FLUX 3 Image Klein مقابل Qwen-Image 2.1 Turbo: الترخيص يحسم هذه المسألة قبل أن تفعل الاختبارات المعيارية ذلك

FLUX 3 Image Klein، من Black Forest Labs في 15 أكتوبر 2026، وQwen-Image 2.1 Turbo، من Alibaba قبل ذلك بأسبوع في 9 أكتوبر 2026، يبدوان وكأنهما المنتج نفسه صادر عن شركتين: مولّدان للصور بأوزان مفتوحة وصغيران، يتعاملان مع تحويل النص إلى صورة، والتحرير، وتركيب المراجع المتعددة ضمن مجموعة أوزان واحدة، وكلاهما يقبل ما يصل إلى عشر صور مرجعية، وكلاهما يأتي مزوّدًا بمسارات استدلال معجّلة. ضع ورقتَي المواصفات جنبًا إلى جنب، وسيتفوق Qwen-Image 2.1 Turbo في معظم الصفوف — معاملات أكثر، وخطوات إزالة تشويش أقل، وشفافية، وأقنعة. ثم اقرأ الترخيصين، لتكتشف أن النموذج الأصغر، الذي يبدو أبطأ وأكثر تكلفة من حيث التفكير، هو الوحيد بين الاثنين الذي يمكنك بناء عمل تجاري عليه دون توقيع أي شيء.

ذلك الانقلاب هو المقارنة كلها. كل ما تبقى — أعداد المعاملات، والأسعار، وأزمنة العرض — ليس سوى تفصيل تزنه بعد أن تتجاوزه.

ما هو كل نموذج في الواقع

FLUX 3 Image Klein هو محوّل صور بعدد معلمات يبلغ 5.6B ضمن ترخيص FLUX Kommunity، طُرح كأوزان مفتوحة بالإضافة إلى نقطة نهاية مدفوعة حسب الاستخدام على واجهة برمجة التطبيقات الخاصة بـ BFL بدءًا من 0.009 دولار لكل 1000 صورة. وهو العضو الأصغر في عائلة FLUX 3 Image ويرث سمات تلك العائلة: إخراج أصلي بدقة 4K، ومربعات إحاطة تُكتب بالشكل [أعلى، يسار، أسفل، يمين] على شبكة من 0 إلى 1000، وما يصل إلى عشر صور مرجعية. يتوفر في نقطتي حفظ — إصدار مقطّر بالخطوات عند 16 خطوة للتوليد، وأساس غير مقطّر عند 50 خطوة للضبط الدقيق وتدريب LoRA — بالإضافة إلى تكميمات FP8 وINT8 وNVFP4. يشير الرقم 5.6B إلى محوّل الصور وحده؛ أما مشفّر النص، Qwen3-VL-4B-Instruct، فهو تنزيل منفصل.

يُعد Qwen-Image 2.1 Turbo نقطة تحقق مسرّعة من Qwen-Image 2.1، تحافظ على بنية توليد الصور نفسها بحجم 7B — 32 طبقة DiT أحادية المسار — وتقلّص الاستدلال إلى 8 خطوات لإزالة الضوضاء مع جدول أخذ عينات محفوظ وتخزين KV مؤقت للبادئات. وهو نموذج موحّد للتوليد والتحرير مع قائمة ميزات لا تضاهيها Klein: شفافية أصلية، إذ يولّد ويحرّر صور RGBA مباشرةً؛ وتعديلات محلية عبر دوائر مرسومة أو تعليقات مرسومة أو أقنعة منفصلة بدلاً من مربعات الإحاطة. الأوزان خاضعة لاتفاقية ترخيص Qwen Research، ويبلّغ سعر النسخة المستضافة 0.016 دولار لكل صورة عبر Alibaba Cloud Model Studio وQwenCloud.

كلاهما إصداران حقيقيان بأوزان مفتوحة بالمعنى الذي يهم من يقوم بالتنزيل: يمكنك الحصول على الملفات وتشغيلها محليًا وضبطها الدقيق. أما ما يجوز لك فعله بعد ذلك بالمخرجات فهو سؤال مختلف، وهو السؤال الذي يجيب عنه المورّدان إجابةً مختلفة.

