Gemini Omni 1.2 Flash مقابل InternLumina-U2: ثوانٍ مستأجرة مقابل أوزان مُنزّلة

ضع Gemini Omni 1.2 Flash إلى جانب InternLumina-U2، والمقارنة التي تبرز فورًا — جودة الصورة، وسرعة التوليد، ودرجات المعايير القياسية — هي أقل المقارنات إثارة للاهتمام، لأن النموذجين لا يتنافسان على بند الميزانية نفسه. Gemini Omni 1.2 Flash هو API محاسب عليه يفرض نحو $0.07 لكل ثانية من فيديو 720p، وأصبح متاحًا عمومًا في 5 نوفمبر 2026، ويعيد ملفًا تملك حقوق استخدامه لكنك لا تملك الأوزان أبدًا. InternLumina-U2 هو نموذج لغوي انتشاري متناثر بـ16 مليار معامل من Shanghai AI Laboratory، بترخيص Apache-2.0، وسبع شظايا لكل شجرة عتاد، ومتوفر على Hugging Face حيث يمكن لأي شخص لديه مساحة القرص تنزيله. أحدهما خدمة. والآخر أصل. السؤال المفيد ليس أيهما يولّد صورًا أفضل؛ بل أي هذين الشيئين يمكن لمشروعك أن يستوعبه فعلاً.

هذا التأطير مهم لأن السؤال البديهي — «أيهما أفضل في توليد الصور» — له إجابة مضللة. نعم، يولّد InternLumina-U2 الصور، وهو يفعل ذلك بدرجة تنافسية وفق معايير الأداء التي أعلنها مورده. لكنه يفهم أيضًا الفيديو والثلاثي الأبعاد ضمن النواة نفسها، وهي قدرة لا يمتلكها Gemini Omni إطلاقًا، في حين يولّد Gemini Omni فيديو مع صوت متزامن، وهو ما لا يستطيعه InternLumina-U2. وإذا حُكم عليهما من زاوية التداخل، فكلاهما نظامان قريبان من مجال الصور والفيديو. أما إذا حُكم عليهما من زاوية الاتحاد، فتكاد مجالاتهما لا تتلامس.

التداخل، بدقة

يتولى InternLumina-U2 مهام الإجابة عن الأسئلة النصية، وتوليد الصور من النصوص، وفهم الصور، وتحرير الصور، وفهم الفيديو، والفهم ثلاثي الأبعاد ضمن نموذج واحد. ومصطلح «الفهم» في تلك القائمة محمّل بدلالة حقيقية: فهو يقرأ الفيديو ويقرأ البيانات ثلاثية الأبعاد، لكنه لا ينتج أيًا منهما. ما ينتجه هو الصور والنصوص.

يعمل Gemini Omni 1.2 Flash على إنتاج الفيديو. فهو يستقبل النصوص والصور والفيديو، ويعيد فيديو بصوت مدمج أصلي، بمدة تتراوح من ثلاث إلى خمس عشرة ثانية وبمعدل 24 إطارًا في الثانية، وبدقة من 360p وحتى 4K حيث تُرفع الدقة في المستويين الأعلى. وهو لا ينتج الصور كمنتج نهائي — فكل إطار هو إطار من مقطع فيديو — ولا يقوم بتحرير الصور الثابتة بالمعنى الذي يقصده المصمم.

إذن التداخل هو شيء واحد بالضبط: توليد صورة من وصف نصي. ينفّذ InternLumina-U2 ذلك كمهمة واحدة من بين ست مهام. أما Gemini Omni 1.2 Flash فينفّذه فقط كإطار أول للحركة. إذا كانت هذه حالة الاستخدام بأكملها، فالمقارنة قائمة. وإذا لم تكن كذلك، فأنت تختار بين مجموعة أدوات باحث في الصور الثابتة ونقطة نهاية لإنتاج الفيديو.

• الوسائط المُدخلة — يستقبل InternLumina-U2 النص والصورة والفيديو والرسوم ثلاثية الأبعاد؛ ويستقبل Gemini Omni 1.2 Flash النص والصورة والفيديو.

• الوسائط المُخرَجة — يُرجع InternLumina-U2 نصوصًا وصورًا؛ بينما يُرجع Gemini Omni 1.2 Flash مقاطع فيديو مع صوت متزامن.

