Gemini Omni Flash 1.2 مقابل Qwen 3.8 Omni Flash: أحدهما يصنع اللقطات والآخر يقرؤها

السؤال "أيهما أفضل، G​emini Omni Flash 1.2 أم Qwen3.8-Omni-Flash" له إجابة قصيرة لا تقدّمها معظم صفحات المقارنة: لا يمكن المقارنة بينهما، لأن أحدهما لم ينتج إطار فيديو واحدًا طوال عمره. G​emini Omni Flash 1.2 مولّد فيديو بصوت أصلي يستقبل النص والصور والفيديو المرجعي ويعيد ملف MP4. Qwen3.8-Omni-Flash قارئ متعدد الوسائط يستقبل النص والصورة والصوت والفيديو ويعيد نصًا — فلا توليد للفيديو ولا للصورة ولا للصوت على الإطلاق. إنهما آلتان مختلفتان ينتهي المطاف بفريق فيديو إلى شرائهما في الربع نفسه. القرار المطروح أمامك ليس اختيار أ أو ب، بل كم من كل منهما، والعملية الحسابية التي تحسمه هي المدة، لا الجودة.

عمود المخرجات يحسم الأمر قبل أن تحسمه المعايير.

كل مقارنة بين هذين الطرازين تبدأ بلوحة صدارة غير موجودة. تدير Artificial Analysis ثلاث لوحات فيديو — للتحرير، والنص إلى فيديو، والصورة إلى فيديو — ويُقيَّم G​emini Omni Flash 1.2 على الثلاث جميعًا، وهو حاليًا في المركز الثاني والسادس والرابع عشر. أما Qwen3.8-Omni-Flash فليس على أيٍّ منها. ليس مصنفًا في مرتبة متدنية: بل غائب، لأنه لا يوجد ناتج فيديو لتصنيفه. إن Elo المواجهة المباشرة بين هذين الطرازين ليس رقمًا نحتفظ به. بل هو رقم لا يمكن لأحد حسابه.

ما يمكنك مقارنته هو الواجهة. يُرجع G​emini Omni Flash 1.2 فيديو. ويُرجع Qwen3.8-Omni-Flash رموزًا. وكل ما يأتي لاحقًا بعد هذا الاختلاف الوحيد يتبع ذلك بشكل آلي.

• المدخل — يستقبل G​emini Omni Flash 1.2 النص، وما يصل إلى ست صور مرجعية، ومقاطع فيديو مرجعية؛ بينما يستقبل Qwen3.8-Omni-Flash النص والصور والصوت والفيديو، بما في ذلك لقطات تزيد مدتها على ساعة واحدة في استدعاء واحد.

• الإخراج — يُرجع Gemini Omni Flash 1.2 فيديو مصحوبًا بصوت متزامن أصلي؛ بينما يُرجع Qwen3.8-Omni-Flash نصًا فقط.

• السياق — يقبل G​emini Omni Flash 1.2 عدد 131,072 من رموز الإدخال ويعيد 65,536؛ ويقبل Qwen3.8-Omni-Flash أقل بقليل من مليون رمز إدخال (991,808) ويعيد حتى 131,072.

• سقف المدة — يولّد G​emini Omni Flash 1.2 من ثلاث إلى خمس عشرة ثانية في كل استدعاء، ويمكن تمديده دورةً بعد دورة حتى 30 ثانية؛ أما Qwen3.8-Omni-Flash فيراقب بالساعة، وسقفه ميزانية رموز لا مدة تشغيل.

• السعر — يفوتر Gemini Omni Flash 1.2 مخرجات الفيديو بسعر 12.00 دولارًا لكل مليون رمز (token)، مع إدخال النصوص والوسائط بسعر 1.50 دولارًا؛ بينما يفوتر Qwen3.8-Omni-Flash بسعر 0.15 دولارًا لكل مليون رمز إدخال و0.47 دولارًا لكل مليون رمز إخراج.

