Local AI & Hardware

تشغيل DeepSeek Coder محلياً على Mac Studio: دليل VRAM و Metal و TPS

2026-09-02·22 دقيقة دقائق قراءة·LLMPodium Team

إجابة سريعة: لتشغيل أفضل نموذج برمجة محلي على Apple Silicon، استخدم Mac Studio (بمعالجات M2/M3/M4 Max أو Ultra) مع Qwen 2.5 Coder 32B أو DeepSeek Coder V2.5. يوفر استخدام MLX أو llama.cpp مع تسريع Metal وتكميم Q4_K_M سرعة تتراوح بين 32–42 tps على Max و 65–78 tps على Ultra مع استهلاك 22 إلى 95 جيجابايت من VRAM الموحدة.

1. مقدمة: ثورة نماذج البرمجة المحلية على Apple Silicon في عام 2026

بالنسبة لمهندسي البرمجيات المحترفين، الاعتماد الحصري على واجهات برمجة التطبيقات السحابية المغلقة مثل Claude 3.7 Sonnet أو OpenAI o3 يفرض قيوداً تشغيلية معقدة: حدود صارمة لعدد الطلبات، تقلبات زمن الاستجابة، تكاليف تتجاوز 500 دولار شهرياً لكل مطور في حلقات الوكلاء المستقلين، وقوانين سرية تمنع إرسال الأكواد خارج المنشأة.

أحدث ظهور نماذج مفتوحة متقدمة — وخاصة Qwen 2.5 Coder 32B Instruct و DeepSeek Coder V2.5 MoE — تحولاً جذرياً في بيئات التطوير. بالاقتران مع معمارية الذاكرة الموحدة (UMA) في أجهزة Mac Studio (M2 و M3 و M4 Max/Ultra)، يستطيع المطورون تشغيل نماذج بحجم 32 إلى 236 مليار معلمة بالكامل داخل ذاكرة VRAM المحلية بدون أي اشتراكات سحابية وبخصوصية مطلقة. 

+---------------------------------------------------------------------------------------------------+
|                     مخطط محطة العمل المحلية للبرمجة باستخدام LLM (MAC STUDIO)                    |
+---------------------------------------------------------------------------------------------------+
                                                  |
              +-----------------------------------+-----------------------------------+
              |                                                                       |
              v                                                                       v
+-------------------------------+                                   +-------------------------------+
|     عتاد الذاكرة الموحدة UMA  |                                   |     محركات الاستدلال المحلية  |
| - LPDDR5X: من 32 إلى 192 جيجا |                                   | - llama.cpp (Metal GGUF)      |
| - النطاق الترددي: 400-820GB/s | ======= تسريع Metal Zero-Copy ===>| - Apple MLX (المخطط الأصلي)   |
| - Metal Performance Shaders   |                                   | - Ollama (خدمة تلقائية)       |
| - تخصيص wired_mem sysctl      |                                   | - FlashAttention-2 Metal K/V  |
+-------------------------------+                                   +-------------------------------+
              |                                                                       |
              v                                                                       v
   [عتاد Mac Studio المحلي]                                            [نقاط نهاية API المحلية]
              |                                                                       |
              +-----------------------------------+-----------------------------------+
                                                  |
                                                  v
                                  +-------------------------------+
                                  |    وكلاء البرمجة المستقلون    |
                                  | - Roo Code / Cline (VS Code)  |
                                  | - Aider / OpenCode Terminal   |
                                  | - جسر Cursor المحلي           |
                                  | - إضافة Neovim avante.nvim    |
                                  +-------------------------------+

يوفر هذا الدليل مساراً تقنياً متكاملاً لتشغيل النماذج الضخمة على Mac Studio (run llm mac studio)، ومقارنة مستويات تكميم GGUF (Q4_K_M مقابل Q8_0)، واختبار محركات تسريع Metal (Ollama مقابل llama.cpp مقابل MLX).

2. المعمارية الهندسية: لماذا يتفوق Mac Studio على كروت الشاشة المنفصلة

يعتمد تشغيل النماذج محلياً (local llama) على سعة ونطاق الذاكرة. في أجهزة الحواسيب التقليدية، تقتصر كروت الشاشة الفردية (مثل NVIDIA GeForce RTX 4090 أو RTX 5090) على 24 جيجابايت VRAM. عند محاولة تشغيل نموذج بحجم 70B (140 جيجابايت) أو DeepSeek Coder V2.5 (أكثر من 130 جيجابايت بتكميم 4 بت)، تفيض الطبقات عبر ناقل PCIe (32–64 GB/s) إلى ذاكرة النظام الرئيسية، مما يؤدي إلى انهيار السرعة من 60 tps إلى 1.5 tps غير قابلة للاستخدام.

