SSD Nodes Learn Hosting plans →
الأدلة Matt Connorبقلم Matt Connor · آخر تحديث في 2026-10-26

شغّل Nemotron 3.5 Lightning على خادم VPS

شغّل NVIDIA Nemotron 3.5 Lightning عبر Ollama على خادمك: تعرّف إلى الوسم الصحيح للسحب، وذاكرة RAM المطلوبة، وسرعة التشغيل بالمعالج فقط.

ما الغرض من Nemotron 3.5 Lightning

Nemotron 3.5 Lightning هو نموذج NVIDIA المفتوح بنمط mixture-of-experts وبحجم 30B، وقد أُصدر في August 2026. صُمّم للوكلاء الذين يعملون لساعات، وليس لنافذة محادثة واحدة. يعني MoE ‏(mixture of experts) تقسيم الأوزان إلى العديد من الشبكات الفرعية الخبيرة، ثم تمرير كل token عبر عدد قليل منها فقط. تذكر بطاقة النموذج أن إجمالي عدد المعاملات يبلغ 30 billion، مع تفعيل 3 billion لكل token. تتحمل في الذاكرة تكلفة العدد الكبير. وتحصل في السرعة على أثر العدد الصغير.

هذا التبادل هو سبب ملاءمة النموذج لخادم تستأجره. يرسل الوكيل الذي ينفّذ عملاً فعلياً آلاف الطلبات القصيرة على مدار اليوم، لذلك تحدد الإنتاجية مقابل التكلفة ما إذا كان يمكن تشغيله على خادمك الخاص. النموذج الذي يستغرق 40 seconds لكل رد قد يكون مساعداً عملياً، لكنه وكيل ضعيف، لأن المهمة الواحدة تنفّذ twenty calls وتنتظر كل واحدة منها.

تصف NVIDIA البنية بأنها هجينة: طبقات Mamba-2 وMoE متداخلة، مع طبقات attention مختارة. تذكر بطاقة النموذج أن الحد الأقصى لطول السياق يصل إلى 1M tokens، وأن الترخيص هو OpenMDW-1.1 وموسوم بأنه جاهز للاستخدام التجاري. اللغات الأساسية هي English وcode، كما تدرج البطاقة Spanish وFrench وGerman وItalian وJapanese.

نشرت Artificial Analysis قياسات الإطلاق في August 2026، وأظهرت ما يقارب 670 output tokens per second، على نقطة نهاية DeepInfra تجريبية قبل الإصدار تقدم أوزان NVFP4. هذه نقطة نهاية GPU مستضافة. تعامل مع الرقم باعتباره ما تسمح به البنية، لا باعتباره الأداء الذي سيقدمه VPS لديك.

أي وسم Ollama يناسب أي VPS

تنشر مكتبة Ollama عدة إصدارات من الأوزان نفسها. ويختلف بعضها عن بعض في مستوى التكميم، أي عدد البتات المستخدمة لتخزين كل وزن، وهذا يغيّر حجم التنزيل كثيراً.

رسم بيانيDownload size by Ollama tag, GB (Ollama library, checked October 2026)
البيانات وراء هذا الرسم البياني
[
  {
    "label": "30b-a3b-q4_K_M",
    "size_gb": 25
  },
  {
    "label": "30b-a3b-q8_0",
    "size_gb": 35
  },
  {
    "label": "30b-a3b-bf16",
    "size_gb": 66
  },
  {
    "label": "30b-a3b-mlx",
    "size_gb": 19
  }
]

تحمل الوسوم المسماة latest و30b و30b-a3b الآن بصمة خاصة بها، ويُدرج حجمها بين 19 و25 GB منذ أن حدّثتها المكتبة في منتصف أكتوبر 2026. وعند الاستعلام مباشرة من السجل في 25 أكتوبر 2026، أعاد ذلك المؤشر الملفات نفسها تماماً مثل 30b-a3b-q4_K_M، ولذلك يكون التنزيل الافتراضي على VPS هو الإصدار رباعي البتات بحجم 25 GB، مع نافذة سياق كاملة بحجم 1M. ويتوافق الحد الأدنى البالغ 19 GB من النطاق المدرج مع إصدارات MLX، ما يشير إلى أن أجهزة Apple silicon تحصل على هذه الإصدارات بدلاً منها. يبلغ حجم Q8_0 ‏35 GB، بينما يبلغ حجم bf16 ‏66 GB، وكلاهما يدعم نافذة بحجم 1M. أما إصدارات MLX بحجم 19 GB فهي مخصصة لـApple silicon، وتقتصر على نافذة سياق بحجم 256K، ولذلك فهي الخيار غير المناسب على VPS يعمل بنظام Linux. وتدرج المكتبة أيضاً 30b-mlx و30b-a3b-nvfp4، ولهما البصمة نفسها الخاصة بـ30b-a3b-mlx، رغم أن اسم التنسيق الثاني يوحي بأنه تنسيق NVIDIA، إضافة إلى 30b-a3b-mxfp8 بحجم 34 GB و30b-a3b-mlx-bf16 بحجم 66 GB. وتقتصر جميع هذه الإصدارات أيضاً على 256K، ولذلك لا يوفّر أي منها نافذة السياق الكاملة.

