تشغيل نماذج اللغة الكبيرة (LLMs) محليًا على Framework Desktop (Max+ 395

توثّق هذه المقالة كيفية تهيئتي لجهاز Framework Desktop PC (Max+ 395 مع ذاكرة موحّدة بسعة 128GB) لتشغيل نماذج LLM محليًا باستخدام كلٍ من llama.cpp وOllama عبر حاويات Docker.

نظرة عامة على العتاد

يأتي Framework Desktop Max+ 395 بمعالج AMD Ryzen AI Max 395 مع رسوميات Radeon مدمجة (Strix Halo)، ويتميّز بـ:

128GB من الذاكرة الموحّدة (مشتركة بين CPU/GPU)
معمارية AMD RDNA 3.5
هدف GPU من نوع gfx1151

https://frame.work/gb/en/desktop

تهيئة ذاكرة الـGPU

لتمكين كامل 128GB من الذاكرة الموحّدة لأحمال عمل الـGPU، يلزم تطبيق الإعداد التالي. تجمع هذه التعليمات بين الدليل المعتمد على Ubuntu من technigmaai-wiki وإعداد قياس أداء LLM من lhl/strix-halo-testing على Fedora 43.

إعدادات BIOS

أعد التشغيل وادخل إلى BIOS/UEFI
اضبط Integrated Graphics/UMA Frame Buffer Size على 512MB
عطّل IOMMU

تهيئة GRUB على Fedora 43

حرّر /etc/default/grub وعدّل سطر GRUB_CMDLINE_LINUX_DEFAULT:

GRUB_CMDLINE_LINUX_DEFAULT="quiet splash amd_iommu=off amdgpu.gttsize=131072 ttm.pages_limit=33554432"

ثم حدّث GRUB وأعد التشغيل:

sudo grub2-mkconfig -o /boot/grub2/grub.cfg
sudo reboot

التحقّق من إعدادات الذاكرة

بعد إعادة التشغيل، تحقّق من تطبيق المعاملات:

cat /proc/cmdline
sudo dmesg | grep -i gtt
sudo dmesg | grep -i ttm

تُمكّن هذه التهيئة ما يقارب 128GB من ذاكرة GTT لأحمال عمل الـGPU، وهو أمر أساسي لتشغيل نماذج كبيرة مثل Qwen3-Coder-Next مع نافذة سياق 256K الخاصة به.

تهيئة بديلة لوحدات نواة النظام

لمزيد من التحكّم الدقيق، أنشئ /etc/modprobe.d/amdgpu_llm_optimized.conf:

options amdgpu gttsize=120000
options ttm pages_limit=31457280
options ttm page_pool_size=15728640

ثم أعد توليد initramfs:

sudo dracut --force

لماذا Fedora 43 لتشغيل LLMs؟

بينما تستهدف كثير من الأدلة Ubuntu، فإن Fedora 43 تقدّم عدة مزايا لأحمال عمل LLM المحلية:

نواة أحدث: تأتي Fedora 43 مع نواة 6.18.4+، ما يوفّر دعمًا أفضل لـ ROCm 7.x ولـ GPU الخاص بـ Ryzen AI Max 395

دعم ROCm أفضل: تحسينات برنامج تشغيل AMDGPU في النوى الأحدث تُترجم إلى إدارة أفضل للذاكرة الموحّدة وتخصيص VRAM لأحمال عمل LLM

حداثة الحزم: نموذج الإصدار المتجدّد لدى Fedora يوفّر نسخًا أحدث من الاعتماديات الأساسية، مثل:

LLVM/Clang لترجمة HIP
تعريفات Vulkan (Mesa RADV/AMDVLK)
CMake وسلاسل أدوات البناء

اعتبارات SELinux: رغم أن SELinux يتطلّب تهيئة إضافية (مثل container_use_devices=1)، فإنه يوفّر عزلًا أمنيًا أفضل لأحمال عمل LLM المُحَوْسَبة ضمن حاويات

المصادر الأساسية التي شكّلت هذا النهج هي:

حاويات LLM المعتمدة على Docker

أنشأت حاويات Docker مبنية على kyuz0/amd-strix-halo-toolboxes لتشغيل كلٍ من llama.cpp وOllama.

