يحلّ Gemini Omni Flash 1.2 في المرتبة الثانية في تحرير الفيديو — وأشرطة الخطأ هي جوهر القصة.

أدرجت Artificial AnalysisG​emini Omni Flash 1.2 في ثلاث لوحات صدارة للفيديو في 10 نوفمبر، بعد ستة أيام من إتاحة G​oogle للنموذج للعموم. والعنوان يكتب نفسه: المرتبة الثانية في AA-Video-Editing v1.1، متقدمًا على المرتبة الخامسة التي تحتلها G​emini Omni 1.1 Flash، مع صعود من المرتبة 12 إلى المرتبة 6 في AA-Video-T2V v2.1 ومن المرتبة 17 إلى المرتبة 14 في AA-Video-I2V v2.1. القراءة المفيدة تكمن في الهوامش. اثنتان من تلك التحركات الثلاث تقعان داخل فواصل ثقة 95% متداخلة أو عند حدودها، وواحدة من الثلاث قيست على مجموعة مطالبات مخفّضة، وأوضح فصل بينها جميعًا يخص أصغر تغيّر في الترتيب ضمن المجموعة.

ثلاث لجان، وثلاث إجابات مختلفة حول من هو الأفضل

أول ما تثبته الصفوف الجديدة هو أنه لا توجد قائمة تصنيف واحدة للفيديو يمكن الفوز بها. يتصدر Wan 3.0 لوحة المونتاج عند 1,192 ولوحة النص إلى الفيديو عند 1,175، ثم يحل في المرتبة الحادية عشرة على لوحة الصورة إلى الفيديو عند 1,108. ويتصدر Dreamina Seedance 2.5 لوحة الصورة إلى الفيديو عند 1,161 بينما يحتل المركز الرابع على لوحة المونتاج والرابع على لوحة النص إلى الفيديو. إن موقع النموذج خاصية للمهمة، لا للنموذج، وأي عرض ترويجي يستشهد برقم واحد إنما يستشهد بمهمة واحدة.

في هذا السياق، يكون ملف G​emini Omni Flash 1.2 مسطحًا على نحو غير معتاد. فهو الثاني في التحرير، والسادس في تحويل النص إلى فيديو، والرابع عشر في تحويل الصورة إلى فيديو — منافس في كل مكان، ومهيمن في لا مكان. وبالنسبة لطراز تكون ميزته الرئيسية التحرير التحاوري، فإن هذا التسطيح هو المقصود على الأرجح: فهو الصف الوحيد ضمن أفضل عشرة في لوحة التحرير الذي يظهر أيضًا ضمن أفضل عشرة في تحويل النص إلى فيديو.

ستة وعشرون إيلو، وفترتان تكادان تتلامسان

الانتقال من #12 إلى #6 على AA-Video-T2V v2.1 هو ما سيُلتقط له لقطة شاشة. إنه مكسب قدره 26 نقطة، من 1,128 إلى 1,154. الفترات المنشورة هي من 1,115 إلى 1,141 لـ G​emini Omni 1.1 Flash ومن 1,140 إلى 1,168 لـ 1.2. وهما تتداخلان بنقطة واحدة بالضبط.

هذا ليس سببًا لاستبعاد المكسب. بل هو سبب للتوقف عن التعامل مع المرتبة كقياس. يستخلص Artificial Analysis هذه الفواصل من تصويتات ثنائية عمياء، وعند 5,056 عينة للإصدار 1.2 مقابل 7,943 للإصدار 1.1 تكون قاعدة الأدلة لدى النموذج الأحدث أضعف لأنه لم يمضِ على وجوده على اللوحة سوى يوم واحد. الفجوة البالغة 26 نقطة التي تلامس الحد عند الطرف تُقرأ على الأرجح على أنها "ربما أفضل، لكن لا يمكن الفصل بعد عند حجم العينة هذا" — وهو ادعاء مختلف عن "تقدَّم ستة مراكز"، رغم أن كليهما يصف الصفين نفسهما.

تحكي لوحة التحرير قصة مشابهة بفجوة أصغر: 1,164 مقابل 1,146، بفارق 18 نقطة تتقاطع فتراته بين 1,152 و1,156. أما لوحة الصورة إلى الفيديو فهي الحالة المعاكسة والأكثر إثارة للاهتمام. هناك يبلغ الفارق 42 نقطة، 1,086 مقابل 1,044، ولا تتلامس الفترات على الإطلاق — 1,071 إلى 1,101 مقابل 1,030 إلى 1,058. وقد تحرّك الترتيب ثلاثة مراكز بدلاً من ستة، وهو المقارنة الوحيدة من بين المقارنات الثلاث التي تصمد أمام قراءة صارمة لأشرطة الخطأ الخاصة بها.