هذه أحجام التنزيل، وليست متطلبات الذاكرة. لا تنشر NVIDIA رقماً أدنى لذاكرة VRAM (ذاكرة الفيديو) لإصدارات Ollama، ولذلك تعامل مع حجم التنزيل باعتباره حداً أدنى فقط. يجب أن تبقى الأوزان محمّلة في مكان ما، في ذاكرة GPU إذا كانت البطاقة تستوعبها، وفي ذاكرة النظام RAM خلاف ذلك. وتُضاف إليها ذاكرة KV cache (ذاكرة التخزين المؤقت للمفتاح والقيمة، وهي الذاكرة التي يستخدمها النموذج لكل رمز للاحتفاظ بسياق المحادثة). يعتمد الرقم الفعلي على جهازك على أمر، وليس على عملية حسابية، ويأتي هذا الأمر أدناه. إذا لم تكن قد اخترت مستوى التكميم بعد، توضّح مقالة تكلفة Q4 وQ8 وFP16 في كل مرحلة ما الذي تتخلى عنه عند كل خطوة.

استدعِ الوسم المحدد بدقة، ولا تستخدم latest

latest مؤشر متحرك. عند إعادة نشر المكتبة له، يتغير سلوك الوكيل في عملية الاستدعاء التالية، من دون وجود شيء في ملاحظاتك يوضح السبب. حدث ذلك مرة من قبل مع هذا النموذج: في منتصف أكتوبر 2026، نقلت المكتبة latest إلى digest جديد. حدّد الوسم.

curl -fsSL https://ollama.com/install.sh | sh
ollama --version
ollama pull nemotron-3.5-lightning:30b-a3b-q4_K_M

ينشئ نص التثبيت خدمة systemd تعمل بحساب المستخدم ollama، وتحتفظ بالنماذج ضمن /usr/share/ollama/.ollama/models. يوجد هذا المسار في نظام الملفات الجذري في معظم صور VPS، لذلك تحقّق من المساحة المتاحة قبل أن تطلب 25 GB. إذا كانت المساحة على نظام الملفات هذا محدودة، فمن المفيد قراءة مكان تخزين Ollama لنماذجه وكيفية نقلها قبل الاستدعاء، لا بعد امتلاء القرص.

df -h /usr/share/ollama

يعني الاستدعاء الذي يتوقف في منتصف العملية ويعرض no space left on device ذلك تحديداً، وتبقى الكتل الجزئية على القرص إلى أن تحذفها. بعد ذلك، تحقّق مما تم تنزيله:

ollama show nemotron-3.5-lightning:30b-a3b-q4_K_M

يعرض ollama show البنية، وعدد المعلمات، وطول السياق، ونوع quantisation الموجود فعلياً في الملف. إذا اختلف أيٌّ منها عن صفحة المكتبة، فقد استدعيت وسماً مختلفاً عن الوسم المقصود.

شغّل النموذج، وتحقق من مكان تشغيله فعلياً

sudo systemctl enable --now ollama
ollama run nemotron-3.5-lightning:30b-a3b-q4_K_M "Reply with one word: ready"

أثناء بقاء النموذج محمّلاً، افتح shell ثانياً:

ollama ps

هذا هو الأمر الذي يجيب عن سؤال الذاكرة على جهازك. يعرض ollama ps النموذج المحمّل، وحجم الذاكرة الذي يشغله، وعمود PROCESSOR. تعني 100% GPU أن النموذج موجود بالكامل في VRAM. وتعني 100% CPU أنه لا يوجد منه شيء فيها، وأن المعالج يحسب كل token باستخدام RAM النظام. ويعني توزيع مثل 65%/35% CPU/GPU أن الطبقات لم تتسع لها VRAM كلها، وأن حصة CPU تحدد سرعتك. لا تقدّر المتطلبات. حمّل النموذج واقرأ هذا السطر.

