MAGI-2-preview يتجه إلى SGLang: ما الذي يكشفه PR الجديد للخدمة

MAGI-2-preview، نموذج Sand.ai لتوليد الفيديو بمزيج من الخبراء و114 مليار معامل، أصبح مفتوح المصدر في 5 أغسطس 2026 — وبعد أحد عشر يومًا ظهرت أول علامة على أنه على وشك الحصول على بنية خدمة بمستوى الإنتاج. في 16 أغسطس، فُتح طلب سحب في مستودع SGLang بعنوان [diffusion][Model] Support MAGI-2-preview (sgl-project/sglang، PR #35014)، والعنوان دقيق: فهو يضيف دعمًا أصليًا لخدمة النموذج إلى حزمة الانتشار في SGLang. كما أنه، وقت كتابة هذه السطور، ما زال طلب سحب — مفتوحًا، بانتظار مراجعة مالك الكود، مع فشل فحوصات CI. لم يُدمج شيء، لذا لا يمكن تقديم أي خدمة بعد. لكن لأي شخص يقيّم ما إذا كان MAGI-2-preview يمكن أن ينتقل من إعداد Docker-and-torchrun المرجعي من Sand.ai إلى بيئة خدمة سائدة، فإن طلب السحب هذا هو خارطة طريق مفصلة.

إذن تعامل مع هذا باعتباره مقالة عن ما نعرفه حتى الآن، وليس ملاحظات إصدار. النموذج حقيقي وتم إطلاقه — حدث ذلك في 5 أغسطس، مع الأوزان على Hugging Face والكود على GitHub بموجب ترخيص Apache-2.0. ما لم يتم التحقق منه هو عمل الخدمة: تكامل SGLang هو طلب سحب مفتوح واحد، وقد تتغير تفاصيله أثناء المراجعة، وحتى يتم دمجه، لا يمكن لـ SGLang فعليًا تشغيل MAGI-2-preview. القيمة تكمن في ما يكشفه طلب السحب عن النموذج وعن المسار لتشغيله في بيئة تشغيل حقيقية.

النموذج الذي يخصه طلب السحب (PR)، في فقرة واحدة.

MAGI-2-preview هو محاولة من Sand.ai لتوسيع نطاق توليد الفيديو بالطريقة التي توسّعت بها نماذج اللغة — عبر خليط من الخبراء، وهو خليفة نموذج MAGI-1 مفتوح المصدر (نموذج فيديو تراجعي بحجم 24B من أبريل 2025). يبلغ إجمالي المعاملات في النموذج الجديد حوالي 114B لكنه ينشّط حوالي 6B فقط لكل رمز (token)، باستخدام خليط خبراء متعدد الرؤوس فائق الدقة: الحالة المخفية بأبعاد 3,072 تُقسَّم إلى اثني عشر رأسًا بأبعاد 256، ويُوجَّه كل رأس إلى ستة من أصل 256 خبيرًا، أي ما يعادل 3,072 وحدة خبراء لكل طبقة MoE و72 خبيرًا مُنشَّطًا لكل رمز عبر 36 طبقة. إنه نموذج موحّد أحادي التدفق للصوت والفيديو — النص والفيديو والصوت تمر عبر نفس المحول (transformer) وتتبادل المعلومات عبر الانتباه الذاتي في كل طبقة، بدلًا من خط أنابيب انتباه متقاطع منفصل. وهو يدعم توليد الفيديو من النص ومن الصورة، وينتج مقاطع مدتها 10 ثوانٍ — المدة الوحيدة المدعومة — مع مسار صوتي ستيريو متزامن يولَّد في نفس مسار إزالة التشويش ويُدمج في ملف الإخراج.

يعمل التوليد على مرحلتين. مرحلة magi2_preview تزيل التشويش بدقة 512×896، ثم مرحلة magi2_refiner ترفع الدقة إلى 1088×1920. يستخدم الإصدار الأساسي 100 خطوة لإزالة التشويش في مرحلة المعاينة و5 خطوات في مرحلة التنقية؛ وتقول Sand.ai إن نسخة مقطرة بخطوات أقل بكثير قادمة. مجموعة نقاط التحقق هي مستودع واحد على Hugging Face بحوالي 307 جيجابايت: مرحلة المعاينة بحجم 228 جيجابايت، ومشفّر نصوص Qwen3.5-27B، ومرحلة التنقية بحجم 14 جيجابايت، وVAE صوتي بحجم 5 جيجابايت، وVAE فيديو مستعار من Wan2.2-TI2V-5B، ومفكك تشفير VAE توربو مقطر يُستخدم افتراضيًا. تتطلب الأجهزة ثمانية وحدات معالجة رسومية NVIDIA Hopper (من فئة H100)، مع مشغّل مرجعي يسمح لك بتفريغ مشفّر النصوص ومرحلة المعاينة ومرحلة التنقية وVAE بين وحدة المعالجة المركزية ووحدة المعالجة الرسومية عبر المراحل.