متطلبات الحاويات

قبل تشغيل أي حاويات، فعّل SELinux للسماح بوصول الحاويات إلى أجهزة الـGPU:

sudo setsebool container_use_devices=1

هذه تهيئة لمرة واحدة ويجب أن تستمر عبر عمليات إعادة التشغيل:

sudo setsebool -P container_use_devices=1

Ollama مع Vulkan (يعمل)

تعمل خلفية Vulkan بشكل ممتاز مع Ollama على Fedora 43.

Dockerfile: ollama-vulkan/Dockerfile Docker Compose: ollama-vulkan/docker-compose.yml

# Ollama + Vulkan on Strix Halo (Fedora 43)
FROM registry.fedoraproject.org/fedora-minimal:43

# Base runtime deps + Vulkan userspace
RUN microdnf -y --nodocs --setopt=install_weak_deps=0 install \
      bash ca-certificates curl tar \
      libatomic libstdc++ libgcc \
      vulkan-loader vulkan-loader-devel vulkaninfo \
      mesa-vulkan-drivers radeontop \
      pciutils procps-ng wget gzip zstd \
  && microdnf clean all && rm -rf /var/cache/dnf/*

# Install AMDVLK (optional, can use Mesa RADV)
RUN curl -L -o /tmp/amdvlk-2025.Q2.1.x86_64.rpm \
    https://github.com/GPUOpen-Drivers/AMDVLK/releases/download/v-2025.Q2.1/amdvlk-2025.Q2.1.x86_64.rpm \
 && microdnf -y install /tmp/amdvlk-*.rpm \
 && rm -f /tmp/amdvlk-*.rpm

# Install Ollama (generic Linux build with Vulkan support)
RUN wget -P /tmp https://github.com/ollama/ollama/releases/download/v0.15.5-rc2/ollama-linux-amd64.tar.zst \
 && tar --zstd -C /usr -xf /tmp/ollama-linux-amd64.tar.zst \
 && rm -f /tmp/ollama-linux-amd64.tar.zst

RUN mkdir -p /root/.ollama

ENV OLLAMA_VULKAN=1 \
    GGML_VK_VISIBLE_DEVICES=0 \
    OLLAMA_HOST=0.0.0.0 \
    OLLAMA_ORIGINS="*"

EXPOSE 11434

CMD ["/usr/bin/ollama", "serve"]

تشغيل Ollama مع Vulkan:

# Build the image
docker build -t ollama-strix-vulkan -f ollama-vulkan/Dockerfile .

# Or using Docker Compose
cd ollama-vulkan
docker compose up -d

الوصول إلى Ollama:

ollama list
ollama pull qwen3-coder-next

Ollama مع ROCm (لا يعمل - بانتظار الإصلاح)

تنفيذ ROCm في Ollama لا يعمل حاليًا على Fedora 43 مع ROCm 7.x. تتم متابعة المشكلة في مشكلة ROCm #5902.

Dockerfile: ollama-rocm/Dockerfile Docker Compose: ollama-rocm/docker-compose.yml

# Ollama + Vulkan on Strix Halo (Fedora 43)
FROM registry.fedoraproject.org/fedora:43

RUN dnf -y --nodocs --setopt=install_weak_deps=False install \
  make gcc cmake lld clang clang-devel compiler-rt libcurl-devel \
  radeontop git vim patch curl ninja-build tar xz aria2c wget zstd \
  && dnf clean all && rm -rf /var/cache/dnf/*