كم تكلّف خمس عشرة ثانية من الفيديو المولّد، مقابل ساعة من الفيديو المُشاهَد

ضع قائمتي الأسعار على المحور نفسه، وسيتوقف عدم التماثل عن كونه أمرًا مجردًا. تحاسب G​oogle على الفيديو المولّد بمعدل رموز ثابت لكل ثانية من اللقطات: 5,792 رمزًا في الثانية بدقة 720p، و8,688 بدقة 1080p مع رفع الدقة. وبسعر $12.00 لكل مليون، يكلّف مقطع مدته خمس عشرة ثانية بدقة 720p نحو $1.05 في رموز الإخراج، وتكلّف دقيقة كاملة بدقة 1080p $6.26 — وهو الرقم الذي يطبعه Artificial Analysis في عمود التكلفة لديه، ويتطابق حتى السنت مع بطاقة الأسعار الخاصة بـ G​oogle.

الآن الجانب الآخر. لا يحتسب Qwen3.8-Omni-Flash التكلفة بالثانية من المادة المصوّرة، بل يحتسبها بالرمز المميز (token)، وتُحوَّل إطارات الفيديو إلى رموز بمعدل تحدده إعدادات أخذ العينات. ساعة من المادة المصوّرة بمعدل متواضع يبلغ إطارًا واحدًا في الثانية تصل في صورة عشرات الآلاف من الرموز البصرية، لا مئات الآلاف، وبسعر 0.15 دولار لكل مليون رمز إدخال، تبلغ تكلفة استيعاب تلك الساعة سنتات لا دولارات. يتوقف الرقم الدقيق على معدل الإطارات والدقة اللذين تختارهما، وهذا هو بيت القصيد: فالمشاهدة رخيصة بما يكفي لضبطها من أجل الدقة، بينما التوليد مكلف بما يكفي لضبطه من أجل الطول.

هذا التفاوت هو قرار الشراء بأكمله. الفريق الذي يضع هذين في الميزانية كبديلين — "لدينا X دولارًا للذكاء الاصطناعي للفيديو" — سيقلل من شراء الجانب الرخيص بشكل منهجي، وسيفرط في تقييد الجانب المكلف. والفريق الذي يضعها في الميزانية كخط أنابيب يشتري ساعة من المراجعة الآلية بأقل من تكلفة ثانية واحدة من اللقطات المولّدة، ثم ينفق ميزانية التوليد فقط على المقاطع التي تنجو.

سير العمل الذي لا يكتب عنه أحد: ما يحدث قبل الموجّه

هنا يتوقف الاقتران عن كونه نظريًا. الفشل المكلف في مسار إنتاج الفيديو ليس تصييرًا سيئًا، بل تصييرًا جيدًا لشيء خاطئ، لا يُكتشف إلا بعد أن تُحتسب تكلفة أربع جولات تمديد وست صور مرجعية.

يغيّر نموذج القارئ ذلك التسلسل. أدخِل اللقطات المصدر، والريل الحالي للعميل، واستعراض المنتج، والمقابلة التي تمتد خمسين دقيقة — أيًّا كان ما يجب أن يطابقه المقطع الجديد — في Qwen3.8-Omni-Flash، واطلب الأشياء التي يحتاجها البرومبت: قائمة اللقطات مع توقيتاتها، واللون السائد والإضاءة في كل مشهد، والنص الظاهر على الشاشة، والمتحدثين ومتى يتحدث كل منهم، والقطعات التي لا يجوز تجاوزها. هذا الناتج نص، والنص هو ما تُدخله إلى مُولّد. لا يقبل G​emini Omni Flash 1.2 فيديو كمجموعة تعليمات؛ بل يقبل برومبتًا وما يصل إلى ست صور مرجعية، ولا يستطيع مشاهدة ساعة من أي شيء لاستنتاج ما قصدته.