فيما يتعلق بالأداء، فإن الأرقام المتداولة هي أرقام مُبلغ عنها وليست مُعاد إنتاجها بشكل مستقل. الادعاءات — {{1}}حصوله على درجة 86.54% في معيار VBench، متقدمًا على Sora 2 (84.37%) وKling 2.0 (84.20%) في نفس التغطية الصحفية الصينية، واحتلاله المركز السادس في لوحة متصدرّي Artificial Analysis لتحويل الصورة إلى فيديو بدرجة Elo تبلغ حوالي 1106{{/1}} — صادرة عن البائع وعن التغطية الإعلامية للإطلاق، ولم يجرِ أي اختبار مستقل من طرف ثالث في الأيام الأحد عشر منذ الإصدار. كما تشير {{2}}Sand.ai إلى أن تكلفة الاستدلال تبلغ حوالي 0.5 يوان (ما يقارب 0.07 دولار أمريكي) لكل مقطع فيديو بدقة 1080p لمدة 10 ثوانٍ على ثماني وحدات H100، أي حوالي عُشر تكلفة نماذج الفيديو السائدة{{/2}}. {{KEEP}}Take all of it as vendor-and-press-reported until someone measures it.{{/KEEP}}

لماذا طلب السحب النشط هو الخبر الحقيقي

حتى الآن، هناك طريقة واحدة مدعومة بدقة لتشغيل MAGI-2-preview: حزمة Sand.ai المرجعية الخاصة، وهي صورة Docker مع torchrun، على ثمانية NVIDIA Hopper H100s. هذا مسار قابل للتشغيل لكنه مخصص — فأنت ترث مشغّل Sand.ai، وقراراتها المتعلقة بتفريغ البيانات، وأسلوبها المتحيز في توزيع مشفّر النصوص، والمعاينة، والمحسّن، وVAE بين طبقات الذاكرة. إنّ طلب سحب (pull request) يضيف النموذج إلى SGLang مهم لأن SGLang هو بيئة التشغيل التي يعتمد عليها فعليًا جزء كبير من عالم الذكاء الاصطناعي التوليدي المستضاف ذاتيًا في الإنتاج. الدعم من الدرجة الأولى يعني أن MAGI-2-preview يصبح قابلًا للتشغيل ضمن بيئة تشغيل رئيسية مع آليات SGLang خلفه — توازي تسلسل Ulysses، وتوازي الخبراء، وتفريغ التفعيلات، وVAE، والمجدول، والبنية التحتية لمراحل خط الأنابيب. هذا هو الفرق بين "يمكنني تشغيله على حزمتهم" و"يمكنني تشغيله على الحزمة التي يديرها فريقي بالفعل."

ما الذي يبنيه طلب السحب فعليًا

التكامل مبني على آليات SGLang الحالية بدلاً من مسار torchrun المرجعي. يضيف هذا الـPR طبقة MoE متعددة الرؤوس، وتوصيلات حوض الانتباه (attention-sink)، وانتباهًا محليًا بنوافذ كتلية لمرحلة المُنقِّح، ووصلات فائقة متعددة التدفقات — وهي القطع المعمارية في MagiMoE التي لا تعبّر عنها الطبقات العامة. وإلى جانبها، يعيد استخدام مكونات SGLang الحالية: التوازي التسلسلي Ulysses، وتوازي الخبراء، والتفريغ (offload)، وVAE، والمجدول، ومكونات مراحل خط الأنابيب. كما يشتمل على وثائق (صفحة MAGI-2 ضمن وثائق الانتشار الخاصة بـ SGLang) و47 اختبار وحدة دون الحاجة إلى GPU، وهي علامة جيدة على مقدار سلوك النموذج الذي يمكن التحقق منه دون استئجار ثماني وحدات H100.

كما تجعل هذه الـ PR قيود النموذج صريحة:

• العتاد — ثمانية NVIDIA Hopper H100s، مع أوضاع تفريغ cpu / gpu / roundtrip الخاصة بالحزمة المرجعية التي تُحدد مواضع مشفر النص والمعاينة والمُنقّح وVAE بين المراحل.

• التوازي — --num-gpus يجب أن يقسم كل محور رأس، بينما --tp-size, --ring-degree, و --enable-cfg-parallel مرفوضة. هذا نموذج يحتوي على العديد من أبعاد التوجيه، ويجب أن يتماشى تخطيط التوازي معها.

المخرجات — يتم قبول الدقة 1920×1088 و896×512 فقط، ومقاطع فيديو مدتها 10 ثوانٍ فقط؛ torch.compile غير مدعوم.

تستحق تلك المجموعة الأخيرة القراءة مرتين إذا كنت تخطط للنشر: فهذا نموذج مقيد، على الأقل في هذا التكامل المبكر، بدقتين ومدة واحدة.

