MiniMax تطلق نموذج الصورة H3 مفتوح المصدر مع توليد 4K في 10 ثوانٍ

iconMetaEra
مشاركة
AI summary iconملخص
أطلقت MiniMax نموذج H3 Image المفتوح المصدر، وهو نموذج ذكاء اصطناعي بـ 33.1 مليار معلمة قادر على توليد صور بدقة 4K في 10 ثوانٍ. يدعم النموذج ما يصل إلى 16 صورة مرجعية، ويوفر خصمًا بنسبة 50% على المخرجات عالية الدقة خلال الأسبوع الأول. متاح عبر Hugging Face ومتكامل مع MiniMax API وMiniMax Code وHailuo AI، ويُعتبر الأداة حدثًا إخباريًا رئيسيًا على السلسلة في مجال أخبار الذكاء الاصطناعي + التشفير.
أطلقت MiniMax وفتحت مصدر نموذج الصور H3 Image، الذي يمكنه توليد صور بدقة 4K مباشرةً، بأسرع صورة واحدة في حوالي 10 ثوانٍ، ويدعم ما يصل إلى 16 صورة مرجعية، مع فتح أوزان النموذج البالغة 33.1 مليار معاملة بالتزامن.

كاتب المقال: لي دان

المصدر: وول ستريت جيزن

شركة الذكاء الاصطناعي الصينية MiniMax تزيد استثماراتها مرة أخرى في مجال توليد الصور.

في الثلاثاء 10 نوفمبر، أطلقت MiniMax رسميًا وفتحت مصدر نموذج توليد الصور الجديد H3 Image، والذي يركز على توليد صور 4K بحد أقصى 16 مليون بكسل (4096×4096)، حيث تدّعي الشركة أنه يمكن إكمالها في حوالي 10 ثوانٍ على الأكثر، كما يدعم فهم دقيق للتعليمات، وتحرير الصور، وإدخال ما يصل إلى 16 صورة مرجعية.

تُلخّص MiniMax الميزات التنافسية الأساسية لـ H3 Image في ثلاثة جوانب: السرعة وجودة الصورة واتباع الأوامر: من حيث السرعة، يمكن للنموذج توليد صور بدقة 4K في غضون 10 إلى 20 ثانية؛ ومن حيث جودة الصورة، يسعى إلى التخلص من الشعور الشائع الناتج عن التوليد بالذكاء الاصطناعي، وتقديم تفاصيل أكثر غنى وواقعية أقوى؛ ومن حيث اتباع الأوامر، تدّعي الشركة أنها تصل إلى أعلى مستوى بين نماذج الصور المفتوحة المصدر، وتدعم الإبداع التعاوني باستخدام صور مرجعية متعددة.

على عكس النماذج مغلقة المصدر التي تفتح فقط واجهات برمجة التطبيقات، تشارك MiniMax هذه المرة وزن نموذج H3 Image وتدمجها في واجهات برمجة التطبيقات الخاصة بها وMiniMax Code ومنصة Hai Luo AI. خلال الأسبوع الأول من الإصدار، يمكن الاستفادة من خصم 50% على توليد الصور بدقة 16 ميجابكسل وما فوق.

صور 4K دون الحاجة إلى تحسين الدقة، توليد مباشر أسرع من النماذج الرائدة

سرعة التوليد هي واحدة من نقاط التنافس التي ركزت عليها H3 Image في هذه المرة.

تتراوح دقة الإخراج للنماذج الشائعة حاليًا لتوليد الصور بين مليون و4 ملايين بكسل، مع وقت توليد يُقاس عادةً بالدقائق، حتى أن أسرع النماذج تحتاج إلى حوالي 50 ثانية. بالمقارنة، يمكن لـ H3 Image توليد صور 4K بدقة 4096×4096 مباشرةً، مع تقليل وقت التوليد إلى 10-20 ثانية، وأسرع سرعة معلنة من قبل الشركة تبلغ حوالي 10 ثوانٍ.

هذا يعني أن H3 Image لا تزيد فقط حجم البكسلات الناتجة عن كل توليد إلى حوالي 16 مليون بكسل، بل تحاول أيضًا تقليل وقت الانتظار للصور عالية الدقة بشكل كبير. بالنسبة للمصممين وصانعي المحتوى الذين يحتاجون إلى تعديل متكرر للتكوين والألوان والإضاءة والتفاصيل، فإن تحسين سرعة التوليد يقلل من تكلفة الوقت لكل تجربة وخطأ، مما يجعل عملية التكرار الإبداعي أكثر كفاءة.

من حيث المواصفات الفنية، لا يُعد H3 Image مجرد تكبير للصور ذات الدقة العادية إلى 4K، بل قادر على توليد صور عالية الدقة تصل إلى حوالي 16 مليون بكسل مباشرة، دون الحاجة إلى معالجة فائقة الدقة إضافية.

