حوّلت Pruna نموذج فيديو إلى نموذج صور. الجزء المثير هو ما تخلّت عنه.

أصدرت Pruna AI نموذج P-H3-Image في 3 نوفمبر. يولّد الصور ويحرّرها، والأوزان مفتوحة، وهو مبني من MiniMax-H3، وهو نموذج فيديو.
تلك الجملة الأخيرة هي حجة التصميم كلها. على نموذج الفيديو أن يتعلّم كيف يبدو الجسم من زوايا كثيرة، وكيف يسقط الضوء على مادة أثناء حركة الكاميرا، وكيف يبقى المشهد متسقًا من إطار إلى إطار. الصورة الفوتوغرافية المفردة حالة منحلّة من تلك المسألة. فمن حيث النظرية، أصعب جزء في توليد الصور مدفوع الثمن سلفًا، وكل ما يلزم هو تعليم النموذج أن يُخرج إطارًا واحدًا إخراجًا جيدًا.
عمليًا، طلب إطار واحد من نموذج فيديو ينتج صورًا رخوة وضبابية. نموذج H3 من MiniMax نفسه يستطيع ذلك، لكن بجودة رديئة. إسهام Pruna هو تفكيك النموذج وإعادة بناء كل قطعة لمهمة الصورة الثابتة.
أربعة قطع
انتقل مشفّر النص من 32 مليار معامل إلى 4 مليارات، باستخدام Qwen3-VL-4B مقطّر. هذا التغيير الواحد يُنزل الأوزان من 67 GB إلى 9 GB، وهو أقل أجزاء الإصدار ظهورًا.

تقلّص العمود الفقري للمحوّل من 33 مليار معامل إلى 20 مليارًا. كانت الحركة الجراحية الأساسية استبدال كتلة الخطوة الزمنية، التي تصفها المدونة بأنها نحو 40 بالمئة من المحوّل، بشيء أصغر بكثير. تكييف الخطوة الزمنية مكلف لأنه يجب أن يُعدّل الشبكة كلها في كل خطوة إزالة ضوضاء. للفيديو تحتاج تحكمًا دقيقًا عبر الزمن. للصورة الثابتة تحتاج رقمًا واحدًا.
أُعيد تدريب مفكّك الترميز لإنتاج صورة واحدة حادة في نطاق من 2 إلى 16 ميغابكسل بدلًا من سلسلة إطارات فيديو.
وقُطّرت جدولة أخذ العينات بـ DMD، فانتقل التوليد من 50 خطوة إلى 8.
وهناك أيضًا مُكبّر موجهات صغير في المقدمة، مبني على Qwen3.5-9B، يعيد صياغة الموجهات القصيرة إلى ما يستجيب له H3 جيدًا. وهو مُفعّل افتراضيًا في مسار Diffusers، وهو سبب أن أرقام الذاكرة في bf16 تبدو أسوأ مما هو عليه النموذج فعلًا.
الأرقام، مع ملصق المورّد
قياسات Pruna: صورة بدقة 4 MP تستغرق 2.6 ثانية على B200، مقابل 12.4 ثانية لـ MiniMax-H3. وصورة بدقة 8 MP تستغرق 5.8 ثانية بدلًا من 30.6. وعلى L40S بأوزان 4-bit، تستغرق 4 MP نحو 6.3 ثانية.
التنزيلات 55 GB في bf16 أو 20 GB في 4-bit، مقابل 143 GB لـ H3. وذروة VRAM عند 8 MP نحو 56 GB في bf16 أو 21 GB في 4-bit.
رقم 21 GB هذا هو المهم لكل من يقرأ هذا على مكتب. إنه يشير إلى بطاقات 24 GB، مثل 3090 و4090 و5090، تشغّل نسخة 4-bit بالدقة الكاملة. وعلى بطاقة 16 GB ستخفض الدقة أو تلجأ إلى التفريغ.
