Ideogram 4.5 ومشكلة انحراف التعديل: لماذا لا يزال تغيير شيء واحد بهذه الصعوبة؟

اسأل أي شخص يكسب رزقه من تحرير الصور عمّا يبطئه فعلاً، ونادراً ما تكون الإجابة هي التعديل الأول. بل الرابع عشر. غيّر لون منتج مرة واحدة وستتعامل معها معظم النماذج الحالية. اطلب تعديلاً صغيراً، ثم آخر، ثم آخر، وسيبدأ شيء ما في الانحراف. تنزاح الوجوه بضعة بكسلات. وتصبح خلفية كانت حادة أكثر نعومة. ويكتسب الشعار درجة مختلفة قليلاً من الأزرق نفسه. لا يبدو أي من هذه الإخفاقات مأساوياً بمفرده. لكنها مجتمعة تعني أن الصورة التي جمعتها بعناية قبل ساعة لم تعد الصورة المعروضة على الشاشة.

أطلقت Ideogram الإصدار 4.5 من نموذجها للصور في 30 سبتمبر، والرسالة الترويجية بأكملها موجهة إلى ذلك الإخفاق تحديداً. تقول الشركة إن 4.5 يقلل من انزياحات البكسلات وتغيّرات الألوان وعيوب النسيج عبر التعديلات المتكررة، بحيث يستطيع المستخدم تنقيح الصورة خطوة بخطوة بدلاً من إعادة توليدها من الصفر بعد كل تعليمة. هذا ادعاء ضيق النطاق. وهو أيضاً الادعاء الذي يحدد ما إذا كان التحرير بالذكاء الاصطناعي لعبة أم أداة لكل من ينشر مئات صور المنتجات شهرياً.

انتقل عنق الزجاجة من الجودة إلى الاستقرار

على مدى عامين، كانت المنافسة في توليد الصور تدور حول مدى جودة إطار واحد. هذا السباق يقترب من نهايته في القمة. فـ GPT-Image 2.5 وسلسلة Nano Banana من غوغل وعدد من النماذج مفتوحة الأوزان تنتج جميعها صوراً تجتاز الفحص العابر. والسؤال المثير للاهتمام الآن هو ما يحدث في الجولة الثانية والثالثة.

أمضى محمد نوروزي، مؤسس Ideogram والرئيس التنفيذي لها، سنوات باحثاً في Google Brain يعمل على Imagen، نظام غوغل لتحويل النص إلى صورة. وقد شارك في تأسيس Ideogram عام 2022 مع مجموعة من الباحثين تمتد أعمالهم السابقة إلى نماذج الانتشار والوسائط التوليدية. دخلت الشركة السوق بفريق مبني حول أبحاث توليد الصور، وأبقت هويتها مرتبطة بعرض النصوص وحالات استخدام التصميم الجرافيكي. ويوسّع الإصدار 4.5 هذا التركيز من إنتاج صورة بنص مقروء إلى الحفاظ على تماسك صورة مركّبة عبر التغييرات.

تصف الشركة حالات الاستخدام بوضوح: إعادة تلوين منتج، تغيير الإضاءة، ترميم صورة قديمة على مراحل، ترجمة حروف منمّقة مع الحفاظ على تصميمها، تغيير قطعة أثاث في صورة غرفة دون المساس بالمعمار. هذه سيناريوهات تصفها الشركة، وليست نتائج مقاسة بشكل مستقل. ومع ذلك، فهي تشير إلى حيث يوجد الطلب التجاري فعلاً. فالإعلان والتجارة الإلكترونية لا يحتاجان إلى مسودة أولى لافتة أخرى بقدر ما يحتاجان إلى تغيير في تفصيل واحد يترك كل شيء آخر دون مساس.

ثلاث شركات، ومشكلة واحدة

ما يجعل الإطلاق مثيراً للاهتمام هو أن Ideogram ليست وحدها في السعي وراء هذا. فقد كانت أدوات الصور من OpenAI و Nano Banana من غوغل تتحسنان على المحور نفسه. وتسوّق إصدارات غوغل الأخيرة قدرتها على الحفاظ على ثبات الوجوه والأجسام عبر التعديلات. وعندما تتقارب ثلاث شركات منفصلة على الحل نفسه، فهذا يعني عادةً أن ذلك الحل كان القيد الذي يعيق السوق.

الجزء الصعب معماري. فهذه النماذج لا تحرّر صورة كما يفعل مستخدم Photoshop. التعديل التوليدي عادةً يعيد عرض منطقة ما، ولا يملك النموذج ضماناً صارماً بأن البكسلات التي لم تُمس تبقى متطابقة بايت ببايت. وتتراكم التناقضات الصغيرة. بعد مرور واحد تكون غير مرئية. وبعد اثني عشر مروراً، تصبح الفرق بين صورة كتالوج معتمدة وإعادة تصوير.

ادعاء Ideogram هو أن 4.5 يظل ثابتاً عبر ذلك التسلسل. ويعرض سلسلة العروض التوضيحية الخاصة بالشركة تعديلات جنباً إلى جنب مقابل GPT-Image 2.5 Sunburst و Nano Banana Pro و Nano Banana 2، وتقول إن مخرجات المنافسين تصبح غير قابلة للاستخدام خلال بضعة تعديلات. تلك المقارنة خاصة بـ Ideogram، دون مُقيّم مستقل ولا بروتوكول معياري ولا معدل فشل منشور. تعامل معها كبيان لتحديد الموضع لا كترتيب نهائي.