الاتجاه العكسي أضعف لكنه حقيقي. بمجرد وجود مقطع، يمكن لنموذج القارئ نفسه تدقيقه — هل يظل لون السترة ثابتًا عبر القطع، هل الصوت متزامن عند الامتداد الرابع، هل تبقى التسمية على الشاشة حتى الإطار الأخير. هذه هي الخصائص نفسها التي يدّعيها سجل تغييرات G​oogle بتاريخ 5 نوفمبر لإصدار 1.2، وهي الخصائص نفسها التي لا تقيسها أي ساحة تفضيلات، لأن تصويتًا ثنائيًا من نوع «أي مقطع يبدو أفضل» لا يمكنه رؤية خطأ استمرارية لا يظهر إلا في الثانية الثانية عشرة.

الحد الصادق: لا شيء من هذا سير عمل معتمد من المورّد. يصف توثيق Alibaba نموذج Qwen3.8-Omni-Flash بوصفه نموذجًا عامًا متعدد الوسائط، لا أداة لإنتاج الفيديو، ولا يصف دليل Google أي مسار لاستيعاب مخرجات منافسه. هذا النمط هو نمط يجمّعه الممارسون، وهو يعمل لأن كلا الطرفين يتحدثان نصًا عاديًا عند نقطة الوصل.

حيث يكون كل واحد هو الأداة الخاطئة

Qwen3.8-Omni-Flash هي الأداة الخاطئة لحظةَ أن يكون المُخرَج ملفًا يحتوي على صورة. فلا يوجد وضع للصور، ولا وضع للفيديو، ولا وضع للصوت. وإذا قال موجزك «اصنع لي مقطعًا مدته خمس عشرة ثانية»، فبإمكان النموذج أن يخبرك بما ينبغي أن يكون فيه، لكنه لا يستطيع صنعه.

تُعدّ Gemini Omni Flash 1.2 الأداة الخاطئة لأي محتوى أطول من نصف دقيقة، ولطائفة محددة من الأسواق. فالتوليد الذي تتراوح مدته بين ثلاث و15 ثانية، مع حد أقصى للتمديد عند 30 ثانية، يعني أن فيديو توضيحيًا مدته دقيقتان سيحتاج إلى عملية وصل، وكل وصلة هي موضع يمكن أن تنقطع فيه الاستمرارية — وهو ما يُفترض أن تحافظ عليه ميزانية الصور المرجعية البالغة ست صور، لكنها لا تضمنه. كما أن تحرير الفيديو المرفوع وتمديده غير متاحين في المنطقة الاقتصادية الأوروبية وسويسرا والمملكة المتحدة، لذا فإن عرض التحرير الحواري غير موجود للمستخدمين هناك. ولا توجد طبقة مجانية في أي من النسختين، ولا تعليمات نظام أو temperature أو top_p أو مطالبات سلبية — فالنموذج لا يتلقى سوى مطالبة ووسائط مرجعية، ولا شيء غير ذلك. وكل مخرجات تحمل علامة SynthID المائية.

وثمة عدم تناظر واحد مهم تجاريًا: فنقطة نهاية 1.1 تُوجَّه تلقائيًا إلى 1.2 في 3 ديسمبر 2026، لذا فإن إصدار G​emini الأقدم ليس خيارًا احتياطيًا طويل الأمد. ولا يرتبط Qwen3.8-Omni-Flash بأي ترحيل قسري مماثل. إذا كنت تبني خط معالجة يحتاج إلى قارئ مستقر، فإن القارئ هو النصف المستقر من هذا الزوج.

أين تقع طبقة التوجيه فعليًا

لا توجد أي من نقطتي النهاية هاتين في كتالوج OrcaRouter، ونفضّل الإفصاح عن ذلك بدلاً من أن توحي صفحة مقارنة بخلاف ذلك. يمر G​emini Omni Flash 1.2 عبر واجهة API الخاصة بـ G​oogle؛ ويمر Qwen3.8-Omni-Flash عبر A​libaba Cloud Model Studio. ما نوفّره فعلاً هو الطبقة على كلا جانبيْهما.

