MiniMax-H3-Image: 16 ميغابكسل في 10 ثوانٍ ادعاءٌ وليس قياسًا بعد

عشر ثوانٍ لصورة بدقة ستة عشر ميجابكسل ليست ادعاءً بشأن الجودة. إنه ادعاء حول طريقة جدولة النموذج، وهو الجزء الوحيد من إطلاق MiniMax-H3-Image الذي يمكن للمستخدم التحقق منه في فترة بعد ظهر واحدة. أعلنت MiniMax عن النموذج في 10 نوفمبر 2026 بمنشور قصير يبدأ تحديدًا بذلك الرقم: مخرجات 4K، بنحو ستة عشر مليون بكسل، وحتى ستة عشر صورة مرجعية، في عشر ثوانٍ، مع أوزان مفتوحة وواجهة API الخاصة بالمورّد، وMiniMax Code وHailuo كطرق للوصول. ما لا يتضمنه الإعلان هو قياس كمون واحد، ولا معيار جودة واحد، ولا رابط إلى منشور مدونة يشرح كيف تحقق أي من ذلك. البايتات حقيقية — 68.65 GB منها على Hugging Face، إضافة إلى مُرمّز نصي مأخوذ من مستودع ثانٍ — وكذلك قائمة الأسعار. العشر ثوانٍ وعد. وهذا ما يقوم عليه الوعد، وكم يكلف، وما سيتعين عليك تشغيله لتعرف ما إذا كان يصمد على عتادك الخاص.

من الجدير ذكر التواريخ بوضوح، لأن الإطلاق كان غير معتاد. أُنشئ مستودع Hugging Face الخاص بـ MiniMax-H3-Image في 3 نوفمبر 2026 وظل فارغًا. وصلت الأوزان في 10 نوفمبر عند 14:50 UTC. وفي اليوم نفسه، أضافت وثائق واجهة برمجة تطبيقات MiniMax بطاقة ملاحظات إصدار بعنوان “MiniMax H3 Image” تضمّنت السطر “نموذج رائد مفتوح الأوزان للصور. من الأفكار إلى عوالم جديدة” — جملة لا تتضمن أي مواصفات — بينما لا تزال مدونة الشركة وفهرس أخبارها خاليين تمامًا من أي شيء عن نموذج الصور. وهكذا صدر النموذج بهدوء ثم أُعلن عنه، بهذا الترتيب، وهو عكس ما تجري عليه معظم عمليات الإطلاق، وهو السبب في أن الإعلان يبدو كنسخة تسويقية أُضيفت إلى نقطة تحقق كانت قابلة للتنزيل بالفعل.

من أين يمكن أن تأتي عشر ثوانٍ على نحو معقول

معظم الشرح موجود في قائمة الملفات وليس في المنشور. MiniMax-H3-Image محوّل انتشار كثيف بسعة 33.1 مليار معامل — 50 طبقة، حجم مخفي 5,376، 56 رأس انتباه، عرض FFN 14,336، RoPE ثلاثي الأبعاد متعدد الوسائط — وقد تم تقطيره إلى ست خطوات أخذ عينات دون أي توجيه خالٍ من المصنّف على الإطلاق. هذا ليس إعدادًا افتراضيًا يمكن للمستدعي ضبطه. ترفض واجهة API المخدّمة أي شيء عدا num_inference_steps=6 وguidance_scale=1 برمز HTTP 400، وتُرفض المطالبات السلبية رفضًا قاطعًا. ملف منفصل بحجم 12 ميغابايت، pdd_fused_heads.safetensors، يحمل رؤوس إخراج لكل خطوة تستبدل طبقة إخراج المحوّل، مع الجدولة في pdd_config.json.