رتّب الثلاثة وفقًا لذلك فينقلب الترتيب: أصغر تغيّر في الرتبة هو أقوى دليل، وأكبر تغيّر في الرتبة هو أضعف دليل. يخفي حساب الرتب ذلك، لأن الرتب تُحسب من التقديرات النقطية مع تجاهل الفترات.

درجة التحرير تأتي مصحوبة بحاشية

يحمل احتلال G​emini Omni Flash 1.2 المركز الثاني في AA-Video-Editing v1.1 ملاحظةً على الصف نفسه: أن النموذج «رفض بعضًا من مجموعة الاختبار لدينا عبر مرشحات حقوق النشر والسلامة»، وتعكس نتيجته المطالبات المتبقية. كما أن كل صف مُعلَّم بأنه مؤقت.

اقرأ ذلك ببساطة. النتيجة هي متوسط على المطالب التي كان النموذج مستعدًا للإجابة عنها، والمطالب التي رفضها هي تحديدًا تلك التي يُطلب فيها من نموذج تحرير أن يعدّل لقطات حقيقية، أو يعيد إنتاج شعار، أو يعمل على موضوع يمكن التعرّف عليه — وهي المهام التي تفصل العرض التجريبي عن التسليم الفعلي. النموذج الذي يرفض الثلث الصعب من مجموعة اختبار يمكن أن يتفوق على نموذج يحاول أداءها جميعًا من دون أن يكون أفضل في المهمة. لا شيء في النتيجة المنشورة يتيح لك تصحيح ذلك، واتجاه التحيز صاعد لا هابط.

هذه ليست حجة على أن الرقم خاطئ. إنها حجة على أن #2 في لوحة التحرير هو ادعاء بشأن الجودة على المطالبات المسموح بها، وأن المجموعة المسموح بها أصغر لهذا النموذج مما هي للنماذج المحيطة به. إذا كان عملك يتضمن لقطات أرشيفية أو أصول علامة تجارية أو صورة شخصية، فإن سلوك الفلترة الخاص بالمشغّل نفسه سيحدد من نتائجك أكثر مما يحدده فارق 18 نقطة في Elo، ولن تُظهر لك لوحة الصدارة ذلك أبدًا لأن حالات الرفض لا تُنشر.

6.26 دولار في الدقيقة هي قائمة أسعار Google الخاصة التي تم التوصل إليها بشكل مستقل

يسرد عمود التسعير في جميع لوحات الصدارة الثلاث G​emini Omni Flash 1.2 بسعر $6.26 لكل دقيقة من الفيديو المولّد. تُعرّف Artificial Analysis ذلك العمود بأنه تكلفة توليد دقيقة واحدة على API الخاص بالمُنشئ وفق الإعدادات التي تقيسها، وبدقة 1080p حيثما توفرت — وهو رقم مُعاير، وليس عرض سعر.

هنا يتطابق الأمر تمامًا مع حسابات المورّد نفسها. تحتسب G​oogle مخرجات الفيديو بواقع 8,688 رمزًا في الثانية بدقة 1080p مع الرفع التصاعدي، بسعر 12.00 دولارًا لكل مليون رمز. ستون ثانية تساوي 521,280 رمزًا، أي 6.255 دولارات. ويتطابق رقم اللوحة البالغ 9.12 دولارًا لـ G​emini Omni 1.1 Flash بالطريقة نفسها مع 17.50 دولارًا لكل مليون. ووصول طرفين مستقلين إلى السنت نفسه يعني أكثر من أي من الرقمين بمفرده: فهو يعني أن خصم 30% الذي أعلنت عنه G​oogle في 5 نوفمبر ظاهر في نموذج التكلفة لدى طرف ثالث، وليس فقط في بيان صحفي.

ما لا يعكسه العمود هو الدقة التي ستختارها فعليًا. عند 720p يكلّف النموذج نفسه نحو $0.07 في الثانية، أي نحو $4.20 في الدقيقة؛ وعند 360p، $0.023 في الثانية، ونحو $1.38. والفريق الذي يعمل على المسودة عند 360p وينهي العمل عند 1080p يدفع معدلًا مختلطًا لا يظهر على لوحة الأسعار إطلاقًا، وسيضخم الرقم الواحد على لوحة الأسعار نصف المسودة في ذلك المسار بمقدار أربعة أضعاف.