الرخصة هي النقطة التي يفترقان عندها

اتفاقية ترخيص أبحاث Qwen واضحة لا لبس فيها في مقدمتها: فالمنحة "للأغراض غير التجارية فقط"، ويقول البند 2(ب) إنه "لا يجوز لك استخدام المواد لأي غرض تجاري دون الحصول على ترخيص تجاري منفصل منا". والكلمة التي تستخدمها الاتفاقية للإشارة إلى غير التجاري هي "أغراض البحث أو التقييم". وهذا يعني أن Qwen-Image 2.1 Turbo الأوزانالخاصة به لا يمكن إدخالها في أي منتج دون ترخيص يتم التفاوض عليه من مختبر Hangzhou Tongyi. إن شراء النموذج عبر واجهة API المستضافة لدى Alibaba هو خدمة تجارية وله شروطه الخاصة — فالقيد يقع على الاستضافة الذاتية لملف الأوزان (checkpoint)، وهو بالتحديد ما يختار فريقٌ ما نموذجًا مفتوح الأوزان من أجله.

يذهب FLUX 3 Image Klein في الاتجاه المعاكس. بموجب FLUX Kommunity License v1.0، تكون الأوزان مجانية للاستخدام غير التجاري، وهناك استثناء للمخرجات التجارية خاص بـ«المستخدمين المؤهلين» — الأفراد والشركات التي يقل إجمالي إيراداتها السنوية عن 5 ملايين دولار أمريكي. تحت هذا الحد، يمكنك طرح مخرجات Klein تجاريًا دون أي تكلفة تتجاوز موارد الحوسبة الخاصة بك. وفوقه، تحتاج إلى ترخيص استضافة ذاتية من BFL أو أن تستخدم API.

إذن، الانقسام ليس "أحدهما مفتوح والآخر مغلق". كلاهما قابل للتنزيل. أحدهما قابل للتنزيل لأغراض البحث، والآخر قابل للتنزيل لنشاط تجاري حتى حدّ إيرادات معيّن. وبالنسبة لمطوّر مستقل أو استوديو صغير، فإن هذا البند الواحد يحسم المواجهة تمامًا.

هناك شرطان إضافيان يستحقّان المعرفة قبل أن تلتزم بأي من الخيارين. فرخصة Klein تمنع استخدام النموذج أو مشتقاته أو مخرجاته لتحسين نموذج ذكاء اصطناعي آخر يؤدي وظيفة مشابهة — وتوليد البيانات الاصطناعية لتدريب نموذج صور منافس هو الحالة التي يغطيها هذا البند. أما اتفاقية Qwen فتقتضي أن تحمل النسخ المُعاد توزيعها إشعار الإسناد الخاص بها، وأن تُوسم أي ملفات معدّلة بأنها قد تغيّرت، وهو أمر روتيني في المصادر المفتوحة لكنه التزام حقيقي إذا كنت تخطط لنشر نسخة معدّلة (fine-tune).

المواصفات، صفًا بصف

• مولّد الصور — FLUX 3 Image Klein بـ5.6 مليار معامل مقابل Qwen-Image 2.1 Turbo 7B (32 طبقة DiT أحادية المسار)، يُحتسب كلٌّ منهما بالطريقة التي يحتسبه بها ناشره، مع استبعاد مُرمِّزات النصوص من كليهما.

• خطوات إزالة الضوضاء — Klein المقطَّر عند 16 خطوة، والأساس عند 50 مقابل Qwen Turbo عند 8، مع حفظ جدول أخذ العينات الخاص به داخل نقطة التحقق.

• الحد الأقصى للإخراج — يتيح Klein دقة أصلية 4K من فئة 4096 بكسل، مقابل الإعدادات المسبقة المعلَنة لـ Qwen Turbo التي تبلغ ذروتها عند 2752×1536 (نحو 4.2 ميجابكسل)، مع 2048×2048 كأكبر مقاس مربّع.

• الصور المرجعية — عشر في كلا الجانبين.

• التحكم في المنطقة — مربعات إحاطة على شبكة من 0 إلى 1000 لـ Klein (الموضع والمقياس، وليس صراحةً قناع بكسل صلب) مقابل دوائر مرسومة، أو تعليقات توضيحية مرسومة، أو قناع منفصل لـ Qwen-Image 2.1.