ستة تمريرات غير موجّهة هي السبب في أن رقم الثواني العشر ليس سخيفًا. فالعيّان الموجّه ذو الثلاثين خطوة عند ستة عشر ميغابكسل مهمة دُفعية؛ أما ست خطوات في المساحة نفسها فهي طلب. وما إذا كان سيبلغ عشر ثوانٍ يعتمد كليًا على المسرّع، وإعداد التوازي التسلسلي، والدقة التي تطلبها فعليًا، ولا شيء من هذه الثلاثة في الإعلان. بطاقة الطراز الخاصة بـ MiniMax نفسها لا تذكر أي زمن توليد في أي مكان. الرقم موجود في مكان واحد: منشور الإطلاق.

ما تحدده البطاقة فعليًا، بتفصيل أكبر مما ورد في المنشور، هو الهندسة. يصل الإخراج إلى نحو 16 ميغابكسل عند كل نسبة أبعاد — 4096×4096 عند 1:1، و4736×3552 عند 4:3، و5024×3360 عند 3:2، و5472×3072 عند 16:9، و6272×2688 عند 21:9 — دون وجود أداة منفصلة لرفع الدقة في المسار. يحدّ API مساحة الإخراج عند 20 ميغابكسل، وتصف البطاقة نطاق العمل العملي بأنه يتراوح تقريبًا من 4 إلى 20 ميغابكسل. يستقبل التحرير ما يصل إلى 16 صورة مرجعية، تُخاطَب موضعيًا في المطالبة بصيغة <Picture 1> إلى <Picture 16> بترتيب الرفع. تصل المطالبات إلى 32,000 حرف على واجهة API المقدمة، لكن أول 4,096 رمزًا فقط تقريبًا هي التي تؤثر فعليًا.

الادعاءات، إلى جانب الأدلة الموجودة بشأنها

• الدقة — "16 مليون بكسل" و4K: مذكورة في المنشور ومنقولة في جدول الأحجام الخاص بالبطاقة. لم تُقَس بشكل مستقل، لكن هذا الأمر سهل التحقق منه للغاية عبر إنشاء صورة وقراءة أبعادها.

• السرعة — «كل ذلك في 10 ثوانٍ»: مُبلَّغ عنه من المورّد، دون تحديد أي عتاد ودون نشر أي توقيت من جهة خارجية حتى 11 نوفمبر 2026. لا تذكر البطاقة أي رقم على الإطلاق.

• اتباع المطالبات — «اتباع دقيق للمطالبات»: ادعاء نوعي. الصياغة الأقوى في البطاقة هي «أقوى اتباع للتعليمات بين النماذج مفتوحة المصدر»، وهي مقارنة بلا جدول مرفق.

• التحرير — «حتى 16 صورة مرجعية»: مؤكَّد في البطاقة وتوثيق API، ومتناقض في تفصيل واحد مع وصفة vLLM-Omni ليوم الإطلاق الأولى، التي توثّق حتى 9 صور لكل طلب على مسارها. اعتبر 16 سقف النموذج و9 ما تختبره وصفة الإطار.

• الأوزان المفتوحة — صحيح، وهو أمر جوهري على نحو لا يوضحه المنشور: فالأوزان مفتوحة بموجب ترخيص يتضمن شروطًا إقليمية وشروطًا متعلقة بالإيرادات، وليس بموجب ترخيص معتمد من OSI. المزيد عن ذلك أدناه.

كم تبلغ تكلفته، وخصمٌ تبقّى عليه ستة أيام

الشروط التجارية هي أكثر ما يتسم بالملموسية في هذا الإصدار. تستند الفوترة إلى الرموز وفق سعر إخراج الصور: 2.30 دولار لكل مليون رمز نصي مُدخل، و1.50 دولار لكل مليون رمز صوري مُدخل، و3.80 دولار لكل مليون رمز صوري مُخرج ضمن الفئة القياسية. وتفسّر أمثلة MiniMax المحسوبة بنفسها ذلك على أنه سلّم تسعير مسطّح على نحو غير معتاد، لأن العدّاد هو الرموز، وعدد الرموز لا يتدرّج مع المساحة بالطريقة التي يوحي بها الحدس:

