‏MiniMax-H3-Image متاح على ثلاث واجهات: ما الذي يقدّمه لك كل منها فعليًا

أقصر جملة صحيحة عن MiniMax-H3-Image هذا الأسبوع هي أنه متاح في ثلاثة أماكن: Hugging Face، وMiniMax Code، وواجهة API الخاصة بـ MiniMax. أما الجملة التي يحتاجها المشتري فعلاً فهي أضيق. اثنان من هذه الثلاثة يمنحانك نقطة نهاية طلب وبطاقة أسعار؛ وواحد يمنحك 135 غيغابايت من الأوزان، وترخيصًا للقراءة، وقرارًا بشأن العتاد. هذه ليست ثلاثة أشكال من الوصول نفسه، والتعامل معها كأنها قابلة للتبادل هو ما ينتهي به فريق إلى تخصيص أسبوع لشيء كان يمكنه شراؤه لكل صورة مقابل سنتين.

النموذج نفسه إصدار حقيقي وليس إعادة تغليف. وقد وضعت MiniMax الأوزان في مستودع Hugging Face MiniMaxAI/MiniMax-H3-Image في 10 نوفمبر 2026 عند الساعة 14:50 بالتوقيت العالمي المنسق، ونشرت عنه في الساعة 15:40 من بعد ظهر اليوم نفسه؛ ويعود تاريخ المستودع نفسه إلى 3 نوفمبر، أي إن الأوزان ظلت موجودة على نحو خاص لمدة أسبوع قبل أن يستطيع أي أحد تنزيلها. وهو محوّل انتشار يضم 33.1 مليار معامل، يولّد بحدود ستة عشر ميغابكسل، وهي دقة "4K" المذكورة في الإعلان، ويؤدي التحويل من النص إلى الصورة والتحرير الموجّه بالمرجع انطلاقًا من نقطة تحقق واحدة. وينظَّم ما يلي حول السؤال الوحيد الذي لا يجيب عنه الإعلان: على أي سطح ينبغي أن تكون؟

ثلاثة أبواب أمامية، وواحد منها فقط هو تنزيل.

ابدأ بتعريف كل باب، لأن الفرق بنيوي وليس شكليًا.

تُعدّ API المسار التقليدي. ويُدرج النموذج باسم MiniMax-H3-Image مع نظير Highspeed، على منصتي M​iniMax الدولية والبر الرئيسي، مع احتساب الفاتورة لكل مليون رمز إدخال وإخراج بدلًا من كل صورة. الواجهة صارمة على نحو غير معتاد — ست خطوات لأخذ العينات، بلا مقياس توجيه، ولا مطالبة سلبية — ويقول مرجع M​iniMax نفسه إن أي طلب يطلب شيئًا آخر يعود بالخطأ HTTP 400. أنت تشتري نقطة نهاية عاملة تتضمن وصفة ثابتة.

M​iniMax Code وHailuo AI هما واجهتان للمنتج: النموذج نفسه خلف مربع إدخال، مع قرارات أخذ عينات متخذة سلفًا ودون أي حسابات لكل رمز عليك إجراؤها. مفيدان لتقييم مدى جودة المخرجات؛ وغير مفيدين لبناء أي شيء، لأن الشيء الذي ستبني عليه غير مكشوف. لاحظ أيضًا أن M​iniMax Code منتج وكيل برمجة، لذا فإن توليد الصور فيه باب جانبي وليس الوظيفة الرئيسية — لا تُفسِّر عبارة «متاح على M​iniMax Code» على أنها واجهة برمجة تطبيقات للصور مع غلاف برمجي.

Hugging Face هو الباب الثالث، وهو الوحيد الذي يمثّل نقلًا لا خدمة. تحصل على مستودع، وملف ترخيص، ومجموعة أوزان عليك الآن تشغيلها. الاستضافة الذاتية هي السبب الذي يجعل معظم الفرق تنظر إلى نموذج صور مفتوح الأوزان أصلًا؛ وهي أيضًا النقطة التي يتوقف فيها الحساب عن أن يكون عن النموذج ويبدأ أن يكون عن رفّك.

المستودع أثقل مما يوحي به عدد المعلمات المذكور في العنوان.

إن 33.1 مليار معامل بتنسيق BF16 تعادل نحو 66 غيغابايت قبل أن تحسب أي شيء آخر، و"أي شيء آخر" هو حيث يفاجئ المستودع الناس. إن محوّل الانتشار وحده يبلغ 66.28 غيغابايت. ويبلغ التنزيل الكامل 68.65 غيغابايت، وهو يشمل المحوّل إضافة إلى VAE والإعدادات. أما مُشفّر النص فهو ليس ضمن ذلك الرقم: يعيد MiniMax-H3-Image استخدام مُشفّر النص Qwen3-VL من مستودع فيديو MiniMax-H3، ويقرأ من الطبقة 50 منه، وذلك المُشفّر عبارة عن تنزيل منفصل بحجم 66.7 غيغابايت. بعبارة أخرى، خصّص نحو 135 غيغابايت من الملفات على القرص قبل أول صورة، وذلك قبل أي ذاكرة تخزين مؤقت خاصة بأي إطار عمل.

