Ming-Image-0.1-Design مقابل Meta Muse Image: النموذج صاحب الأثر الورقي والنموذج صاحب البيان الصحفي

وصل نموذجان للصور في عام 2026 بطريقتين متعارضتين. Ming-Image-0.1-Design هو نموذج نص إلى صورة بـ6.15 مليار معامل من فريق inclusionAI التابع لـAnt Group، رُفع إلى Hugging Face في 17 سبتمبر 2026 بموجب رخصة MIT دون إعلان، ولا منشور مدونة، ولا جدول مقاييس معيارية — مستودع بحجم 71.5 غيغابايت يمكنك قراءته ملفًا بملف. Meta Muse Image هو أول نموذج صور داخلي لـMeta Superintelligence Labs، أُطلق في 7 يوليو 2026 مع حملة إعلامية، وادعاءات مقاييس معيارية معلنة من المورّد، ولا أوزان قابلة للتنزيل من أي نوع. السؤال المثير ليس أيهما يرسم ملصقًا أفضل. بل إن أحد هذين النموذجين يمكن تدقيقه اليوم، بينما لا يمكن أخذ الآخر إلا على الثقة، والنموذج القابل للتدقيق يحتل المرتبة الأولى على لوحة الصدارة المستقلة الوحيدة التي يظهر عليها.

شُحن أحدهما كملفات. وشُحن الآخر كادعاء.

ابدأ بما يتكون منه كل إصدار فعليًا، لأن الفرق ليس بالطفيف.

• Ming-Image-0.1-Design — 6,154,901,056 معلمة، رخصة MIT، diffusers خط أنابيب، جميع الأوزان في BF16 safetensors، تقريبًا 71.5 جيجابايت عبر ستة مجلدات مكونات: connector/ (2 أجزاء)، mllm/ (7 أجزاء)، mlp/ (124.8 MB)، scheduler/، transformer/ (5 أجزاء) و vae/ (253.8 MB). لا model_index.json، ولهذا السبب فإن المسار الموصى به هو git clone لمستودع الاستدلال و python infer.py بدلاً من استدعاء خط أنابيب من سطر واحد.

• Meta Muse Image — لا أوزان، ولا عدد معلمات منشور، ولا وثيقة معمارية، ولا ملف ترخيص لقراءته. يمكن الوصول إليه كخدمة، ومنذ أغسطس 2026، عبر Model API الخاص بشركة ميتا على نقطة نهاية متوافقة مع OpenAI بتكلفة ثابتة تبلغ 0.01 دولار لكل صورة. كل ما تعرفه عن داخلياته مصدره وصف ميتا نفسه لها.

هذا التفاوت له consequence عملية لا علاقة لها بجودة الصورة. فمع إصدار Ming يمكنك الإجابة عن أسئلة لم يتناولها المورّد: ما مشفّر النص، وكم خطوة أخذ عينات يتوقعها المجدول، وهل يُخرج VAE أربع قنوات أم ثمانيًا، وهل يؤدي موصل MLP أي شيء يمكنك استبداله. أما مع Muse Image فلا يمكنك الإجابة عن أي منها، ولن تتمكن من ذلك في الربع القادم أيضًا، لأنه لا يوجد أي أثر يمكن فتحه.

الرقم الوحيد الجدير بالاقتباس، ومن أين يأتي

تحتل Ming-Image-0.1-Design المرتبة الأولى في لوحة صدارة Artificial Analysis Text to Image Leaderboard لتصميم UI/UX Design، في عرض الأوزان المفتوحة، بتقييم Elo قدره 1,082. وجاءت القائمة خلفه على النحو التالي: Ideogram 4.0 (Quality) عند 1,052، وIdeogram 4.0 عند 1,015، وHunyuanImage 3.0 Instruct عند 1,005، وFLUX.2 [dev] عند 1,000، وFLUX.2 [dev] Flash عند 999، وFLUX.2 [dev] Turbo عند 994.