• البنية المعمارية — InternLumina-U2 هو نموذج لغوي انتشاري من نوع MoE بإجمالي 16 مليار معامل ونحو مليار معامل نشط، على العمود الفقري LLaDA-2.0، مع رموز بصرية متقطعة بثماني كتب ترميز من Apple AToken؛ أما بنية Gemini Omni 1.2 Flash فهي غير معلنة.

• الوصول — أوزان Apache-2.0 على Hugging Face، مع شجرتَي ملفات منفصلتين لـ Ascend وNVIDIA؛ وواجهة API مستضافة مغلقة.

• السعر — لا يوجد سعر لكل استدعاء، لأنه لا توجد نقطة نهاية مستضافة؛ نحو 0.07 دولار لكل ثانية من إخراج فيديو بدقة 720p، مع عدم وجود طبقة مجانية.

• السياق — 131,072 رمزًا في الإدخال، و65,536 في الإخراج على جانب Omni؛ ولا تنشر بطاقة InternLumina نافذة مكافئة.

ما تقوله المعايير وما لا تقوله

تعود أرقام InternLumina-U2 إلى ورقته البحثية وصفحة مشروعه الخاصة (arXiv 2610.20818، المقدَّمة في 14 أكتوبر 2026)، ولم ينجح أحد في إعادة إنتاجها. والرقم التوليدي الأبرز هو درجة GenEval البالغة 89.3 وفق بروتوكول أخذ العينات PHV الخاص بالمؤلفين، إلى جانب DPG-Bench 87.79، وUniGenBench 86.11، وTIIF-Bench 88.57 على المطالبات القصيرة و87.08 على المطالبات الطويلة. وتزعم الورقة تحقيق أداء رائد بين النماذج الموحدة في الفهم البصري وتوليد الصور وتحرير الصور، وتقول إن النموذج يتفوق على FLUX.1-dev ويتقدم بفارق ضئيل على Qwen-Image في GenEval وUniGenBench وTIIF مع تفعيل معاملات أقل بنحو أربعة عشر ضعفًا.

هناك تباين يستحق معرفته قبل أن تقتبس أيًا منه. يسرد جدول النتائج في صفحة المشروع InternLumina-U2 عند GenEval 0.81، مع LLaDA2.0-Uni عند 0.89 وInternVL-U عند 0.85 — ما يضع النموذج الأحدث خلف سلفه في ذلك الصف. رقم 89.3 يقابل بروتوكول أخذ العينات المُحسَّن الموصوف في الورقة، وليس التقييم الافتراضي. رقمان، بروتوكولان، النموذج نفسه. الورقة هي القراءة الأكثر تفضيلًا وصفحة المشروع هي الأكثر تحفظًا، ولم يتم التحقق من أي منهما بشكل مستقل.

لا يملك Gemini Omni 1.2 Flash أي درجات معيارية منشورة من Google على الإطلاق. ومنشور الإطلاق في 5 نوفمبر نوعي بالكامل — مقاطع أطول، والتزام أفضل بالمراجع، وحوار أكثر طبيعية، وقطع قافز أقل — ويقول صراحةً إن العمل مستمر على «الحركة الرياضية السريعة، والتغييرات السريعة في النص، والفيزياء المعقدة». هذه قائمة صريحة على نحو غير معتاد بنقاط ضعف معروفة، وهي البيان الوحيد عن الجودة الذي أدلت به Google. توجد أرقام طرف ثالث في الوسط لكنها تصف في الغالب إصدارات Omni الأقدم: صفحة المقارنة لدى Megaton معنونة «Gemini Omni Flash» بينما تشير روابطها إلى معرّف المعاينة، وتدرج مخرج الصوت على أنه «No» (وهو خطأ بالنسبة إلى 1.2، الذي يولّد الصوت افتراضيًا)، وتفيد بصفر فيديوهات مُقيَّمة وصفر قياسات خلف درجاتها. أحد المراجعين الذين جرّبوه عمليًا، Rohit Rao من Segmind، اختبر 1.2 مباشرةً عبر عشرين عملية توليد بتكلفة $16.17، واستنتاجه هو أكثر نقطة بيانات مستقلة فائدة متاحة: استغرقت الاستدعاءات من 28 إلى 136 ثانية، ومعظمها في نطاق 40 إلى 90 ثانية، وكان النموذج الأكثر دقة في اتباع التعليمات الذي اختبره، وقد تم تجاهل نحو تعليمة واحدة من كل أربع. ووجد أيضًا أنه ليس نموذجًا سينمائيًا واقعيًا للأشخاص.

