← العودة إلى المدونة
Aiحوالي 1 دقيقة قراءة

نموذجان مفتوحان للفيديو فقدا بعض الوزن هذا الأسبوع. ولم ينشر أي منهما العمود المهم.

نُشر في 8 نوفمبر 2026
نموذجان مفتوحان للفيديو فقدا بعض الوزن هذا الأسبوع. ولم ينشر أي منهما العمود المهم.

في 7 نوفمبر نشرت Video Rebirth نموذج HyperFlow H3 Flash وطرحته على Hacker News. وفي اليوم نفسه تقريبا، أصدرت Vimoo-AI أوزان ComfyUI الخاصة بـ Vimoo 1.0 Lite. الاثنان نموذجان مفتوحان للفيديو. والاثنان أصغر بكثير من النموذج الذي اشتقا منه. والاثنان يأتيان مع جداول سرعة.

والاثنان ينقصهما العمود نفسه.

ما الذي قطعه Video Rebirth

HyperFlow H3 Flash نسخة مضغوطة قليلة الخطوات من MiniMax-H3، النموذج المفتوح الذي يولّد الفيديو والصوت الاستريو المتزامن معا. ينخفض الـ transformer من نحو 31 مليار معامل إلى 13.7 مليار. وتجري عملية العينات في أربع أو ست أو ثماني خطوات.

سرد أحد مهندسي المشروع، الذي ينشر باسم jiant، ثلاثة تغييرات. قلّموا ثلاثة من خمسين بلوكا في النموذج. وحوّلوا 102 طبقة خطية إلى صيغة منخفضة الرتبة. وطبّقوا تكميما صحيحيا بـ 8 بتات مع تحويل Hadamard على 180 طبقة خطية.

التغيير الرابع هو المثير، لأنه ليس ضغطا على الإطلاق. أضافوا مخطط تكييف بقيمتين كي تعرف كل خطوة عينات مستوى الضجيج الحالي وأيضا النقطة التي يجب أن تنتهي إليها. هذا ما يسمح بالتشغيل في أربع إلى ثماني خطوات دون classifier-free guidance، وهو عادة ما يضاعف كلفة الاستدلال.

الأرقام كما يذكرها المؤلفون: مقطع بطول 5.2 ثانية بدقة 1344×768 في ست خطوات يستغرق 8.7 ثانية على أربع B200 GPUs، و36 ثانية على H200 واحدة، و92 ثانية على RTX 5090 واحدة. ويقال إن محرك الاستدلال SOL-H3 من NVIDIA، الذي بناه شريك، يشغله في الزمن الحقيقي على أربع GPUs من فئة Blackwell. والمخرج بين 5.2 و15 ثانية بمعدل 24 إطارا في الثانية.

لأجهزة العمل توجد إصدارات GGUF من 7.2GB عند Q3_K_M حتى 15.2GB. ويوصي ملف README بإصدار 9.1GB Q4_K_M لبطاقات 24GB، ويقول إنه يعمل على GPUs بسعة 24GB و32GB في أجهزة بذاكرة نظام 16GB. أما بطاقات 16GB فمذكورة على أنها لم تُقس بعد، وهي صراحة غير معتادة في ملف README.

كتلتان مصغرتان لنموذج فيديو على طاولة عمل، وإلى جانبهما جدول فيه عمود فارغ.

تفصيلان عمليان يخفيهما جدول السرعة. التشغيل الأول لحزمة Python ينزّل نحو 90GB، أو نحو 68GB مع text encoder بصيغة FP8. وتستغرق ترجمة الـ kernels دقيقة تقريبا. لا شيء من هذا عائق قاطع. لكن الاثنين يعنيان أن النموذج ليس من نوع البرامج التي تجربها في دقيقة.

ما الذي قطعه Vimoo

Vimoo 1.0 Lite نحو 9.5 مليار معامل في نموذج واحد يتعامل مع النص إلى فيديو والصورة إلى فيديو، إضافة إلى محول LoRA مقطّر للنموذج نفسه. ويأتي مع text encoders وvision encoder وVAE وعقد ComfyUI وقوالب سير عمل.

الرخصة هي Apache 2.0، وهذا هو الجزء الذي يهم معظم القراء أكثر من نتائج القياس. تعني Apache 2.0 استخداما تجاريا دون شرط إقليمي، ودون بند يقصر الاستخدام على البحث، ودون خطوة مراسلة المؤلفين التي تدفنها كثير من إصدارات الفيديو المفتوحة في بطاقة النموذج.

الرقم الرئيسي: عند 1280×720 و121 إطارا، يولّد النموذج المقطّر الفيديو في 9.7 ثانية. والمقارنة المطروحة هي Wan 2.2 في 490 ثانية مع تشغيل CFG.

هذه المقارنة تحمل عبئا كبيرا وتستحق تعاملا حذرا. النموذج المقطّر والنموذج الأساسي مع CFG ليسا القياس نفسه. الأول طالب دُرّب على تخطي خطوة التوجيه. والثاني أستاذ ينفذ الإجراء كاملا. مقارنتهما تخبرك أن المسار المقطّر أسرع، وهذا يعرفه الجميع. ولا تخبرك كم من الجودة خسر الطالب.

أما Vimoo 1.0 الكامل فتصميم هجين على Dual-Stream MMDiT بـ 11.7 مليار معامل، مع VAE للفيديو بضغط 4×16×16 و48 قناة كامنة، وQwen2.5-VL-7B لفهم الطلب، وGlyph-ByT5-v2 للطباعة. ويتولى Vimoo Enhancer الرفع إلى 1080p. مقطع بخمس ثوان بدقة 720p و24fps يستغرق نحو خمس ثوان، وهو ادعاء مختلف عن رقم Lite المقطّر ويستحق أن يبقى منفصلا في ذهنك.