تحذير يسهل تفويته: مسار Diffusers مع مُكبّر الموجهات في bf16 عند 8 MP يطلب نحو 100 GB من ذاكرة كرت الرسوميات. هذا ليس خطأ مطبعيًا وليس خطأ النموذج. إذا كنت تستخدم Diffusers بدلًا من ComfyUI، فإما أن تستخدم الأوزان المكمّاة أو تُطفئ المُكبّر.
الترخيص يستثني الدول الأكثر احتمالًا لاستخدامه
يرث P-H3-Image ترخيص MiniMax H3 Community License. عمليًا يعني ذلك أن الأوزان مفتوحة للتنزيل ومغلقة للنشر في الولايات المتحدة والاتحاد الأوروبي والمملكة المتحدة وكوريا الجنوبية دون اتفاق منفصل مع MiniMax. ويجب على المنتجات المبنية عليه أن تعرض "Powered by MiniMax H3".
هذا الشكل صار مألوفًا الآن. خلال العام الماضي، استقرّت المختبرات الصينية على نمط: نشر الأوزان تحت اسم يبدو متسامحًا، وإرفاق ترخيص مجتمعي باستثناءات إقليمية، وبيع الاستثناءات لمن يحتاجها. وقد أنتج H3 نسخًا مشتقة من Nvidia وPika وCreatify والآن Pruna، وكلها تتعامل مع الشروط نفسها.
لمطوّر فردي في أوهايو، يعني ذلك أن النموذج قابل للتنزيل تقنيًا ومحرج قانونيًا. ولشركة، يعني مراجعة امتثال. ولمختبر في سنغافورة أو البرازيل، يعني نموذج صور عالي الجودة مجانيًا فعلًا، وهذا إعادة توزيع حقيقية للقدرة لا تُناقش كثيرًا في الصحافة الأمريكية.
هناك طبقة ثانية تستحق الانتباه. الترخيص يسافر مع الأوزان، فالشركة التي تُجري ضبطًا دقيقًا على P-H3-Image لمنتجها الخاص تبقى ملزمة بالاستثناءات. العمل المشتق لا يغسل الشروط.
لماذا تقطير نموذج فيديو أصلًا
توجد بالفعل نماذج صور مفتوحة ممتازة. FLUX 3 Image Klein فيه 5.6 مليار معامل، وسعره ثمانية أعشار سنت للصورة على واجهات API المستضافة. فلماذا نأخذ حزمة فيديو بحجم 143 GB وننفق وقتًا هندسيًا في تقليصها إلى 20 GB؟
الجواب في ما تُعلّمه بيانات الفيديو. النموذج المدرَّب على مقاطع يرى الجسم نفسه تحت ضوء وزاوية متغيّرين، ويتعلّم تمثيلًا داخليًا أكمل مما يتعلمه نموذج مدرَّب على صور منفردة. وهذا يظهر في مكان محدد: التحرير بمراجع متعددة.
يقبل P-H3-Image ما يصل إلى ثماني أو تسع صور مرجعية في تكوين واحد، حسب الوثيقة التي تقرأها. الحفاظ على ثبات شخصية عبر صورة منتج وملصق ونموذج واجهة هو المهمة التي تنهار عندها نماذج الصور عادةً، وهي بالضبط المهمة التي يستفيد فيها من تمثيل مبني على الفيديو.
صياغة Pruna نفسها هي أن نموذج الفيديو يتعلّم العالم المادي كمنتج ثانوي للحفاظ على اتساق الإطارات المتتالية. ولصورة ثابتة، هذه المعرفة مهدورة في معظمها. ولمجموعة صور ثابتة يجب أن تتفق مع بعضها، هي المقصد.
النسخ المكمّاة ثلاثة منتجات مختلفة
يحصل مستخدمو ComfyUI على ثلاث مجموعات أوزان كاملة: bf16 و8-bit و4-bit. ليست النموذج نفسه بأحجام ملفات مختلفة.