إذن، لوحة النتائج الصادقة تُدرج InternLumina-U2 بأرقام مورّد مفصّلة لم يُعَد إنتاجها ومتناقضة داخليًا، وGemini Omni 1.2 Flash بأرقام شبه معدومة تمامًا واختبار مستقل صغير واحد. ولا يُشكّل أيٌّ منهما أساسًا لحكم واثق على الجودة.

مقارنة التكلفة التي يخطئ فيها الناس

InternLumina-U2 لا سعر له، وهذا ليس الأمر ذاته كونه مجانيًا.

تبلغ الأوزان 67.6 غيغابايت موزعة على شجرتين تتألف كل منهما من سبع شظايا، أي نحو 33.8 غيغابايت لكل شجرة، لذا فإن تنزيل نسخة عتادية واحدة يعني سحب 34 غيغابايت قبل أن تتوفر لديك بيئة عمل جاهزة. يتطلب المستودع FlashAttention لمسار AToken، ويتطلب Blender 4.5 لخط الأنابيب ثلاثي الأبعاد. جرى التدريب على 1,024 من وحدات Ascend 910B NPU عبر 1.05 تريليون رمز، ما يخبرك بأن النموذج بُني لعنقود حتى مع أن الاستدلال أخف بكثير — فـ 1B من المعاملات النشطة يمثل حمل خدمة متواضعًا، وتزعم استراتيجية أخذ العينات PHV في الورقة خفض زمن الاستجابة من طرف إلى طرف بمقدار 4.45× عند الدقة الأصلية 1024×1024.

ما تنفقه فعليًا هو وحدة معالجة رسومية، وأسبوع عمل مهندس لضبط البيئة، وأي تكلفة تخزين وخروج بيانات. وما تحصل عليه هو توليد غير محدود بتكلفة حدية صفرية، ونموذج يمكنك ضبطه الدقيق، ولا مورّد يستطيع إيقاف نقطة النهاية من تحتك.

تكلفة Omni واضحة حتى السنت. مقطع 720p مدته خمس عشرة ثانية يكلّف نحو $1.05 من رموز الإخراج. مسودة 360p تكلّف نحو $0.35. وترقية 4K لتلك الخمس عشرة ثانية تكلّف نحو $3.14. تدفع لكل ثانية إخراج، وتدفع مجددًا عند كل إعادة محاولة، والتحرير الحواري يعني أن إعادات المحاولة هي سير العمل المعتاد لا الاستثناء. إعلان من عشر لقطات مع ثلاث تعديلات لكل لقطة ليس مهمة بخمسة عشر دولارًا؛ بل أقرب إلى ستين.

هذان هيكلا التكلفة لا يمكن تحويل أحدهما إلى الآخر. إن مقارنة "مجانًا بعد رأس المال" بـ"سبعة سنتات في الثانية" تنتج رقمًا يعتمد كليًا على معدل الاستخدام، وعند الحجم المنخفض يكون النموذج المستضاف ذاتيًا أغلى بكثير لكل صورة. وعند الحجم المرتفع يكون أرخص بكثير. أما نقطة التقاطع فهي حساب يجب أن تجريه بسعر وحدة معالجة الرسوميات (GPU) الخاصة بك، وليست حقيقة يمكن لأي أحد أن يسلمها لك.

ما لا يمكنك الحصول عليه من أيٍّ منهما

إذا كنت بحاجة إلى مقطع فيديو لشخص متحدث مع حوار متزامن مع حركة الشفاه، فلا يمكن لـ InternLumina-U2 المساعدة ولا يوجد حل بديل سوى مولّد فيديو منفصل. وإذا كنت بحاجة إلى خط أنابيب لفهم الأصول ثلاثية الأبعاد — قراءة شبكة أو وصف مشهد إلى جانب الصور — فلا يمكن لـ Gemini Omni 1.2 Flash المساعدة ولا يوجد حل بديل سوى نموذج رؤية منفصل.