نصف الاستيعاب والتدقيق من خط المعالجة أعلاه هو عمل نصي وبصري، وهو النصف الذي يعمل على نماذج نوجّهها — بما في ذلك Qwen3.8-Flash، النموذج النصي الشقيق في العائلة نفسها، ونماذج Qwen3-VL Instruct لوصف على مستوى الإطار، وكلها يمكن الوصول إليها بمفتاح واحد بسعر قائمة المزوّد مع هامش ربح 0% و تحويل تلقائي عند تدهور أحد الأنظمة المنبع. يمكن لقاعدة توجيه أن ترسل جزءًا من طلبات التدقيق إلى نموذج ثانٍ دون عملية نشر، وهكذا تكتشف ما إذا كان القارئ الرخيص جيدًا بما يكفي قبل أن تعتمد مسار إنتاج عليه. يبقى استدعاء التوليد حيث يجب أن يبقى: مباشرة إلى G​oogle، على عدّاد G​oogle، مع وصول تغيير سعر G​oogle إلى فاتورتك وفق جدول G​oogle.

هذا الانقسام يستحق تسمية صريحة، لأنه الشكل الصادق لحزمة فيديو في 2026. فلا يوجد مورّد واحد يبيع النصفين جيدًا، والفرق التي تعاني هي تلك التي حاولت أن يجعل عقد واحد يغطي القارئ والمُصيّر.

كيف تقرر، حسب ترتيب وصول التكاليف

ابدأ بالقارئ، لأنه رخيص وينتج المخرجات التي يستهلكها كل شيء آخر. إذا لم تستطع الحصول على قائمة لقطات وتقرير ألوان ونص مفرغ صالحة للاستخدام من لقطاتك المصدر، فلن ينقذ المشروع أي قدر من جودة التوليد — بل ستكون تصوغ التوجيهات على غير هدى. يُعد Qwen3.8-Omni-Flash قارئًا أول معقولًا بتكلفة 0.15 دولار لكل مليون رمز إدخال، ويعني سياقه الذي يقارب مليون رمز أن ساعة من اللقطات تتسع دون استراتيجية تقسيم.

ثم قِس أطوال المقاطع الفعلية لديك. إذا كانت المدة الوسيطة للمُخرَج النهائي أقل من خمس عشرة ثانية — مقاطع وسائل التواصل، وإدراجات المنتجات، ولقطات B-roll — فإن G​emini Omni Flash 1.2 يغطيها في استدعاء واحد بنحو 0.07 دولار في الثانية بدقة 720p، وتكفي ميزانية الصور المرجعية الست للحفاظ على اتساق الموضوع على امتداد تلك الفترة. وإذا كانت المدة الوسيطة لديك تتجاوز ثلاثين ثانية، فأنت تشتري خط أنابيب تركيب مهما كان سعر الرمز الواحد، ويكون سقف التمديد البالغ 30 ثانية هو القيد الذي يحكم جدولك الزمني بدلاً من فاتورتك.

ثم قيّم تكلفة الفشل، لا النجاح. طلب تحرير مرفوض على 1.2 لا يكلّف شيئًا ولا يعيد أي ملف؛ أما المقطع الذي ينزاح عند الثانية الثانية عشرة فيكلّف التصيير بأكمله إضافة إلى وقت المراجع. الفشل الثاني هو ما يكتشفه نموذج القارئ، ولهذا يميل النصف الرخيص من هذا الزوج إلى أن يغطي تكلفته أولًا.

ما لا ينبغي عليك فعله هو التعامل مع الاثنين باعتبارهما منافسة حاسمة. فلا توجد لوحة صدارة مشتركة، ولا ناتج مشترك، ولا أي سيناريو يحل فيه أحدهما محل الآخر. المقارنة المفيدة هي نسبة — كم دقيقة من اللقطات يمكنك تحمّل تكلفة مشاهدتها مقابل كل ثانية يمكنك تحمّل تكلفة توليدها — وبالنسبة لمعظم الفرق في أواخر 2026، تُقاس هذه النسبة بالمئات.