صناعة الفيديو بالكود وجدت من يمسك بها: نموذج مفتوح بحجم 27B

على Xiaohongshu منشور حُفظ 1233 مرة في أوائل نوفمبر، و47 شخصًا تبادلوا الاتهامات في التعليقات. الادعاء صريح: «Opus أنتج مقطع موشن ثلاثي الأبعاد بـ291 يوانًا، وانتقلت إلى Code2Video مفتوح المصدر من SenseTime فكلّفني 2.8 يوان. فارق مئة ضعف في التكلفة.»
منشورات كهذه عادة لا تعيش ثلاثة أيام، لأن دحضها سهل جدًا. وأعلى تعليق أدى المهمة فعلًا: بعد حساب التصحيح وإعادة العمل، ربما كان البقاء على Opus 5.5 أرخص. السعر المنخفض يُدفع ثمنه بالوقت وعدد الجولات.
لكن هناك شيئًا خلف هذا المنشور يستحق نظرة جدية. في 28 أكتوبر وضعت SenseTime أوزان SenseNova 6.8 Code2Video على Hugging Face: 27B معاملًا، وسياق 512K، وبطاقة النموذج تقول Apache-2.0. ما يفعله ليس من جنس Sora أو Runway إطلاقًا. لا يخمّن البكسلات، بل يكتب كودًا.
كل إطار دالة للزمن
نموذج الفيديو التقليدي يأخذ العينة كاملة دفعة واحدة. تريد تكبير الترجمة درجتين، فتعيد كتابة الطلب وتعاود أخذ العينة، والأسوأ أن ما لم تطلب تغييره قد يتغير معه. الوجه لم يعد مطابقًا.
Code2Video يدخل من باب آخر. يكتب كودًا بـHTML/CSS وCanvas وSVG وThree.js وManim أو p5.js، ويعرّف كل إطار كدالة صافية للزمن t: أعطه أي نقطة زمنية، يحسب البرنامج وحده موضع كل عنصر وتشوّهه ولونه في تلك المللي ثانية. العرض يُلتقط إطارًا بإطار، دون اعتماد على ساعة النظام. شغّل الكود نفسه مئة مرة، يخرج الناتج مطابقًا تمامًا.

هذا المسار يأتي بمنتج جانبي: النصوص والأرقام لم تعد ضبابية. الترجمة والمعادلات والقيم داخل الرسوم تُصفّف من الكود المصدري، لا من بكسلات خمّنها النموذج. من جرّب فيديو الذكاء الاصطناعي يعرف أن النص داخل الصورة أول ما ينهار، والصينية خاصة.
والتعديل أوفر أيضًا. لعناصر الكود أسماء؛ تغيير حجم خط أو نقطة زمنية أو لوحة ألوان يمسّ تلك الأسطر وحدها، وبقية الكود لا تتحرك. المثال الرسمي لوحة رحلات مطار، عُدّلت ثلاث جولات: أولًا لوحة داكنة تحت ضوء موجّه، ثم بهو فاتح بألوان باستيل، وأخيرًا طائرة ومسافرون يجرون حقائبهم. خلال الجولات الثلاث بقي النص والتوقيت وحركة انقلاب اللوحة كما هو، دون أن يُطلب تغييره.
ونشرت SenseTime أيضًا التعليمات النصية المستخدمة في صناعة المقاطع وسجلات الوكيل الكاملة، مع الأخطاء التي وقعت فيها. المستودع يضم مجلد skills/code-video مع 8 أدلة مجالية. إذا قرأتها متصلة، تبدو أقرب إلى كتاب يعلّم الوكيل عندك صناعة الفيديو من بطاقة نموذج.
ما زال متأخرًا 483 نقطة على اللوحة
قيمة هذا المسار تحتاج لوحة ترتيب تحتها.
