SenseTime تريد تسليم الصور، لا إعادة رميها

اسأل أي شخص يستخدم نماذج الصور في العمل عن شكل المهمة حقًا، وستسمع عن نفس الاحتكاك. تحصل على صورة تعجبك. ثم يطلب منك أحدهم تغيير كلمة واحدة فيها، فتبدأ من جديد. بعد عشر محاولات، تحصل على نتيجة أسوأ من التي كانت لديك، ويكون الملف الذي أنجزته قبل عشرين دقيقة قد ضاع.

أطلقت SenseTime نموذجها الإنتاجي SenseNova U1 Pro على تطبيق Raccoon وواجهة SenseNova API في 21 سبتمبر، والطرح موجّه مباشرة إلى هذا الاحتكاك. وتصفه الشركة بأنه وكيل متعدد الوسائط بمستوى التسليم، وليس نموذج صور. والتمييز الذي ترسمه هو بين توليد صورة وإنجاز مهمة.

من إعادة الرمي إلى التسليم

سير العمل الذي يصفه U1 Pro أطول من مجرد موجّه. يبدأ بفهم الطلب، ثم يبحث عن المعلومات الناقصة ويكملها، ويعالج المواد المتوفرة لديه، ويولّد ويحرّر، ويفحص مخرجاته بنفسه، ويصلح ما يجده، ويتحقق من النتيجة قبل تسليمها. والادعاء هو أن الفحص والتصحيح يحدثان قبل التسليم، لا بعد أن تلاحظ أن هناك خطأ.

هذه فئة منتج مختلفة عن واجهة تحويل النص إلى صورة. فنموذج تحويل النص إلى صورة يجيب عن موجّه ثم يتوقف. أما U1 Pro فيحاول الإجابة عن موجز، وهو أمر أكثر فوضوية. فالموجز عادةً ما يتضمن مجموعة مخرجات مترابطة، مثل ملصق بالإضافة إلى لافتة مطابقة بالإضافة إلى نسخة لشاشة عمودية، ويأتي عادةً بمتطلبات بشأن نص يجب أن يظهر تمامًا كما كُتب.

ويتبع النهج التقني للنموذج ذلك. تصف SenseTime سلسلة تفكير متشابكة من النص والصورة، تتعاقب فيها خطوات الاستدلال وتشكيل الصورة بدل أن تعمل كمراحل منفصلة. ومن المفترض أن يبقى التسلسل الهرمي للتخطيط وتنسيب الخطوط والعناصر الرسومية متناسقًا طوال التوليد بدل تصحيحه لاحقًا. وتذكر SenseTime أيضًا دقة مخرجات تصل إلى 8K مع نسب أبعاد مخصصة، موجّهة إلى الأعمال كبيرة الحجم بدل القوالب المربعة لوسائل التواصل.

أعمال الاستخدام المستهدفة هي الإنفوجرافيك والملصقات والتصورات المعمارية. وتشترك هذه كلها في خاصية واحدة: أنها تحمل معلومات منظمة، وأن الخطأ في البنية أسوأ من الخطأ الطفيف في البكسلات.

الاختبار المعياري الذي تدّعيه

لدى SenseTime موقع في قائمة المتصدرين تشير إليه. على لوحة SuperCLUE Image لتحويل النص إلى صورة لشهر أغسطس 2026، يحتل SenseNova U1 Pro المركز الأول بـ 93.81، متقدمًا على GPT Image 2 بـ 93.23، مع قرب Doubao Seedream 5.0 Pro من ByteDance و Qwen Image 3.0 Pro من Alibaba خلفه. وجود نموذج صيني في الصدارة على اختبار معياري صيني نتيجة متوقعة، ومع ذلك تخبرك بشيء: الفجوة بين المختبرات الصينية والحدود الأمريكية أصبحت الآن صغيرة بما يكفي ليصبح الترتيب معتمدًا على الاختبار المعياري.

ما لم تنشره SenseTime أكثر دلالة. لا توجد بطاقة نموذج بعدد المعاملات، ولا شروط ترخيص، ولا جداول اختبارات معيارية مستقلة. وسقف 8K وادعاءات التخطيط كلها مُعلنة من الشركة إلى أن تعيد أطراف ثالثة إنتاجها. هذا ليس غير معتاد بالنسبة لنموذج مؤسسي صيني يُطلق عبر واجهة برمجية تجارية، وهو يعني أن المشتري يثق بأرقام البائع بدل اختبارها.

كما أن الواجهة البرمجية مقيّدة. فـ SenseNova U1 Pro متاح لعملاء المؤسسات كنموذج بقائمة سماح، يُطلب عبر البريد الإلكتروني بدل الخدمة الذاتية. وهكذا يصل الكثير من الذكاء الاصطناعي المؤسسي الصيني إلى السوق، وهذا يشكّل من يمكنه تقييمه. فلا يمكنك تشغيله بعد ظهر يوم جمعة وترى بنفسك.