إن المعمارية تستحق فقرة لأنها تخبرك ما هو النموذج. خمسون طبقة محوّل، وحجم مخفي 5,376، و56 رأس انتباه، وعرض شبكة أمامية 14,336، مع تضمينات موضعية دورانية متعددة الوسائط ثلاثية الأبعاد. أما VAE فهو مُرمِّز تلافيفي مقترن بفك ترميز ViT ثنائي الأبعاد من 24 طبقة عند اختزال مكاني بمقدار 16× و24 قناة كامنة — وهو اختيار للفك الترميزي يكلّف حوسبة أكثر في نهاية المسار مما يكلّفه فك ترميز تلافيفي بسيط، ومن المرجح أنه مصدر بعض التفاصيل الدقيقة في 4K. يُوصف التصميم في بطاقة النموذج بأنه معمارية H3 ناقص الصوت، وهو تلخيص عادل: فهذا هو فرع الصور في نموذج الفيديو، يُشحن بمفرده.

ثمة نتيجتان تترتبان على ذلك. أولًا، محوّل انتشار من فئة 33B بدقة ستة عشر ميغابكسل ليس نموذجًا للحواسيب المحمولة، مهما بدا عدد المعاملات عليه عند مقارنته بنماذج اللغة الحديثة؛ فذاكرة التنشيط تتناسب مع مساحة الخرج، والمساحة هي جوهر هذا الإصدار بأكمله. ثانيًا، ولأن مشفّر النص مشترك مع نموذج الفيديو، فإن متجرًا يشغّل MiniMax-H3 بالفعل لديه معظم التنزيل على القرص مسبقًا. هذا خصم حقيقي، وهو أمر لا تنقله عبارة "متاح على Hugging Face".

أربع طرق لتقديمه، ورقم واحد لا يتوافق

تسرد بطاقة النموذج أربعة مسارات: SGLang وvLLM-Omni وdiffusers وComfyUI. وقد وفّرت vLLM-Omni من فريق vLLM دعمًا في يوم الإطلاق لكل من عتاد NVIDIA وAMD في يوم الإصدار، مع إخراج أصلي بدقة نحو ستة عشر ميغابكسل، وهو ما يعد إشارة إطلاق أقوى من مجرد وجود الأوزان — فقد كان شخص من خارج M​iniMax قد شغّله قبل أن يمرّ ساعة على الإعلان. ويغطي diffusers المسار المرجعي، بينما يغطي ComfyUI جمهور مخططات سير العمل.

يستحق هذا الاختلاف تسليط الضوء عليه لأنه سيؤذي شخصًا ما. تصف بطاقة النموذج التحرير باستخدام ما يصل إلى 16 صورة مرجعية، يُشار إليها موضعيًا باسم <Picture 1> حتى <Picture 16> بترتيب الرفع. وتوثّق وصفة إصدار vLLM-Omni للنموذج نفسه ما يصل إلى 9 صور لكل طلب. يمكن أن يكون كلا الأمرين صحيحًا في آن واحد — فحد الخدمة لدى إطار عمل ما وسعة النموذج المدرَّبة رقمان مختلفان، كما أن قيد التجميع أو الذاكرة في مكدس الخدمة سيكون أول ما يقيّد — لكن إذا كانت سير عملك تحتاج إلى اثني عشر مرجعًا، فالإجابة الصادقة اليوم هي أن القدرة موجودة وقد لا يحملها مسار الخدمة الموثّق. اختبر الرقم على مكدسك بدلًا من الوثوق بأي من الوثيقتين.

ينطبق التحذير نفسه على نافذة الموجّه. تقبل البطاقة حتى 32,000 حرف، منها أول 4,096 رمزًا تقريبًا هي ما يعتمد عليها النموذج فعليًا. لا يُرفض الموجّه الطويل؛ بل إن الجزء الأخير ببساطة لا يؤدي أي عمل. وسيكتشف ذلك على نفقته كل من ينقل موجّهًا تفصيليًا للتوجيه الفني بدافع عادةٍ مكتسبة من نماذج اللغة.

أداة أخذ العينات قيدٌ تَرِثُه، لا إعدادٌ تُعايِرُه.