إذا تعذر تحميله تماماً، يرفض Ollama العملية بطريقة سليمة بدلاً من التعطل:

Error: model requires more system memory (28.4 GiB) than is available (15.6 GiB)

هل خادم VPS الذي يعتمد على المعالج (CPU) فقط سريع بما يكفي؟

لا يحتوي خادم VPS للأغراض العامة على وحدة معالجة رسومية (GPU)، لذا يقوم المعالج بكل العمل ويقرأ كل الأوزان التي يحتاجها من ذاكرة النظام (RAM). تساعد تقنية MoE هنا، لأن حوالي 3 مليار فقط من أصل 30 مليار معامل يتم التعامل معها لكل رمز (token)، لذا فإن العمليات الحسابية لكل رمز أقل بكثير مما هي عليه في نموذج كثيف بحجم 30B. لكن الذاكرة لا تستفيد من ذلك على الإطلاق؛ إذ يجب أن تبقى جميع المعاملات البالغ عددها 30 ملياراً مقيمة في الذاكرة، لأن الموجه (router) يمكنه اختيار أي خبير لأي رمز.

لذا، فإن الاستنتاج (inference) المعتمد على المعالج فقط في هذا النموذج محدود بعرض نطاق الذاكرة (memory bandwidth) وليس بعدد الأنوية. إضافة المزيد من vCPUs إلى خطة تمتلك بالفعل عدداً معقولاً منها لا يغير الكثير. ما تحتاجه هو ذاكرة RAM كافية لحمل الأوزان بالإضافة إلى ذاكرة التخزين المؤقت KV، وأسرع ذاكرة توفرها لك الخطة.

قم بقياس الأداء قبل تخصيص وكيل له، باستخدام الطريقة الموضحة في قياس الرموز في الثانية لنموذج لغوي محلي:

ollama run --verbose nemotron-3.5-lightning:30b-a3b-q4_K_M "Write a 200 word summary of TCP slow start."

السطر eval rate الذي يُطبع في النهاية هو سرعة التوليد لديك بالرموز في الثانية. هذا الرقم الوحيد هو الذي يحسم المسألة، لأن الوقت الفعلي (wall-clock time) الذي يستغرقه الوكيل يعتمد عليه بشكل أساسي. اضربه في طول الرد الذي تتوقعه، وإذا كانت الإجابة أطول مما ترغب في انتظاره، فإن تحديد المخرجات باستخدام num_predict هو الأداة الوحيدة التي تضبط الطلب الواحد دون تغيير العتاد.

رسم بيانيAverage seconds per Intelligence Index task (Artificial Analysis, published August 2026)
البيانات وراء هذا الرسم البياني
[
  {
    "label": "Nemotron 3.5 Lightning",
    "sec_per_task": 30
  },
  {
    "label": "gpt-oss-120b",
    "sec_per_task": 204
  },
  {
    "label": "Qwen3.6 35B",
    "sec_per_task": 210
  }
]

هذه أرقام منشورة من طرف ثالث، تم تحويلها من الدقائق لكل مهمة التي أبلغت عنها Artificial Analysis عند الإطلاق، وقد تم قياسها على نقاط نهاية GPU مستضافة وليس على خادم VPS. بلغ متوسط Nemotron 3.5 Lightning حوالي 30 ثانية لكل مهمة، حيث استغرقت gpt-oss-120b تقريباً 204 واستغرقت Qwen3.6 35B تقريباً 210. استخدم هذه الأرقام لفهم الفجوة في الأداء، وليس كوعود حول أداء عتادك.

تعتمد النصيحة الصادقة على من ينتظر. إذا كان هناك شخص ينتظر الوكيل، أو إذا كان الوكيل يقوم بسلاسل طويلة من الاستدعاءات المتتالية، فاستأجر سعة GPU. إذا كان يعمل وفق جدول زمني ليلاً ولا يراقبه أحد، فإن خطة CPU بذاكرة RAM كبيرة تعد خياراً معقولاً. في كلتا الحالتين، الإعداد هو نفسه، ويغطي تشغيل Ollama على خادم VPS كيفية تحديد حجم الخطة ومقارنة مثيل GPU بالدفع لمزود API لكل رمز. نقطة التعادل هي مسألة استغلال: مثيل GPU يحاسبك عن كل ساعة وجود له، بينما رموز API تُحاسب فقط عند الاستخدام، لذا فإن الوكيل الذي يعمل معظم اليوم يفضل الخادم الذي تملكه، بينما الوكيل الذي يعمل مرتين في الساعة عادة لا يفضل ذلك. لا يضيف برنامج Ollama شيئاً إلى أي من جانبي هذه المعادلة، لأنه مجاني للتشغيل على خادم تستأجره، ويوضح ما يتقاضى Ollama رسوماً عليه وما لا يتقاضى أين يقع دور Ollama Cloud إذا كنت تفضل عدم استئجار العتاد على الإطلاق.