بابان إلى النموذج نفسه

تطلق SenseTime U1 Pro عبر قناتين بطبيعتين مختلفتين جدًا. الجانب الاستهلاكي هو Raccoon، مجموعة تطبيقات المكتب التابعة لها، حيث يظهر النموذج في وضع «صورة واحدة تشرح الأمر»: الصق مستندًا أو مجموعة صور منتجات، واطلب ملصقًا أو رسمًا توضيحيًا، وستحصل على إطار مكتمل. يمكن لأي شخص تجربة ذلك اليوم.

أما الجانب المؤسسي فهو SenseNova API، وهو بقائمة سماح حصرية. تطلب الشركات الوصول عبر البريد الإلكتروني، وتقوم SenseTime بضمّها واحدًا تلو الآخر. هذا التحكّم في الوصول شائع بين بائعي الذكاء الاصطناعي المؤسسي الصينيين، وهو يشكّل من يمكنه تقييم النموذج. فلا يمكن لشركة ناشئة تشغيله يوم جمعة لترى إن كان يناسب خط أنابيب. أما عميل كبير لديه علاقة مشتريات فيمكنه ذلك، وهذا العميل هو من بُنيت SenseTime لخدمته.

يكشف هذا الانقسام ما تعتقد الشركة أن المنتج عليه. فباب المستهلك عرض توضيحي وقمع تسويقي. وباب المؤسسات هو حيث توجد الإيرادات، والاحتكاك عند ذلك الباب ميزة لا خلل: فهو يتيح لـ SenseTime التسعير حسب العميل بدل التوكن، ويُبقي النموذج بعيدًا عن أيدي أي شخص قد يختبر الادعاءات علنًا بقسوة.

لماذا يهم إعادة التأطير

الشيء المثير في U1 Pro ليس الدقة ولا الاختبار المعياري. بل الادعاء بأن وحدة المخرجات يجب أن تكون مُسلَّمًا نهائيًا بدل صورة مولّدة. وإذا صحّ هذا الادعاء، فإنه يغيّر شكل وظيفة المصمم.

اليوم، جزء كبير من استخدام نموذج الصور جيدًا هو معرفة كيف تعيد الرمي. فأنت تتعلم أي الموجّهات تنتج مخرجات قابلة للاستخدام، وكيف تصيغ تعديلًا حتى لا يخرّب النموذج بقية الصورة، ومتى تستسلم وتصلحها يدويًا. هذه المهارة حقيقية، وهي أيضًا حلّ ترقيعي. فهي موجودة لأن النماذج سيئة في إنجاز الأمور.

إن نموذجًا يفحص أعماله ويصحّحها بنفسه سينقل هذه المهارة من الإنسان إلى الآلة. وستتحوّل وظيفة المصمم نحو تحديد ما يجب أن يكون صحيحًا في المُسلَّم النهائي، بدل توجيه عملية توليد نحو حالة قابلة للاستخدام. وهذا تغيير أكبر من قفزة في اختبار معياري، وهو الاتجاه الذي تدفع إليه عدة مختبرات في وقت واحد. وقد دمج Qwen-Image-2.1 من علي بابا التوليد والتحرير والمخرجات الشفافة في نموذج واحد للسبب نفسه. كما يقسم Ming-Image-Layer من Ant التصميم النهائي إلى قطع قابلة للتحرير للسبب نفسه.

لم تعد المنافسة في توليد الصور حول أي نموذج يرسم أجمل صورة. بل حول أيها يترك أقل قدر من التنظيف للشخص الذي عليه تسليمها.

ما يجب التحقق منه قبل الوثوق به

إذا كنت تقيّم U1 Pro، فهناك ثلاثة أمور تهم. ما إذا كانت مخرجات 8K تبقى متماسكة بالحجم الكامل، لأن اللوحة الكبيرة هي حيث ينكسر النص والتخطيط عادةً. وما إذا كان النموذج يتعامل مع النص باللغات التي تنشر بها فعليًا، لأن الإنفوجرافيك لا يكون أفضل من أصغر سطر مقروء فيه. وما إذا كانت حلقة الفحص الذاتي تلتقط أخطاء حقيقية أم تتغاضى عنها فحسب، وهذا لا يمكن معرفته إلا بتغذيته بموجزات تحتوي تفاصيل خاطئة معروفة ورؤية ما إذا كان يشير إليها.

تلك هي الأسئلة التي لا يستطيع اختبار معياري من البائع الإجابة عنها. وهي أيضًا الأسئلة التي تحدد ما إذا كان النموذج يدخل خط أنابيب إنتاجي أم يبقى في مجلد العروض التوضيحية.