MiniMax H3-Image ترسم 4K أصلية في 16 ثانية وتفتح أوزانها
حوّلت MiniMax نموذج الفيديو H3 إلى مولّد صور باسم H3-Image: يرسم بدقة أصلية 4096×4096 في ست خطوات ودون تكبير لاحق. يستغرق ذلك 16 ثانية في وضع Standard ونحو 10 ثوانٍ في Highspeed، بينما استغرق Nano Banana 2.1 في الاختبار نفسه 50 ثانية. يقبل النموذج مُوجِّهًا (prompt) حتى 32 ألف حرف وحتى 16 مرجعًا. الأوزان والشيفرة مفتوحة، وتتوفر قوالب جاهزة في ComfyUI.
معالج بواسطة الذكاء الاصطناعي من TG: @ai_newz (эйай ньюз)؛ بتحرير Hamidun News
عاشت معظم مولّدات الصور سنوات طويلة مع حل وسط واحد: يرسم النموذج بدقة أقل، ثم يأتي مُكبِّر الصور (upscaler) ليضيف تفاصيل «معقولة». هذا يكفي للمعاينة، لكنه لا يكفي للطباعة واللافتات والتصاميم الكبيرة. تقترح MiniMax طريقًا آخر: H3-Image تولّد صورة 4096×4096 مباشرة، دون خطوة تكبير منفصلة.
ما هذا النموذج
نشأ H3-Image من نموذج الفيديو H3 الذي أعادت MiniMax تكييفه للصور الثابتة. في داخله محوّل انتشار (diffusion transformer) بـ 33.1 مليار معامل. وهو ينتج الصورة في ست خطوات، وهذا عدد قليل جدًا لنموذج بهذا الحجم.
هناك معاملان آخران مهمان عمليًا. يمكن أن يصل طول المُوجِّه إلى 32 ألف حرف، أي أنه يتسع لمواصفات كاملة: وصف العلامة التجارية، وتوزيع عناصر الكادر، ومتطلبات الأسلوب. ويمكن تمرير حتى 16 مرجعًا، مثل شخصية أو منتج أو لوحة ألوان أو أمثلة على التركيب. وبالنسبة لفرق المنتجات فهذا أقرب إلى أداة عمل منه إلى لعبة: يمكن وضع دليل العلامة التجارية مباشرة في الطلب.
السرعة والسعر
بحسب الإعلان، تستغرق صورة 4K من نص نحو 10.3 ثانية في وضع Highspeed و16 ثانية في Standard. أما Nano Banana 2.1 بوضع thinking medium فاستغرق في الاختبار نفسه 50 ثانية. ينبغي قراءة هذه المقارنة بتحفظ. فوضع thinking يضيف وقتًا للتفكير قبل الرسم، ولذلك لا يمكن إرجاع الفارق كله إلى سرعة التوليد نفسها. ولم يذكر المنشور على أي عتاد جرت القياسات، لذا ينبغي إعادة التحقق من الأرقام على مهامكم الخاصة.
عبر API تبلغ كلفة صورة 4K في وضع Standard نحو 0.07 دولار، ويسري حاليًا خصم 50% عند الإطلاق. وحتى 23 نوفمبر شاملًا، تتيح منصة fal من 3 إلى 5 عمليات توليد مجانية. وهذا يكفي لتجربة مُوجِّهاتكم بسرعة دون نشر أي شيء على أجهزتكم.
التشغيل محليًا: ثقيل لكنه ممكن
الأوزان مفتوحة والشيفرة على GitHub. لكن مع المُرمِّز وVAE يجب تنزيل نحو 135 غيغابايت. وبالنسبة لبطاقات الرسوم بسعة 24 غيغابايت، يقترح SGLang نقل جزء من الطبقات إلى الذاكرة العشوائية. هذا يعمل، لكن السرعة ستنخفض بوضوح، وأرقام الإعلان لا تنطبق على هذا الإعداد. وتتوفر في ComfyUI قوالب جاهزة، فلا حاجة إلى بناء خط المعالجة يدويًا.
وقد أصدر المجتمع بالفعل LoRA بخطوتين للتسريع. ولا يزال من غير الواضح إلى أي حد تضر بالجودة، وهذا يحتاج إلى فحص منفصل.