نافذة السياق بحجم 1M ليست مجانية

حجم 1M من الرموز (tokens) هو الحد الأقصى للنموذج، ولا يمنحه لك Ollama افتراضياً. يقدّم Ollama نافذة افتراضية أصغر بكثير، ويقوم بحذف أقدم الرموز بمجرد تجاوز المحادثة لهذا الحجم. لا يتم تسجيل أي شيء في مستوى السجلات الافتراضي عند حدوث ذلك، لذا يبدو الأمر بالنسبة للوكيل (agent) وكأن النموذج ينسى بداية مهمته الخاصة.

قم بتعيين النافذة بشكل مقصود. بالنسبة للخادم بالكامل، عدّل الخدمة:

sudo systemctl edit ollama

أضف هذا، ثم نفّذ sudo systemctl restart ollama:

[Service]
Environment="OLLAMA_CONTEXT_LENGTH=32768"

لكل طلب، أرسل num_ctx ضمن كائن الخيارات بدلاً من ذلك:

curl http://localhost:11434/api/chat -d '{
  "model": "nemotron-3.5-lightning:30b-a3b-q4_K_M",
  "messages": [{"role": "user", "content": "Say ready"}],
  "options": {"num_ctx": 32768},
  "stream": false
}'

كل زيادة تستهلك ذاكرة، لأن ذاكرة التخزين المؤقت KV تنمو مع عدد الرموز التي تسمح بها. ارفع القيمة، وأعد التشغيل، ثم نفّذ ollama ps مرة أخرى وراقب الحجم المُبلغ عنه وهو يرتفع. إذا تحول عمود PROCESSOR من 100% GPU إلى حالة الانقسام (split) بعد ذلك التغيير، فهذا يعني أن ذاكرة التخزين المؤقت KV قد دفعت طبقات النموذج خارج VRAM وستنخفض سرعتك بشكل حاد. يشرح اختيار num_ctx في Ollama هذه المقايضة بالتفصيل. لا تضبط القيمة على 1000000 لمجرد أن بطاقة النموذج تسمح بذلك، لأن التخصيص يحدث مسبقاً وسيفشل التحميل ببساطة.

ربط الخدمة بوكيل يعمل باستمرار

توثّق صفحة مكتبة Ollama لهذا النموذج اختصاراً يبدأ تشغيل وكيل مدعوم موجّه إليه مسبقاً:

ollama launch claude --model nemotron-3.5-lightning

تدرج الصفحة claude وopencode وopenclaw وhermes في هذا الموضع. يتطلب الأمر الفرعي نسخة حديثة من Ollama، لذا تحقق من ollama --version أولاً، وإذا كانت مفقودة، وجّه الوكيل إلى واجهة برمجة التطبيقات (API) بنفسك. يكشف Ollama عن نقطة نهاية متوافقة مع OpenAI، والتي تقبلها معظم أدوات الوكلاء:

export OPENAI_BASE_URL=http://localhost:11434/v1
export OPENAI_API_KEY=ollama

يتجاهل Ollama المفتاح، لكن معظم العملاء يرفضون البدء دون تعيين مفتاح. جانب الأدوات من هذا الأمر مغطى في توجيه وكيل برمجي إلى Ollama وفي بناء وكيل OpenClaw الخاص بك.

هناك إعدادان للخادم يهمانك بمجرد تشغيل الوكيل دون مراقبة. يتحكم OLLAMA_KEEP_ALIVE في المدة التي يبقى فيها النموذج في الذاكرة بعد آخر طلب، ويقوم الإعداد الافتراضي بإلغاء تحميله بعد خمس دقائق، مما يجعل الطلب التالي يتحمل وقت التحميل بالكامل مرة أخرى. في ملف بحجم 25 GB وبدون وحدة معالجة رسوميات (GPU)، يكون هذا التوقف طويلاً بما يكفي لكسر مهلة الاتصال. اضبط OLLAMA_KEEP_ALIVE=-1 لإبقائه مقيماً في الذاكرة. يجعل OLLAMA_HOST=0.0.0.0:11434 واجهة برمجة التطبيقات قابلة للوصول من أجهزة أخرى، وهي لا تحمل أي نوع من المصادقة، لذا لا تفتحها إلا خلف قاعدة جدار ناري أو ضمن شبكة خاصة.