ثلاث ملاحظات صادقة حول ذلك، لأنه أقوى دليل في هذه المقارنة ويستحق أن يُتعامل معه بحذر. أولاً، النسخة التي نقرأها من لوحة الصدارة هي تلك المنشورة على بطاقة النموذج نفسه، وهي تحمل علامة Artificial Analysis — إنها لوحة من Artificial Analysis أعاد المورّد إنتاجها، وليست رقمًا أنتجناه. ثانياً، لم يُعِد أحد إنتاج النتيجة بشكل مستقل، ولوحة إيلو القائمة على التفضيل الأعمى هي إحصاء سكاني، لا اختبار لكل طلب على حدة: فهي تخبرك بالصورة التي فضّلها الجمهور في المتوسط، لا ما إذا كان النموذج سيرسم الإنفوجرافيك الخاص بك بشكل صحيح. ثالثاً، وهذا هو الجزء الذي يفسّر الكثير، اللوحة مُصفّاة لتشمل الأوزان المفتوحة فقط. لا يمكن أن يظهر Meta Muse Image عليها، لذا فغيابه ليس نتيجة.

بالنسبة إلى Muse Image، الأرقام هي أرقام Meta الخاصة وأرقام Artificial Analysis، وينبغي تصنيفها على هذا النحو. أفادت Meta بتحقيق نسبة اتساق للشخصيات عبر صور متعددة بلغت 94%، ودعم يصل إلى 10 صور مرجعية، ومخرجات تصل إلى 1600 بكسل على الحافة الطويلة. وتضع Artificial Analysis النموذج ضمن أفضل خمسة في تحويل النص إلى صورة، وفي المرتبة الثالثة على لوحة تحرير الصور الخاصة بها عند تصنيف Elo يبلغ نحو 1,105. هذه أرقام مُبلَّغ عنها من الجهة المورِّدة وأخرى مقيسة بشكل مستقل على التوالي، وهي ليست من النوع نفسه.

ما صُمِّم Ming-Image-0.1-Design للقيام به

بطاقة النموذج محددة بشأن الهدف، وهي ليست للتصوير الفوتوغرافي العام. إنها موجهة إلى واجهات المستخدم والرسوم المعلوماتية والملصقات وأعمال التصميم كثيفة النصوص — فئة الصور التي يكون فيها الجزء الصعب هو الخط الواضح والتنسيق النظيف بدل مظهر البشرة الواقعي. وتعكس الإعدادات الموصى بها ذلك: إخراج بدقة 2048×2048، أو 1024 عندما تريد السرعة، و12 خطوة أخذ عينات، وتوجيه بلا مصنف عند 1.0، ودقة BF16، ووحدة معالجة رسومات CUDA واحدة بسعة 80 GiB. ومن المتوقع أن يأتي تحسين الموجّه من نموذج منفصل للرؤية واللغة — تذكر البطاقة Ling-3.0-flash-VL و qwen3.8-27B — ومن المتوقع أن يتم النشر عبر vLLM-Omni.

هناك أيضًا نموذج مصاحب، Ming-Image-0.1-Design-Layer، وهو مستودع منفصل بوسم خط أنابيب مختلف (image-text-to-image)، و6,154,908,736 معلمة، وبنفس ترخيص MIT. تتمثل مهمته في تفكيك الطبقات: أنت تعطيه صورة تصميم مسطحة بالإضافة إلى مخطط طبقات، فيعيد طبقات RGBA. يعمل عند 1024 في نطاق الدقة الافتراضي، أو 512 للسرعة، عند 12 خطوة مع توجيه عند 2.0 وflash_attention_2. تعرض البطاقة النتائج على مجموعة اختبار Crello كصورة بدلًا من جدول، وهو أمر يستحق الملاحظة إذا كنت تأمل في مقارنتها رقميًا بأي شيء.

ما الذي لا يزال غير قابل للمعرفة حقًا حتى الآن؟

هنا يجب أن يكون الطرح صريحًا. لا يمتلك Ming-Image-0.1-Design أي ملاحظات إصدار، ولا إعلان، ولا قسم قيود مُعلن، ولا تغطية من طرف ثالث وقت كتابة هذا النص. يقرأ عداد التنزيلات على المستودع صفرًا. لا توجد نقطة نهاية مستضافة من المورّد. القياس المستقل الوحيد هو موضع واحد في لوحة الصدارة، وكل شيء آخر — الإنتاجية، الالتزام بالمطالبات على بياناتك، كيف يتصرف عند أعداد الصور المرجعية التي تتجاوز بضعة صور، ما إذا كانت قناة RGBA نظيفة عند الحواف — غير مُقاس علنًا.