تُظهر وصف النموذج الذي نشرته MiniMax على Hugging Face أن H3 Image يدعم نسب صور متعددة، بالإضافة إلى الصور المربعة بحجم 4096×4096، فإنه يدعم أيضًا الصور الأفقية بنسبة 16:9 بحجم 5472×3072، والصور العريضة بنسبة 21:9 بحجم 6272×2688. يتراوح النطاق الفعال للإنشاء حوالي 4 ملايين إلى 20 مليون بكسل، وتنصح الشركة بتحقيق نتائج جيدة حول 16 مليون بكسل.

خلف تحسين السرعة، استخدم النموذج تحسين التقطير، مما قلل خطوات العينة إلى 6 خطوات (Sampling Steps)، دون الحاجة إلى التوجيه الخالي من التصنيف (CFG)، لتقليل تكلفة الحساب في توليد الصور عالية الدقة.

التخلص من الشعور الشائع بـ"الذكاء الاصطناعي"، حيث تصبح تفاصيل المشهد والواقعية نقطة بيع أخرى

بالإضافة إلى سرعة التوليد، تُعتبر جودة الصورة ميزة أساسية أخرى لـ H3 Image من MiniMax.

أكد MiniMax في الوصف الرسمي للنموذج أن H3 Image قادر على تجاوز السمات البصرية الشائعة للصور المولدة بالذكاء الاصطناعي، وتقديم تفاصيل مرئية أغنى وواقعية أقوى، مما يجعل الصور المولدة أقرب إلى الجودة البصرية للعالم الحقيقي.

لا يتعلق الأمر فقط بدرجة واقعية الصورة، بل يؤثر أيضًا مباشرة على نطاق تطبيق النموذج. بالنسبة للسيناريوهات مثل الإعلانات، والتجارة الإلكترونية، وتصميم المنتجات، والفنون اللعبة، والإنتاج البصري التجاري، يجب على نماذج الصور أن تولد لوحات تتوافق مع المتطلبات الإبداعية، فضلًا عن قدرتها على عرض مواد دقيقة، وإضاءة طبيعية، وتفاصيل مشهد موثوقة. إن تحسين واقعية الصورة وتمثيل التفاصيل يُتوقع أن يمتد استخدام الصور المولدة بالذكاء الاصطناعي من مخططات المفاهيم والمواد الإبداعية إلى إبداعات تجارية أكثر احترافية.

على عكس حلول التوليد عالية الدقة التقليدية، يمكن لـ H3 Image توليد صور بحوالي 16 مليون بكسل مباشرة، بدلاً من توليد صور منخفضة الدقة أولاً ثم تكبيرها باستخدام تقنيات تحسين الدقة. تهدف MiniMax إلى تحقيق توازن بين جودة الصورة والكفاءة من خلال التوليد الأصلي عالي الدقة وتدفق استنتاج أقصر.

تُدَّعى قدرة الالتزام بالتعليمات بأنها الأقوى بين نماذج الصور المفتوحة المصدر، وتدعم ما يصل إلى 16 صورة مرجعية

في مجال اتباع التعليمات، تُعرّف MiniMax H3 Image كأقوى نموذج صور مفتوح المصدر من حيث القدرة على اتباع التعليمات، وتدمجها مع دعم المدخلات المتعددة للصور ووظائف تحرير الصور.

يدعم النموذج ليس فقط توليد الصور مباشرة بناءً على تعليمات نصية، بل أيضًا تلقي صورة أو عدة صور مرجعية لتعديل الصور الموجودة وفقًا لتعليمات المستخدم. تتيح قدرة الإدخال حتى 16 صورة مرجعية للنموذج فهم معلومات مرجعية مختلفة مثل الأشخاص والأشياء والمشهد وأسلوب الرؤية في آنٍ واحد، مما يساعد على الحفاظ على سمات الموضوع والاتساق البصري بشكل أفضل في الإبداعات المعقدة.

على سبيل المثال، في تصميم إعلانات المنتجات، يمكن للمستخدمين رفع صور منفصلة لشكل المنتج، والهوية البصرية للعلامة التجارية، وصور مرجعية للسيناريو، ثم استخدام تعليمات نصية لطلب النموذج دمج العناصر المختلفة في صورة واحدة جديدة؛ كما يمكن أيضًا استخدام صور مرجعية متعددة للتحكم في مظهر الشخصية، الملابس، المشهد، والأسلوب العام في فن الألعاب وتصميم الشخصيات.

يعني هذا التصميم الذي يدمج توليد الصور من النص وتحرير الصور والمرجعية المتعددة للصور في نموذج واحد، أن المستخدم لا يحتاج إلى التبديل المتكرر بين نماذج أو سير عمل متخصصة مختلفة لإكمال العملية الإبداعية المستمرة من التوليد الأولي إلى التعديلات اللاحقة.