أنماط الفشل، مع السلاسل النصية التي ستراها

يفشل السحب فوراً. يعني Error: pull model manifest: file does not exist أن هذه الوسمة غير موجودة. أسماء الوسوم سلاسل نصية دقيقة، لذا انسخ إحداها من صفحة المكتبة بدلاً من تخمين لاحقة quantisation.

لا يُحمَّل النموذج. يعني Error: model requires more system memory (28.4 GiB) than is available (15.6 GiB) أن الوسمة أكبر من أن تناسب هذه الخطة وفق الإعدادات الحالية. انتقل إلى quantisation أصغر، أو خفّض OLLAMA_CONTEXT_LENGTH، لأن ذاكرة التخزين المؤقت KV تُحتسب ضمن هذا المتطلب.

لا يستجيب أي شيء على المنفذ 11434. يعني curl: (7) Failed to connect to localhost port 11434 أن الخدمة لا تعمل، أو أنها لا تستمع على العنوان المتوقع. اقرأ systemctl status ollama وjournalctl -u ollama -n 50. إذا شغّلت أيضاً ollama serve يدوياً، فستخرج النسخة الثانية مع Error: listen tcp 127.0.0.1:11434: bind: address already in use.

تستجيب، ولكن ببطء شديد. افحص ollama ps قبل تغيير أي شيء. إن ظهرت أي حصة CPU في العمود PROCESSOR على جهاز مزود بـGPU، فهذا يعني أن جزءاً من النموذج خرج من VRAM، لذا خفّض السياق أو استخدم quantisation أصغر. على جهاز لا يحتوي على GPU، يكون البطء متوقعاً، ولا يمكن لأي إعداد إصلاحه.

ينسى الوكيل تعليماته في منتصف المهمة. تجاوزت المحادثة نافذة السياق، وأُسقطت أقدم الرموز بصمت. ارفع OLLAMA_CONTEXT_LENGTH، وتحقق باستخدام ollama ps من أن النموذج ما زال يناسب الجهاز. إذا لم يعد يناسبه، فالحل هو استخدام جهاز أكبر، لا تقليص النافذة.

موقع هذا النموذج مقارنة بالبدائل

يُعد استضافة نموذج MoE بحجم 30B أمراً كبيراً بالنسبة إلى مهمة صغيرة. إذا كان نموذج كثيف بحجم 8B يتعامل مع مهمتك بالفعل، فستكون تكلفة تشغيله أقل بكثير وسيُحمَّل خلال ثوانٍ. وتقدّم Qwen 3 بحجمي 8B و27B على VPS مقارنة مباشرة لاتخاذ هذا القرار. وللاطلاع على مسح أوسع لما يمكن لخطة معينة استضافته فعلياً، ابدأ من نماذج الذكاء الاصطناعي التي يمكنك استضافتها ذاتياً. إذا كنت تخطط لتشغيل عدة وكلاء في الوقت نفسه بدلاً من وكيل واحد، فاقرأ أولاً مقارنة Ollama مع vLLM. يمكن لـOllama معالجة الطلبات إلى نموذج واحد بالتوازي، لكن OLLAMA_NUM_PARALLEL يُضبط على 1 عند الإصدار، لذلك ينتظر طلب وكيل ثانٍ في قائمة انتظار حتى يكتمل الطلب الأول. ولا يفيد رفع هذه القيمة مع هذا النموذج أيضاً: اعتباراً من Ollama v0.40.11، يفرض المجدول إعادة بنية nemotron_h_moe التي يحملها هذا الوسم إلى معالجة طلب واحد في كل مرة، ويسجل model architecture does not currently support parallel requests. أما في النماذج التي تقبل هذه القيمة، فإن رفعها يستهلك مزيداً من الذاكرة: توضح الأسئلة الشائعة لـOllama أن ذاكرة RAM المطلوبة تتناسب مع OLLAMA_NUM_PARALLEL مضروباً في OLLAMA_CONTEXT_LENGTH، ولذلك تكون هذه الزيادة الحسابية هي النقطة التي يتوقف عندها إعداد المستخدم الواحد عن التوسع مع نموذج كبير.