ما الذي لا تستطيع ساحة التفضيلات أن تخبرك به

هذه أصوات تفضيل بشري عمياء، وليست مجموعة اختبارات معيارية. لا أحد يقيس ما إذا كان مقطع مدته خمس عشرة ثانية يحافظ على لون سترة شخصية عبر قطع، أو ما إذا بقي الصوت متزامنًا عند منعطف التمديد الرابع، أو ما إذا كان النموذج يلتزم بموجز من ست صور مرجعية. تلك هي الخصائص التي يدّعيها سجل تغييرات Google الصادر في 5 نوفمبر فعليًا — تحسين اتساق الشخصية والموضوع عبر ما يصل إلى ست صور مرجعية، ومزامنة شفاه أوضح، وتكييف مميز متعدد المتحدثين — ولا واحدة منها هي ما يقيسه تصويت ثنائي «أي مقطع أفضل».

لا تستطيع الأصوات أيضًا رؤية أنماط الفشل التي تهم من الناحية التشغيلية. النموذج الذي يرفض تنفيذ مطالبة لا يحصل على أي نقاط؛ أما النموذج الذي يُرجع ملفًا صالحًا تقنيًا مع انحراف الوجوه، فيحصل على نتيجة جيدة في مقارنة مقطع واحد ونتيجة سيئة على امتداد تسلسل من عشرين لقطة. إن Arena Elo أداة تُقيّم على مستوى المقطع الواحد وتُستخدم للإجابة عن سؤال على مستوى المشروع.

إلى أين يترك هذا خط الأنابيب، وما الذي نوجّهه

لا يوجد Gemini Omni Flash 1.2 في كتالوج OrcaRouter. راجعنا قائمة النماذج الحية ولا يوجد أي إدخال Omni بأي إصدار، لذا إذا كان هذا النموذج هو ما تحتاجه، فإن واجهة Google البرمجية الخاصة بها هي السبيل، ونفضّل قول ذلك على الإيحاء بخلافه. ما تغيّره طبقة التوجيه هو الجزء من مسار الفيديو الذي ليس فيديو: قائمة اللقطات، وتوسيع الموجّه، وخطوة التسميات التوضيحية، والتدقيق اللاحق كلها أعمال نصية، وهي تعمل على نماذج نوفرها فعلًا — بما في ذلك عبر مفتاح واحد، بسعر قائمة المزوّد مع هامش ربح 0%، لذا يصل تغيّر سعر المورّد إلى الفاتورة يوم حدوثه بدلًا من العقد التالي.

ثمة نسخة ملموسة من تلك الحجة في هذا الإصدار. سعر الفيديو 1.2 أقل بنسبة 30٪ عن 1.1، وتتوقف نقطة النهاية 1.1 عن كونها قابلة للفوترة بشكل منفصل في 3 ديسمبر، حين تبدأ Google بتوجيهها إلى 1.2 تلقائيًا. أما خط المعالجة الذي ثبّت الثابت القديم لكل ثانية بشكل صلب، فلديه الآن ثلاثة أسابيع لينتبه. أما خط المعالجة الذي يقرأ السعر من بوابة تمرر سعر القائمة كما هو فلا يواجه المشكلة، لأنه لا يوجد شيء لإعادة تثبيته بشكل صلب.

ما الذي قد يغير هذه القراءة؟

ثلاثة أمور، مرتبة حسب الفائدة. نشر معدل رفض للوحة التحرير من شأنه أن يحوّل #2 إلى شيء قابل للمقارنة؛ فاليوم تخبرك الملاحظة أن مجموعة الاختبار تقلّصت، لكن ليس بمقدار كم. أسبوع ثانٍ من التصويتات على 1.2 سيضيّق فترة النص إلى الفيديو بما يكفي لحسم ما إذا كان فارق 26 Elo فجوة حقيقية أم أثرًا من أثر أخذ العينات — فالتداخل الحالي بعرض نقطة واحدة، وهو أقل موضع يمكن أن تكون فيه الفترة مفيدة. وأي قياس مستقل لادعاء اتساق الصورة المرجعية سيكون ذا قيمة أكبر من اللوحات الثلاث مجتمعة، لأن هذا الادعاء هو ما تسوّقه G​oogle فعليًا، وهو ما لا تختبره أي ساحة.

حتى ذلك الحين، يبقى الملخص الصادق محدودًا. إن Gemini Omni Flash 1.2 نموذج فيديو أفضل من Gemini Omni 1.1 Flash على اللوحات الثلاث جميعها، وبشكل واضح في تحويل الصورة إلى فيديو، وعلى الأرجح في اللوحتين الأخريين، بتكلفة أقل بنسبة 30% لكل رمز، مع مرشح أمان يزيل جزءًا من مجموعة اختبار التحرير الخاصة به، ومشغّل سيعيد توجيه نقطة النهاية القديمة إلى الجديدة خلال ثلاثة أسابيع سواء اختبرتها أم لا.