Simple Diffusion: نموذج توليد مدمج أرخص بـ100 مرة من SDXL

قدّم فريق AiArtLab الروسي نموذج Simple Diffusion (sdxs-1b)، وهو نموذج انتشار مدمج لتوليد الصور يمكن تدريبه وتشغيله على بطاقات رسوميات شائعة لا على بطاقات مراكز البيانات، مع الحفاظ على جودة نتائج مقبولة. نُشر النموذج علنًا بوصفه إصدارًا تجريبيًا (ألفا) بموجب رخصة Apache-2.0، إلى جانب الكود الكامل لإعداد البيانات والتدريب، ما يجعله من البدائل المفتوحة القليلة لنماذج الانتشار الكبيرة المغلقة أو شبه المفتوحة في السوق.

ما هو Simple Diffusion وبماذا يختلف

وفق ما ذكره المؤلفون في مقال تحليلي نشروه على Habr، تتمثل الفكرة المحورية للمشروع في إثبات أن نموذج انتشار سريعًا ومدمجًا يمكن تدريبه على بطاقة رسوميات شائعة واحدة بمستوى RTX-4080، متاحة للهواة والفرق الصغيرة، لا على عنقود من آلاف وحدات GPU من فئة مراكز البيانات. وكانت نقطة الانطلاق مقارنة تكاليف تدريب نماذج معروفة: يشير المطورون إلى أن تدريب SDXL تطلّب نحو 6 ملايين دولار، في حين كلّف نموذج Z-Image الأحدث، بحسب بياناتهم، نحو 600 ألف دولار تقريبًا، أي أرخص بمقدار رتبة عشرية كاملة. وقد بدأ Simple Diffusion أصلًا كنموذج أولي صغير مبني على ImageNet، لكنه تحوّل أثناء التطوير إلى نموذج متكامل.

أبرز الحقائق عن المشروع:

• اسم النموذج — Simple Diffusion (sdxs-1b)
• المطوّر — فريق AiArtLab
• الرخصة — Apache-2.0، والنموذج وكود التدريب مفتوحان بالكامل
• التوفير المعلن — التدريب والاستدلال أرخص من SDXL بنحو رتبتين عشريتين
• مرجع التكلفة — يُقدَّر تدريب SDXL بنحو 6 ملايين دولار مقابل نحو 600 ألف دولار لـZ-Image
• الحالة — إصدار ألفا، منشور على Hugging Face (AiArtLab/sdxs-1b)

بأي ثمن تتحقق هذه الكلفة المنخفضة؟

يعترف المؤلفون صراحةً بوجود مقايضة. فبحسب تقديرهم الخاص، ربما نجحوا في بناء نموذج أرخص وأسرع بمراتب مقارنةً بـSDXL التي تُدرَّب بسرعة نسبية، قادر على توليد صور بدقة عالية بسرعة قريبة من الوقت الفعلي ودون مشكلات التشريح المعتادة في النماذج المدمجة. لكن جودة التوليد النهائية لا تزال في المتوسط أدنى من النماذج الأثقل والأغلى، ويعتزم الفريق تقليص هذه الفجوة في الإصدارات اللاحقة. وهذه المصارحة سمة نموذجية للإصدارات البحثية التجريبية لا للمنتجات التجارية الجاهزة، وتتناقض بوضوح مع الإعلانات التسويقية للمختبرات الكبرى التي نادرًا ما تنشر مثل هذه التحفظات مع إصداراتها.

لماذا يهم ذلك سوق الذكاء الاصطناعي التوليدي

يُعد نشر الأوزان إلى جانب الكود الكامل لإعداد البيانات والتدريب أمرًا نادرًا، في وقت تغلق فيه المختبرات الكبرى خط التدريب نفسه أكثر فأكثر، وتترك النموذج الجاهز وحده متاحًا. وبالنسبة للمطورين المستقلين والاستوديوهات الصغيرة، يعني ذلك إمكانية تفكيك عملية تدريب نموذج انتشار وإعادة إنتاجها كاملةً من الصفر على عتاد متاح، لا مجرد إعادة تدريب نموذج جاهز لمهمة بعينها. وفي ضوء اتجاه عام 2026 نحو خفض كلفة تدريب النماذج التوليدية، وهو الاتجاه الذي استهدفه مؤلفو Simple Diffusion صراحةً مستندين إلى تجربة Z-Image، تخفض مثل هذه التجارب المفتوحة عتبة الدخول إلى تطوير مولّدات صور خاصة لدائرة أوسع بكثير من الفرق التي لن تتوفر لها يومًا ميزانيات بحجم ميزانيات المختبرات الكبرى.

كما أن النشر على Habr، أحد أبرز المنصات التقنية للمجتمع الناطق بالروسية، يعني أن المشروع موجّه منذ البداية إلى نقاش مفتوح مع المطورين وإلى جمع ملاحظاتهم بسرعة حول جودة التوليد.

والواقع أن نجاح فريق صغير نسبيًا ببطاقة رسوميات واحدة في الوصول بالنموذج الأولي إلى إصدار ألفا عامل من نموذج انتشار متكامل، دون الاكتفاء بعرض تجريبي شكلي، يمثّل إشارة إلى مجتمع الهواة والمجموعات البحثية الصغيرة بأن حاجز الدخول إلى تطوير نماذج توليد الصور يواصل الانخفاض في 2026، ولا يرتفع فقط مع شهية المختبرات الكبرى لنماذج أضخم وأغلى. ويشير المؤلفون صراحةً إلى أنهم يعدّون الإصدار الحالي نقطة انطلاق لا منتجًا نهائيًا، ويخططون لمواصلة العمل على جودة التوليد في الإصدارات اللاحقة.