# find & fetch the latest Linux 7.x.x tarball (gfx1151)
WORKDIR /tmp
ARG ROCM_MAJOR_VER=7
ARG GFX=gfx1151
RUN set -euo pipefail; \
  BASE="https://therock-nightly-tarball.s3.amazonaws.com"; \
  PREFIX="therock-dist-linux-${GFX}-${ROCM_MAJOR_VER}"; \
  KEY="$(curl -s "${BASE}?list-type=2&prefix=${PREFIX}" \
  | tr '<' '\n' \
  | grep -o "therock-dist-linux-${GFX}-${ROCM_MAJOR_VER}\..*\.tar\.gz" \
  | sort -V | tail -n1)"; \
  echo "Latest tarball: ${KEY}"; \
  aria2c -x 16 -s 16 -j 16 --file-allocation=none "${BASE}/${KEY}" -o therock.tar.gz
RUN mkdir -p /opt/rocm-7.0 \
  && tar xzf therock.tar.gz -C /opt/rocm-7.0 --strip-components=1

ENV ROCM_PATH=/opt/rocm-7.0 \
  HIP_PLATFORM=amd \
  HIP_PATH=/opt/rocm-7.0 \
  HIP_CLANG_PATH=/opt/rocm-7.0/llvm/bin \
  HIP_INCLUDE_PATH=/opt/rocm-7.0/include \
  HIP_LIB_PATH=/opt/rocm-7.0/lib \
  HIP_DEVICE_LIB_PATH=/opt/rocm-7.0/lib/llvm/amdgcn/bitcode \
  PATH=/opt/rocm-7.0/bin:/opt/rocm-7.0/llvm/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin \
  LD_LIBRARY_PATH=/opt/rocm-7.0/lib:/opt/rocm-7.0/lib64:/opt/rocm-7.0/llvm/lib \
  LIBRARY_PATH=/opt/rocm-7.0/lib:/opt/rocm-7.0/lib64 \
  CPATH=/opt/rocm-7.0/include \
  PKG_CONFIG_PATH=/opt/rocm-7.0/lib/pkgconfig

RUN printf '%s\n' \
  'export ROCM_PATH=/opt/rocm-7.0' \
  'export HIP_PLATFORM=amd' \
  'export HIP_PATH=/opt/rocm-7.0' \
  'export HIP_CLANG_PATH=/opt/rocm-7.0/llvm/bin' \
  'export HIP_INCLUDE_PATH=/opt/rocm-7.0/include' \
  'export HIP_LIB_PATH=/opt/rocm-7.0/lib' \
  'export HIP_DEVICE_LIB_PATH=/opt/rocm-7.0/lib/llvm/amdgcn/bitcode' \
  'export PATH="$ROCM_PATH/bin:$HIP_CLANG_PATH:$PATH"' \
  'export LD_LIBRARY_PATH="$HIP_LIB_PATH:$ROCM_PATH/lib:$ROCM_PATH/lib64:$ROCM_PATH/llvm/lib"' \
  'export LIBRARY_PATH="$HIP_LIB_PATH:$ROCM_PATH/lib:$ROCM_PATH/lib64"' \
  'export CPATH="$HIP_INCLUDE_PATH"' \
  'export PKG_CONFIG_PATH="$ROCM_PATH/lib/pkgconfig"' \
  > /etc/profile.d/rocm.sh \
  && chmod +x /etc/profile.d/rocm.sh \
  && echo 'source /etc/profile.d/rocm.sh' >> /etc/bashrc

# Install the Ollama ROCm drivers (v0.15.2)
RUN wget -P /tmp https://github.com/ollama/ollama/releases/download/v0.15.5-rc3/ollama-linux-amd64-rocm.tar.zst \
 && tar -C /usr --use-compress-program=unzstd -xf /tmp/ollama-linux-amd64-rocm.tar.zst \
 && rm -f /tmp/ollama-linux-amd64-rocm.tar.zst

# Install ollama (v0.15.2)
RUN wget -P /tmp https://github.com/ollama/ollama/releases/download/v0.15.5-rc3/ollama-linux-amd64.tar.zst \
 && tar -C /usr --use-compress-program=unzstd -xf /tmp/ollama-linux-amd64.tar.zst \
 && rm -f /tmp/ollama-linux-amd64.tar.zst