ثمة أيضًا فرق في الإجراءات الورقية أهم مما يبدو. InternLumina-U2 مرخّص بموجب Apache-2.0، ما يعني إمكانية الاستخدام التجاري والتعديل وإعادة التوزيع مع الإسناد، ونص الترخيص موجود في المستودع. أما Gemini Omni 1.2 Flash فهو خدمة مستضافة تحكم شروطها ما يمكنك فعله بالمخرجات، وكل مقطع يحمل علامة مائية SynthID سواء أردت ذلك أم لا، كما أن تحرير الفيديو المرفوع أو تمديده غير متاح في المنطقة الاقتصادية الأوروبية وسويسرا والمملكة المتحدة. وبالنسبة لفريق في لندن يبني منتجًا فوق التحرير الحواري للفيديو، فإن هذا القيد الإقليمي مانع إلى حدّ لا تكشفه أي مقارنة معايير.

أين يقع OrcaRouter، بصراحة

لا يوجد أي من النموذجين في الكتالوج لدينا. يعيد google/gemini-omni-1.2-flash الخطأ 404 على صفحات النماذج في OrcaRouter، ولا يملك InternLumina-U2 أي نقطة نهاية مستضافة في أي مكان — إذ تنص بطاقته على ذلك، ولا يستخدمه سوى Space مجتمعي. لذلك لا يصل أي استدعاء إلى واجهتنا البرمجية إلى أي منهما، ويفضّل هذا المقال أن يصرّح بذلك بدلًا من الإيحاء بوجود مضيف لا نملكه.

ما تغطيه البوابة هو الطبقة التي يقع داخلها كلا عبئي العمل. لا يزال خط أنابيب InternLumina-U2 المستضاف ذاتيًا بحاجة إلى نموذج نصي لكتابة المطالبات وتقييم المخرجات وتوجيه حالات الفشل، وهذا استدعاء نقدمه عبر أكثر من 200 نموذج على مفتاح واحد مع تحويل تلقائي عند الفشل. وعلى جانب Omni، ولأن OrcaRouter يمرر سعر قائمة المزود كما هو بهامش ربح 0%، فإن تخفيض سعر Google يصل إلى جانبنا في اليوم نفسه بدلًا من دورة الفوترة التالية — وقد غيّر خط Omni بالفعل سعر الفيديو مرة واحدة هذا العام، من 17.50 دولارًا إلى 12.00 دولارًا لكل مليون رمز إخراج. إذا كنت تقارن إعدادًا مستضافًا ذاتيًا بآخر مستأجر، فإن تغيّر الجانب المستأجر من تحتك هو بالضبط المتغير الذي تجعله فاتورة تمرير التكلفة مرئيًا.

كيف تقرر

ابنِ على InternLumina-U2 إذا كنت بحاجة إلى الصور، وإلى فهم ثلاثي الأبعاد أو للفيديو داخل النموذج نفسه، ولديك سعة GPU تدفع ثمنها بالفعل، وكانت شروط الترخيص تهم منتجك. تقبّل أنك تشغّل ناتجًا بحثيًا: فالاختبارات المعيارية هي اختبارات المؤلفين أنفسهم، وجدول GenEval يناقض نفسه، والأدوات تتوقع مكدسًا تقنيًا محددًا.

اشترِ Gemini Omni 1.2 Flash إذا كنت تحتاج إلى حركة مع صوت، وتريد نقطة نهاية عاملة اليوم، وحجم استخدامك منخفض بما يكفي بحيث تكون الفوترة بالثانية أرخص من وحدة معالجة رسوميات خاملة. تقبّل أنك لا تملك معايير قياس للجودة، ولا وضع إخراج نصي، ولا مطالبات سلبية، ووجود قيد إقليمي على ميزات التحرير، وعلامة مائية على كل إطار.

الخطأ الواجب تجنّبه هو التعامل مع هذا كمنافسة تقييمية. فهو قرار شراء بين تنزيل وعداد، ومسألة جودة النموذج — التي يودّ كلا المورّدين أن تتناقشوا فيها — هي المسألة التي تتوافر لها أقل الأدلة على أيٍّ من الجانبين.