• تحويل النص إلى صورة بدقة 1K — 0.02179 دولار لكل صورة.
• تحويل النص إلى صورة بدقة 2K — 0.02333 دولار.
• تحويل النص إلى صورة بدقة 4K — 0.06879 دولار كسعر مدرج، و0.03439 دولار طالما استمر الخصم الحالي.
• تعديل بدقة 1K باستخدام مرجع واحد — 0.02654 دولار؛ بدقة 2K — 0.02658 دولار؛ بدقة 4K — 0.07312 دولار، مخفّض إلى 0.03656 دولار.
• تعديل بدقة 1K باستخدام ثلاثة مراجع — 0.03563 دولار؛ بدقة 2K — 0.04177 دولار؛ بدقة 4K — 0.07914 دولار، مخفّض إلى 0.03957 دولار.

ستة عشر ضعفًا من البكسلات مقابل ما يزيد قليلًا على ثلاثة أضعاف التكلفة هو النمط الجدير بالتذكّر، لأنه هنا حيث يتميّز النموذج فعليًا: عند 4K تبلغ نقطة التحقق مفتوحة الأوزان نحو ثُمن إطار FLUX 3 Image بدقة 4K وحوالي خُمس إطار Nano Banana 2.1 بدقة 4K وفق السعر المعلن.

الخصم حقيقي وهو مؤقت. لا يسري تخفيض الـ 50% إلا عندما تكون الصورة المُسلَّمة لا تقل عن 16,600,000 بكسل، ويغطي كامل إجمالي الطلب، وينتهي في 17 نوفمبر 2026 الساعة 16:00 UTC — بعد ستة أيام من نشر الأوزان. وأي شخص يضع ميزانية لخط معالجة على أساس $0.03439 فإنه يضعها على أساس عرض ترويجي. سعّر عند $0.06879 واعتبر الخصم هامشًا.

هناك فئة ثانية أسرع. تتّخذ MiniMax-H3-Image-Highspeed المعاملات والحدود نفسها، وتتقاضى 7.60 دولارات لكل مليون رمز صورة مُخرَجة: 0.03529 دولار عند الدقة 1K، و0.03622 دولار عند 2K، و0.13001 دولار عند 4K، قبل أن يخفّضها الخصم نفسه إلى النصف ليصبح 0.06501 دولار. وإذا كان ادعاء الثواني العشر هو سبب اهتمامك، فإن Highspeed هي النسخة التي يجب أن تكون صحيحة كي يكون لذلك معنى — لكن MiniMax لا تنشر أي فرق في زمن الاستجابة بينهما.

«الوزن المفتوح» هنا يعني ترخيصًا يتعيّن عليك قراءته.

الأوزان قابلة للتنزيل، والبنية موثّقة، وهذا أكثر مما تقدمه معظم نماذج الصور الرائدة. الترخيص هو النقطة التي تتوقف عندها كلمة «open» عن أداء الدور الذي يتوقعه الناس. تأتي MiniMax-H3-Image بموجب اتفاقية MiniMax-H3-Image Community License Agreement، والشروط التي تحدد عمليات النشر ليست مجرد حواشٍ:

• الإقليم. يشمل تعريف الترخيص للإقليم المستبعد الاتحادَ الأوروبي والمملكة المتحدة وجمهورية كوريا والولايات المتحدة، وهو ما يمثل جزءًا كبيرًا من سوق نموذج تجاري للصور.

• الحجم. يلزم إذن كتابي مسبق منفصل عند تجاوز مليون دولار أمريكي من الإيرادات السنوية.

• الاستضافة. ينطبق شرط التفويض نفسه على تقديم النموذج كخدمة مستضافة، دون حد أدنى للإيرادات على الإطلاق — وهو بند يستهدف بشكل مباشر نموذج إعادة بيع API.

