Ant Group تطلق Ming-flash-omni 2.0: قفزة مفتوحة المصدر في النماذج متعددة الوسائط

فتحت Ant Group الشيفرة المصدرية لأكثر النماذج متعددة الوسائط طموحًا في محفظتها، وهو Ming-flash-omni 2.0. وتقول الشركة إن نموذجها لا ينافس Gemini 2.5 Pro، النموذج الرائد من Google، فحسب، بل يتفوق عليه أيضًا في عدد من الاختبارات الحاسمة. أما الفارق الأهم فيكمن في جانب آخر تمامًا: فقد أصبح Ming-flash-omni 2.0 أول نموذج في القطاع يتعلم توليد الصوت بصورة متزامنة، أي الكلام والضوضاء الخلفية والموسيقى معًا في مسار واحد. وهذا ليس مجرد إنجاز تقني، بل انتقال إلى مستوى جديد في التعامل مع الوسائط المتعددة.

ويبدو أن ظهور نموذج مفتوح متعدد الوسائط من عملاق التقنية المالية الصيني جزء من استراتيجية أوسع. فبينما يُبقي قادة السوق الغربيون، OpenAI وGoogle وAnthropic، أقوى أنظمتهم مغلقة، بدأت شركات مثل Ant Group تدرك أن الانفتاح قد يتحول إلى ميزة تنافسية. ويحصل Ming-flash-omni 2.0، بإطلاقه مفتوح المصدر، على وصول فوري إلى مجتمع المطورين، الذين يستطيعون تكييف النموذج مع الاحتياجات المحلية وتحسينه ليناسب أجهزتهم وبناء تطبيقات متخصصة. ويكتسب ذلك أهمية خاصة في الأسواق الآسيوية، حيث يُعدّ التوطين والتكييف الثقافي أمرين حاسمين.

أما على صعيد المواصفات التقنية، فيحقق النموذج نتائج لافتة. ففي اختبارات الفهم البصري اللغوي وتوليد الصور مع التحرير، تنافس نتائج Ming-flash-omni 2.0 نتائج Gemini 2.5 Pro، بل تتفوق عليها في بعض الاختبارات. لكن الجانبين البصري والنصي أصبحا ميدانًا مألوفًا للنماذج الكبيرة الحديثة. أما الجديد الحقيقي فيكمن في القدرات الصوتية. فحتى الآن، كان المطورون عند تركيب الكلام يولّدون الصوت منفصلًا، أو يضيفون الأصوات الخلفية والموسيقى كطبقات مستقلة في مرحلة ما بعد الإنتاج. أما Ming-flash-omni 2.0 فيغيّر هذه المعادلة: إذ يستطيع إنشاء المكونات الثلاثة في وقت واحد، مع فهم السياق وضمان تفاعلها الطبيعي في مسار زمني واحد.

ويفتح ذلك الباب أمام سيناريوهات استخدام جديدة تمامًا. ففي إنتاج الوسائط، يعني ذلك تسريع إعداد التعليق الصوتي للمحتوى المرئي والأفلام الوثائقية والبودكاست. ولا يقتصر النظام على توليد كلام الممثل، بل يمكنه أيضًا إثراء المشهد الصوتي بتفاصيل جوية. وفي تطوير تطبيقات الذكاء الاصطناعي، تتيح القدرة على التوليد الصوتي الموحّد بناء أنظمة تفاعلية أكثر تعقيدًا، بدءًا من المساعدين الأذكياء الذين يبدون كأشخاص حقيقيين في عالم حقيقي، وصولًا إلى سيناريوهات الألعاب بتصميم صوتي متكامل يُنشأ في اللحظة نفسها.

ويرمز إطلاق Ming-flash-omni 2.0 مفتوح المصدر إلى تحوّل في جيوسياسة الذكاء الاصطناعي. فبعد أن كانت العمالقة الغربية تهيمن على الابتكار في مجال الوسائط المتعددة، تُظهر الشركات الصينية الآن أنها لا تستطيع مجاراة المنافسين فحسب، بل التقدم عليهم في بعض الاتجاهات. وسيعزز الوصول المفتوح هذا الأثر، إذ يتيح للمطورين حول العالم التجريب وتحسين النموذج. والسؤال المطروح: هل ستتمكن الصناعة الغربية من التكيف سريعًا مع واقع جديد، تتوافر فيه أفضل الأدوات غالبًا بشكل مفتوح للجميع، لا لمن يستطيع تحمّل كلفة الحوسبة السحابية لشركات الصف الأول (Tier-1) وحدهم؟