# Make Ollama + ROCm shared libs visible to the runtime linker
RUN printf '%s\n' \
  /usr/lib/ollama \
  /opt/rocm-7.0/lib \
  > /etc/ld.so.conf.d/ollama-rocm.conf \
  && ldconfig

# Create /opt/rocm symlink that Ollama expects
RUN ln -sfn /opt/rocm-7.0 /opt/rocm

# Data directory
RUN mkdir -p /root/.ollama

# Expose Ollama API port
EXPOSE 11434

# profile
RUN printf '%s\n' \
  'export ROCBLAS_USE_HIPBLASLT=1' \
  > /etc/profile.d/rocm.sh && chmod +x /etc/profile.d/rocm.sh \
  && echo 'source /etc/profile.d/rocm.sh' >> /etc/bashrc

ENV OLLAMA_HOST=0.0.0.0 \
    OLLAMA_ORIGINS="*"

# Start the server
CMD ["/usr/bin/ollama", "serve"]

تفشل خلفية ROCm برسائل خطأ "out of memory" حتى عندما يبلّغ النظام عن توفر ~111GB من VRAM. يبدو أن هذا تراجع (regression) في ROCm 7.2 يؤثر على حساب الذاكرة في Ollama.

الحالة الحالية: بانتظار إصلاح من جهة AMD/ROCm upstream.

llama.cpp مع Vulkan

Dockerfile: llamacpp/Dockerfile.llamacpp-strix-vulkan

# build stage
FROM registry.fedoraproject.org/fedora:43 AS builder

# deps
RUN dnf -y --nodocs --setopt=install_weak_deps=False install \
      git vim \
      make gcc cmake ninja-build lld clang clang-devel compiler-rt libcurl-devel \
      vulkan-loader-devel vulkaninfo mesa-vulkan-drivers \
      radeontop glslc \
    && dnf clean all && rm -rf /var/cache/dnf/*

# llama.cpp
WORKDIR /opt/llama.cpp
RUN git clone --recursive https://github.com/ggerganov/llama.cpp.git .

# build
RUN git clean -xdf \
 && git submodule update --recursive \
 && cmake -S . -B build -G Ninja \
      -DGGML_VULKAN=ON \
      -DCMAKE_BUILD_TYPE=Release \
      -DGGML_RPC=ON \
      -DCMAKE_INSTALL_PREFIX=/usr \
      -DLLAMA_BUILD_TESTS=OFF \
      -DLLAMA_BUILD_EXAMPLES=ON \
      -DLLAMA_BUILD_SERVER=ON \
 && cmake --build build --config Release \
 && cmake --install build --config Release

# libs
RUN find /opt/llama.cpp/build -type f -name 'lib*.so*' -exec cp {} /usr/lib64/ \; \
 && ldconfig


# runtime stage
FROM registry.fedoraproject.org/fedora-minimal:43

# runtime deps
RUN microdnf -y --nodocs --setopt=install_weak_deps=0 install \
      bash ca-certificates libatomic libstdc++ libgcc \
      vulkan-loader vulkan-loader-devel vulkaninfo mesa-vulkan-drivers radeontop \
  && microdnf clean all && rm -rf /var/cache/dnf/*

# copy
COPY --from=builder /usr/ /usr/
COPY --from=builder /usr/local/ /usr/local/
COPY --from=builder /opt/llama.cpp/build/bin/rpc-* /usr/local/bin/

# ld
RUN echo "/usr/local/lib"  > /etc/ld.so.conf.d/local.conf \
 && echo "/usr/local/lib64" >> /etc/ld.so.conf.d/local.conf \
 && ldconfig \
 && cp -n /usr/local/lib/libllama*.so* /usr/lib64/ 2>/dev/null || true \
 && ldconfig

# shell
CMD ["/bin/bash"]

خلفية Vulkan في llama.cpp مستقرة ومجرّبة جيدًا. وتوفّر أداءً موثوقًا لجميع أحجام النماذج.

