وكيل Seedance الجديد: النموذج لم يكن المنتج قط

أطلقت Volcano Engine وكيل Seedance Managed Agent في 21 أكتوبر. وهو وكيل للإنتاج البصري مبني على نموذجي Seedance وSeedream، واللغة التسويقية فيه دقيقة على نحو منعش في وصف ما ليس هو.

إنه ليس واجهة برمجية للنموذج. الشركة نفسها تضع هذا الفرق: واجهة النموذج تجيب عن طلب واحد بصورة واحدة أو لقطة واحدة. العمل الحقيقي لا يشبه ذلك. العمل الحقيقي هو أن تفهم موجزاً غامضاً، وتبحث عن مراجع، وتنظّم الأصول، وتولّد مراراً، وتتحقق مما إذا كانت النتيجة تطابق الموجز، ثم تعيد الكرّة.

وSeedance MA هو الغلاف الذي يحيط بكل ذلك. ما يجعله رهاناً على موضع القيمة في هذه الصناعة، وهو الرهان نفسه الذي يخوضه الجميع بهدوء.

ما الذي يفعله مختلفاً فعلاً

يقرن النظام نماذج التوليد بـ harness مطوّر داخلياً — طبقة التنسيق التي تفكّك النية، وتقسّم المهمة إلى خطوات، وتدير السياق — إضافة إلى مجموعة من المهارات التي تُجسّد إجراءات الإنتاج، وأدوات للاسترجاع والتركيب والتحقق.

الكلمة المفتاحية في وصف الشركة نفسها هي الضبط المشترك. لم يُثبَّت الـ harness على نموذج جاهز. بل دُرِّب جنباً إلى جنب معه، فيتعلّم النموذج كيف تبدو تعليمة محكمة الصياغة تأتيه من الـ harness، ويتعلّم الـ harness ما يمكن أن يُطلب من النموذج وما لا يمكن.

هذا فرق حقيقي عن النهج المعتاد، وهو أن تغلّف نموذجاً في قالب تعليمات وتسمّي ذلك وكيلاً. قالب التعليمات لا يستطيع التكيّف مع ما أنتجه النموذج للتوّ. أما الـ harness المدرَّب معه فيستطيع.

الأرقام، وما الذي تقيسه

تدّعي Volcano تحسّناً مركّباً في الجودة بنسبة 17 في المائة مقارنة بالاستخدام المباشر للنماذج، عبر سيناريوهات الدراما القصيرة والصورة الواحدة ومجموعة الصور. ثم أربعة تفصيلات أبلغ من العنوان العريض:

مخالفات النص ولوحة القصة تنخفض بنحو 67 في المائة. الارتباك في الحبكة ينخفض 54 في المائة. مشكلات الاتساق في تحرير الصور تنخفض 50 في المائة. مشكلات الاتساق في مجموعات الصور تنخفض 60 في المائة.

لاحظ ما تقيسه هذه الأرقام. لا شيء منها جودة الصورة. كلها تقيس الانحراف: النموذج يفعل شيئاً متقناً لكنه ليس ما طُلب، أو ينتج ثلاث صور لا تبدو كأنها من المجموعة نفسها.

وهذه هي المجموعة الصحيحة من المشكلات التي يجب مهاجمتها، لأن الانحراف هو ما يقتل العمل التجاري فعلاً. يمكنك إصلاح صورة قبيحة بإعادة التوليد. لكنك لا تستطيع إصلاح «اللقطة 6 لا تتوافق مع اللقطة 2» دون إعادة بناء الاستمرارية يدوياً، والاستمرارية اليدوية هي الجزء المكلف من العمل.

التحفظ المعتاد: هذه أرقام الجهة المصنّعة، من تقييم اختارته الجهة المصنّعة، على عتادها. لكنها محددة بما يكفي لتكون قابلة للتكذيب، وهذا أكثر مما تقدمه معظم عمليات الإطلاق.

كلمة harness صحيحة لسبب ما

المفردات مستعارة من وكلاء البرمجة، وهذا ليس مصادفة.

درس الأشهر الثمانية عشر الماضية في البرمجيات أن النموذج سلعة تقريباً، وأن الـ harness هو المنتج. النموذج نفسه، وharnessان مختلفان، وجودة مخرجات متباعدة جداً. Claude Code ونداء خام إلى الواجهة البرمجية للنموذج نفسه ليسا الأداة نفسها.

التوليد البصري يسير متأخراً عن هذا الإدراك بنحو عام. ومعظم المنظومة ما زالت تتعامل مع checkpoint أفضل على أنه الجواب، ولهذا تستمر الصناعة في إنتاج نماذج تفوز في لوحات الصدارة وتخسر العملاء.