حدّثت HeyGen لوحة على Kaggle باسم Code2Video: تُعطى للنموذج موجزًا إبداعيًا مفصّلًا، فيكتب كودًا داخل إطار HyperFrames لينتج مقطعًا، ثم يُقيَّم مقابل مقطع مرجعي من صنع إنسان. المراكز الثمانية الأولى كلها نماذج مغلقة. Claude Opus 5.5 في الأول بنتيجة خام 33.5%. ونماذج مفتوحة مثل GLM وKimi وDeepSeek عند حدود 10%.
أعادت Artificial Analysis التقييم بمقياس أدق: Opus 5.5 يسجل 1536 Elo، وأقوى نموذج عام مفتوح DeepSeek V4.1 Flash يسجل 1053 فقط. الفارق 483.
في ملاحظات اللوحة سطر أوافقه: النماذج المتقدمة كلها تقريبًا تكتب HTML وCSS وJS، لكن تحويل الكود إلى فيديو موثوق يتطلب فهم الصورة على محور الزمن، لا رسم صفحة ثابتة جميلة فقط. كتابة صفحة ويب ليست تصوير فيلم. الصفحة الثابتة تفوز بترتيب العناصر؛ الفيديو يجب أن يجعل العناصر تتحرك في اللحظة الصحيحة وبالسرعة الصحيحة وبالترتيب الصحيح: متى يدخل العنوان، وكيف تقفز كتل الأرقام مع الإيقاع، وعلى أي إطار يقع الضرب.
لذلك كانت المنطقة الوسطى الفارغة محرجة: تريد الجودة فتدفع لنموذج مغلق، عشرات اليوانات للمقطع ودون نشر محلي؛ تريد التوفير بالمفتوح فالنماذج العامة لم تُدرَّب على الفيديو. Code2Video يملأ هذه المساحة بأسلوب التخصص.
ثلاث فواتير قبل البدء
الأولى العتاد. 27B معاملًا، أوزان BF16 نحو 54GB. الوثائق الرسمية تعطي ثلاث أوامر نشر، LightLLM وvLLM وSGLang، كلها بتوازي موترات 4، أي أربع بطاقات كحد أدنى، وسياق 512K يحتاج ذاكرة KV إضافية. يبدو مرعبًا، لكن الأساس Qwen3.8-27B مقتصد: بالتكميم إلى Q4 يصبح نحو 18GB، وبطاقة 4090 واحدة بسعة 24GB تشغّله. على Douyin، صانع محتوى على Mac Studio بسعة 64G استخدم تعليمة واحدة ليكتشف الذكاء الاصطناعي الإعدادات ويثبّت البيئة وينشر النموذج، ثم وصله بـClaude Code عبر CC Switch، دون أن يكتب يدويًا سوى أوامر قليلة. وآخر شغّل النسخة المكمّمة 4bit على حاسوب عادي بذاكرة 32G.
الثانية الوقت. تقول الوثائق إنه يعمل أكثر من 10 ساعات وأكثر من 2000 جولة. اقرأ الجملة معكوسة: العمل يستغرق هذه المدة أصلًا. عمليًا يستغرق المقطع النهائي من عشرات الدقائق إلى ساعة أو ساعتين، حسب العتاد المحلي. هذا ليس فيديو بضغطة واحدة، بل فيديو يُترك يعمل.
الثالثة القدرة. الوثائق تكتبها في القيود بوضوح: الرسوم المتحركة والشرح العلمي والمشاهد ذات الأسلوب 2D/3D وتصوير البيانات، نعم؛ التصوير الواقعي، لا. صانع المحتوى على Douyin جرّب عليها أشياء: تجمّع الأسماك، حيث تنعطف في تزامن دون سمكة قائدة؛ رسم قطة بمتسلسلة فورييه، فكلما زادت الدوائر وضح الحد؛ تشتت المنشور؛ تداخل مصدرين موجيين؛ البندول المزدوج الفوضوي؛ ذراع ومكبس توصيل؛ شريط موبيوس. صورة سلسة والمعنى يصل. وكلها تصادف أنها صور يمكن كتابتها كودًا. أما اللقطة السينمائية بملمس التصوير الحقيقي، فليست شغله.
