INT8 لا يفسد الصور تقريبًا، وسامبلر AB-2 يتفوق على Euler في 12 اختبارًا من 12

إذا كنت تشغّل Flux وQwen-Image ونماذج مشابهة على بطاقة رسوميات منزلية، فأنت على الأرجح تستخدم أوزانًا مكمّمة: أي أن الأرقام داخل النموذج مقرّبة إلى 8 بتات (INT8) كي يتسع في الذاكرة. ويتداول المستخدمون مع ذلك نصيحة مفادها ألا تستخدم على مثل هذا النموذج سامبلرات «معقدة»، أي الخوارزميات التي تحوّل الضوضاء إلى صورة خطوة بعد خطوة، بحجة أنها تراكم خطأ التقريب. تحقق مؤلف مشروع Flow-WLS من ذلك بالقياس.

تبيّن أن ضوضاء INT8 بالكاد تظهر في الصورة، وأن سامبلر AB-2 البسيط تفوّق على Euler الأساسي في جميع تركيبات الاختبار الـ12 (3 قيم CFG × 4 أعداد من الخطوات) على نموذج Anima. والمغزى العملي: إذا كنت متمسكًا بـEuler خوفًا من التكميم وحده، فيمكنك التخلي عن هذا الخوف، واستبدال السامبلر بخيار واحد في القائمة المنسدلة في ComfyUI. أما الاستنتاج المحرج للمؤلف نفسه فهو أن فكرته Flow-WLS من عمله السابق خسرت أمام Euler عند عدد الخطوات الصغير.

توضيح للمصطلحات. CFG هو مقدار التزام النموذج بنص الطلب (prompt): كلما ارتفع، تضخّم أي خطأ بقدر أكبر. Euler هو أبسط سامبلر: يخطو خطوته اعتمادًا على التنبؤ الحالي فقط. AB-2 وAB-3 وAB-4 هي طرق آدمز–باشفورث: تأخذ في الحسبان 2 أو 3 أو 4 خطوات سابقة، كمن يقدّر سرعة الحركة من عدة لقطات لا من لقطة واحدة. LPIPS مقياس يبيّن مدى اختلاف صورتين في «رؤية» الشبكات العصبية؛ وكلما صغرت قيمته اقتربت الصورة من المرجع.

ما الذي اختُبر وكيف

اختار الباحثون أربعة نماذج flow: Anima (بصيغة bf16 ومع محاكاة FP8 وINT8 وINT4 وNVFP4)، وFlux3-Klein INT8، وKrea 2 INT8 (مع ConvRot)، وMoss-Image INT8. واستخدموا 4 طلبات (prompts) و2–3 قيم seed، وعدد خطوات من 8 إلى 24، وقيم CFG من 1 إلى 5. وكان المرجع هو النموذج نفسه مشغَّلًا على عدد كبير جدًا من الخطوات (96 في حالة بورتريه Anima).

وفي Flux3 قارنوا وضعين للنموذج نفسه: الأول بنوى INT8 الحقيقية (Q)، والثاني بالأوزان نفسها بعد فك ضغطها إلى bf16 دون تكميم التنشيطات (D). والفرق بينهما يمثّل خطأ النوى وحده. وقبل التجارب دوّن المؤلفون في README خمس عشرة فرضية (H1–H15) وشروط تأكيدها، حتى لا يطوّعوا الاستنتاج ليلائم النتيجة. ولم تتأكد بعض الفرضيات، وأبقوا ذلك في النص.

التكميم غير ضار والضوضاء بيضاء

يبلغ خطأ نوى INT8 الحقيقية 1,3% من معيار السرعة عند CFG 1 و5,7% عند CFG 4. والارتفاع بمقدار 4,36 مرة له تفسير: الخطأ يُضرب في معامل guidance، شأنه شأن أي فرق بين تنبؤين. وينتج عن ذلك في المتغير الكامن النهائي (latent) خطأ نسبي لا يتجاوز 0,02. أما مسافة LPIPS بين نتيجتي Q وD فهي 0,014 عند CFG 1 و0,029 عند CFG 4؛ ولا يمكن تمييز هذا الفرق بالعين.

والضوضاء هنا «بيضاء»: الارتباط بين الخطوات المتجاورة يساوي −0,001، أي أن الخطأ يتجدد في كل خطوة ولا يتراكم في اتجاه واحد. وهذا النوع من الضوضاء هو ما تضخّمه الطرق عالية الرتبة. وبحسب الحساب مقارنةً بـEuler، يضاعفها AB-2 بمقدار 1,06 مرة، وAB-3 بمقدار 1,21، وAB-4 بمقدار 1,97. لكن الخطأ الزائد الذاتي في AB-4 (0,5–0,8) أكبر بعشرات المرات من أثر التكميم (حتى 0,02)، فالمسؤول ليس INT8 بل اختيار الطريقة.

