Wan 3.0 يتصدر قائمة صدارة الفيديو. قصة الأوزان المفتوحة أصبحت الآن قصة فيديو.

خلال معظم طفرة الذكاء الاصطناعي التوليدي، كانت محادثة الأوزان المفتوحة مقتصرة على الصور. أثبت Stable Diffusion أنه يمكنك تشغيل نموذج حقيقي على وحدة معالجة الرسوميات الخاصة بك، ونمت حوله منظومة كاملة من LoRAs وControlNets. أما الفيديو فكان مختلفاً. بقيت أفضل نماذج الفيديو حبيسة واجهات API، وكان مصطلح «الفيديو مفتوح المصدر» يعني نماذج صغيرة متأخرة عن الرواد المغلقة.

تغيّر ذلك هذا الشهر. تصدّر Wan 3.0، نموذج الفيديو من علي بابا، قائمة معيار AA-Video-T2V v2.0 من الجيل التالي لدى Artificial Analysis، المبني على أكثر من 68,000 صوت تفضيل بشري عبر نحو ألف موجّه. سجّل Wan 3.0 تصنيف Elo بلغ 1157 وفاز بالمركز الأول في 10 من 20 تصنيفاً فئوياً. كما وضعته القائمة نفسها أولاً في تحرير الفيديو أيضاً، متقدماً على Seedance من ByteDance وH3 من MiniMax.

لا تكمن الأهمية في رقم واحد بقدر ما تكمن فيما يمثله. فالنموذج الصيني مفتوح الأوزان أصبح الآن منافساً لـ Veo 3.1 من Google وبقية النماذج المغلقة، بل متقدماً عليها في عدة تصنيفات. ويحكي التسعير القصة نفسها. يعمل Wan 3.0 بتكلفة تتراوح بين 0.05 و0.20 دولار في الثانية حسب الدقة، مقابل 0.40 دولار لـ Veo 3.1 في الفئة القياسية. جمعت علي بابا 10 مليارات دولار في طرح أسهم في هونغ كونغ لتمويل هذا الدفع تحديداً، والاستراتيجية واضحة: بِع بسعر رخيص، واكسب حصة سوقية، واجعل عميل المؤسسات محرك النمو.

من الناحية التقنية، صُمم Wan 3.0 لتحقيق الاتساق والمدخلات المنظمة. فهو يولّد مقاطع تصل إلى 30 ثانية في تمريرة واحدة، أي ضعف الحد السابق البالغ 15 ثانية، وبدقة تصل إلى 1080p مع تعبيرات دقيقة متزامنة وصوت متعدد اللغات. والأكثر إثارة للاهتمام أنه يقبل المستندات وملفات PDF وعروض PowerPoint وجداول البيانات كمدخلات، محوّلاً عرضاً تقديمياً أو تقريراً إلى فيديو. هذا التوجه من المستند إلى الفيديو يستهدف مباشرة سير عمل المؤسسات، وليس المبدعين الأفراد فقط.

تستحق ميزة التحويل من المستند إلى الفيديو اهتماماً أكبر مما تحظى به. فمعظم نماذج الفيديو تريد موجّهاً نصياً أو صورة. أما Wan 3.0 فيريد أصولك الموجودة، العرض الذي أنشأته بالفعل، والتقرير الذي كتبته بالفعل، ويتعامل معها كمصدر للحقيقة. وبالنسبة لشركة تعيش على المستندات، فإن ذلك يقلل الاحتكاك في الانتقال من «لدينا تقرير» إلى «لدينا فيديو» إلى حدٍ يكاد يكون معدوماً. إنه أول نموذج يجعل مسار مستندات المؤسسات نقطة الانطلاق، وهي خطوة ذكية بهدوء.

بالنسبة لفريق يختار مجموعة أدوات الفيديو، يعيد هذا ترتيب القرار. فالافتراض القديم القائل إن النماذج المفتوحة هي ما تلجأ إليه عندما لا تستطيع تحمّل تكلفة النماذج المغلقة أو لا تستطيع استخدامها، بدأ يضعف. يمكنك الآن استضافة نموذج يتصدر قائمة الصدارة على خوادمك، وهذا يهم في الحالات التي لا علاقة لها بالجودة وكل علاقتها بالتحكم. فالعميل الذي لا يمكن لبياناته مغادرة بنيته التحتية لا يملك خياراً متوافقاً سوى نموذج مستضاف ذاتياً، ولأول مرة لم يعد هذا الخيار تنازلاً عن جودة المخرجات.

هناك تحفظ يُتجاهل في الحماسة. فالاستضافة الذاتية ليست مجانية لمجرد أن الأوزان مجانية. أنت تدفع بوحدات معالجة الرسوميات، وبأعمال الدمج، وبالمهمة المستمرة للحفاظ على صحة المسار عند أي حجم يصل إليه عملك فعلاً. النموذج مجاني؛ أما الهندسة فليست كذلك. وبالنسبة لمعظم الفرق الصغيرة، تظل نقطة النهاية المستضافة هي الأفضل من حيث التكلفة الإجمالية حتى يبرر حجم الاستخدام شراء العتاد.