حتى الوثائق الرسمية تنصح بتسليم خطوة تعزيز التعليمات لنموذج أقوى مثل Claude. هذا القدر من الصدق نادر.
للرخصة علامتان
عبارة «الكود قابل للاستخدام التجاري» تستحق علامة استفهام. بطاقة النموذج على Hugging Face تقول Apache-2.0، لكن جذر مستودع GitHub لا يحتوي ملف LICENSE حاليًا، وواجهة GitHub API لا تقرأ رخصة. والمستودع نفسه يحمل خاصية تنفيذ أوامر shell، والـREADME يحذّر صراحة من تشغيله في بيئة معزولة.
حتى 4 نوفمبر، لدى مستودع GitHub نحو 390 نجمة، وصفحة النموذج على HF فيها 93 إعجابًا. بلغة المهنة: ما زال very early. ولم تُبنَ قياسات منهجية أيضًا، فقط أمثلة نوعية، واكتمال الصورة والاستقرار الطويل يتخلفان بوضوح عن أقوى النماذج المغلقة. ما تراه مقاطع نموذجية، لا درجات.
إن كنت ستستخدمه فعلًا، هناك تفصيل يستحق النسخ: يأتي بطقم سكربتات فحص، فكرتها قراءة الإطارات المفتاحية قراءة باردة، وتوليد أوراق تواصل، والتحقق من الدقة وعدد الإطارات والإطارات السوداء والمجمدة. القبول يكتب فقط ما يُرى في البكسلات، لا ما هو مكتوب في الكود. هذا المبدأ أطول عمرًا من النموذج، لأن الكود الذي يعمل لا يعني أن الصورة صحيحة: معادلة بإزاحة واحدة، ترجمة مقصوصة، عنصر أساسي صغير جدًا، والمترجم لا يقول كلمة.
ما انفتح فعلًا هو التكلفة الحدية
عودة إلى المنشور في البداية. هو لا يقول إن المفتوح لحق بالمغلق؛ اللوحة أمامك، والفارق 483 نقطة، ولن يُسدّ قريبًا.
الذي انفتح هو التكلفة الحدية. أحدهم شغّل Opus 5.5 على 9 وكلاء بالتوازي ست ساعات لإنتاج إعلان تشويقي، فأحرق 187 مليون token، والفاتورة 190 دولارًا. وآخر أنفق 270 دولارًا على فيديو مدته 8.5 دقيقة، منها 200 دولار إعادة عمل من التعديل المتكرر. مع النماذج المغلقة، الغالي ليس التوليد بل إعادة العمل: تعدّل 6 جولات، فتُحاسب ست مرات.
بعد أن يستقر النموذج على جهازك، تكلفة مئة مقطع لا تختلف كثيرًا عن مقطع واحد، وما يبقى هو الكهرباء. فرق بهذا الحجم ملموس لثلاث فئات: حسابات المصفوفة في مرحلة الإطلاق التي تحتاج تكلفة منخفضة وتنشر الشرح والبيانات والتصنيفات، حيث يصبح استهلاك النماذج المغلقة للـtokens مخيفًا مع الحجم؛ الشركات الحكومية والمؤسسات التي يجب أن تنشر على الشبكة الداخلية، النموذج وقاعدة المعرفة والتطبيق معزولة ماديًا، والبيانات لا تخرج؛ والمدربون والمعلمون الذين يعيدون بناء المواد، حيث مقطع 30 ثانية أنفع من ألف جملة.
نقطة التحول ليست «من أقوى»، بل «من يستطيع التكرار بلا تكلفة». وهذه بالضبط نقطة ضعف النماذج المغلقة، والمكان الذي يكسب فيه نموذج صغير بحجم 27B أكثر ما يمكن.
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.