• الشفافية — يولّد Qwen-Image 2.1 ملفات RGBA أصلية ويحرّرها؛ أما FLUX 3 Image Klein فلا يقدّم أي ادعاء بشأن الشفافية لا في بطاقة نموذجه ولا في صفحة منتجه.

• معالجة المطالبات — يتطلب Klein مُحسِّنًا للمطالبة أمامه، وتنص بطاقة النموذج الخاصة به صراحةً على عدم تشغيله دون واحد؛ بينما يأخذ Qwen Turbo المطالبة كما كُتبت، مع إتاحة تمديد المطالبة كمعامل في واجهة API.

• الترخيص — ترخيص FLUX Kommunity: الإخراج التجاري مجاني إذا كانت الإيرادات أقل من 5 ملايين دولار، مقابل ترخيص Qwen Research: غير تجاري فقط، ويلزم ترخيص منفصل لاستخدام الأوزان تجاريًا.

• سعر واجهة برمجة تطبيقات المورّد — 0.009 دولار لكل 1000 صورة، ويرتفع إلى 0.036 دولار عند 4K مقابل 0.016 دولار ثابت لكل صورة عند كل إعداد مسبق.

ما الذي تفعله قائمتا الأسعار فعليًا عند الكميات الكبيرة

تتدرّج بطاقة أسعار Klein حسب الدقة؛ أما Qwen Turbo فلا. وهذا يُنتج تقاطعًا يسهل تفويته عند مقارنة الأرقام الرئيسية.

• 10,000 صورة بدقة 1K — Klein بسعر 90 دولارًا مقابل Qwen-Image 2.1 Turbo بسعر 160 دولارًا. Klein أرخص بنسبة 44%.

• 10,000 صورة بدقة 2K — Klein بسعر 140 دولارًا مقابل Qwen-Image 2.1 Turbo بسعر 160 دولارًا. لا يزال Klein أرخص بنسبة 12.5%.

• 10,000 صورة بدقة 4K — Klein بسعر 360 دولارًا. لا يتوفر لدى Qwen-Image 2.1 Turbo أي إعداد مسبق بدقة 4K للمقارنة سعريًا؛ فأكبر مقاس لديه هو 2752×1536 مقابل السعر نفسه البالغ 160 دولارًا.

تلك حسابات على بطاقتَي أسعار منشورتين، وليست عروض أسعار. تقع نقطة التقاطع بين 2K و4K، وهي موجودة لأن البائعين سعّرا بوحدات مختلفة: تفرض BFL سعرًا لكل صورة حسب نطاق الدقة، بينما تفرض Alibaba سعرًا ثابتًا لكل صورة. إذا كان عبء العمل لديك عند 1K أو 2K، فإن Klein هو الخيار الأرخص على كلا الـAPIين، وهو عكس ما قد يدفعك «نموذج Qwen الرخيص» إلى توقعه. وإذا كان عند 4K الحقيقية، فلا يستطيع Qwen-Image 2.1 Turbo خدمته إطلاقًا عبر الإعدادات المسبقة المنشورة، لذا فالسؤال ليس السعر.

تزداد المقارنة تعقيدًا عند الاستضافة الذاتية بدلاً من استدعاء واجهة برمجة التطبيقات (API). على أجهزتك الخاصة، لا يوجد سعر لكل صورة على الإطلاق — هناك تكلفة ثابتة لوحدة معالجة الرسومات (GPU) وتكلفة لكل صورة بالثواني — والنموذجان ليسا متقاربين فيما يحتاجانه للتشغيل.

تشغيلها بنفسك

اجمع قوائم الملفات المنشورة وستكون الفجوة صارخة. مكوّنات BF16 الثلاثة في FLUX 3 Image Klein — محوّل بسعة 11.1 GB، ومشفّر نصي بسعة 8.9 GB، ومشفّر تلقائي بسعة 0.34 GB — تبلغ نحو 20.3 GB، ويعمل بناء INT8 على RTX بذاكرة VRAM لا تقل عن 8 GB فقط، مع أن وثائق BFL تضع الحد الأدنى عند RTX 3090. يهيمن على تنزيل BF16 الخاص بـ Qwen-Image 2.1 Turbo مشفّر نصي بسعة 17.53 GB، مع تقسيم المحوّل بين شريحتين بسعة 9.97 GB و4.26 GB، وVAE بسعة 0.68 GB — أي نحو 32.4 GB إجمالًا، لذا فإن مشفّره النصي وحده أكبر من كل ما يحتاجه Klein مجتمعًا. كلا الرقمين هما مجموعانا لقوائم الملفات الخاصة بالمورّدين أنفسهم، وليسا إجماليات منشورة من المورّد.