ماذا نفعل بهذا
إذا كنتم تبنون منتجًا يعتمد على توليد الصور، فأرخص خطوة الآن هي التالية: خذوا 10 إلى 20 من مُوجِّهاتكم الحقيقية، بما فيها الطويلة وتلك التي تحتوي على مراجع، ومرّروها عبر عمليات التوليد المجانية على fal. وراقبوا ما ينكسر عادة في المهام التطبيقية: التفاصيل الدقيقة، والنص داخل الكادر، والحفاظ على الشخصية اعتمادًا على المراجع. لا معنى لـ 4K الأصلية إلا إذا كان المكسب في التفاصيل ظاهرًا دون تكبير لاحق.
أما للتشغيل المحلي، فاحسبوا مسبقًا مساحة القرص والذاكرة. فـ 135 غيغابايت، والنقل إلى الذاكرة، والسرعة المجهولة على بطاقة استهلاكية قد تلتهم كل التوفير في API. ويجدر أيضًا قراءة الترخيص على Hugging Face قبل الدمج في منتج تجاري.
التحول العام واضح: دقة 4K والسياق الطويل للمُوجِّه يصبحان الحد الأدنى المعتاد، وسرعة الخطوات الست تجعل هذا التوليد صالحًا للسيناريوهات التفاعلية. أما الباقي فستكشفه المقارنات المستقلة.
- 12 نوفمبر 2026وكلاء الذكاء الاصطناعي يعيدون فحص أكثر من 2000 ورقة بحثية في ICML 2026 ويكشفون أخطاء فاتت المراجعين
- 12 نوفمبر 2026ثماني دول وOpenAI وAnthropic تعد بـ«زر إيقاف طارئ» لنماذج الذكاء الاصطناعي، لكن بلا مواعيد ولا غرامات
- 12 نوفمبر 2026Hugging Face تحذّر: موجة الاختراقات قد تجعل الذكاء الاصطناعي مفتوح المصدر أقل انفتاحًا
- 12 نوفمبر 2026OpenAI تبني «غرفة التحكم»: مفتاح إيقاف طارئ للنماذج التي خرجت من البيئة المعزولة
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول ما هذا النموذج؟
نشأ H3-Image من نموذج الفيديو H3 الذي أعادت MiniMax تكييفه للصور الثابتة. في داخله محوّل انتشار (diffusion transformer) بـ 33.1 مليار معامل. وهو ينتج الصورة في ست خطوات، وهذا عدد قليل جدًا لنموذج بهذا الحجم. هناك معاملان آخران مهمان عمليًا. يمكن أن يصل طول المُوجِّه إلى 32 ألف حرف، أي أنه يتسع لمواصفات كاملة: وصف العلامة التجارية، وتوزيع عناصر الكادر، ومتطلبات الأسلوب. ويمكن تمرير حتى 16 مرجعًا، مثل شخصية أو منتج أو لوحة ألوان أو أمثلة على التركيب.
ما أبرز التفاصيل حول السرعة والسعر؟
بحسب الإعلان، تستغرق صورة 4K من نص نحو 10.3 ثانية في وضع Highspeed و16 ثانية في Standard. أما Nano Banana 2.1 بوضع thinking medium فاستغرق في الاختبار نفسه 50 ثانية. ينبغي قراءة هذه المقارنة بتحفظ. فوضع thinking يضيف وقتًا للتفكير قبل الرسم، ولذلك لا يمكن إرجاع الفارق كله إلى سرعة التوليد نفسها. ولم يذكر المنشور على أي عتاد جرت القياسات، لذا ينبغي إعادة التحقق من الأرقام على مهامكم الخاصة. عبر API تبلغ كلفة صورة 4K في وضع Standard نحو 0.07 دولار، ويسري حاليًا خصم 50% عند الإطلاق.
ما أبرز التفاصيل حول التشغيل محليًا: ثقيل لكنه ممكن؟
الأوزان مفتوحة والشيفرة على GitHub. لكن مع المُرمِّز وVAE يجب تنزيل نحو 135 غيغابايت. وبالنسبة لبطاقات الرسوم بسعة 24 غيغابايت، يقترح SGLang نقل جزء من الطبقات إلى الذاكرة العشوائية. هذا يعمل، لكن السرعة ستنخفض بوضوح، وأرقام الإعلان لا تنطبق على هذا الإعداد. وتتوفر في ComfyUI قوالب جاهزة، فلا حاجة إلى بناء خط المعالجة يدويًا. وقد أصدر المجتمع بالفعل LoRA بخطوتين للتسريع. ولا يزال من غير الواضح إلى أي حد تضر بالجودة، وهذا يحتاج إلى فحص منفصل.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.