العمود الناقص

هذا هو شكل الأسبوع. ثلاثة نماذج فيديو مفتوحة صدرت مضغوطة: HyperFlow H3 Flash وVimoo 1.0 Lite وقبلهما Pika H3 Flex. كل واحد يخبرك بالمعاملات المحذوفة والخطوات المحذوفة والثواني المقيسة والغيغابايتات المطلوبة. ولا واحد يخبرك بما حدث للمخرج.

طرح نقاش Hacker News حول HyperFlow الاعتراض مباشرة. قارنه أحد المعلّقين بالإعلان عن ملف JPEG مضغوط إلى نصف حجمه دون التحقق من شكله. وطلب آخر مقارنة وجها لوجه مع النموذج الأصلي. وأشار ثالث إلى معرض العينات في المشروع، وهو الجواب المعتاد والمشكلة المعتادة: المقاطع المنتقاة تثبت أن النموذج قادر على إخراج إطارات جيدة، لا كم مرة يفعل ذلك.

سأل معلّق ثالث كيف يقارن بنسخ FastH3 من FastVideo، التي يشغلها على بطاقة بمستوى حاسوب محمول. ولم يظهر رد من المؤلفين في الجزء العلني من النقاش.

هذه هي الفجوة المهمة لكل من يحاول أن يقرر تبني أحد هذه النماذج. تقنيات الضغط كلها معقولة. التقليم المهيكل، والتحليل إلى عوامل منخفضة الرتبة، وINT8 مع الدوران، والتقطير، والتكييف الواعي بالخطوة: لكل منها أثر كلفة معروف في نماذج الصور، حيث يمكن قياس الجودة لكل صورة بـ FID أو GenEval أو مقارنة بشرية. أما الفيديو فأصعب. الاتساق الزمني وتماسك الحركة وتزامن الصوت لا يوجد لها رقم واحد يصمد أمام الضغط.

لذلك يلجأ المجال إلى الأرقام السهلة النشر. المعاملات سهلة. الثواني سهلة. أما الجودة فهي مُراجع واختبار أعمى ونهاية أسبوع.

كيف تقرأ إصدارا كهذا

إذا كنت تقيّم أحد هذه النماذج لعمل إنتاجي فعلي، فجدول السرعة سقف لا خطة. مرّر عشرة أوامر نصية تعرفها مسبقا عبر خدمتك الحالية وعبر إصدار 9.1GB، ثم اطلب من أحدهم تقييمها من دون أن يعرف مصدرها. يستغرق ذلك بعد ظهر ويخرج بالعمود الذي تركه الإصدار.

افحص الرخصتين قبل أن تنشر أي شيء تجاري. HyperFlow مشتق من MiniMax-H3، لذا يرث قيود رخصة النموذج الأساسي، ورخصة الأساس ليست Apache 2.0. أما Vimoo Lite فالحالة أبسط، لأن Apache 2.0 هي Apache 2.0.

وضع مساحة القرص في ميزانيتك. تنزيل أول بحجم 90GB أمر تافه على خادم ومزعج على حاسوب محمول، وهو من التفاصيل التي تحوّل تقييما من خمس دقائق إلى ساعتين.

سباق الضغط حقيقي ومفيد. نموذج فيديو يعمل على بطاقة واحدة بسعة 24GB منتج مختلف عن نموذج يحتاج عقدة كاملة. لكن السباق يُحتسب على الأجزاء الرخيصة القياس، والجزء الذي يحدد إن كان بوسعك استخدامه هو ما لم يضعه أحد في الجدول.

قِس أرقامك أنت. فهذا الجدول الوحيد الذي يصدق في النهاية مع أوامرك.

مقالات ذات صلة

جدول نقرات يديره المجتمع يطفئ الإعلانات داخل بناءات أندرويد الصينية

لا يمس النظام، ولا يفتح القفل، ولا يكتب أي شيء على الجهاز. يقلب فقط المفاتيح التي عرضتها الشركات أصلاً. الثمن قائمة يجب أن يظل أحدهم يكتبها.

GPT Image 2.6 أبقى على سعر الرموز ورفع الفاتورة

أبقى GPT Image 2.6 على كل أسعار الرموز كما كانت في 2.5، ومع ذلك صارت الصورة الواحدة أكثر كلفة، لأن جزءاً أكبر من العمل يجري الآن في رموز الإخراج. بعد أحد عشر يوماً من الإطلاق، تقول بنية التسعير أكثر مما تقوله لوحة الصدارة.

أحدهم أعاد بناء IDM من الخارج وكتب ما لم يمسّه

إعادة تنفيذ بلغة Rust لبرنامج Internet Download Manager تزعم سرعة أكبر بخمسة أضعاف ودعماً لـ 86 لغة. والوثيقة الأكثر إثارة للاهتمام هي الفقرة التي تشرح كيف بُني المشروع دون نسخ أي شيء.

Rune إطار عمل UI بلغة Rust صُمم كي يستطيع الوكيل التحقق من عمله

يرسم Rune بلا واجهة، ويفرّغ شجرة عناصره، ويقبل إدخالًا مكتوبًا، ما يمنح وكيل البرمجة إشارة قابلة للمقارنة لا تقدمها لقطة الشاشة أبدًا. الإطار في مرحلة ما قبل الإصدار ولا يستقبل pull requests.