Studio — واجهة رسومية، لا يحتاج terminal. حمّل من lmstudio.ai، ابحث عن Qwen3.6، اختر مستوى الضغط المناسب.
llama.cpp — تحكم أقصى، دعم الصور. بعد البناء أو تحميل الثنائيات:
./llama-server -m qwen3.6-35b-a3b-UD-Q2_K_XL.gguf -c 32768
Unsloth Studio — واجهة ويب للضبط الدقيق والاستدلال في Google Colab. الأفضل إذا أردت الضبط الدقيق بدون إعداد محلي.
من أقوى ميزات Qwen3.6 هو القدرة على التبديل بين سلوكَيْن استدلاليَّيْن مختلفَيْن كلياً — وأنت تتحكم بذلك في وقت التشغيل، بدون تغيير أي موديل.
| وضع التفكير | الوضع المباشر | |
|---|---|---|
| كيف يعمل | الموديل يمر بالمسألة داخلياً قبل أن يعطي الجواب | ردود فورية مباشرة بدون استهلاك استدلال إضافي |
| السرعة | أبطأ (رموز أكثر) | أسرع بشكل ملحوظ |
| الأفضل لـ | التصحيح، الرياضيات، توليد الكود، التحليل المعقد، المهام متعددة الخطوات | الشات، كتابة المحتوى، الترجمة، الأسئلة والأجوبة، الأدوات اللحظية |
| التفعيل | /think في الشات أو enable_thinking: true في الـ API | /nothink في الشات أو enable_thinking: false في الـ API |
🔍 Agentic Coding — تحليل قواعد الكود الكاملة، صيد البقز، PR writeups تلقائية، توليد اختبارات. مُثبت على repos حقيقية بنسخة 2-bit.
👁 مهام الرؤية — تحليل screenshots وصور واجهات ومستندات ومخططات. متعدد الوسائط أصيل — ليس إضافة.
⚙️ أتمتة n8n — ادمجه في أي node OpenAI عبر Ollama API. نموذج محلي لا يرسل بياناتك لأي مكان.
💬 شات بوت خاص — Open WebUI فوق Ollama يعطيك واجهة كاملة — أوفلاين تماماً.
🌍 متعدد اللغات — 201 لغة مع دعم عربي قوي. مثالي لمنتجات السوق الخليجي ومهام NLP العربية.
🎛 ضبط دقيق — ترخيص Apache 2.0 يعني حقوق تدريب كاملة. استخدم Unsloth أو transformers لتكييفه على مجالك.
لأن Ollama وllama.cpp يوفّران API متوافقاً مع OpenAI، يندمج Qwen3.6 مع تقريباً أي أداة تدعم OpenAI — بدون كود مخصص.
مسارات n8n — في أي OpenAI node في n8n، غيّر الـ base URL لـ http://localhost:11434/v1 واسم الموديل لـ qwen3.6:35b-a3b. مساراتك الحالية تشتغل فوراً بموديل محلي — صفر تكاليف API، صفر بيانات تغادر جهازك.
Open WebUI — يكتشف Open WebUI Ollama تلقائياً على نفس الجهاز. اذهب إلى Settings ← Connections ← Ollama URL (http://localhost:11434). موديلك يظهر في قائمة الاختيار تلقائياً.
Continue.dev / Cursor / Zed — أضف Ollama كـ provider في أي من هذه الإضافات للـ IDE. المزج بين السرعة (3B بارامتر فعّال) والجودة يجعله من أفضل مساعدي الكود المحليين المتاحة.
Claude Code / Clawbot / Codex / OpenCode — كل هذه الأدوات الـ agentic تدعم Ollama. وجّه الـ base URL لـ localhost:11434/v1، حدد اسم الموديل، وشغّل نفس مسارات الـ agentic — محلياً، بخصوصية كاملة، مجاناً.
للبرمجة والمهام العميقة:
temperature: 0.7
top_p: 0.8
top_k: 20
thinking: ON
presence_penalty: 1.0 (يقلل التكرار)
للشات وكتابة المحتوى:
temperature: 0.9
top_p: 0.95
top_k: 20
thinking: OFF
presence_penalty: 1.0
نافذة السياق — الافتراضي في llama.cpp هو 4096 رمز. زده لتحليل المستندات:
# سياق 32K (توازن جيد)
-c 32768
# سياق 256K (الأقصى، يحتاج رام كبير)
-c 262144
إذا كان الموديل يكرر نفسه: أضف
--presence-penalty 1.5لأمر llama.cpp، أو اضبطpresence_penalty: 1.5في Ollama Modelfile. هذه أكثر مشكلة شائعة في موديلات MoE المحلية ومن أسهل ما يُحَل.
انتهت حجة "تحتاج GPU قوي لتشغيل ذكاء اصطناعي جاد محلياً". Qwen3.6-35B-A3B بنسخة 2-bit يؤدي مهام agentic coding حقيقية على هاردوير عادي — وليس ديمو للتجربة، بل عمل هندسي حقيقي.
للمبنّيين في منطقة الخليج تحديداً، هذا يفتح باباً مختلفاً: موديل بـ دعم قوي للغة العربية، 201 لغة إجمالاً، قدرات رؤية، ونافذة سياق 256K — يشتغل على بنيتك التحتية بخصوصية كاملة بدون تكاليف API ودون أن تغادر بياناتك يدك.
ترخيص Apache 2.0 يعني بناء ونشر وبيع منتجات فوقه بدون قيود. هندسة MoE تعني جودة موديل 35B بتكلفة استدلال 3B. وضغط Dynamic Unsloth يعني تشغيله على هاردوير يملكه معظم الناس بالفعل.
ابدأ من هنا: إذا عندك Ollama مثبّت:
ollama run qwen3.6:35b-a3b— هذا كل شيء. الموديل يُحمَّل تلقائياً، ويختار الضغط المناسب لهاردوير جهازك، وخلال دقائق أنت تشغّل ذكاءً اصطناعياً على مستوى Enterprise محلياً.
Conneqt — AI Marketing & Automation · المدوّنة الرسمية لـ Qwen3.6 · موديل HuggingFace · دليل Unsloth
سنبني أول وكيل ذكاء اصطناعي لعلامتك ونحدد أفضل 3 فرص أتمتة في أسبوعين.
تواصل معنا ←