نموذج
Qwen-Image وZ-Image وFLUX.2 [klein]: الاختلافات بين ثلاثة مسارات للصور المفتوحة
افتح نموذج الصورة/نظرة عامة على التكنولوجيا
افتح نموذج الصورة/نظرة عامة على التكنولوجيا
© 2026 تيلك نت. جميع الحقوق محفوظة.
نماذج الصور المفتوحة / مراجعة تقنية
لم يعد التمايز بين نماذج الصور المفتوحة يقاس فقط بمدى إقناع الصورة المولّدة. يركّز Qwen-Image قدرته على الطباعة المعقدة وعلى تحرير يعتمد ترميزين معًا؛ ويبني Z-Image بنية DiT أحادية التدفق بـ 6B معلمة ثم يقطّرها إلى ثمانية تقييمات للشبكة؛ بينما يضع FLUX.2 [klein] التوليد والتحرير متعدد المراجع في نموذج rectified-flow مدمج من أربع خطوات. الثلاثة تنتمي إلى الجيل نفسه من الإصدارات، لكنها توجّه سعة النموذج إلى مشكلات مختلفة.
هدف مطابقة التدفق بصيغته المدمجة هو L_FM=E||v_θ(x_t,t,c)-u_t||². عدد الخطوات الأقل يعني تقييمات أقل للدالة، لكن لا يمكن مقارنة النماذج المقطّرة وغير المقطّرة على أساس عدد الخطوات وحده.
يؤكد Qwen-Image على إخراج النصوص المعقدة والتحرير الدقيق. ويقطّر Z-Image-Turbo مسار التوليد. أما FLUX.2 Klein فيضيف صورًا مرجعية متعددة إلى شرط التحرير لديه. عدد المعلمات وعدد الخطوات خاصان بكل مشروع، ولا يمكن ترتيبها دون معرفة نوع المدخل والمهمة.
ظل إخراج النصوص صعبًا حتى بعد تحسّن جودة الصورة عمومًا، لأن الكلمة ليست مجرد نسيج إضافي. ترتيب الحروف وشكل الرسوم وكسر الأسطر والتخطيط يجب أن تتفق كلها في آن واحد. يعالج Qwen-Image ذلك عبر خط بيانات ضخم ومنهج تدريجي ينتقل من السلاسل البسيطة إلى الأوصاف على مستوى الفقرة.
يكشف التحرير صراعًا ثانيًا: على النموذج أن يغيّر ما تسميه التعليمات مع الحفاظ على الهوية والمادة والمناطق التي لم تُمس. يرمّز Qwen-Image المصدر عبر Qwen2.5-VL وVAE لالتقاط المعلومات الدلالية والإعادة-بنائية. وينظّم Z-Image وFLUX.2 [klein] هذه الشروط بطريقة مختلفة، ولهذا يخفي وصف «نموذج صور» المشترك خيارات معمارية مهمة.
M_peak≈M_weights+M_text+M_VAE+M_attn(H,W)+M_samplerM_weightsأوزان النموذجM_attn(H,W)حالة الانتباه المرتبطة باللوحةM_samplerالمُولِّد العينات وحالة الفضاء الكامنيصف عدد المعلمات سعة النموذج لكنه لا يحدد مباشرة كلفة الصورة الواحدة. مع توسّع اللوحة، تتمدد الوسائط الانتباهية وسمات VAE مع الرموز المكانية، بينما يستجيب التكوين والطباعة والتفاصيل أيضًا لإعداد أخذ العينات.
يستخدم Qwen-Image بنية MMDiT بـ 20B، ويستخدم Z-Image بنية DiT أحادية التدفق قابلة للتوسع بـ 6B، ويستخدم FLUX.2 [klein] محوّل rectified-flow بـ 9B مع مضمّن نصوص Qwen3 بـ 8B. لذا تجمع كلفة اللوحة بين طول التسلسل المكاني وعرض نماذج شديد الاختلاف ومسارات أخذ عينات متباينة.
يمكن تتبع الورقة والشيفرة والأوزان عبر Qwen-Image وZ-Image وبطاقة نموذج FLUX.2 Klein 9B.
المقارنة المفيدة ليست مجموعًا جماليًا واحدًا. بل كيف ينظّم كل مشروع شروطه، وأي مرحلة من نقاط التفتيش ينشرها، وما الذي يغيّره التقطير.
| النموذج | المعمارية أو الدليل | النطاق |
|---|---|---|
| Qwen-Image | بنية MMDiT بـ 20B؛ ترميز دلالي وVAE للمصدر من أجل التحرير | Apache 2.0؛ إصدارات منفصلة للتوليد والتحرير |
| Z-Image | بنية S3-DiT بـ 6B؛ الرموز النصية والدلالية البصرية ورموز VAE في تدفق واحد | Apache 2.0؛ فروع الأساس وTurbo بثمانية NFE والتحرير |
| FLUX.2 [klein] 9B | rectified flow بـ 9B مع مضمّن نصوص Qwen3 بـ 8B؛ تقطير من أربع خطوات | أوزان 9B غير تجارية؛ تحرير موحّد متعدد المراجع |
يُصدر المُولِّد بكسلات لا كائنات حروف قابلة للتحرير. عليه أن يستنتج السلسلة المطلوبة، ويختار مقياسها ومنظورها، ثم يعيد بناء كل ضربة قلم داخل اللوحة الكامنة. النص الأطول يترك هامشًا أضيق للخطأ المحلي، والرسوم الصينية تضيف بنية ضربات كثيفة. تدريب الطباعة يحسّن هذه السلسلة دون أن يحوّل المخرج إلى مستند مطبعي.
الدقة الأعلى تمنح الرسوم الصغيرة رموزًا مكانية أكثر، لكنها أيضًا تطيل التسلسل البصري وتزيد حالة الانتباه. لذلك تصعد الوضوح الطباعي والحوسبة الأعلى معًا؛ وقد يحافظ المسار المقطّر على التكوين العام بينما يفقد الضربات الأخيرة.
يستخدم Qwen-Image وZ-Image مستودعات برخصة Apache 2.0. أما FLUX.2 [klein] 9B فيصدر بموجب FLUX Non-Commercial License. وبالتالي فإن الأوزان القابلة للتنزيل لا تمنح حقوقًا متماثلة للاستخدام التجاري أو إعادة التوزيع أو التدريب المشتق.
تذكر بطاقة نموذج FLUX.2 أيضًا أن النص المُخرَج قد يكون غير دقيق وأن النموذج لا يقدم معلومات واقعية. الرقم المقروء في رسم بياني معلوماتي يظل محتوى مولّدًا، لا دليلًا على الادعاء المطبوع بجواره.
أسماء النماذج والأرقام والقيود تعود إلى الأوراق أو المستودعات أو بطاقات النماذج أدناه.