FLUX 3 Max ينتج 10 ثوانٍ من الفيديو في 11 ثانية. وعلى رقم الأداء نجمة

في 19 أكتوبر، أعلنت fal عن نموذج فيديو باسم FLUX 3 Max، وبدأت برقم يسهل إساءة قراءته: 10.95 ثانية لتوليد مقطع من 10 ثوانٍ. هذا ليس نتيجة اختبار أداء، بل زمن الساعة الفعلي، وهو يقارب طول المقطع نفسه.

المقارنة التي وضعتها fal بجانبه هي الجزء المثير. في المستوى نفسه من الجودة، يحتاج Seedance 2.5 إلى 277.80 ثانية لإنتاج 10 ثوانٍ من الفيديو. المستوى نفسه، وانتظار أطول بـ 22 مرة. ومقارنةً بـ FLUX 3 الأصلي، تقول fal إن جودة الصورة-إلى-فيديو انتقلت من 1089 إلى 1139 إيلو، بينما انخفض زمن الاستجابة من 126.44 ثانية إلى 10.95، أي أسرع بنحو 11.5 مرة.

إذا صمدت هذه الأرقام في الاستخدام العادي، فإنها تغيّر طريقة عمل الناس أكثر مما تفعل قفزة في الجودة. انتظار أربع دقائق قرار. انتظار إحدى عشرة ثانية تمريرة إصبع.

ما هو FLUX 3 Max فعلاً

إنه ليس نموذجاً أساسياً جديداً. Black Forest Labs صنعت FLUX 3، وfal Research أجرت تدريباً لاحقاً عليه: تعلّم معزز، وعمل على الالتزام بالتوجيه، وتحسين الاستدلال، موجّهة إلى دقة الصورة وتماسك الحركة واتباع التوجيه. يعمل على منصة الاستدلال الخاصة بـ fal ويدعم النص-إلى-فيديو والصورة-إلى-فيديو والإطار المفتاحي-إلى-فيديو.

وصف Robin Rombach، الرئيس التنفيذي لـ Black Forest Labs، نموذج FLUX 3 كأساس سيبني عليه آخرون. أما Burkay Gur، الرئيس التنفيذي لـ fal، فشدّد على الأنظمة: رأى أن أحد أهم المكاسب المتبقية في الذكاء الاصطناعي التوليدي هو تحسين النموذج جنباً إلى جنب مع النظام الذي يشغّله. وهذا وصف منصف لما هو هذا الإصدار. معظم السرعة جاءت من جهة الخدمة، لا من نموذج أكبر.

النجمة على رقم 1139

رقم الإيلو يأتي من ساحة الفيديو في Artificial Analysis، حيث يختار البشر بين المخرجات. تعلن fal عن 1139 للصورة-إلى-فيديو، وتقول إن ذلك يضع النموذج في الطبقة الأولى. وتقول أيضاً إن النتيجة من تقييم أولي شمل 4,868 صوتاً، وإن فاصل الثقة لا يزال متداخلاً مع النموذج الأعلى تسجيلاً. صياغة fal نفسها تقول إنه في الطبقة الأولى، لا إنه وحده في القمة.

هذا التمييز يستحق التمسك به، لأن ادعاء سرعة بـ 22 ضعفاً بجانب ادعاء جودة من الطبقة الأولى يُقرأ كفوز نظيف، والادعاء الفعلي أضيق: عند جودة محكّمة متقاربة، هو أسرع بكثير. أما إن كانت الجودة أفضل قليلاً أو أسوأ قليلاً من المتصدر، فذلك لا يزال داخل حدود الخطأ.

وهناك أيضاً الفجوة المعتادة بين أصوات الساحة والعمل الإنتاجي. توجيهات الساحة قصيرة ومكتفية بذاتها. أما الأعمال الحقيقية فتشمل صورة مرجعية لشخص محدد، ومنتج محدد، ومكان محدد، وعميلاً سيلاحظ إن تغيّر شكل الشعار بين الإطار والإطار.

لماذا زمن الاستجابة هو المنتج

أمضى توليد الفيديو عامين في المنافسة على طول المقطع ودقته. ثلاثون ثانية، 4K، صوت أصلي، اتساق بين عدة أشخاص. هذه هي الأرقام على أوراق المواصفات، وبحلول أكتوبر كانت قد تقاربت: Kling 4.0 وSeedance 2.5 وWan 3.0 تعلن جميعها ما يصل إلى 30 ثانية في تمريرة واحدة.