ست خطوات، دون توجيه خالٍ من المصنّف، ودون موجّهات سلبية. هذا ليس إعدادًا افتراضيًا توجد مساحة للتجاوز فوقه؛ فـ API يرفض صراحةً أي أعداد خطوات أو قيم توجيه أخرى. لقد قُطِّر النموذج ليعمل عبر ست تمريرات أمامية، والسبب الكامل وراء قدرة محوّل بحجم 33B على إرجاع صورة بدقة ستة عشر ميغابكسل بسرعة كافية لتكون مفيدة هو التقطير.

بالنسبة إلى مسار {{1}}API{{/1}}، هذا غير مرئي ولا يمثل مشكلة. أما بالنسبة إلى مسار الاستضافة الذاتية، فهو الرقم الأكثر فائدة في ورقة المواصفات، بل مرتين. فهو يحدّ من الحوسبة لكل صورة عند ست عمليات تقييم للمحوّل بدلًا من خمس وعشرين إلى خمسين عملية يحتاجها نموذج غير مقطّر، وهذا ما يجعل ستة عشر ميغابكسل عمليًا أصلًا. ويعني أن حلقة الضبط المعتادة للاستضافة الذاتية — تجربة خطوات أكثر، وإضافة إرشاد، وإضافة موجّه سلبي، والتكرار — غير موجودة هنا. إذا خابت جودة المخرجات، فإن الروافع هي الموجّه والمراجع، لا أداة أخذ العينات. على الفرق التي تخصص أسبوعًا لـ"ضبط النموذج" أن تخصصه لعمل الموجّه بدلًا من ذلك.

ما تكلفة كل مسار، بالوحدات التي تتم الفوترة بها فعليًا

تفرض API رسومًا على الرموز، وأوضح طريقة لفهم ذلك هي الأمثلة المحسوبة الواردة في البطاقة نفسها. يبلغ سعر طلب تحويل النص إلى صورة بدقة 1,024×1,024 مقدار $0.02179. ويبلغ سعر طلب بدقة 2,048×2,048 مقدار $0.02333 — أي 1.07 ضعف السعر مقابل أربعة أضعاف البكسلات، لأن عدد الرموز ينمو بوتيرة أبطأ بكثير من المساحة. ويبلغ سعر طلب بدقة 4,096×4,096 مقدار $0.06879 بالسعر المعلن، و$0.03439 بموجب خصم 50% لفترة محدودة يسري حتى 17 نوفمبر 2026 الساعة 16:00 UTC ويشترط ألا تقل الصورة المسلّمة عن 16,600,000 بكسل. أسعار الفئة Standard هي $2.30 لكل مليون رمز نصي مُدخل، و$1.50 لكل مليون رمز صورة مُدخل، و$3.80 لكل مليون رمز صورة مُخرج؛ وتحتفظ فئة Highspeed بأسعار الإدخال وتتقاضى $7.60 مقابل الإخراج.

اقرأ تلك الأرقام الثلاثة معًا، فتتلاشى إلى حد كبير حجة التسعير لصالح 4K. الحصول على أربعة أضعاف البكسلات مقابل 1.07 ضعف المال عند مستوى 2K هو هدية؛ فالانتقال من 2K إلى 4K يكلّف نحو ثلاثة أضعاف المبلغ مقابل الزيادة الرباعية نفسها في المساحة، ولا يعيده إلى قرب سعر 2K سوى الخصم. إذا كانت حالتك الاستخدامية لا تحتاج إلى 4,096 بكسل في كل جانب، فإن فئة 2K هي حيث يكون هذا الطراز رخيصًا.

لا يقدّم OrcaRouter النموذج MiniMax-H3-Image — فلا يوجد مسار له هنا، ويشير زر الإجراء في هذا المقال إلى النموذج المرئي الشقيق، minimax/minimax-h3، الذي نوجّه إليه فعلاً. أما ما نقدّمه فهو ذو صلة باليوم الذي يوجد فيه المسار: هامش ربح 0% مع تمرير سعر قائمة المزوّد كما هو، ما يعني أن تغيير سعر المورّد مثل خصم 4K المذكور يصل إلى فاتورتك في اليوم نفسه الذي يصل فيه إلى صفحة المورّد، وتحويل تلقائي عند الفشل إذا تدهور مسار أحد المزوّدين. حتى ذلك الحين، المقارنة التي تهم هي إنفاق API مقابل العتاد الخاص بك، ولا تغيّر أي طبقة توجيه تلك الحسابات.