إذا كانت أطروحة الـ harness صحيحة، فإن الأصل المعمّر في فيديو الذكاء الاصطناعي ليس أوزان النموذج. بل مكتبة المهارات المتراكمة: المعرفة المجسّدة بكيفية تقسيم موجز إلى لقطات، وما يجب التحقق منه قبل قبول أي محاولة، وكيف تحافظ على اتساق شخصية عبر أربعين مقطعاً. هذه المعرفة موجودة اليوم في رؤوس المخرجين العاملين في الأساس، ومن يحوّلها إلى برمجيات أولاً يملك الفئة.

ما الذي يتغير عند المشترين

واجهة الوكيل تغيّر وحدة الشراء. تتوقف عن شراء الرموز أو الثواني وتبدأ بشراء المخرجات.

يبدو هذا أفضل للمشتري، وهو في الحقيقة أكثر تعقيداً. مع واجهة النموذج، يمكنك توقّع التكلفة لكل صورة ووضع الميزانية على ذلك. ومع الوكيل، تعتمد التكلفة على عدد المرات التي قرّر فيها إعادة المحاولة، وهذا يعتمد على مدى سوء كتابة موجزك. أنت تدفع مقابل حكم الوكيل على عمله هو.

لذا ينتقل حديث التسعير من «التكلفة لكل عملية توليد» إلى «التكلفة لكل مُخرَج مقبول». توقّع أن تتبع العقود ذلك: سعر ثابت لكل أصل معتمد، مع عدد محدد من جولات المراجعة. هكذا سعّرت الوكالات دائماً، ومن الغريب أن تتبنّى البرمجيات أكثر بنية مكروهة في الصناعة الإبداعية.

وثمّتان نتيجتان عمليتان أخريان. أولاً، قابلية التشخيص. حين ينتج النموذج صورة سيئة، تعيد كتابة التعليمات. وحين ينتج الوكيل صورة سيئة، عليك أن تعرف: هل كان التخطيط خاطئاً، أم كان استرجاع المراجع خاطئاً، أم كان فحص القبول متساهلاً أكثر من اللازم. هذه مهارة تشخيص جديدة ولا أحد يملكها بعد.

ثانياً، الارتباط بالمزوّد. الـ harness الذي يجسّد عملية إنتاجك قيّم تحديداً لأنه صعب النقل. وهذه الصفة نفسها هي ما يجعله صعب التخلي عنه.

لماذا يجب أن يهتم أهل الصور أكثر من غيرهم

أرقام الاتساق هي المهمة خارج مجال الفيديو.

من أنتج كتالوج منتجات بالذكاء الاصطناعي يعرف أن المشكلة الحقيقية ليست صنع صورة جميلة واحدة. بل صنع عشرين صورة تبدو كأنها خرجت من الاستوديو نفسه، في اليوم نفسه، بإعداد الإضاءة نفسه. سير العمل الحالي لذلك هو صورة مرجعية، ودعاء، وكثير من التصحيح اليدوي.

انخفاض بنسبة 50 إلى 60 في المائة في إخفاقات الاتساق، إن صمد، هو الفرق بين ذكاء اصطناعي يصلح للقطة رئيسية وذكاء اصطناعي يصلح لكتالوج من 200 وحدة. وهذا باب تجاري أكبر بكثير من دفعة جودة أخرى.

وهو أيضاً يعيد صياغة ما يجب أن تسأل عنه الموردين. بدل «ما مدى جودة نموذجك»، يصبح السؤال المفيد: «كم صورة تستطيع إنتاجها في دفعة واحدة دون أن أضطر إلى إصلاح كل واحدة على حدة». هذا هو الرقم الذي يضع مدير الإنتاج ميزانيته على أساسه فعلاً.

إلى أين يتجه هذا

كل مختبر كبير يطلق الآن طبقة وكيل فوق نماذجه — Volcano مع Seedance MA، وGoogle مع Flow، وAdobe مع وكلاء Firefly، وOpenAI مع سير عملها المستضاف. النمط يتقارب بسرعة كافية بحيث صار النموذج نفسه هو الجزء الممل في الإعلان.

وهذا على الأرجح صحيح. الفجوة بين أفضل نموذج صور وخامسه صغيرة وتضيق. أما الفجوة بين استوديو يستطيع تسليم 200 أصل متسق بموثوقية واستوديو لا يستطيع فهي هائلة، ولا علاقة لها تقريباً بأي checkpoint حمّلته.

Seedance MA رهان على أن المال في هذه الفجوة. إنه رهان ممل، وهو على الأرجح الرهان الصحيح.