بنية بـ 3.31 مليار معلمة، معاملات النموذج مفتوحة بالتزامن

من حيث بنية النموذج، تم تطوير H3 Image بناءً على نموذج MiniMax H3 متعدد الوسائط، مع إزالة فرع الصوت من البنية الأصلية وتحسينه لإنشاء الصور وتحريرها.

وفقًا للبيانات الفنية التي نشرتها Hugging Face، يستخدم H3 Image نموذج DiT كثيف المعلمات بـ 33.1 مليار معلمة، ويتكون من 50 طبقة، ويعتمد على معالج نصوص Qwen3-VL من MiniMax H3، مع دمج VAE للصورة لمعالجة الصور المرجعية وتوليد الصور.

عنصر مهم آخر في هذا الإصدار هو فتح أوزان النموذج. يمكن للمطورين الحصول على النموذج من خلال Hugging Face واستخدام أدوات مثل SGLang و vLLM-Omni و Diffusers و ComfyUI للنشر والتطوير.

ومع ذلك، فإن فتح الأوزان لا يعني أن أجهزة الكمبيوتر الاستهلاكية العادية يمكنها تشغيل النموذج الكامل بسهولة. تبلغ ملفات الأوزان الخاصة بتوليد الصور DiT التي كشف عنها الفريق الرسمي حوالي 68.65 جيجابايت، كما يتطلب النشر الكامل تحميل مُشفّر نصي منفصل، مما يتطلب موارد ذاكرة عرضية وحسابية عالية.

تم دمج API وMiniMax Code وSeaShell AI بشكل متزامن، مع خصم 50% على التوليد عالي الدقة في الأسبوع الأول

في الجانب التجاري، تتبع MiniMax استراتيجية متوازية تجمع بين فتح الأوزان وتشغيل منصات المنتجات الخاصة بها.

يتم تقديم H3 Image حاليًا عبر MiniMax API وMiniMax Code وSea Shell AI، حيث يمكن للمستخدمين تجربة ميزات توليد وتحرير الصور عالية الدقة دون الحاجة إلى تنزيل أو نشر النموذج بأنفسهم. خلال الأسبوع الأول للإطلاق، تُقدَّم خصم 50% على طلبات توليد الصور بدرجة دقة 16MP فما فوق.

من هذا الإصدار، تسعى MiniMax إلى تغطية كل من المطورين والمنشئين العاديين: من ناحية، من خلال فتح أوزان النموذج لجذب المطورين للاستضافة المحلية والتطوير الثانوي ودمج سير العمل؛ ومن ناحية أخرى، من خلال واجهات برمجة التطبيقات ومنتجات مثل Hai Luo AI لدفع تجارية النموذج وتوسيع نطاق المستخدمين.

ومع ذلك، فإن فتح الأوزان لا يعني أن المصدر مفتوح تمامًا دون قيود. تفرض رخصة المجتمع التي أعلنتها Hugging Face شروطًا على المناطق الخاضعة للتطبيق، والاستخدام التجاري، وتطوير النماذج المشتقة، ويتطلب بعض المناطق والاستخدامات التجارية الخاصة ترخيصًا منفصلًا.

في ظل تنافس متزايد في مجال توليد الصور بالذكاء الاصطناعي، تعتمد H3 Image على ثلاث ميزات تقنية رئيسية: سرعة توليد الصور عالية الدقة، واقعية الصورة، وقدرة الامتثال للتعليمات المعقدة. وسيكون من المهم مراقبة ما إذا كان يمكن لـ MiniMax تحويل هذه الميزات الثلاث إلى طلب مستمر من المبدعين وإيرادات من واجهات برمجة التطبيقات، وما إذا كان فتح الأوزان سيحفز نظامًا بيئيًا أوسع للمطورين.

إخلاء المسؤولية: قد تكون المعلومات الواردة في هذه الصفحة قد حصلت عليها من أطراف ثالثة ولا تعكس بالضرورة وجهات نظر أو آراء KuCoin. يُقدّم هذا المحتوى لأغراض إعلامية عامة فقط ، دون أي تمثيل أو ضمان من أي نوع ، ولا يجوز تفسيره على أنه مشورة مالية أو استثمارية. لن تكون KuCoin مسؤولة عن أي أخطاء أو سهو ، أو عن أي نتائج ناتجة عن استخدام هذه المعلومات. يمكن أن تكون الاستثمارات في الأصول الرقمية محفوفة بالمخاطر. يرجى تقييم مخاطر المنتج بعناية وتحملك للمخاطر بناء على ظروفك المالية الخاصة. لمزيد من المعلومات، يرجى الرجوع إلى شروط الاستخدام واخلاء المسؤولية.