السرعة رقم من نوع مختلف، لأنها تغيّر عدد المحاولات التي يستطيع المرء تحمّلها. رسّام لوحات القصة الذي ينتظر أربع دقائق لكل لقطة يجرّب ثلاث نسخ ويختار الأفضل من ثلاث. الرسام نفسه بانتظار إحدى عشرة ثانية يجرّب ثلاثين ويختار الأفضل من ثلاثين. لم يتغيّر شيء في سقف النموذج. ما تغيّر هو الحد الأدنى لما يُشحن.

ولهذا أيضاً يهمّ السعر. خفّضت fal السعر 75% خلال الأسابيع الثلاثة الأولى. هذا عرض إطلاق، لا هيكل تكلفة، وعلى من يبني ميزانية حوله أن يحسب النموذج بالسعر غير المخفّض. ثلاثة أسابيع مدة كافية لبناء عرض تجريبي، وقصيرة بما يكفي لتُنسى بحلول وصول الفاتورة.

ما يجب فحصه قبل التحويل

ثلاثة أشياء، بالترتيب.

أولاً، شغّل مشاهدك الخاصة عليه. إيلو الساحة يخبرك كيف رتّب جمهور مقاطع قصيرة لا مصلحة له فيها. لا يخبرك إن كانت عبوات منتجك تُرسم بشكل صحيح، أو إن كان وجه يصمد حين تتحرك الكاميرا. أقوى ميزة موثّقة لدى fal هي الصورة-إلى-فيديو، وهي أيضاً الوضع الذي يستخدمه معظم العمل التجاري. أما النص-إلى-فيديو الخالص فهو الوضع الذي يحتاج اختباره الخاص.

ثانياً، افحص ما يحدث عند إعادة المحاولة. التوليد الأول السريع نصف الحلقة فقط. إذا أزاحت إعادة التوليد التركيب كله، تحوّلت الثواني الإحدى عشرة الموفرة إلى دقيقة من إعادة كتابة التوجيه.

ثالثاً، اقرأ لغة خريطة الطريق بعناية. تقول fal إن هذه أول نسخة من FLUX 3 Max وإن مزيداً من التدريب اللاحق قادم. هذا طبيعي لنموذج مدرَّب لاحقاً، ويعني أيضاً أن ما تختبره اليوم ليس ما ستشغّله بعد ستة أسابيع. ثبّت نسخة إن كنت ستضعه في خط إنتاج.

وضع الإطار المفتاحي يستحق اختباره الخاص، لأنه الأقل نقاشاً وربما الأكثر نفعاً في الإنتاج. الإطار المفتاحي-إلى-فيديو يعني أنك تزوّد النموذج بالإطار الأول والأخير فيملأ الفاصل. هذا يحوّل مشكلة توليد إلى مشكلة استيفاء، وهي أسهل بكثير في الضبط حين يكون العميل قد وافق بالفعل على تركيبين محددين. إن صمد وضع الإطار المفتاحي، يصبح سير العمل: ولّد صوراً ثابتة بنموذج صور، واحصل على الموافقة، ثم حرّك بين الإطارات المعتمدة. هكذا تعمل الوكالات أصلاً مع لوحات القصة، وهو يتوافق مع سلسلة الموافقات القائمة بدل تجاوزها.

الجزء الذي نال اهتماماً أقل

التفصيل الأكثر أثراً هو ما يقوله هذا الإصدار عن مصدر الجودة الآن. FLUX 3 Max ليس نموذجاً أكبر من FLUX 3. إنه الأساس نفسه، مدرَّباً ومخدوماً بشكل أفضل من شركة عملها الاستدلال.

هذا النمط يظهر في كل مكان هذا الشهر. نموذج VideoGen ذو العشر دقائق هو، بحسب قراءة طرف ثالث لورقته البيضاء، نسخة مدرَّبة لاحقاً من نموذج أساس قائم وملفوفة في خط تخطيط. وCreatify أجرت تدريباً لاحقاً على MiniMax H3 للإعلانات. النموذج الأساسي يتحول إلى مدخل سلعي، والتمايز ينتقل إلى التدريب اللاحق والتنسيق وتكلفة الخدمة.

بالنسبة للمشترين، هذه أخبار جيدة في معظمها. تعني أن السقف الذي يضعه أي مختبر منفرد صار أقل أهمية، وأن السؤال العملي صار أي نسخة مستضافة من أي نموذج أساس تناسب عملك بسعر يمكنك الدفاع عنه. وبالنسبة للمختبرات، تعني أن الخندق أضيق مما توحي به أعداد المعاملات.

FLUX 3 Max يستحق التجربة هذا الأسبوع تحديداً لأنه رخيص الاختبار. إحدى عشرة ثانية لكل محاولة تكلفة منخفضة بما يكفي لمعرفة إن كان يعمل على مشاهدك، بدل قراءة جدول ساحة آخر والتخمين.