السرعة هي النقطة التي تصبح فيها أعداد الخطوات مضللة. تعمل نقطة التحقق المقطّرة الخاصة بـ Klein بضعف عدد الخطوات الثماني الخاصة بـ Qwen Turbo، لكن الأرقام المقيسة من BFL — التي أخذتها NVIDIA، في ComfyUI، على نسخة INT8 المقطّرة — تضع صورة بدقة 1 ميجابكسل عند نحو 4 ثوانٍ على RTX 5090 وأقل من 9 ثوانٍ على RTX 4070، لتهبط إلى أقل من 0.6 ثانية على GB300 بتنسيق NVFP4. لا تنشر Alibaba رقمًا مماثلًا لكل GPU لـ Turbo، لذا فإن الموقف الصادق هو أن خطوات Turbo الثماني هي المسار الأقصر من الناحية المعمارية، ولم ينشر أحد خارج Alibaba أرقامًا بالثواني لها على عتاد المستهلكين.

ضَع في الحسبان ميزانية مُوسِّع المطالبات الخاص بـ Klein، أيًّا كان النموذج الذي تختاره. فمُوسِّع المطالبات ليس اختياريًا له — flux-3-image-klein-pupهو نموذج رؤية-لغة منفصل بحجم 9B، وتنزيل BF16 بحجم 18.8 GB يضيف نحو 28 GB من ذاكرة GPU على بطاقة بسعة 80 GB عند تشغيله إلى جانب المولِّد. هذا الاعتماد الوحيد يلغي ميزة VRAM التي يمنحها Klein لأي شخص ينشره على بطاقة صغيرة واحدة، ما لم تُنتَج التسمية التوضيحية في مكان آخر وتُمرَّر إلى الداخل.

لا يمتلك أي من النموذجين درجة جودة مستقلة

هذا هو الصف الذي تتركه ورقتا المواصفات فارغًا، ومن الجدير أن نكون دقيقين بشأن مدى فراغه. اعتبارًا من 16 أكتوبر 2026، تدير Artificial Analysis لوحتين منفصلتين لتحويل النص إلى صورة ولتحرير الصور، ولا تضم أي منهما مدخلًا لـ FLUX 3 Image Klein أو لـ Qwen-Image 2.1 Turbo. ما تحمله اللوحتان فعلًا هو الجيل السابق من كل عائلة، وهو أقرب ما هو متاح إلى قراءة مستقلة:

• تحويل النص إلى صورة — Qwen-Image 2.1 (نقطة التحقق الأساسية، وليس Turbo) يحتل المرتبة العشرين بـ 1,041 إيلو من 5,356 مقارنة، وصدر في سبتمبر 2026. FLUX 3 Image، النموذج الشقيق الأكبر الذي يندرج Klein تحته، يحتل المرتبة الثالثة عشرة بـ 1,114 إيلو من 5,769 مقارنة.

• تحرير الصور — يحتل Qwen-Image 2.1 المرتبة 19 برصيد 1,081 من نقاط Elo استنادًا إلى 6,138 مقارنة. لا يوجد لـ FLUX 3 Image أي إدخال على لوحة التحرير على الإطلاق؛ وأقرب نموذج FLUX مُدرج هو FLUX.2 [Klein] 9B برصيد 1,015 من نقاط Elo استنادًا إلى 6,905 مقارنات.

اقرأ تلك كسياق، لا كتنبؤ. إن Qwen-Image 2.1 الأساسي ليس Turbo — فنقطة تحقق مقطّرة تضحي بالجودة مقابل الخطوات، ومقدار ذلك هو بالضبط السؤال الذي يتركه غياب Turbo من اللوحة مفتوحًا. وFLUX 3 Image ليس Klein أيضًا، ومنشور الإطلاق الخاص بـ Black Forest Labs نفسه لا يقارن بينهما أبدًا، ما يعني أنه لا يوجد رقم منشور في أي مكان يبيّن مدى تدنّي Klein عن شقيقه الأكبر. وعلى لوحة التحرير، النموذج الذي يقول BFL إن Klein يتغلّب عليه بفارق 70 Elo — FLUX.2 [klein] 9B — يستقر عند 1,015، أي أقل بنحو 66 Elo من حيث يستقر Qwen-Image 2.1. ادعاء BFL هو أن Klein يجتاز تلك الفجوة وأكثر؛ والدليل الوحيد على ذلك الآن هو مخطط BFL نفسه.