كم تبلغ التكلفة، وأين يعمل

Ideogram شركة صغيرة مقارنة بـ OpenAI وغوغل. جمعت 16.5 مليون دولار في جولة تمويل أولية عام 2023 بقيادة Andreessen Horowitz و Index Ventures، ثم 80 مليون دولار في جولة تمويل من الفئة A في فبراير 2024. هذا خطأ تقريب مقارنة بما ينفقه أي من العملاقين في سنة، وهو ما يجعل وتيرة إصداراتها المستمرة جديرة بالمتابعة بحد ذاتها.

التسعير مبني على الحجم. أربع فئات جودة تتراوح من حوالي 0.8 سنت إلى 22 سنتاً للصورة، وكلها بدقة 2K أصلية. والفارق بين الفئات مهم لأنه يتيح للفريق التعامل مع الدقة كخيار سير عمل لا كاشتراك شامل. المصمم الذي يجري تعديلاً واحداً لن يهتم كثيراً بالفروق الدقيقة في سلسلة تعديل طويلة. أما بائع التجزئة الذي ينتج آلاف نسخ المنتجات فلديه سبب أقوى بكثير لدفع ثمن النسخة التي تحافظ على العمل المحيط.

النموذج متاح في تطبيق Ideogram وواجهة API الخاصة بها، وعلى شركاء الإطلاق بمن فيهم Picsart و fal و Krea و Runway و Pika و Gamma و Luma و ComfyUI. وتضم واجهة API المعلنة نقطتي نهاية: خيار التعديل الدقيق الذي يعيد صورة بأبعاد المدخل، وخيار التوليد مع التعديل. وأحد العروض التوضيحية يعدّل صورة مصدرية بقياس 4,016 في 6,016 بكسل، وهي حالة أكثر تطلباً بكثير من التوليد المربع القياسي.

تستحق استراتيجية التوزيع الملاحظة. فبالإطلاق عبر منصات يستخدمها الناس بالفعل، تضع Ideogram الإصدار 4.5 أمام المستخدمين دون أن تطلب منهم تغيير أدواتهم. وتقول الشركة أيضاً إن إصداراً مفتوح الأوزان قادم، لكنها لم تحدد موعده. وحتى وقت الإطلاق، ما يمكن تنزيله من منظمة Ideogram على Hugging Face هو الجيل السابق. وتبقى الخطة المعلنة لفتح أوزان 4.5 وعداً لا منتجاً.

الأثر الثانوي غير المريح

هناك وجه آخر للدقة لا تركز عليه مواد الإطلاق، ويستحق فقرة خاصة به. فمع أصبح التعديلات أنظف وأصعب في الكشف، يصبح التحقق مما إذا كانت صورة قد عُدّلت أصعب أيضاً. وهذا مهم في كل مكان يُفترض أن تثبت فيه صورة أن شيئاً ما حدث: مطالبات أضرار التأمين، قوائم العقارات، تقارير حالة المنتجات، نزاعات الضمان.

القدرات نفسها التي تتيح لمرمّم إصلاح زاوية ممزقة في صورة عائلية تتيح لشخص آخر إنتاج تزييف مقنع لشحنة تالفة. Ideogram ليست مسؤولة عن كيفية استخدام الأداة، لكن دفع القطاع نحو تحرير غير مرئي وخالٍ من العيوب يرفع الحد الأدنى لما يستطيع مراقب عادي كشفه بشكل معقول. وهذه تكلفة لا تظهر في قائمة أسعار النموذج.

ما الذي يتغير فعلاً لدى فريق عامل

بالنسبة لمعظم الشركات، الأثر القريب غير لامع. فالعمل الروتيني على الصور، بما في ذلك تعديلات المنتجات واتساق الكتالوج والترميم البسيط، يصبح رخيصاً وسريعاً بما يكفي ليصير إنجازه داخلياً هو الوضع الافتراضي لا الاستثناء. فبأقل من سنت للصورة في الفئة الابتدائية، يستطيع مصوّر توليد مئات نسخ المنتجات بأقل من تكلفة ترخيص صورة مخزنة واحدة. وقد كان قطاع الصور المخزنة على الطرف المتلقي لهذه الحسابات منذ فترة.

التحول الأكثر أثراً هو ما تبيعه Ideogram فعلاً. فحين يتوقف التحرير عن إضعاف الصورة، تتوقف تكلفة سلسلة تنقيح طويلة عن كونها "البدء من جديد"، ويتغيّر الحساب كله حول متى تُسلَّم العمل لمُرمّم بشري. يستطيع الفريق أن يتدرّج نحو نتيجة بدلاً من المراهنة على توجيه نصي.

وهل يصمد ذلك على الأصول الحقيقية هو السؤال المفتوح. فالعروض التوضيحية للشركات تختار أمثلة مواتية، ولم ينشر أحد معدل الفشل عبر تسلسلات التعديل الطويلة. والموقف الصادق أن Ideogram 4.5 عرض موثوق للاستحواذ على أقل المشكلات بريقاً وأكثرها أهمية تجارياً في توليد الصور، وأن الدليل عليه، في الوقت الحالي، هو دليل الشركة نفسها. وسيقرر المشترون بتجربة صورهم الخاصة عليه وإحصاء كم منها ينجو من التعديل العاشر.