مدخل Docker Compose:

qwen-3-coder-vulkan:
  image: llamacpp-strix-vulkan
  container_name: llamacpp
  restart: unless-stopped
  devices:
    - /dev/dri:/dev/dri
  group_add:
    - "video"
  volumes:
    - /home/mark/running-llms/:/root/running-llms
  ports:
    - "8080:8080"
  security_opt:
    - seccomp=unconfined
  command: >
    bash -c "llama-server --alias Qwen3-Coder-30B -m /root/running-llms/hf-models/unsloth/Qwen3-Coder-30B-A3B-Instruct-1M-BF16/BF16/Qwen3-Coder-30B-A3B-Instruct-1M-BF16-00001-of-00002.gguf --ctx-size 262144 -fa 1 --no-mmap --host 0.0.0.0 --port 8080 --temp 0.7 --top-k 20 --min-p 0.01 --top-p 0.8 --repeat-penalty 1.05 --jinja -ngl 99 --threads -1"

llama.cpp مع ROCm (أسرع - زيادة أداء ~30%)

Dockerfile: llamacpp/Dockerfile.llamacpp-rocm

# build
FROM registry.fedoraproject.org/fedora:43 AS builder

RUN dnf -y --nodocs --setopt=install_weak_deps=False install \
  make gcc cmake lld clang clang-devel compiler-rt libcurl-devel \
  radeontop git vim patch curl ninja-build tar xz aria2c \
  && dnf clean all && rm -rf /var/cache/dnf/*

# find & fetch the latest Linux 7.x.x tarball (gfx1151)
WORKDIR /tmp
ARG ROCM_MAJOR_VER=7
ARG GFX=gfx1151
RUN set -euo pipefail; \
  BASE="https://therock-nightly-tarball.s3.amazonaws.com"; \
  PREFIX="therock-dist-linux-${GFX}-${ROCM_MAJOR_VER}"; \
  KEY="$(curl -s "${BASE}?list-type=2&prefix=${PREFIX}" \
  | tr '<' '\n' \
  | grep -o "therock-dist-linux-${GFX}-${ROCM_MAJOR_VER}\..*\.tar\.gz" \
  | sort -V | tail -n1)"; \
  echo "Latest tarball: ${KEY}"; \
  aria2c -x 16 -s 16 -j 16 --file-allocation=none "${BASE}/${KEY}" -o therock.tar.gz
RUN mkdir -p /opt/rocm-7.0 \
  && tar xzf therock.tar.gz -C /opt/rocm-7.0 --strip-components=1

ENV ROCM_PATH=/opt/rocm-7.0 \
  HIP_PLATFORM=amd \
  HIP_PATH=/opt/rocm-7.0 \
  HIP_CLANG_PATH=/opt/rocm-7.0/llvm/bin \
  HIP_INCLUDE_PATH=/opt/rocm-7.0/include \
  HIP_LIB_PATH=/opt/rocm-7.0/lib \
  HIP_DEVICE_LIB_PATH=/opt/rocm-7.0/lib/llvm/amdgcn/bitcode \
  PATH=/opt/rocm-7.0/bin:/opt/rocm-7.0/llvm/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin \
  LD_LIBRARY_PATH=/opt/rocm-7.0/lib:/opt/rocm-7.0/lib64:/opt/rocm-7.0/llvm/lib \
  LIBRARY_PATH=/opt/rocm-7.0/lib:/opt/rocm-7.0/lib64 \
  CPATH=/opt/rocm-7.0/include \
  PKG_CONFIG_PATH=/opt/rocm-7.0/lib/pkgconfig

