← العودة إلى المدونة
Aiحوالي 1 دقيقة قراءة

120 تطبيقا، مجلد واحد لكل تطبيق، وأرقام GPU التي لا ينشرها أحد

نُشر في 13 نوفمبر 2026
120 تطبيقا، مجلد واحد لكل تطبيق، وأرقام GPU التي لا ينشرها أحد

يصف Freefield نفسه في سطر واحد: نسخة مفتوحة المصدر من Higgsfield تعمل على ComfyUI، كل تطبيق فيها مجلد واحد وكل نموذج فيها بأوزان مفتوحة.

هذه الجملة تحمل عبئا كبيرا، والمستودع يتحملها بأقل طريقة لافتة ممكنة. فيه جدول بـ 120 تطبيقا. كل تطبيق مجلد يحوي بيان `app.json`. واجهة الويب والمشغل وتنزيلات النماذج وخريطة ذاكرة VRAM والاختبارات كلها مولدة من تلك البيانات. غيّر البيان، يتغير معه النموذج في المتصفح.

ما في الصندوق فعلا

القوائم تحاكي تخطيط منتج تجاري، وهذا هو مقصد التمرين. استوديوهات للصورة والفيديو والمؤثرات والصوت، وقائمة الفيديو وحدها تضم 46 تطبيقا موزعة على Create و Edit و Motion control و Templates.

من بين 120 تطبيقا، 119 موسومة بأنها جاهزة. تسعة وثلاثون تشغل مسار عمل خاصا بها. خمسة تطبيقات IC-LoRA تغطي تبديل الشخصيات بأسلوب Genjutsu وإعادة التأطير والتحويل من SDR إلى HDR والوسائط المختلطة والدبلجة. واحد تطبيق تحويل شكلي. اثنان وسبعون تطبيق قالب، حيث يُمرر نص ثابت عبر مسار موجود، مولدة بسكربت لا مبنية باليد. اثنان تطبيقا اختبار دخان بلا نموذج، لأجل CI. وواحد، `moss-image`، ما زال مسودة.

هذا التفصيل أهم من الرقم في العنوان. مستودع يقول 120 تطبيقا ويعني 72 إعدادا مسبقا للنصوص هو مستودع صادق بشأن معنى الإعداد المسبق.

الجزء الذي يغيّر طريقة قراءتك لكل مشروع آخر

كل مثال في واجهة الويب هو تشغيل حقيقي على GPU، والمستودع ينشر سجل التشغيل. ثمانية وأربعون تشغيلا مخبريا على Modal بين 20 و26 أكتوبر، على عتاد L40S و H100. من 733 حالة، عادت 710 بحالة ok.

أي 96.9%، والثلاث والعشرون التي لم تنجح مذكورة في القائمة لا محذوفة.

أزمنة المسار الكامل تنشر بالطريقة نفسها. في 23 أكتوبر، انطلاقا من المتصفح عبر واجهة الويب والخادم وبوابة على Modal ثم ComfyUI على H100: استغرق تطبيق `morph` 160.8 ثانية من ضغطة الزر إلى الفيديو النهائي، منها 128.7 ثانية على GPU. واستغرق `mixed-media` 149 ثانية. واستغرق `dub` 72 ثانية. وبعد يوم، أمضى `face-swap` 25.2 ثانية على GPU.

ذروة VRAM مذكورة لكل تطبيق، مع البطاقة التي عمل عليها. يحتاج `cinema-video` إلى 44.3 GB على L40S. ويحتاج `h3-video` إلى 27.1 GB وحده لمشفّر النص. أما `reshoot`، الذي يعيد تصيير مقطع من زاوية جديدة باستخدام MiniMax H3 مع MoGe و CrossView، فيبلغ ذروة 44.2 GB على بطاقة سعة 48 GB.

من حاول يوما تقدير حجم استئجار GPU من ملف README يعرف لماذا هذا غير مألوف. معظم المشاريع تخبرك بالنموذج. وقليل جدا منها يخبرك بذروة ذاكرة المسار المحيط بالنموذج، وهذا هو الرقم الذي يحدد فعلا إن كانت بطاقتك تكفي.