أي واحدة تختار؟

اختر FLUX 3 Image Klein إذا كان الناتج يجب أن يكون تجاريًا وكان النشاط التجاري صغيرًا. فهو الوحيد من بين الاثنين الذي تأتي أوزانه مزوّدة بمسار تجاري قابل للاستخدام دون تفاوض، وهو أرخص لكل صورة على كلا الـ APIs عند 1K و2K، ويصل إلى 4K. خصّص ميزانية لأداة رفع الدقة، واقرأ قيود الترخيص على التدريب المنافس وإعادة توزيع الضبط الدقيق قبل أن تبني خط أنابيب بيانات يعتمد عليه.

اختر Qwen-Image 2.1 Turbo إذا كانت الشفافية أو التحرير المحلي المعتمد على القناع هي الميزة التي تحتاجها فعلاً — فلا يوفّر Klein أيًّا منهما — أو إذا كنت تُجري بحثًا أو تقييمًا أو نموذجًا أوليًا داخليًا حيث لا يُلزمك شرط عدم الاستخدام التجاري إطلاقًا. ثماني خطوات وبنية 7B تجعله أداة فعّالة للتجربة محليًا؛ وبصمة 32.4 GB بصيغة BF16 هي كلفة تلك التجربة.

إذا كنت بحاجة إلى كليهما، فالتقسيم مشروع: Qwen-Image 2.1 Turbo لمرحلة الاستكشاف ومسار الشفافية الخاص به، وFLUX 3 Image Klein لمسار الإنتاج. وهذا قرار ترخيص بقدر ما هو قرار تقني.

أين يمكن الاتصال بهم فعليًا؟

كلا النموذجين يمكن الوصول إليهما عبر واجهة API الخاصة بالمورّد — BFL لـ Klein، وAlibaba Cloud Model Studio وQwenCloud لـ Turbo — وعبر عدة منصات طرف ثالث. لا يوجد أي منهما في كتالوج OrcaRouter اليوم، ونفضّل قول ذلك بدلاً من الإشارة إلى قصة توجيه لا يمكننا دعمها. ما يمكننا قوله هو أين تندرج سير العمل المحيطة: OrcaRouter يوجّه بالفعل مجموعة من نماذج الصور المستضافة إلى جانب أكثر من 200 نموذج نصي ومتعدد الوسائط خلف مفتاح API واحد، بهامش ربح 0% على سعر قائمة المزوّد مع تجاوز فشل تلقائي بين المزوّدين. الفرق التي تستخدم نموذج صور مستضافًا للمسار التفاعلي وتحتفظ بنقطة تفتيش مفتوحة الأوزان للعمل الدفعي تشغّل بالضبط التقسيم الذي صُممت من أجله نقطة نهاية واحدة، وإذا وصل أي من هذين الاثنين إلى الكتالوج، فسيظهر هناك.

الشيء الذي يجب مراقبته ليس ورقة المواصفات التالية. بل أول تقييم Elo مستقل لأي من النموذجين، على نفس اللوحة حيث يجلس سابقوهم بالفعل. وحتى يتحقق ذلك، فإن الادعاءين المطروحين — ادعاء BFL بـ"جودة الأوزان المفتوحة الرائدة مع معاملات أقل" وادعاء Alibaba بـ"الأكثر توازناً وفعالية من حيث التكلفة" — هما مجرد إعلانات، والصفوف الوحيدة في هذه المقارنة التي يمكنك التصرف بناءً عليها بثقة هي الترخيص وقائمة الأسعار والحد الأدنى من VRAM.

تلك الفجوة بين ما تقيسه لوحة النتائج وما يواجهه النشر هي سبب أهمية السجل: فحالات فشل الذكاء الاصطناعي الموثقة وحوادث الوكلاء المرتبطة بنماذج من هذه الفئة مجموعة في the OrcaRouter AI Incident Archive، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته وتصنيف ثقته وعلامته كمتنازع عليه.