ما الذي لا يزال غير مُتحقَّق؟

كل شيء يتعلق بعمل الخدمة. طلب السحب (PR) مفتوح، في انتظار مراجعات مالكي الكود، وكانت فحوصات CI تفشل حتى 16 أغسطس. طلب سحب بهذا الحجم قد يبقى قيد المراجعة لأيام أو أسابيع؛ لا توجد حالة دمج، ولا إصدار، ولا إعلان من SGLang. والادعاءات المتعلقة بالنموذج — درجة VBench، وترتيب Artificial Analysis، ورقم التكلفة 0.5 يوان — هي من تقارير البائع والصحافة، ولم يتم إعادة إنتاجها بشكل مستقل. إذا بنيت سير عمل على هذا الـ PR اليوم، فأنت تبني على خارطة طريق، وليس على بيئة تشغيل.

ما يعنيه ذلك بالنسبة لحسابات التكلفة

السبب الذي جعل MAGI-2-preview يلفت الانتباه هو اقتصاديته. نموذج ينشّط 6 مليارات معامل لكل توكن بينما يحمل سعة 114 مليارًا، يكون تشغيله رخيصًا لكل مقطع — تقدّر Sand.ai الرقم بحوالي 0.5 يوان لكل مقطع فيديو مدته 10 ثوانٍ بدقة 1080p على ثمانية H100 — وهذا هو النوع من الأرقام الذي يحدد ما إذا كانت الفرق الصغيرة تستطيع تحمل تكلفة توليد الفيديو من الأساس. لكن مبلغ 0.5 يوان يفترض المكدس المرجعي، ومجموعة H100، وعدم وجود أي حمل إضافي للتقديم. والطريقة المعتادة التي يصبح بها نموذج مفتوح كهذا قابلًا للاستخدام على نطاق واسع هي عبر واجهة برمجة تطبيقات مُدارة: يستضيفه شخص ما، ويحدد سعرًا لكل مقطع، ولا تحتاج إلى استئجار ثمانية H100.

عندما يوجد مسار مستضاف، تصبح زاوية التوجيه ذات صلة. على منصة توجيه، أي سعر قائمة يحدده المورّد لمقطع MAGI-2-preview هو ما تدفعه — إذ يمرّر OrcaRouter أسعار قائمة المزوّدين بهامش ربح صفري، لذا يصبح أي تخفيض من المورّد ساريًا لدينا في نفس اليوم الذي يصدر فيه، دون إعادة تفاوض. ونقطة تفتيش مفتوحة الأوزان عمرها أحد عشر يومًا، بلا مقاييس مرجعية مستقلة، هي تحديدًا نوع النموذج الذي تريده خلف آلية التحويل التلقائي عند الفشل: وجّه مسارًا إليها للتقييم، وأبقِ خيارًا احتياطيًا مُثبتًا على نفس نقطة النهاية، وفي اللحظة التي تتعثّر فيها نقطة التفتيش المبكرة أو تنتج شيئًا غير قابل للاستخدام، يتم تحويل الاستدعاء إلى الاحتياطي بدلًا من خط المعالجة لديك. هكذا تجرّب نموذجًا غير مُثبت دون المراهنة على مسار إنتاجي به.

ما نشاهده الآن

• ما إذا كان طلب السحب (PR) سيُدمج، وما التغييرات التي تطرأ أثناء المراجعة. قائمة القيود — دقّتان، مدة واحدة، بدون torch.compile — قد لا تكون نهائية.

• نقطة التحقق المقطّرة. تقول Sand.ai إن أوزانًا بخطوات أقل قادمة؛ وهذا ما يحوّل رقم 0.5 يوان من قياس مختبري إلى تكلفة واقعية لكل مقطع.

• أول معايير مستقلة. أرقام VBench ولوحة الصدارة مُبلَّغ عنها من البائع والصحافة؛ تشغيل طرف ثالث قد يحسم مدى صحة ادعاء 6B-active.

سواءً اتبعت بيئات التشغيل الأخرى ذلك. تُعد SGLang أول بيئة تشغيل رئيسية للتقديم تعتمد MAGI-2-preview؛ وقد لا تكون vLLM وغيرها بعيدة عن الركب.

• ما إذا كانت تظهر واجهة برمجة تطبيقات مُدارة. يتمحور العرض الأساسي للنموذج حول التكلفة المنخفضة على نطاق واسع؛ وبمجرد وجود مسار مستضاف، تصبح حسابات التسعير العابر أعلاه سارية المفعول.

الملخص الصادق: MAGI-2-preview هو نموذج مفتوح عمره أحد عشر يومًا، وقد يكون هيكل تكلفته مهمًا، وPR الخاص بـSGLang هو أوضح إشارة حتى الآن على أن النظام البيئي يأخذه على محمل الجد. لكن دعم التشغيل هو طلب سحب مفتوح، وليس قدرة مطروحة. تعامل مع خارطة الطريق على أنها حقيقية ومع وقت التشغيل على أنه ليس جاهزًا بعد — وعندما يصل النموذج فعلًا خلف واجهة برمجية حقيقية، فإن نهج التبديل أولًا هو طريقة اعتماده دون المخاطرة بمسار إنتاجي على نقطة تحقق لم يقم أحد بقياسها بشكل مستقل.