في المقابل، تستخدم رقائق Apple Silicon ذاكرة موحدة تشترك فيها وحدة المعالجة المركزية ووحدة معالجة الرسومات بدون أي عنق زجاجة لنواقل PCIe. 

+---------------------------------------------------+-------------------------------------+-------------------------------------+
| ميزة المعمارية الهندسية                           | ذاكرة Apple Silicon الموحدة (UMA)   | حاسوب منفصل (x86_64 + NVIDIA RTX)   |
+---------------------------------------------------+-------------------------------------+-------------------------------------+
| الحد الأقصى للذاكرة الفيزيائية                    | من 32 إلى 192 جيجا (M4 Ultra Studio)| 24 جيجابايت VRAM (كرت فردي)         |
| عنق زجاجة نقل البيانات                            | بدون نسخ عبر PCIe (Zero-Copy DMA)   | عنق زجاجة PCIe Gen 4/5 (32-64 GB/s) |
| نطاق الذاكرة الترددي (Max/Ultra)                  | 400 GB/s (Max) / 800-820 GB/s (Ultra)| 1,008 GB/s (RTX 4090)               |
| تشغيل DeepSeek Coder V2.5 (236B MoE Q4)           | يعمل 100% داخل الذاكرة (128GB+)     | انهيار OOM على كرت واحد (يحتاج 4)   |
| استهلاك الطاقة في وضع الخمول                      | 12W - 18W                           | 85W - 120W                          |
| استهلاك الطاقة عند ذروة الاستدلال                 | 110W - 215W                         | 450W - 850W (جهاز بكرتين)           |
| مستوى الضوضاء                                     | شبه صامت تماماً (<15 dB)            | مراوح صاخبة جداً (45-55 dB)         |
+---------------------------------------------------+-------------------------------------+-------------------------------------+

فتح قيود الذاكرة في macOS: iogpu.wired_mem_limit

يقيد نظام macOS ذاكرة Metal تلقائياً بـ نحو 75% من إجمالي ذاكرة الجهاز. في جهاز Mac Studio بسعة 64 جيجابايت، يرفض Metal حجز أكثر من ~48 جيجابايت.

لإتاحة حتى 92% من الذاكرة الموحدة، نفذ في موجه الأوامر: 

# جهاز 64 جيجابايت: تخصيص حتى 57,344 ميجابايت (56 جيجا) لـ Metal
sudo sysctl -w iogpu.wired_mem_limit=57344

# جهاز 128 جيجابايت: تخصيص حتى 118,784 ميجابايت (116 جيجا) لـ Metal
sudo sysctl -w iogpu.wired_mem_limit=118784

# جهاز 192 جيجابايت: تخصيص حتى 180,224 ميجابايت (176 جيجا) لـ Metal
sudo sysctl -w iogpu.wired_mem_limit=180224

3. اختيار النموذج: Qwen 2.5 Coder 32B مقابل DeepSeek Coder V2.5

+----------------------------------------------------------------------------------------------------+
|                                    مقارنة نماذج البرمجة المحلية                                     |
+------------------------------------+--------------------------------+------------------------------+
| المقياس                            | Qwen 2.5 Coder 32B Instruct    | DeepSeek Coder V2.5 MoE      |
+------------------------------------+--------------------------------+------------------------------+
| المعمارية                          | Dense Transformer              | Mixture-of-Experts (MoE)     |
| إجمالي المعلمات                    | 32.5 مليار (32.5B)             | 236 مليار (236B)             |
| المعلمات النشطة لكل توكن           | 32.5 مليار (32.5B)             | 21 مليار (21B)               |
| نافذة السياق الأصلية               | 32,768 tokens (تصل 128k Yarn)  | 131,072 tokens               |
| نسبة النجاح SWE-bench Verified     | 43.6%                          | 41.8%                        |
| نتيجة LiveCodeBench v4 Pass@1      | 51.2%                          | 49.6%                        |
| HumanEval+ (EvalPlus)              | 92.7%                          | 90.2%                        |
| اختبار MultiPL-E                   | 83.4%                          | 81.9%                        |
| التكميم الموصى به                  | Q4_K_M (19.8 GB) / Q8_0 (34 GB)| IQ3_M (82 GB) / Q4_K_M (96GB)|
| جهاز Mac Studio الموصى به          | 32GB أو 64GB M2/M3/M4 Max      | 128GB أو 192GB M2/M4 Ultra   |
| نقطة القوة الرئيسية                | إكمال تلقائي فائق السرعة       | فهم كامل للمستودع وتصحيحه   |
+------------------------------------+--------------------------------+------------------------------+

4. تكميم GGUF واستهلاك VRAM

يؤدي تفعيل ذاكرة التخزين المؤقت KV بدقة 4 بت (--cache-type-k q4_0 --cache-type-v q4_0) إلى تقليص حجم سياق 32k من 8.58 جيجابايت إلى 2.15 جيجابايت فقط. 