RUN printf '%s\n' \
  'export ROCM_PATH=/opt/rocm-7.0' \
  'export HIP_PLATFORM=amd' \
  'export HIP_PATH=/opt/rocm-7.0' \
  'export HIP_CLANG_PATH=/opt/rocm-7.0/llvm/bin' \
  'export HIP_INCLUDE_PATH=/opt/rocm-7.0/include' \
  'export HIP_LIB_PATH=/opt/rocm-7.0/lib' \
  'export HIP_DEVICE_LIB_PATH=/opt/rocm-7.0/lib/llvm/amdgcn/bitcode' \
  'export PATH="$ROCM_PATH/bin:$HIP_CLANG_PATH:$PATH"' \
  'export LD_LIBRARY_PATH="$HIP_LIB_PATH:$ROCM_PATH/lib:$ROCM_PATH/lib64:$ROCM_PATH/llvm/lib"' \
  'export LIBRARY_PATH="$HIP_LIB_PATH:$ROCM_PATH/lib:$ROCM_PATH/lib64"' \
  'export CPATH="$HIP_INCLUDE_PATH"' \
  'export PKG_CONFIG_PATH="$ROCM_PATH/lib/pkgconfig"' \
  > /etc/profile.d/rocm.sh \
  && chmod +x /etc/profile.d/rocm.sh \
  && echo 'source /etc/profile.d/rocm.sh' >> /etc/bashrc

WORKDIR /opt/llama.cpp
RUN git clone --recursive https://github.com/ggerganov/llama.cpp.git . \
  && git clean -xdf \
  && git submodule update --recursive

RUN cmake -S . -B build \
  -DGGML_HIP=ON \
  -DAMDGPU_TARGETS=gfx1151 \
  -DCMAKE_BUILD_TYPE=Release \
  -DGGML_RPC=ON \
  -DLLAMA_HIP_UMA=ON \
  && cmake --build build --config Release -- -j$(nproc) \
  && cmake --install build --config Release

# keep bin; drop headers/docs/static libs (retain llama.cpp for rpc binaries)
RUN find /opt/rocm-7.0 -type f -name '*.a' -delete \
  && rm -rf /opt/rocm-7.0/include /opt/rocm-7.0/share \
  /opt/rocm-7.0/llvm/include /opt/rocm-7.0/llvm/share

# runtime
FROM registry.fedoraproject.org/fedora-minimal:43

RUN microdnf -y --nodocs --setopt=install_weak_deps=0 install \
  bash ca-certificates libatomic libstdc++ libgcc radeontop vim procps-ng \
  && microdnf clean all && rm -rf /var/cache/dnf/*

COPY --from=builder /opt/rocm-7.0 /opt/rocm-7.0
COPY --from=builder /usr/local/ /usr/local/
COPY --from=builder /opt/llama.cpp/build/bin/rpc-* /usr/local/bin/

# COPY gguf-vram-estimator.py /usr/local/bin/
# RUN chmod +x /usr/local/bin/gguf-vram-estimator.py

ENV ROCM_PATH=/opt/rocm-7.0 \
  HIP_PLATFORM=amd \
  HIP_PATH=/opt/rocm-7.0 \
  HIP_CLANG_PATH=/opt/rocm-7.0/llvm/bin \
  HIP_INCLUDE_PATH=/opt/rocm-7.0/include \
  HIP_LIB_PATH=/opt/rocm-7.0/lib \
  HIP_DEVICE_LIB_PATH=/opt/rocm-7.0/lib/llvm/amdgcn/bitcode \
  PATH=/opt/rocm-7.0/bin:/opt/rocm-7.0/llvm/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin \
  LD_LIBRARY_PATH=/opt/rocm-7.0/lib:/opt/rocm-7.0/lib64:/opt/rocm-7.0/llvm/lib \
  LIBRARY_PATH=/opt/rocm-7.0/lib:/opt/rocm-7.0/lib64 \
  CPATH=/opt/rocm-7.0/include \
  PKG_CONFIG_PATH=/opt/rocm-7.0/lib/pkgconfig