سياق المعيار مهم لقراءة الفوز بشكل صحيح. فمعيار AA-Video-T2V v2.0 هو الجيل الجديد من تقييم التفضيل البشري، وهو يحكم على كل نموذج بدقة 1080p، ما يزيل الحيلة القديمة المتمثلة في الفوز بدقة منخفضة. حلّ Wan 3.0 أولاً في عشرة من عشرين تصنيفاً فئوياً وسجّل أعلى تصنيف Elo إجمالي عند 1157. هذا ليس فوزاً متخصصاً أو تصنيفاً مواتياً؛ بل نتيجة واسعة وتنافسية ضد المجال بأكمله، بما في ذلك النماذج التي تكلف ثمانية أضعاف لكل ثانية. عندما يتفوق نموذج مفتوح يكلف 0.05 دولار في الثانية على نموذج مغلق يكلف 0.40 دولار، يصعب الجدال حول قيمة العرض.

هناك أيضاً بُعد سياسي يصعب تجاهله. فقد أصبح سباق فيديو الذكاء الاصطناعي وكيلاً لمنافسة أوسع بين مختبرات صينية وأمريكية، وتاج المعيار الذي حققه Wan 3.0 هو نوع النتائج التي تُستشهد بها في البلدين لأسباب مختلفة. في الصين هو دليل على أن المنظومة المحلية قادرة على المنافسة في الجودة، وليس السعر فقط. وفي الولايات المتحدة هو دليل على أن تكلفة الحوسبة ليست الشيء الوحيد الذي يتغير. ولا يلتقط أي من الإطارين ما يحدث بالكامل، وهو تقارب تنافسي حقيقي يفيد المستخدمين في صورة أسعار أقل ونماذج مفتوحة أكثر قدرة.

كما أن انتقال الأوزان المفتوحة إلى الفيديو له تداعيات على الجغرافيا السياسية الأوسع للذكاء الاصطناعي. لقد كانت المختبرات الصينية تكسب حرب الأسعار منذ فترة، وهي الآن تكسب في المعايير أيضاً، ما يغيّر السرد من «تقليد رخيص» إلى «منافس حقيقي». وقد تكررت هذه الديناميكية نفسها في توليد الصور مع Qwen-Image وZ-Image، وفي النماذج اللغوية مع DeepSeek وQwen. كان الفيديو آخر معقل كبير للمختبرات الغربية المغلقة، وقد أظهر Wan 3.0 للتو أن الباب مفتوح.

تاج المعيار هو العنوان الرئيسي، لكن القصة الحقيقية هي أن توليد الفيديو أصبح له الآن طريق مفتوح موثوق. ومن المرجح أن تتبع هنا الديناميكيات نفسها التي تلت Stable Diffusion: عمليات الضبط الدقيق، وعقد التحكم المجتمعية، والنشر الإقليمي، وذيل طويل من حالات الاستخدام التي لم يكلف موردو واجهات API أنفسهم عناء خدمتها. أصبحت النماذج المفتوحة المضبوطة ضبطاً دقيقاً هي الطريقة القياسية بالفعل للإمساك بشخصية أو نمط معين في العمل على الصور، وسيريد منشئو الفيديو القدرة نفسها على التدريب على علامتهم التجارية أو منتجهم.

هناك بالفعل أدلة مبكرة على تشكّل هذه المنظومة. فقد أنتجت منظومة MiniMax H3 أداة بناء موجّهات مفتوحة المصدر وموجة من عمليات الضبط الدقيق المجتمعية الموجهة لأعمال الأنمي والشخصيات، على غرار نموذج Stable Diffusion. وعندما تصبح الأوزان المفتوحة جيدة بما يكفي لتصدّر معيار، لم يعد المجتمع المتشكل حولها نخبوياً؛ بل أصبح التيار السائد، والابتكارات التي تخرج منها، مثل عقد التحكم والاستضافة الإقليمية والاستدلال المحلي الحافظ للخصوصية، تميل إلى الوصول أسرع مما يستطيع أي مورد بمفرده شحنه.

التداعيات العملية على الفريق ملموسة وتستحق إعادة الذكر. إذا كنت تختار مجموعة أدوات فيديو في أواخر 2026، فلم يعد السؤال «مفتوح أم مغلق» مسألة جودة. بل أصبح مسألة تحكم وتكلفة ومخاطر خروج. تمنحك الأوزان المفتوحة الأولى وتقلل الثالثة، على حساب الثانية. أما واجهات API المغلقة فتمنحك الراحة على حساب الثلاثة جميعاً. والفرق التي ستتعامل مع إهمال النموذج التالي دون ألم هي تلك التي قررت بالفعل موقفها من هذه المقايضة، بدلاً من اكتشاف الأمر بالطريقة الصعبة عندما يعلن موردها إيقاف الخدمة.

بالنسبة لأي شخص يبني على الفيديو التوليدي، الدرس العملي هو التوقف عن التعامل مع الأوزان المفتوحة كخيار احتياطي. تعامل معها كخيار استراتيجي. في المرة القادمة التي يهمل فيها مورد مغلق نموذجاً كما فعلت OpenAI للتو مع Sora، ستكون الفرق التي لا تهرول مذعورة هي تلك التي أبقت قدماً واحدة على الأقل على الطريق المفتوح. كانت الأوزان المفتوحة تُعد جائزة ترضية. وفي الفيديو، أصبحت للتو خزانة الجوائز.