ما يوفّره لك ذلك هو تقييم قصير ومحدّد بوضوح. يمكنك قراءة البنية المعمارية، وتشغيلها، وأن تقرّر بنفسك خلال يوم واحد. لكنه لا يوفّر لك مقياس أداء مرجعيًا يمكنك الاقتباس منه في وثيقة مشتريات.

Meta Muse Image هي الصورة المعكوسة. فقد جرى قياسها على لوحتَي تقييم مستقلتين، ولها سعر معلن، ولا شيء من ذلك سيسمح لك بفحص وزن واحد. وإذا كان القيد الذي لديك هو مراجعة امتثال تسأل من أين جاءت بيانات التدريب وما الذي يفعله النموذج بالمُوجّه، فإن «تقول Meta» هو كل ما يتاح لك من إجابة.

النسخة من هذه المقارنة التي يمكن لموجّه أن يتصرف بناءً عليها

لا يُعد أيٌّ من هذين النموذجين من النماذج التي نوجّه إليها الطلبات، ولن يوحي هذا المقال بغير ذلك. فـ Meta Muse Image نموذج مغلق تقدّمه Meta؛ أما Ming-Image-0.1-Design فهو ملف أوزان قابل للتنزيل دون أي مسار استضافة على الإطلاق. أما نماذج الصور التي نوفّرها اليوم فهي عائلة GPT-Image من OpenAI، وطبقات Imagen 4 من Google ومعاينات الصور في Gemini، ونقطة نهاية صور Grok Imagine من xAI — وكلها خلف نقطة نهاية واحدة متوافقة مع OpenAI بسعر قائمة المزوّد دون أي هامش إضافي، مع تحويل تلقائي عند الفشل بين المزوّدين ولغة توجيه (DSL) تجمع عدة نماذج في نداء واحد.

ذلك يهم هنا لسبب واحد محدد. إن إصدارًا غير معلن بأوزان مفتوحة، بمركز واحد على لوحة الصدارة، هو تمامًا نوع النموذج الذي يريد فريقٌ تقييمه دون المراهنة بمسار إنتاجي عليه. وتشغيله إلى جانب نموذج مُقاس على المفتاح نفسه، بدلًا من تشغيله أمامه، هو ما يتيح إنجاز التقييم دون عقد ثانٍ ودون تغيير في الكود.

اختر بناءً على ما يمكنك التحقق منه.

• إذا كنت بحاجة إلى نموذج يمكنك فحصه أو تعديله أو ضبطه الدقيق أو تشغيله على عتادك الخاص — فإن Ming-Image-0.1-Design هو الخيار الوحيد بين الاثنين، ورخصته MIT متسامحة بشكل غير معتاد لإصدار صور لعام 2026.

• إذا كنت بحاجة إلى نموذج بسعر منشور ونتائج مستقلة يمكنك الاستشهاد بها — فإن Meta Muse Image هو الخيار الوحيد بين الاثنين، و0.01 دولار لكل صورة رقم يصمد أمام مراجعة الميزانية.

• إذا كنت بحاجة إلى الشفافية كمخرَج — فإن مسار RGBA الخاص بـ Ming-Image-0.1-Design ومرافقه Layer موجَّهان إلى ذلك تحديدًا؛ أما ما لدى Meta بشأن الشفافية فلم يُنشر.

• إذا كنت بحاجة إلى أن يعمل بعد ظهر هذا اليوم — لا هذا ولا ذاك. أحدهما ليس لديه نقطة نهاية مستضافة، والآخر ليس لديه تنزيل.

السؤال المطروح أضيق مما يبدو، وهو تاريخ وليس معيارًا. تم رفع Ming-Image-0.1-Design في 17 سبتمبر 2026 ولم يُعلن عنه أحد. إما أن يأتي ذلك الإعلان وتحصل مرتبة لوحة الصدارة على قراءة ثانية مستقلة، أو لا يأتي ويظل هذا مستودعًا قام بتشغيله عدد قليل من الأشخاص. أول تقييم من طرف ثالث له هو ما يجب مراقبته، لأن تلك هي اللحظة التي يتوقف فيها الأثر الورقي عن كونه وعدًا ويبدأ في كونه دليلًا.