الأوامر الروسية في ComfyUI: FLUX.2 وQwen-Image تخسران 4–13 نقطة، وSD-Turbo تخسر كل شيء تقريبًا

«خمس بطّات مطاطية صفراء تسبح في حوض الاستحمام». أمام هذه العبارة رسمت FLUX.2 klein 4B مرتين أعوادًا صفراء، بينما أنتجت SD-Turbo منظرًا علويًا لمدينة. وبالإنجليزية رسمت النموذجان البطّات دون مشكلة. تفترض معظم أدلة ComfyUI أن الأمر النصي بالإنجليزية، وقرر كاتب التحليل أن يتحقق مما إذا كان ذلك شرطًا لازمًا فعلًا.

لماذا يحسم المشفّر كل شيء

الذي يحوّل النص إلى صورة ليس نموذج الانتشار، بل مشفّر النص: فهو يقطّع الأمر إلى رموز (توكنات) ويسلّم النموذج متجهاتها. وإذا كان لا يعرف اللغة جيدًا، فلن يصلح ذلك أي معامل في أداة أخذ العينات.

في نماذج 2022–2024 تكون المشفّرات إنجليزية. وتصرّح OpenAI بأن CLIP لم يُدرَّب ولم يُختبر على أي لغة غير الإنجليزية. أما T5 v1.1 في FLUX.1 وSD 3.5 فلا يعرف سوى 14 من أصل 66 حرفًا روسيًا، وكلها صغيرة فقط. وكل ما عدا ذلك، بما في ذلك أي حرف كبير، يتحول إلى رمز <unk>. فعبارة «Самовар на деревянном столе» تصل إلى النموذج على هيئة «<unk>амовар на дерев<unk>нном столе». وفي الجزء الروسي من الاختبار تبلغ نسبة هذه الرموز نحو 22%. أما CLIP فلا يفقد الحروف، لكنه يقطّع الروسية إلى أجزاء صغيرة، فيصبح النص أطول من نظيره الإنجليزي بـ 3,35 مرة.

وفي النماذج الجديدة توجد نماذج لغوية كبيرة: Qwen3 4B في FLUX.2 klein، وQwen2.5-VL 7B في Qwen-Image، وMistral Small 3.1 في FLUX.2 dev. ومجزّئات النصوص لديها تعرف الروسية، فلا توجد رموز مجهولة.

ماذا أظهر الاختبار

أعدّ الكاتب 12 أمرًا يسهل التعثر عندها: السماور، والبارانكي، والفالينكي، والبيلميني، وعدّ الأشياء، ومواضع الأجسام، والحروف السيريلية على اللافتة. جرى تشغيل كل أمر بقيمتي seed، بالروسية وبالإنجليزية. وقيّم الصور نموذجان متعددا الوسائط بإجابات «نعم/لا» عن أسئلة حول التفاصيل، وتطابقت إجاباتهما في 92,8% من الحالات.

النتائج بحسب التفاصيل المنفّذة، الروسية مقابل الإنجليزية:

• FLUX.2 dev: 91% مقابل 95%
• Qwen-Image 2512: 83% مقابل 93%
• FLUX.2 klein 4B: 73% مقابل 86%
• SD-Turbo على المعالج: 4% مقابل 67%

لم ترسم SD-Turbo بمشفّر OpenCLIP الإنجليزي شيئًا يُذكر بالروسية: أربع تفاصيل صحيحة من 92، وكلها عرضية. لكن التركيب البسيط («كوب أحمر على اليسار وإبريق أخضر على اليمين») لا تفسده الروسية على النماذج الحديثة. وتبدأ الإخفاقات عند المفردات الثقافية: فلم يرسم أي نموذج حزمة البارانكي بالروسية، ولم تنجح الفالينكي بالروسية عند أي نموذج.

والعدّ والحروف السيريلية على الصورة صعبان بكلتا اللغتين. فخمس بطّات بالضبط رسمهما بثبات FLUX.2 dev وQwen-Image فقط. ولافتة «Булочная» كتبها بلا أخطاء FLUX.2 dev وحده، وفي محاولة واحدة من اثنتين. أما Qwen-Image فأنتجت «Билочля»، وklein أنتجت «Бузчиние».

اللغة أم الشروحات؟

التحفظ الرئيسي على الاختبار: في أربعة أوامر إنجليزية أضاف الكاتب شروحات مثل «valenki felt boots». لذلك أعاد تشغيل هذه الأوامر الأربعة بنسختين جديدتين. النتائج للنماذج الثلاثة معًا:

• بالروسية: 72%
• بالروسية مع شروحات: 76%
• بالإنجليزية بلا شروحات: 70%
• بالإنجليزية مع شروحات: 81%

تبيّن أن الإنجليزية بلا شروحات في مستوى الروسية العادية. أي أن النموذج لا يتعثر باللغة، بل بكلمة لا تقابلها صورة مفهومة. وكانت الشروحات الروسية أنفع ما تكون لـ Qwen-Image: من 68% إلى 85%. أما FLUX.2 dev فكان مكسبه أقل (من 79% إلى 82%)، بينما تراجعت نتيجة klein (من 68% إلى 62%). لكن الكاتب نفسه يحذّر من أن المقيِّمين يجيبون بتذبذب عن التفاصيل الخلافية، ولذلك يُعدّ فارق بضع إجابات ضجيجًا.

وفي حالة SD-Turbo أفاد المترجم: فقد رفعها نموذج لغوي رخيص إلى 61–63% وكلّف نحو كوبيك واحد للأمر.

القيود وما العمل

هذه تجربة على 12 أمرًا وقيمتي seed، وليست معيارًا قياسيًا. مرّت أربعة نماذج عبر واجهة BotHub البرمجية (يكتب الكاتب لمدونتها)، حيث يختار المزوّد الخطوات وguidance، ولذلك ينبغي مقارنة الروسية بالإنجليزية داخل النموذج الواحد. أما FLUX.1 schnell فالخدمة نفسها تترجم أوامرها إلى الإنجليزية، فلم تُدرج في استنتاجات فهم الروسية.

الخلاصة العملية:

• النماذج ذات مشفّر LLM (FLUX.2 وQwen-Image) لا تحتاج مترجمًا في المخطط، فالروسية تناسبها.
• اشرحوا المفردات الثقافية: لا «подстаканник» بل «كوب في حامل معدني للكوب»، ولا «баранки» بل «حزمة حلقات خبز صغيرة».
• للنماذج القائمة على CLIP أو T5 (SD 1.5 وSDXL وSD 3.5 وFLUX.1 وSD-Turbo) ضعوا مترجمًا LLM قبل المشفّر، فهذا رخيص.
• الأفضل إضافة الحروف السيريلية على اللافتات والعبوات لاحقًا في برنامج تحرير.