+----------------------------------------------------------------------------------------------------------------------------+
|                                    مصفوفة اختبارات الأداء على MAC STUDIO (2026)                                           |
+------------------------+-------------+-----------+----------------------+-----------+------------+------------+------------+
| النموذج                | التكميم     | المحرك    | طراز Mac Studio      | VRAM      | TTFT (ms)  | معدل (TPS) | الحرارة    |
+------------------------+-------------+-----------+----------------------+-----------+------------+------------+------------+
| Qwen 2.5 Coder 32B     | Q4_K_M      | MLX       | M4 Max (64GB, 410GB/s)| 22.4 GB   | 340 ms     | 41.2 tps   | 68°C       |
| Qwen 2.5 Coder 32B     | Q4_K_M      | llama.cpp | M4 Max (64GB, 410GB/s)| 22.1 GB   | 410 ms     | 38.6 tps   | 66°C       |
| Qwen 2.5 Coder 32B     | Q4_K_M      | Ollama    | M4 Max (64GB, 410GB/s)| 23.8 GB   | 620 ms     | 34.1 tps   | 65°C       |
| Qwen 2.5 Coder 32B     | Q4_K_M      | MLX       | M2 Ultra (128GB, 800G)| 22.5 GB   | 280 ms     | 68.4 tps   | 58°C       |
| DeepSeek Coder V2.5    | IQ3_M       | llama.cpp | M2 Ultra (128GB, 800G)| 88.2 GB   | 1,250 ms   | 19.4 tps   | 74°C       |
| DeepSeek Coder V2.5    | Q4_K_M      | MLX       | M4 Ultra (192GB, 820G)| 102.8 GB  | 890 ms     | 26.2 tps   | 64°C       |
+------------------------+-------------+-----------+----------------------+-----------+------------+------------+------------+

ملاحظة تقنية (لماذا لا نستخدم vLLM على Mac Studio؟): على الرغم من أن vLLM مع تقنية PagedAttention يعد المعيار الذهبي في خوادم Linux/CUDA، إلا أن دعمه لـ Metal على Apple Silicon لا يزال تجريبياً. على أنظمة macOS، تستغل محركات Apple MLX و llama.cpp بنية الذاكرة الموحدة (UMA) وتسريع Metal بشكل أصلي، مما يوفر سرعات أعلى بمقدار 2 إلى 3 أضعاف.

5. التشغيل والتكامل مع بيئات التطوير

# تجميع وتشغيل llama.cpp مع تسريع Metal
git clone https://github.com/ggerganov/llama.cpp.git && cd llama.cpp
cmake -B build -DGGML_METAL=ON -DGGML_METAL_EMBED_LIBRARY=ON
cmake --build build --config Release -j$(sysctl -n hw.ncpu)

./build/bin/llama-server \
  --model ~/models/qwen2.5-coder-32b-instruct-q4_k_m.gguf \
  --host 127.0.0.1 --port 8080 \
  --n-gpu-layers 99 --ctx-size 32768 \
  --flash-attn --cache-type-k q4_0 --cache-type-v q4_0

اربط أدوات مثل Cline أو Roo Code أو Aider عبر http://127.0.0.1:8080/v1. يتم استرداد تكلفة جهاز Mac Studio M4 Max بسعة 64 جيجابايت (2,199 دولار) خلال 5.2 أشهر فقط مقارنة بتكاليف واجهات السحابة.

6. الخلاصة والتوصيات

  • أجهزة 32 جيجابايت: اختر Qwen 2.5 Coder 32B (Q4_K_M) مع سياق 16k.
  • أجهزة 64 جيجابايت: استخدم Qwen 2.5 Coder 32B (Q8_0) أو عبر MLX بسرعة 38–42 tps.
  • أجهزة 128 جيجابايت فما فوق: شغل DeepSeek Coder V2.5 MoE (Q4_K_M / IQ3_M) للحصول على أعلى مستويات الاستقلالية والذكاء.
→ كل المقالات
0 / 4
قارن الآن ←