اثنتا عشرة بلاطة عينات مواد على حجر داكن إلى جانب ساعة توقيت بوجه فارغ

التطبيقات التي تستحق النظر أولا

يربط `cinema-video` نموذجين في مخطط واحد: صورة ثابتة من FLUX 3 Image Klein تصبح الإطار الأول لفيديو LTX-2.5 من صورة، مع حتى ثلاث حركات كاميرا تختارها من قائمة من 33 وتُكتب بالترتيب الذي اخترتها به. وتسجل ملاحظات المختبر نتيجة تستحق النقل: حركة كاميرا واحدة تصمد، أما ترتيب حركتين فينهار. هذا النوع من التفاصيل لا يظهر إلا بتشغيل الشيء نفسه.

يشغل `h3-video` و `h3-photo` نموذج MiniMax H3 بدقة int8 من قوالب Comfy، من نص أو صورة إلى مقطع فيه كلام ومؤثرات وموسيقى، 20 خطوة، بلا turbo LoRA. ويأخذ `extend-video` الإطار الأخير من مقطع موجود ويكمله بصوته الخاص. ويغيّر `reshoot` زاوية الكاميرا في لقطة منتهية ويسد الفجوات التي تتركها إعادة الإسقاط.

أما جانب الصور فهو رف من النماذج المفتوحة الحالية: FLUX 3 Klein مع مضاعف الدقة وبدونه، و Z-Image Turbo، و Krea 2 Turbo، و MOSS-Image. يعرض المستودع ستة نصوص متطابقة تمر عبر كل منها، مع ثواني GPU وذروة VRAM مطبوعة تحت كل إطار، ومع ملاحظة أن الصورة الواحدة تكلف نحو $0.007 بسعر Modal الأساسي $1.95 في الساعة.

التثبيت

مساران، وكلاهما موثق.

مع Modal: تحتاج Node 22.6+ و Python 3.10+ وحساب Modal. شغّل أولا `python tools/doctor.py`، وهو يبلغك بما ينقص، وهل سجلت الدخول إلى Modal، وهل توجد المفاتيح السرية، وأي رخص Hugging Face المقيدة لم تقبلها بعد. ثم `python tools/setup_token.py` لصنع رمز البوابة، و`modal secret create huggingface HF_TOKEN=...`، و`python tools/catalog.py packs` لبناء حزم التنزيل، و`modal run infra/modal_app.py::download --pack image` لسحب الأوزان، و`modal deploy infra/modal_app.py` للنشر، و`npm install && npm run serve` لإقلاع الواجهة على المنفذ 3000.

بدون Modal: يثبت `python tools/local_backend.py setup ~/freefield-comfy` نسخة ComfyUI عند commit محدد مع عقد مخصصة محددة، إضافة إلى وسيط لواجهة Comfy وبوابة الرمز. بعدها تنزل الحزم محليا وتشغل الخادم الخلفي وتقلع تطبيق الويب نفسه. وجدول التطبيقات فيه عمود لما يتسع على بطاقة سعة 24 GB.

يمكنك أيضا تشغيل تطبيق من الطرفية دون متصفح، باستدعاء تطبيق create-image بنص مثل `a red bicycle against a white wall`.

حيث تظهر الخيوط

الاعتماد على Modal حقيقي في كل عمل ثقيل. عدة تطبيقات تكتب "needs Modal" بجانب رقم VRAM، وهي طريقة مهذبة لقول إن المسار لن يتسع على بطاقة استهلاكية. إن كانت خطتك بطاقة 4090 محلية، اقرأ عمود 24 GB بتمعن قبل أن تبدأ تنزيل الأوزان.

رمز البوابة وسلوك التفريغ لكل تطبيق موجودان لسبب: بين تطبيقين بنموذجين أساسيين مختلفين، تستدعي البوابة نقطة التحرير في ComfyUI كي لا يبقى شيء من التطبيق السابق في الذاكرة. هذا حل مرقع بشريط لاصق لمشكلة حقيقية، ويعني أن البدء البارد جزء من التجربة.

