Claude Code يبني خط إنتاج على FLUX.3 klein: 290 لقطة للأطباء مقابل $3,2 لاستئجار GPU

استبدل متخصص في الإعلانات المدفوعة لعيادات الأسنان جلسات تصوير الأطباء بالتوليد الآلي للصور. يقوم خط الإنتاج على نموذج FLUX.3 klein (مولّد صور بـ5,6 مليار معامل)، وواجهة ComfyUI، واستئجار بطاقات الرسومات سحابياً عبر RunPod.

المدخل هو رابط صفحة أطباء العيادة وصورة شخصية واحدة لكل طبيب من الموقع، والمخرج مجلد من اللقطات التي جرى التحقق منها: طبيب بنظارات مكبّرة يعالج مريضاً، أو ينظر إلى صورة CT على الشاشة، أو يجري عملية، أو يُري طفلاً ديناصوراً لعبة، وكل ذلك داخل ديكور هذه العيادة تحديداً وبزيّها. خلال أسبوع تجمّعت 290 لقطة معتمدة لأكثر من 20 طبيباً من عدة عيادات، وبلغت كلفة استئجار GPU واختبار النماذج والتخزين نحو $3,2. كتب Claude Code (Opus 5.

5, High Effort) كل الشيفرة والإعدادات. أما الإنسان فوضع المهمة التقنية، وعدّل البنية المعمارية، واعتمد النتيجة.

البنية التحتية: الدفع لدقائق التوليد فقط

كانت المتطلبات بسيطة: الدفع لدقائق التوليد فقط، وعدم إعادة تنزيل النماذج، وعدم تعريض ComfyUI للإنترنت. اختار المؤلف RunPod Secure Cloud مع قرص شبكي بسعة 60 ГБ. تُحفظ النماذج وComfyUI على القرص، بينما يُنشأ الـpod ويُحذف حوله. خدمة Community Cloud أرخص، لكنها لا تدعم الأقراص الشبكية. يكلّف القرص $0,07 للغيغابايت شهرياً، أي $4,2، ويُخصم المبلغ حتى عندما يكون الـpod متوقفاً.

تُجرَّب البطاقات بحسب الأولوية: RTX 4090 ($0,89/ساعة)، ثم RTX PRO 4500 Blackwell 32 ГБ ($0,72/ساعة)، ثم RTX PRO 4000 Blackwell 24 ГБ ($0,57/ساعة). تظهر حالة التوفر لدى RunPod «Low» في كل مكان وتتغير خلال دقائق، لذلك يمرّ السكربت pod.sh up على القائمة بالترتيب. وإذا لم تتوفر البطاقة المطلوبة على مضيف الـpod القديم، يحذف السكربت الـpod وينشئ جديداً في مركز البيانات نفسه، ويبقى القرص كما هو. لا يُفتح للخارج سوى المنفذ 22/tcp، ويُتاح ComfyUI عبر نفق SSH على 127.0.0.1:8188. ولا يُحفظ مفتاح API إلا في ملف .env.

يكرر الأمر down الأمر stop إلى أن ينتقل الـpod إلى حالة EXITED: ففي إحدى المرات انتهت مهلة استجابة API، ولولا التكرار لبقي الـpod قيد التشغيل. وقبل كل up يكتب الوكيل تقديراً للكلفة، وبعد الجلسة يوقف الـpod دائماً. وتُحفظ حالة المشروع في CLAUDE.md حتى تتابع الجلسة التالية من النقطة نفسها.

لماذا FLUX.3 klein ولماذا يحتاج إلى upsampler؟

شغّل المؤلف ثلاثة نماذج على الموجّهات النصية نفسها ومرجع واحد. نموذج FLUX.2 klein 4B (برخصة Apache 2.0) يحافظ جيداً على شبه الوجه، لكنه في نحو نصف اللقطات يرسم مسباراً بدل مرآة الأسنان، وتخرج الشاشات بواجهة وهمية. أما FLUX.2 klein 9B فيرسم المرآة بشكل صحيح في 3 من 3 لقطات، لكن ترخيصه Non-Commercial لا يسمح إلا بالاختبارات، ولذلك بقي للمقارنة فقط. وصدر FLUX.3 klein في 13 أكتوبر: مشفّر Qwen3-VL-4B، وما يصل إلى 10 مراجع، ونسخة distilled بـ16 خطوة دون guidance. ومن بين النماذج الثلاثة، هو الأفضل في اتباع الموجّه النصي. ويسمح ترخيص FLUX Kommunity v1.0 بالإعلانات إذا كانت إيرادات المرخَّص له مع الأطراف التابعة له أقل من $5 ملايين في السنة.

