استضافة نموذج LLM بنفسك: Ollama على VPS أو GPU

لماذا تستضيف النموذج بنفسك أصلًا؟

السبب الأول عادةً هو الخصوصية: حين يعمل النموذج على سيرفرك، لا تغادر مستندات العملاء أو بيانات الشركة جهازك إلى طرف ثالث. هذا مهم للعقود والملفات الطبية والمحادثات الداخلية، ولكل ما لا تريد أن يمرّ عبر خدمة خارجية.

السبب الثاني هو التحكم: تختار النموذج بنفسك، وتحدد نسخته فلا يتغيّر سلوكه فجأة بعد تحديث من المزوّد، ولا تصطدم بحدود الطلبات. والسبب الثالث هو التكلفة، لكنه ليس مضمونًا - سنعود إليه في آخر الدليل.

الأدوات: Ollama وllama.cpp وvLLM

ليست كل أدوات التشغيل متشابهة. اختر حسب عدد المستخدمين وحسب مقدار الضبط الذي تريده.

• Ollama: الأسهل للبداية. تثبيت بسطر واحد، وتنزيل النماذج بأمر pull، وواجهة API متوافقة مع كثير من التطبيقات. مناسب لفرد أو فريق صغير، ويعمل على CPU وGPU.
• llama.cpp: المحرّك الذي يقوم عليه جزء كبير من هذا العالم. يمنحك تحكمًا دقيقًا في التكميم (Quantization) وعدد الخيوط وطول السياق، ويعمل جيدًا على CPU فقط.
• vLLM: مصمَّم لخدمة عدد كبير من الطلبات المتزامنة على GPU. أعقد في الإعداد، لكنه الخيار المعتاد حين تبني خدمة لعشرات المستخدمين أو أكثر.
• Open WebUI: ليست أداة تشغيل بل واجهة دردشة شبيهة بـ ChatGPT تضعها أمام Ollama أو أي API متوافق.

CPU أم GPU: وما حجم النموذج المناسب؟

القاعدة بسيطة: النموذج يجب أن يتسع بالكامل في الذاكرة. على VPS بالـ CPU فقط تحسب الـ RAM، وعلى سيرفر GPU تحسب الـ VRAM. النماذج الصغيرة بدقة 4-bit تعمل على CPU بسرعة مقبولة لمهام الخلفية كالتلخيص والتصنيف، لكن الإجابات تبطؤ كلما كبر النموذج.

لا تخمّن الأرقام: افتح حاسبة VRAM لدينا، واختر النموذج والتكميم وطول السياق وعدد المستخدمين، وسترى الذاكرة المطلوبة وبطاقات GPU القادرة على تشغيله، أو حجم الـ RAM إن أردت الاكتفاء بالـ CPU.

تذكّر أن طول السياق وعدد المستخدمين المتزامنين يضيفان ذاكرة فوق أوزان النموذج (KV cache). نموذج يتسع لمستخدم واحد قد لا يتسع لعشرة.

Ollama VPS أم GPU بالساعة؟

إن كان النموذج صغيرًا والعمل غير مستعجل، فإن VPS عاديًا بذاكرة RAM كافية هو الأرخص والأبسط: سعر شهري ثابت، ويعمل النموذج بجانب تطبيقاتك الأخرى مثل n8n.

أما إن احتجت دردشة سريعة أو نموذجًا أكبر، فاستأجر GPU بالساعة من سحابة GPU. تدفع فقط أثناء التشغيل، وتوقف السيرفر حين تنتهي. الشهر الكامل بتشغيل متواصل يعادل نحو 730 ساعة، لذا اضرب السعر بالساعة في ساعات استخدامك الفعلية لا في 730. الجدول أدناه يعرض أسعار GPU الحالية.

• أبقِ منفذ Ollama مغلقًا أمام الإنترنت، واصل إليه عبر VPN أو reverse proxy مع مصادقة
• خزّن النماذج على قرص دائم (volume) كي لا تنزّلها من جديد في كل مرة
• فعّل التحديثات الأمنية للنظام كأي سيرفر آخر

متى يكون الـ API أرخص؟

بصراحة: في كثير من الحالات. إن كان استخدامك متقطعًا - بضع مئات من الطلبات يوميًا - فالدفع لكل توكن عبر API غالبًا أرخص من سيرفر GPU يعمل طوال الشهر، ولا يتطلب أي إدارة. الاستضافة الذاتية تربح حين يكون الحِمل كبيرًا ومنتظمًا، أو حين تمنعك الخصوصية من إرسال البيانات إلى الخارج.

أداة «سيرفر خاص أم API» لدينا تقارن الأمرين بأرقامك أنت: عدد التوكنات شهريًا، وسعر الـ API، وسعر GPU بالساعة، وساعات التشغيل. جرّبها قبل أن تستأجر أي شيء.