الاستضافة الذاتية، بتسعير صادق

لا يمكن لأحد أن يعطيك تكلفة استضافة ذاتية لكل صورة دون معرفة وحدة GPU لديك، لأن العامل المهيمن هو ما إذا كانت الأوزان البالغة 135 GB تتسع في الذاكرة أم يجب تفريغها خارجها. ما يمكن قوله بدقة: إنّ المُعاين ذا الخطوات الست يثبّت الحمل الحسابي، ومخرجات الستة عشر ميجابكسل تحدّد ميزانية التنشيط، وكلاهما كبير. بطاقة واحدة بسعة 80 GB ستستوعب المحوّل ولكن ليس المحوّل مع مشفّر Qwen3-VL بالدقة الكاملة، لذا فالتهيئات الواقعية هي تعدد وحدات GPU، أو تفريغ المشفّر، أو محوّل مكمّم مع علامة استفهام حول الجودة. أضف الطاقة، وأضف أسبوع المهندس لإعداد خدمة SGLang أو vLLM-Omni بشكل صحيح، وستكون نقطة التعادل مقابل 0.02333 دولار لكل صورة 2K رقمًا حجميًا في مئات الآلاف من الصور، لا في العشرات.

أيّهما يمثّل الحجة لصالح الـAPI في معظم الحالات، والحجة لصالح أوزان النموذج في حالات قليلة: جهة تحتاج النموذج داخل حدودها الخاصة لأسباب تتعلق بالبيانات، أو جهة تشغّل MiniMax-H3 بالفعل وتملك المُرمِّز، أو جهة تولّد بحجم يجعل التكلفة الثابتة تُوزَّع على المدى الطويل. أما كل من عدا هؤلاء فينبغي أن يقيّم تكلفة الـAPI أولاً، وألا يستضيف النموذج ذاتياً إلا إذا كانت الحدود تتطلب ذلك فعلاً.

قراءة الترخيص قبل التنزيل، لا بعده

تُصدر الأوزان بموجب اتفاقية ترخيص MiniMax-H3-Image المجتمعي، وهي ليست Apache 2.0 ولا MIT. وصف "Open-weight" دقيق؛ أما "open-source" فهو المصطلح الذي يوقع الفرق في المشاكل، وهذه هي النقطة في العملية التي ينبغي فيها للمحامي أن يقرأ الملف الفعلي بدلًا من منشور مدونة — بما في ذلك هذا المنشور. السؤال العملي هو الاستخدام التجاري على نطاق واسع، وما إذا كان الترخيص يتضمن شروطًا تنطبق على منتجك، ولهذا السؤال إجابة في المستودع لا يغني عنها أي ملخص.

هناك أثر ثانٍ أصغر يجدر بك معرفته: توفّر M​iniMax مكوّن Context-IR للنموذج، ونموذجًا اختياريًا لتوسيع المطالبات هو MiniMax-H3-Image-PE. يوضّح الموسّع جزءًا من سبب تحمّل النموذج للمطالبات الطويلة والمفصّلة؛ فهو اختياري، ومنفصل عن 68.65 GB، وهو من النوع الذي تجده في قائمة مستودع لا في إعلان.

ما الذي يجب التحقق منه في حزمة التقنيات الخاصة بك هذا الأسبوع

• المراجع — تأكّد مما إذا كان مسار الخدمة لديك يدعم 16 صورة أم الصور الـ9 التي توثّقها وصفة vLLM-Omni، وذلك عبر طلب حقيقي بدلاً من قراءة الوثائق.

• المساحة الفعّالة — سيعمل النموذج بأقل من ستة عشر ميغابكسل، ويكشف الإعداد عن حد أدنى افتراضي لمساحة التوليد عند 4,194,304 بكسل. اختبر الطرف الأصغر إذا كانت حالة الاستخدام لديك هي الصور المصغرة، لأن نموذجًا بهذا الحجم قد لا يكون الخيار الرخيص عند 1K.

• الذاكرة — قِس ذروة VRAM عند 4,096×4,096 قبل شراء العتاد. ست خطوات هي حوسبة رخيصة؛ أما التنشيطات فليست كذلك.

• عدّاد الخصم — إذا كانت خطة 4K هي المبتغاة، فإن نسبة الـ50% تنتهي في 17 نوفمبر 2026 عند الساعة 16:00 بالتوقيت العالمي المنسق (UTC)، وما إذا كنت تعتمد على واجهة API أو على عتادك الخاص هو ما يحدد إن كان هذا الموعد النهائي يهمك أم لا.

• الترخيص — اقرأه. حجم التنزيل 135 GB، والقرار قابل للتراجع؛ أما الترخيص فليس كذلك.

الشيء المثير في هذا الإصدار ليس أن نموذج صور مفتوحًا جيدًا قد ظهر — بل إنه للمرة الأولى منذ فترة ظهر أحدها بحيث وصلت الأوزان ووصفات إطار العمل ونقطة النهاية المستضافة كلها في الأسبوع نفسه. هذه إشارة أقوى من مخطط قياس أداء، لأنها تعني أن الشيء يعمل فعلاً. أما إن كان ينبغي لك تشغيله أو استدعاؤه، فيعتمد كليًا على أي من الأبواب الثلاثة تدخل منه، وهذه الأبواب الثلاثة أبعد عن بعضها بكثير مما يوحي به الإعلان.