Qwen-Image 2.1 Omni يعمل ضمن 4 غيغابايت من ذاكرة VRAM من دون أن يفقد سرعته تقريبًا

إذا سبق لك تشغيل توليد الصور محليًا، فأنت تعرف المشكلة المعتادة: تحتاج إلى نموذج لإنشاء الصور ونموذج آخر لتعديلها، ولا يتسع الاثنان معًا في ذاكرة الفيديو لبطاقة رسومية عادية. تحاول ChatR Labs حل المشكلتين دفعة واحدة. فقد أصدرت Omni، وهو محول LoRA لـ Qwen-Image-2.1، إلى جانب مجموعة من الإصدارات المكمّمة، يشغل أخفها نحو 4 غيغابايت.

ما الذي يتضمنه

Omni هو محول واحد بالرتبة 128 مطبق على 224 وحدة، ويبلغ حجمه وحده 671 ميغابايت. وهو يعلّم النموذج الأساسي مهمتين في الوقت نفسه: رسم صورة من الصفر انطلاقًا من النص، وتحرير صورة جاهزة وفق تعليمات. ولا حاجة إلى تبديل الأوزان بين الوضعين. كما يحتفظ بكل ما يميز النموذج الأساسي: بنية DiT ذات 7 مليارات معلمة، ودقة أصلية 2K، وشفافية RGBA، وقدرات محسّنة في الطباعة داخل الصور.

يمكن إدخال ما يصل إلى ثلاث صور مرجعية في ساحة التجربة، رغم أن Qwen-Image-2.1 الأساسي يدعم عشر صور. وإذا كنت تحتاج إلى إعداد متعدد المراجع، فسيتعين عليك تشغيله محليًا واختباره بنفسك. وينبغي أيضًا قراءة وصف «Uncensored» بعناية: جرى تخفيف المرشحات، وتقع مسؤولية الاستخدام عليك وعلى منتجك.

تكلفته من حيث الذاكرة والوقت

الأرقام هي الجانب الأكثر إثارة للاهتمام هنا. أجرى صاحب المنشور القياسات على RTX 5090 بدقة 768x1152 وعبر 35 خطوة:

• BF16: نحو 14 غيغابايت من VRAM، وحوالي 28 ثانية
• Q5_K_M: نحو 8 غيغابايت، والمدة نفسها البالغة 28 ثانية
• NVFP4: نحو 4 غيغابايت، وحوالي 30 ثانية

أي إن التكميم لا يؤثر في السرعة تقريبًا. المقابل هو تراجع جودة الصورة، ويتوقف حجمه تحديدًا على نوع المشاهد التي تولدها. وتضم التشكيلة نطاقًا واسعًا من الإصدارات: Q4_0 بحجم 4.20 غيغابايت، وQ4_K_M بحجم 4.47 غيغابايت، وQ5_K_M بحجم 5.21 غيغابايت، وQ6_K بحجم 6.00 غيغابايت، وQ8_0 بحجم 7.69 غيغابايت، وFP8 بحجم 7.12 غيغابايت، وBF16 بحجم 14.23 غيغابايت. ويتوفر لـ ComfyUI إصداران منفصلان بصيغتي FP8 وNVFP4.

لكن تجدر الإشارة إلى أن القياسات أُجريت على بطاقة 5090 رائدة ونشرها مؤلف واحد. ويحصل NVFP4 على تسريع عتادي في معمارية Blackwell، لذلك ستختلف الأزمنة على البطاقات الأقدم. ولا ينبغي التعامل مع الجدول بوصفه ضمانًا للأداء على عتادك.

الإعدادات والمشكلات الخفية

الإعدادات الموصى بها هي: 35 خطوة، وtrue CFG بقيمة 5.0، وsampler من نوع er_sde مع scheduler من نوع simple، ودقة 1024×1024، مع تفعيل KV cache. وهناك تفصيل غير بديهي يتعلق بالـ prompt السلبي: يجب أن يحتوي على مسافة واحدة. فإذا تُرك فارغًا تمامًا، يتعطل true CFG ببساطة، وتصبح النتيجة أسوأ بوضوح من دون ظهور أي رسالة خطأ.

يتعلق الفخ الثاني بالملفات. فالإصدارات المخصصة لـ ComfyUI وDiffusers غير قابلة للاستبدال فيما بينها؛ إذ تحتوي على 265 و297 موترًا على الترتيب. وإذا أخطأت في اختيار الصيغة، فلن يُحمّل النموذج. ولا يلزم تنزيل سوى المحول Transformer، بينما يؤخذ مشفر النص وVAE من نموذج Qwen-Image-2.1 الأساسي.

ماذا تفعل به

إذا كانت بطاقتك مزودة بذاكرة تتراوح بين 6 و8 غيغابايت، فهذه فرصة لتجربة توليد الصور وتحريرها محليًا، من دون خدمات سحابية أو دفع مقابل كل طلب. وبالنسبة إلى المنتجات، يتيح ذلك بناء نموذج أولي لتحرير الصور داخل بنيتك التحتية الخاصة، بحيث لا تغادر البيانات نطاقك. اختبر أولًا الجودة على مهامك المعتادة في ساحة التجربة؛ فهي تعمل من دون حساب، لكن قائمة الانتظار تعتمد على بطاقتي 4090 وقد تطول. بعد ذلك اختر مستوى تكميم يناسب ذاكرتك. لا يزال إصدار المحول v0.1، ولذلك فهو في بيئات الإنتاج أقرب إلى أساس للتجارب منه إلى حل جاهز. وتأكد حتمًا من ترخيص النموذج الأساسي والمخاطر القانونية المرتبطة بالنموذج «غير الخاضع للرقابة» قبل إتاحته للمستخدمين.