RUN printf '%s\n' \
  'export ROCM_PATH=/opt/rocm-7.0' \
  'export HIP_PLATFORM=amd' \
  'export HIP_PATH=/opt/rocm-7.0' \
  'export HIP_CLANG_PATH=/opt/rocm-7.0/llvm/bin' \
  'export HIP_INCLUDE_PATH=/opt/rocm-7.0/include' \
  'export HIP_LIB_PATH=/opt/rocm-7.0/lib' \
  'export HIP_DEVICE_LIB_PATH=/opt/rocm-7.0/lib/llvm/amdgcn/bitcode' \
  'export PATH="$ROCM_PATH/bin:$HIP_CLANG_PATH:$PATH"' \
  'export LD_LIBRARY_PATH="$HIP_LIB_PATH:$ROCM_PATH/lib:$ROCM_PATH/lib64:$ROCM_PATH/llvm/lib"' \
  'export LIBRARY_PATH="$HIP_LIB_PATH:$ROCM_PATH/lib:$ROCM_PATH/lib64"' \
  'export CPATH="$HIP_INCLUDE_PATH"' \
  'export PKG_CONFIG_PATH="$ROCM_PATH/lib/pkgconfig"' \
  > /etc/profile.d/rocm.sh \
  && chmod +x /etc/profile.d/rocm.sh \
  && echo 'source /etc/profile.d/rocm.sh' >> /etc/bashrc

# make /usr/local libs visible without touching env
RUN echo "/usr/local/lib"  > /etc/ld.so.conf.d/local.conf \
  && echo "/usr/local/lib64" >> /etc/ld.so.conf.d/local.conf \
  && ldconfig

CMD ["/bin/bash"]

خلفية ROCm في llama.cpp توفّر أداءً أفضل بنحو 30% مقارنةً بـ Vulkan. وذلك لأن ROCm هي منصة AMD الأصلية للحوسبة على الـGPU، ومحسّنة لأحمال العمل كثيفة الحساب مثل استدلال LLM.

مدخل Docker Compose:

qwen-3-coder-rocm:
  image: llamacpp-rocm
  container_name: llamacpp
  restart: unless-stopped
  devices:
    - /dev/dri:/dev/dri
    - /dev/kfd:/dev/kfd
  group_add:
    - "video"
    - "render"
  volumes:
    - /home/mark/running-llms/:/root/running-llms
  ports:
    - "8080:8080"
  security_opt:
    - seccomp=unconfined
  command: >
    bash -c "llama-server --alias Qwen3-Coder-30B -m /root/running-llms/hf-models/unsloth/Qwen3-Coder-30B-A3B-Instruct-1M-BF16/BF16/Qwen3-Coder-30B-A3B-Instruct-1M-BF16-00001-of-00002.gguf --ctx-size 262144 -fa 1 --no-mmap --host 0.0.0.0 --port 8080 --temp 0.7 --top-k 20 --min-p 0.01 --top-p 0.8 --repeat-penalty 1.05 --jinja -ngl 99 --threads -1"

تشغيل النماذج

Qwen3-Coder-Next (80B MoE)

هنا يتألّق Framework Desktop فعليًا. يمكنني تشغيل النسخة الكاملة UD-Q8_K_XL من Qwen3-Coder-Next مع نافذة السياق الكاملة 256K.

الروابط:

مواصفات النموذج:

البنية: 80B MoE (3B معاملات فعّالة)
نافذة السياق: 262,144 رمزًا
الذاكرة المطلوبة: ~93.4 GB لـ UD-Q8_K_XL (8-bit)
الإعدادات الموصى بها: temp=1.0, top_p=0.95, top_k=40, min_p=0.01

إعداد النموذج الحالي

يعرّف ملف docker-compose.yml لدي عدة خدمات:

Service	Backend	Model	Context
qwen-3-coder-next-rocm	ROCm	Qwen3-Coder-Next (UD-Q8_K_XL)	262k
qwen-3-coder-next-vulkan	Vulkan	Qwen3-Coder-Next	262k
qwen-3-next-rocm	ROCm	Qwen3-Next-80B-A3B-Thinking	32k
gpt-oss-rocm	ROCm	gpt-oss-120b-GGUF	131k
glm-4.7	Vulkan	GLM-4.7	16k

أوامر التشغيل

بدء خدمة Ollama:

cd ollama-vulkan
docker compose up -d

بدء llama.cpp لنموذج محدد:

docker compose up -d qwen-3-coder-next-rocm

إيقاف جميع الخدمات:

docker compose down

سير عمل الوكلاء (Agentic) وClaude Code

قمت بتشغيل جلسات Claude Code ذاتية بالكامل لعدة ساعات على هذه التهيئة. وقد كتب Framework Desktop الجزء الأكبر من هذه المقالة عبر تلك الجلسات الذاتية.