يبلغ حجم مجموعة الملفات نحو 17,5 ГБ. وتضم محوّل int8-transformer، ومشفّر int8، وprompt upsampler المبني على Qwen3.5-9B، وVAE من FLUX.2. ولم تكن نسخة ComfyUI الموجودة في صورة RunPod (0.30.0) تعرف النموذج الجديد، فجرى تحديثها على القرص إلى 0.41.2.

الـupsampler إلزامي. يتوقع FLUX.3 وصفاً للمشهد بين 150 و200 كلمة، وتنصح BFL صراحةً بعدم العمل دون upsampler الخاص بها.

وهو نموذج لغوي مستقل: ينظر إلى المراجع ويعيد صياغة الطلب في وصف مفصّل. في مثال بستة مراجع (الوجه، والغرفة، والنظارات المكبّرة، ومرآة الأسنان، ووضعية قبضة اليدين، وشعار العيادة) تحوّلت 324 كلمة إلى 235. فقد عدّد الـupsampler الأثاث من صورة الغرفة ووصف بنفسه مظهر الطبيب.

لكنه حذف العبارة المتعلقة بمرجع القبضة وأخطأ في ترقيم الصور، ومع ذلك خرجت اللقطة صحيحة. وبسبب فك الترميز الجشع (greedy decoding) يعطي كل موجّه نصي وصفاً واحداً، ولذلك يغيّر seed التفاصيل لكنه لا يغيّر الوضعية ولا التكوين. تستغرق اللقطة من 12 إلى 18 ثانية على RTX PRO 4500، ونحو 27 ثانية مع upsampler.

وتنتظر أول لقطة في الجلسة نحو دقيقتين ريثما تُقرأ النماذج من القرص الشبكي.

قواعد الموجّهات النصية ومتلازمة الغرفة الواحدة

احتفظت النسخة الأولى بموجّهات نصية جاهزة، فظهر أطباء عيادتين في غرف متطابقة تقريباً. عندئذ قسّم المؤلف اللقطة إلى ثلاثة أجزاء: بطاقة الطبيب (التخصصات والجنس) مع صورته من الموقع، ومشهد من setups.yaml (الفعل، والوضعية، والأداة، والمريض)، وهوية العيادة البصرية من looks.yaml (الغرف، والزي، والإضاءة، وحجم اللقطة، والشعار). مكتبة المشاهد مشتركة بين كل العيادات وتضم 31 مشهداً. ويتقدّم ملف المشروع على ملف المكتبة.

القواعد التي جرى اختبارها على اللقطات:

• لا تصف مظهر الطبيب: الوصف يتعارض مع الصورة ويُبعد الوجه عن الشبه؛
• حدّد دوران الجذع والرأس كلاً على حدة، وإلا نُسخت وضعية الرأس من الصورة؛
• النظر إلى الكاميرا يحافظ على الشبه أفضل من النظر إلى الأسفل؛
• ألبِس المريض صراحةً، وإلا حصل على الزي نفسه الذي يرتديه الطبيب؛
• حدّد الجدران دون إطارات، كي لا تظهر إطارات تشبه الشهادات. فالشهادات المزيفة في إعلان الطبيب غير مقبولة.

لا يُنصح بكتابة 8k وcinematic وbokeh في الموجّهات النصية. فالـupsampler يحذف الكلمات التقييمية، وcinematic يدفع البشرة نحو مظهر «بلاستيكي». كما لا يجوز وصف ابتسامة «هوليوودية»، فهذا مخالف لقواعد العيادات.