ماذا نختار عمليًا

على Anima جرى تشغيل CFG 1 و3 و5 عند 8 و12 و16 و24 خطوة، بتسع طرق إجمالًا:

• AB-2 أفضل من Euler في جميع الخلايا الـ12، بفارق 0,03–0,12 في خطأ المتغير الكامن، ولا تشمل فترات الثقة الصفر؛
• DPM++ 2M يتفوق على Euler عند CFG المرتفع وبين 16 و24 خطوة؛
• عند CFG 1 (النموذجان المقطّران Flux3-Klein وKrea 2) كان AB-3 والاختيار الديناميكي الأفضل؛
• AB-4 والنوافذ الطويلة في Flow-WLS لم تكن في أي حالة الخيار الأفضل عند 12 خطوة فأقل.

والصور تؤكد ذلك. على Anima عند 8 خطوات يترك Euler ضوضاء شبه سوداء (LPIPS 0,89)، بينما يعطي DPM++ 2M (0,35) وAB-2 (0,42) صورة مكتملة؛ وعند 16 خطوة يسجّل Euler 0,34 مقابل 0,20 لـDPM++ 2M و0,21 لـAB-3 و0,23 لـAB-2. وعلى Krea 2 عند 12 خطوة تبدو بشرة Euler «بلاستيكية» (0,34)، بينما يعيد AB-3 (0,21) المسام والنمش. وعلى Flux3-Klein عند 12 خطوة تبدو نتائج Euler وDPM++ 2M وAB-2 وAB-3 متطابقة بالعين (0,15)، فلا داعي لتغيير السامبلر هناك.

يعود السبب إلى طبيعة خرج الشبكة: اتجاه سلس مضافًا إليه ضوضاء غير مترابطة بين الخطوات. وحجمها نحو 1% من المعيار عند CFG 1، ونحو 4% عند CFG 3، و6–7% عند CFG 5. والقواعد ذات الأوزان الكبيرة تضخّم هذه الضوضاء، ولا تتفوق إلا ما دامت صغيرة. وحين حاول الباحثون ضبط مرشّح التاريخ على البيانات، لم يتجاوز المكسب 3,4% فوق أفضل قاعدة موجودة، ولذلك لا حاجة إلى سامبلر جديد من فئة Flow-WLS. ومن النتائج الجانبية أن مقياس الاتساق على خطوة واحدة يتنبأ بالترتيب النهائي تنبؤًا ضعيفًا، في حين أن المقياس المتراكم على امتداد المسار يتنبأ به جيدًا (ارتباط سبيرمان 0,77 في المتوسط).

التثبيت: استنسخ المستودع YakovSava/flow-wls-research إلى ComfyUI/custom_nodes/ وأعد تشغيل ComfyUI. ستظهر في قائمة sampler_name الخيارات flow_ab2 وflow_ab3 وflow_ab4. وهناك أيضًا عقدة Flow Easy Sampler التي تتيح الاختيار بين خيارين. ويعمل AB-k دون استدعاءات إضافية للنموذج، ولذلك فكلفته مساوية لكلفة Euler. التوصيات: النموذج العادي عند CFG 3 وما فوق — flow_ab2، ومع 16 خطوة فأكثر يصلح أيضًا dpmpp_2m؛ والنموذج المقطّر عند CFG 1 — flow_ab3؛ وعند أقل من 12 خطوة — لا flow_ab4 ولا النوافذ الطويلة في Flow-WLS.

القيود

يقيس LPIPS المسافة إلى صورة نُتجت بعدد كبير من الخطوات، لا الجمال؛ ولا يوجد اختبار أعمى على بشر. والعينة صغيرة: 4 طلبات و4 نماذج وقيمة seed واحدة لكل صورة، ولم يُنتقَ أفضل ناتج. وفي Moss-Image لا يوجد مرجع متقارب، ولذلك لا يُعتمد إلا على التأثيرات الكبيرة؛ أما في Flux3 عند CFG 4 فيتقارب المرجع عند 20–34%. وفي Moss وKrea 2 قيس وضع Q فقط. ولم يُقَس خطأ تقريب الأوزان نفسه بالنسبة إلى أصل bf16 غير المعروف. ولم تُختبر النماذج الشبيهة بـSDXL. وأُضيف AB-2 وDPM++ 2M إلى جزء من التجارب بعد ظهور النتائج الأولى، وهذا مدوّن في README. وAB-2 ليس طريقة جديدة: قيمة العمل في القياسات وفي النتيجة السلبية التي خرجوا بها بشأن فكرة المؤلفين أنفسهم.