FAQ

ما وسم Nemotron 3.5 Lightning الذي يجب أن أسحبه على VPS يعمل بنظام Linux؟

استخدم nemotron-3.5-lightning:30b-a3b-q4_K_M. حجمه 25 GB، ويتضمن الحد الأقصى الكامل للسياق البالغ 1M، وهو الإصدار الذي أعادته المؤشرات latest و30b و30b-a3b عند الاستعلام عنها في October 25, 2026، رغم أن المكتبة نقلت تلك المؤشرات إلى digest منفصل في منتصف October. سمّه صراحةً بدلاً من سحب latest، حتى لا يؤدي نشر هذا المؤشر مجدداً في المستقبل إلى تغيير سلوك وكيلك دون أن تلاحظ ذلك. وسمتا mlx مخصصتان لإصدارات Apple silicon، وكذلك 30b-a3b-nvfp4 الذي يشارك digest 30b-a3b-mlx. ولن تفيدا على Linux.

ما مقدار RAM الذي يحتاج إليه Nemotron 3.5 Lightning؟

لا تنشر NVIDIA رقماً أدنى للذاكرة لإصدارات Ollama، لذلك قِس بدلاً من التقدير. اسحب الوسم، وشغّل النموذج مرة واحدة، واقرأ ollama ps أثناء تحميله. يطبع هذا الأمر الحجم المشغول فعلياً، وما إذا كان النموذج قد حُمّل على GPU أو CPU. حجم التنزيل، وهو 25 GB للوسم الافتراضي، يمثل الحد الأدنى، لأن KV cache تضاف إليه وتنمو مع نافذة السياق التي تضبطها. إذا كانت الخطة صغيرة جداً، يرفض Ollama التشغيل باستخدام model requires more system memory ويعرض الرقمين معاً.

هل يمكنني تشغيل Nemotron 3.5 Lightning على VPS لا يحتوي على GPU؟

نعم، إذا كانت الخطة تتضمن RAM كافية لاستيعاب الأوزان. ويساعد تصميم MoE لأن نحو 3 فقط من أصل 30 billion parameters تُحسب لكل token. لكن السرعة تمثل المشكلة. من دون GPU، يقيّد memory bandwidth النموذج، لذلك لا تؤدي إضافة vCPUs إلى تحسين النتيجة إلا بشكل طفيف. شغّل ollama run --verbose باستخدام prompt ثابت، واقرأ السطر eval rate، ثم قارن ذلك الرقم بالمهلة المحددة لوكيلك. يكون ذلك مناسباً غالباً لمهمة تعمل طوال الليل. أما أي شيء ينتظر المستخدم نتيجته، فعادةً لا يكون مناسباً.

لماذا لا يمنحني Ollama نافذة السياق الكاملة البالغة 1M؟

تمثل 1M الحد الأقصى للنموذج، وليست القيمة الافتراضية في Ollama. يطبّق Ollama نافذة أصغر بكثير، ويحذف أقدم tokens عندما تتجاوز المحادثة هذه النافذة، من دون طباعة خطأ. ويبدو ذلك كما لو أن الوكيل نسي تعليماته الخاصة. اضبط OLLAMA_CONTEXT_LENGTH في خدمة systemd، أو مرّر num_ctx مع كل request. ارفع القيمة تدريجياً، وأعد التحقق من ollama ps في كل مرة، لأن ذاكرة KV cache تتناسب مع حجم النافذة، وقد يؤدي ذلك إلى نقل طبقات النموذج من GPU.

هل يمكن استخدام Nemotron 3.5 Lightning مجاناً لأغراض تجارية؟

تضع بطاقة نموذج NVIDIA النموذجَ تحت ترخيص OpenMDW-1.1، وتذكر أنه جاهز للاستخدام التجاري، وفقاً للتحقق الذي أُجري في October 25, 2026. وتضع صفحة مكتبة Ollama ترخيص التنزيل المرفق بها تحت اسم NVIDIA Open Model License Agreement، لذلك اقرأ الترخيصين قبل الاعتماد على أي منهما. يغطي ذلك الأوزان التي تنزّلها وتشغّلها بنفسك. لكنه لا يتناول البرامج الأخرى في مكدسك، لذلك تحقّق بشكل منفصل من تراخيص agent harness وأي tools تربطها به، واقرأ بطاقة النموذج الحالية قبل الاعتماد على ذلك في أي مسألة تعاقدية.

هل كان هذا المقال مفيدًا؟