في bf16 تحصل على المخرجات المقصودة وتحتاج 56 GB من VRAM عند 8 MP، أي بطاقة من فئة A100 أو H100. وفي 4-bit تتسع في 21 GB على بطاقة 4090، وتقبل ما تكلّفه التكمية في التفاصيل الدقيقة. والطبقة الوسطى موجودة لمن لديه 40 GB ويريد الحفاظ على الجودة بدلًا من الدقة.
النصيحة العملية التي تتبع ذلك هي اختيار دقة الهدف أولًا، ثم التكمية التي تتسع، ثم الحكم على ما إذا كانت النتيجة جيدة بما يكفي. الترتيب المعاكس، أي تنزيل نسخة 4-bit لأنها الأصغر ثم الشكوى من أن الأيدي تبدو خاطئة، هو كيف يستنتج الناس أن نموذجًا سيئ وهو يشغّلون نسخة تنازلية بدقة لم يُضبط لها.
ما لا يبرع فيه
تذكر Pruna الحدود بنفسها. التفاصيل الدقيقة والأيدي والنص الصغير أو الكثيف قد تكون غير موثوقة. وتضع الشركة النموذج كالأقوى في التصوير الواقعي والتسجيلي، ولقطات الأفلام، والأنمي، والجرافيك الذي يحتوي نصًا قصيرًا. إن كانت مهمتك ملصقًا يحوي فقرة من النص المتصل، فهذه ليست الأداة.
وضع المقارنات المرجعية هزيل أيضًا. لا يوجد تقييم مستقل بعد. وكل رقم سرعة وجودة في الإصدار هو قياس من المورّد، ومجموعة المقارنة هي MiniMax-H3 وعمل Wan Image السابق لـ Pruna، وليس FLUX 3 ولا Nano Banana.
كيف تجرّبه
مسار Diffusers موجود في PrunaAI/P-H3-Image على Hugging Face. وهناك مستودع ComfyUI منفصل بثلاث مجموعات أوزان كاملة، bf16 و8-bit و4-bit، ودعم أصلي لـ ComfyUI دون عقد مخصصة. اختر مجموعة واحدة، ونزّل الملفات الأربعة فيها كلها، وضع كل ملف في المجلد الذي يسمّيه المستودع.
إن كانت لديك بطاقة 24 GB، فابدأ بمجموعة 4-bit عند 4 MP ومع مُكبّر مُطفأ. قارنه بما تستخدمه بالفعل على عشرة من موجهاتك، لا على معرض الإطلاق. السؤال المثير هو هل يصمد التحرير بمراجع متعددة على أصولك الحقيقية، إذ توقفت السرعة الخام عن كونها عامل تمييز قبل نحو عام.
مقالات ذات صلة
AMD ربحت 19% لمجرد أنها الخيار الآخر
المال لم يخرج من الذكاء الاصطناعي. خرج من الاسم الوحيد الذي واجه مشكلة حوكمة، وذهب إلى الاسمين الذين لم يواجها.
عشر تخفيضات في أربع جلسات، ولا رقم جديد واحد
لم ينشر أحد رقمًا جديدًا عن دفتر الطلبات. الذي تغيّر ليس منتصف النطاق، بل عرضه — وهذا وحده كافٍ لتغيير تصنيف.
أول ربع بعد رحيله: الأرقام محسومة، والأسئلة ليست كذلك
الربع نفسه ليس محل شك، أما الأرباع الأربعة التالية فهي المسألة كلها. ورئيسة تنفيذية مؤقتة لديها مكالمة واحدة لتشرح ما لا تستطيع الأرقام شرحه.
جدول نقرات يديره المجتمع يطفئ الإعلانات داخل بناءات أندرويد الصينية
لا يمس النظام، ولا يفتح القفل، ولا يكتب أي شيء على الجهاز. يقلب فقط المفاتيح التي عرضتها الشركات أصلاً. الثمن قائمة يجب أن يظل أحدهم يكتبها.