تهيئة Claude Code

export ANTHROPIC_AUTH_TOKEN=ollama
export ANTHROPIC_API_KEY=""
export ANTHROPIC_BASE_URL=http://your-framework-desktop-ip:11434

claude --model qwen3-coder-next

ملاحظة: استبدل your-framework-desktop-ip باسم النطاق أو عنوان IP الفعلي.

المشكلات الحالية

واجهت مشكلة واحدة مع Ollama ضمن سير عمل الوكلاء - انظر مشكلة Ollama #13939. يحاول Claude Code أحيانًا استخدام أسماء نماذج غير متوفرة محليًا، مما يؤدي إلى انقضاء المهلة.

حل بديل: استخدام llama.cpp مباشرةً يعطي نتائج أكثر موثوقية لسير عمل الوكلاء على إعدادي. الاستقرار والاتساق أفضل بشكل ملحوظ.

لماذا أنا متحمّس جدًا لهذا الإعداد

"Tokens" لا نهائية مجانًا

تتيح لي هذه التهيئة "حرق" عدد لا نهائي من رموز LLM على مدار 24x7 مجانًا. وبينما النماذج المدفوعة أسرع، فإن هذا الإعداد يتيح:

تجارب لا تنتهي مع نماذج ومحفّزات مختلفة
جلسات وكيل ذاتي طويلة التشغيل
عدم القلق بشأن تكلفة لكل رمز
خصوصية بيانات كاملة وتشغيل دون اتصال

خصائص الأداء

أبطأ من النماذج المدفوعة: نعم، لكن الفارق مقبول لمعظم المهام
أفضل للبرمجة: تتفوّق النماذج المحلية في إكمال الشيفرة وفهمها
سياق غير محدود: نافذة السياق 256K على Qwen3-Coder-Next تغيّر قواعد اللعبة

المستقبل

كانت هذه التهيئة عالية الإنتاجية بشكل لا يصدق. أنا الآن:

أشغّل جلسات Claude Code ذاتية بالكامل لساعات
أجرّب تكميمات مختلفة وبنى نماذج متنوعة
أطور سير عمل للوكلاء مخصصًا يستفيد من الـGPU المحلي

سأضيف قريبًا مقالًا عن إعداد Claude Code لدي وكيف أهيّئه للعمل مع هذه النماذج المحلية.

الإسناد والشكر

لم يكن هذا الإعداد ممكنًا دون العمل المذهل لمجتمع المصادر المفتوحة. جزيل الشكر إلى:

kyuz0/amd-strix-halo-toolboxes - مصدر الإلهام لحاويات Docker، مع صور جاهزة مسبقًا لخلفيات Vulkan وROCm
technigmaai-wiki - تعليمات شاملة خطوة بخطوة لتهيئة ذاكرة الـGPU
lhl/strix-halo-testing - إعداد تفصيلي لقياس أداء LLM على Strix Halo
Unsloth - توفير نماذج مذهلة محسّنة لـ GGUF
ROCm - حزمة البرمجيات المفتوحة للـGPU
llama.cpp - العمل الرائع من ggerganov والمساهمين

تمثّل هذه الموارد جهدًا كبيرًا وتمثل أحدث ما توصّل إليه استدلال LLM المحلي على عتاد AMD.

تشغيل نماذج اللغة الكبيرة (LLMs) محليًا على Framework Desktop (Max+ 395 - 128GB)