FLUX 3 Image يحوّل توليد الصور إلى ملف تخطيط

أطلقت Black Forest Labs نموذج FLUX 3 Image في 1 أكتوبر، وركّزت معظم التغطيات على الدقة: إخراج أصلي يصل إلى 4K، بنحو 16.8 ميغابكسل، دون أي مُكبّر في المسار. هذا ترقية حقيقية. لكنه أيضًا أقل ما يثير الاهتمام في هذا الإصدار.

الجزء الذي يستحق قراءة الوثائق من أجله هو صيغة الإدخال. لا يريد FLUX 3 Image فقرة وأمنية. إنه يريد جدولًا.

كل عنصر يحصل على عنوان

طلب التوليد عبارة عن مصفوفة JSON من العناصر. يحمل كل عنصر مُعرّفًا فريدًا، ومربع إحاطة مكتوبًا بالشكل `[y_min, x_min, y_max, x_max]` على شبكة مُطبّعة من 0 إلى 1000، ووصفًا باللغة الطبيعية لما ينبغي أن يكون هناك. تمتد كتلة الخلفية على كامل اللوحة. ويقع المنتج عند `[400, 200, 950, 800]`. ويعيش الشعار في الزاوية العلوية اليسرى. لا يزال موجّه المشهد موجودًا، لكنه الآن أحد عدة مُدخلات وليس الموجز بأكمله.

الشبكة مستقلة عن الدقة. ملف JSON التخطيطي نفسه يُنتج التركيب نفسه عند عرض 768 بكسل أو عند 4K الأصلي، ما يعني أن التخطيط الذي اختبرته على مسودة رخيصة هو التخطيط الذي ستحصل عليه في النتيجة النهائية المكلفة.

قد يبدو ذلك ميزة للراحة. لكنه عمليًا يغيّر من يمكنه استدعاء النموذج. صمّمت BFL جدول العناصر بحيث يستطيع نموذج لغوي كتابته انطلاقًا من موجز من سطر واحد ونسبة أبعاد مستهدفة. لا يضطر الوكيل إلى ترجمة النية إلى نص نثري وانتظار الأفضل. يمكنه تخطيط الصورة بالطريقة التي يخطّط بها جدول بيانات، وتبقى مُعرّفات العناصر كمقابض يمكنه الرجوع إليها في الجولات اللاحقة.

وهناك نتيجة أرخص أيضًا. لأن الشبكة مستقلة عن الدقة، يمكن التحقق من صحة التخطيط عند 768 بكسل بجزء بسيط من التكلفة ثم عرضه بدقة 4K مع بقاء التركيب سليمًا. يتوقف التكرار والتسليم النهائي عن التنازع على الميزانية، وهذا مهم لأي شخص ينتج عشرات الصور وفق القالب نفسه.

تثبيت البكسلات ومشكلة الانحراف

يتبع التحرير المنطق نفسه. تحدد مربع إحاطة المصدر ومربع إحاطة الهدف، وتختار العنصر المراد نقله أو استبداله أو إزالته، ومن المفترض أن تبقى البكسلات خارج تلك المنطقة في مكانها تمامًا. وتضع قياسات BFL نفسها المناطق غير الملموسة عند دقة تطابق بتّي بنسبة 67.8 إلى 89.7 في المئة، وهو نطاق يعتمد على مدى تعقيد التحرير.

الجزء الصادق هو الصياغة. يَعِد العرض التوضيحي للإطلاق بتحريرات «دون تغيير أي بكسل آخر». لكن وثائق API تقول إن البكسلات غير الملموسة «عمومًا» تبقى دون تغيير، وتقرّ BFL بأن التحريرات قد تمتد خارج المربع المحدد. التشوهات عند الحدود حقيقية. وأي فريق يُدخل هذا في مسار إنتاجي ينبغي أن يبني اختبار قبول بدلًا من الوثوق بالعرض التوضيحي.

ومع ذلك، فالمقارنة مع الترقيع التقليدي ليست متقاربة. يترك الترقيع التقليدي انحرافًا خفيًا حتى في المناطق التي طُلب منه تركها. خلال تحرير واحد، لا يلاحظ أحد. لكن خلال دورة موافقات من عشر خطوات، تكون الخلفية قد تحوّلت، والخطوط قد خفت حدّتها، ولم يعد التركيب مطابقًا لما وافق عليه العميل قبل ثلاث جولات. هذا التراكم هو ما يجعل سلاسل التحرير الطويلة غير قابلة للاستخدام، وهو تحديدًا ما يُفترض أن توقفه مربعات الإحاطة.

ما وجده المبدعون فعليًا

نشر أحد المبدعين مقارنة مفيدة بعد تنفيذ تعليمات التحرير نفسها على Midjourney وIdeogram 4.5 وFLUX 3 Image. في اختبار طلب إعادة تلوين قطعة ملابس إلى حرير وردي مع أزهار بيضاء وفيونكة بلون أصفر كاسترد، ثم طلب لقطات مقرّبة للوجه واليدين، تعامل Midjourney مع اللقطات المقرّبة لكنه أخطأ الأزهار البيضاء والدرجة الدقيقة. طابق Ideogram 4.5 تغييرات الملابس، إلا أن الإضاءة في اللقطات المقرّبة بدت غير صحيحة. وطابق FLUX 3 Image تغييرات الملابس وأثار الإعجاب بفضل الإضاءة والسياق في اللقطات المقرّبة. وفي اختبار منفصل، أبقى تحرير عمود صغير محصورًا في العناصر المقصودة بينما وسّع الآخران التغيير أكثر.