تطبيقات القوالب هي أضعف جزء في الكتالوج. اثنتان وسبعون مدخلة هي نص ثابت فوق مسار موجود ستبدو حشوا لكل من يفتح المجلد منتظرا كودا. الهندسة الحقيقية تسكن في الـ 39 تطبيقا التي تملك مسار عمل خاصا.

وثمة سؤال ترخيص يطرحه المستودع ولا يجيب عنه تماما. الـ LoRA الخاص بشخصية يشغل GPU عشرات الدقائق، وتصل الفاتورة إلى حساب Modal لشخص ما، والـ LoRA لوجه إنسان يجب تخزينه لكل مستخدم وبموافقة. يضع README هذا كمسألة مفتوحة. الحدس صحيح، والمسألة لم تحل.

لماذا يستحق هذا بعد ظهرك

فئة استوديوهات الذكاء الاصطناعي مزدحمة بمنتجات تخفي داخلها وبنسخ مفتوحة المصدر تعرض عليك عرضا تجريبيا وسكربت تثبيت معطلا. يقف Freefield في مكان ثالث: يكشف التمديدات، وينشر نسبة الفشل، ويطبع الفاتورة بجانب الناتج.

هذا المزيج يجعله مفيدا حتى لو لم تشغله أبدا. خريطة VRAM وحدها وثيقة مرجعية لمن يخطط لمسار وسائط مستضاف ذاتيا، وأزمنة كل تطبيق وذاكرته هي بالضبط البيانات التي يبقيها معظم الموردين خاصة لأن نشرها يجعل تسويقهم أسوأ.

صياغة المختبر نفسه اختبار جيد يمكن تطبيقه في أماكن أخرى. كل مثال هو تشغيل حقيقي. وإن لم يستطع مشروع أن يقول ذلك، فاسأل ما هي الأمثلة إذن.

مقالات ذات صلة

خادم واحد ومذيعة ذكاء اصطناعي واحدة: داخل الكود الذي يُشغّل بثًا ليليًا

open-yoki هو الكود الإنتاجي لمذيعة ذكاء اصطناعي تبث كل ليلة على Binance Square، بعد نزع الشخصية والصوت وكل ما يمس المال. متصفح Chrome يرسم الإطار، وffmpeg يدفع RTMP، ومجلد Markdown يحدد مزاجها وما تنشره.

Pinky يدع الـ agent يقود هاتفك، ويُبقي زر الإرسال مضغوطًا حتى تنقر على «السماح»

يوصّل Pinky أي agent يعمل بـ MCP بهاتف iPhone أو Android حقيقي، ويفرض الموافقة في بوابته هو لا في prompt. تطبيقات البنوك غير مرئية، وحقول كلمة المرور ممنوعة، وعلى Android 13 يحصل الـ agent على شاشة ثانية مخفية.

SeedRealtime من ByteDance يلتقط إطارين في الثانية ويقرر بنفسه متى يتكلم

يجمع Doubao-Seed-Realtime-1.0 إطارات الكاميرا وإطارات الشاشة والصوت في جلسة واحدة ثنائية الاتجاه، بإطارين في الثانية كحد أقصى. القرارات المثيرة هي معدل الإطارات، والكلام التلقائي، وردّ التدقيق الذي يأتي مفعّلاً من المصنع.

أحدهم وضع قوانين العالم في git، فصار بالإمكان عمل blame لمادة قانونية

يحفظ global-law نصوص القوانين في كل بلد داخل مستودع git يمثّل فيه كل commit قانونًا يدخل حيّز التنفيذ في تاريخ معروف. يمكنك تشغيل log وblame وshow وdiff على مادة ما، والسؤال عمّا كان ساريًا في كل بلد في يوم معيّن، وتسليم المدوّنة كاملة إلى مساعد عبر MCP.