سلسلة منشورات مبدع واحد ليست معيارًا. تعامل معها كإشارة إلى موضع قوة النموذج، والذي يبدو أنه اتباع التعليمات الدقيقة بدلًا من التنميط الفني الواسع.

ما لا تصلحه مربعات الإحاطة

الموضع والانحراف مشكلتان، وليستا كل المشكلات. يخبر المربع النموذج بمكان وضع الشيء. لكنه لا يخبره كيف ينبغي أن يبدو، ولا يمنع عنصرًا مرجعيًا من تغيير أسلوبه بعد وضعه. الفرق التي تولّد منتجًا واحدًا فوق ثلاثين خلفية مختلفة لا تزال مضطرة للحفاظ على اتساق المنتج نفسه، وهذا العمل يعيش في الصور المرجعية والموجّه، وليس في الإحداثيات.

أما عرض النصوص فهو الخيط المفتوح الآخر. صور BFL التوضيحية نفسها تأتي من موجّه نقّحه إنسان. وما إذا كان نموذج التخطيط يضع نصًا مقروءًا بشكل موثوق داخل مربع صغير، وبخط محدد، فذلك سؤال منفصل لا تجيب عنه مواد الإطلاق. وبالنسبة لأعمال تخطيط المجلات والتجارة الإلكترونية، وهي الجمهور الذي يستهدفه هذا الإصدار، فهذا هو التفصيل الذي يحسم التبني.

ولا يجعل الإدخال المنظّم النموذج أقل غموضًا فيما يخص الجماليات. يمكنك تحديد أن الشعار يوضع في الزاوية العلوية اليسرى. لكن لا يمكنك تحديد أن يبدو التركيب هادئًا.

المقايضات التي لم يضعها أحد في العنوان

تتطلب مربعات الإحاطة إعدادًا أكثر من كتابة «اجعل الخلفية زرقاء». عليك أن تعرف أين توضع الأشياء. وبالنسبة لصورة لمرة واحدة، لا تستحق تلك الكلفة الإضافية على الأرجح. أما في مسار يعيد توليد التخطيط نفسه عبر عشرين صورة منتج، أو وكيلًا عليه وضع شعار في مكان موثوق، فإنها تعود بالنفع سريعًا.

يسري سعر الإطلاق بخصم 50 بالمئة حتى 8 أكتوبر: نحو 0.0205 دولار لصورة بدقة 768 بكسل وصولًا إلى 0.3035 دولار لدقة 4K، مع تضمين المراجع والموجّهات وعدم تحصيل رسوم على التوليدات الفاشلة. الأوزان التجارية للاستضافة الذاتية متاحة بالتواصل مع BFL، ووُعد بإصدار مفتوح الأوزان في الأسابيع المقبلة.

تستحق معالجة المراجع ملاحظة خاصة. يقبل الاستدعاء الواحد حتى 10 صور مرجعية، ويمكن إخبار كل عنصر من أي مرجع يأتي وأين ينتمي. عشر مراجع وحدها ليس أمرًا غير معتاد. لكن عشر مراجع يرتبط كل منها بمربع محدد على اللوحة هو سير عمل لتجميع تركيب من أصول موجودة، وهو أقرب إلى طريقة عمل المصمم من طريقة عمل الموجّه. اجمع ذلك مع شبكة التخطيط، ويبدأ النموذج في الظهور أقل كرسّام وأكثر كمركّب له آراء.

الصورة الأكبر هي أن واجهات توليد الصور ظلت لسنوات تُحسَّن حول سؤال واحد: ما مدى جودة الصورة؟ يضيف FLUX 3 Image سؤالًا ثانيًا تهتم به الوكلاء أكثر: هل يمكنك مخاطبة جزء واحد من الصورة، وتغييره، وترك كل شيء آخر دون مساس؟ بمجرد أن تصبح الإجابة نعم، يتوقف توليد الصور عن كونه ماكينة قمار ويبدأ في التصرف كملف يمكنك تحريره.

هذا الفرق هو سبب أن المقارنة مع Midjourney وIdeogram أقل أهمية مما تبدو للوهلة الأولى. تتنافس تلك النماذج على مدى جمال صورة جديدة، وهي لا تزال جيدة جدًا في ذلك. أما BFL فتتنافس على ما إذا كان يمكن التعامل مع الصورة المولّدة كمستند بمناطق مستقرة، وذلك سباق مختلف بفائز مختلف. السباق الأول شبه محسوم، والثاني بدأ للتو، وهو تقريبًا الموضع الذي يريد أي رهان على البنية التحتية أن يكون فيه.