• الإسناد. يجب على الواجهات التجارية التي تستخدم النموذج عرض "MiniMax-H3-Image" بشكل بارز.

• المصبّ. لا يجوز استخدام المخرجات لتدريب نماذج أخرى أو تحسينها.

تُظهر صفحة Hugging Face هذا كسطر واحد نصه الترخيص: أخرى، وهو دقيق من الناحية التقنية وغير مجدٍ عمليًا. إذا كنت تقيّم النموذج لمنتج بدلًا من دفتر ملاحظات، فإن ملف الترخيص هو أول ما يجب قراءته وربما السبب للتوقف.

ما التكلفة الفعلية التي تتحملها لتشغيل الأوزان المفتوحة

68.65 غيغابايت من المحوّل وVAE، إضافة إلى مُرمِّز نصي غير موجود في المستودع. model_index.json يمتد إلى نموذج الفيديو MiniMax-H3 ويحمّل text_encoder/ من هناك — 66.7 غيغابايت من Qwen3-VL، دون تغيير. لذلك فإن أول توليد محلي يتطلب تنزيل نحو 135 غيغابايت من مستودعين، والمُرمِّز هو النصف الأكبر.

قصة إطار العمل جيدة على نحو غير معتاد لنقطة تحقق بهذا العمر القصير، وقد وصلت في اليوم الأول بدلًا من أن تصل على مدى الشهر التالي. SGLang هو المسار المرجعي مع دليل وصفات موثّق وأمر وحدة معالجة رسومات واحدة؛ والتوازي التسلسلي مجرد مِعلَم (--ulysses-degree على SGLang، --usp على vLLM-Omni)؛ وينشر vLLM-Omni وصفات لكل عتاد تسمّي NVIDIA H200 وRTX PRO 6000 Blackwell وAMD Instinct MI350X؛ وكل من diffusers وComfyUI يدعمانه. وتشير إرشادات الخدمة الخاصة بـ MiniMax نفسها إلى تعدد وحدات معالجة الرسومات لتحقيق زمن استجابة مقبول بالدقة الكاملة، وهو أقرب ما يصل إليه المورّد إلى الإقرار بأن عشر ثوانٍ هي إعداد، وليست ثابتًا.

بالنسبة لمعظم الفرق، تبدو الحسابات التالية غير مريحة. بسعر 0.02179 دولار لصورة بدقة 1K و0.06879 دولار لصورة بدقة 4K، تكون واجهة البرمجة المستضافة أرخص من الكهرباء والإطفاء لفترة طويلة جدًا. السبب في اختيار 135 GB هو التحكم — مُعاين ثابت من ست خطوات يمكنك استنساخه بدقة، وترخيص يمكنك فهمه، وعدم الاعتماد على قائمة انتظار مورّد في اللحظة التي تحتاج فيها إلى إنتاجية عالية.

ثلاثة اختبارات تستحق التشغيل قبل الالتزام

الطريقة الأولى هي الرخيصة: ولّد نفس الموجّه بدقة 4K عشر مرات عبر واجهة برمجة تطبيقات MiniMax، وسجّل الوقت الفعلي المنقضي لكل طلب وأبعاد البكسل لكل نتيجة مُعادة. وهذا يحسم كلا الرقمين الرئيسيين — العشر ثوانٍ والستة عشر ميغابكسل — مقابل شبكتك الخاصة وأطوال الموجّهات الخاصة بك، في أقل من ساعة، وبأقل بكثير من دولار واحد.

الاختبار الثاني هو اختبار الهوية، وهو الاختبار الذي يحدد ما إذا كانت المراجع الستة عشر تستحق قيمتها أم لا. أدخل من ثماني إلى ست عشرة لقطة لشخص واحد من زوايا متنوعة، واطلب مشهدًا جديدًا، ثم راقب ما إذا كان الوجه والقماش والشعار قد صمدت. الخانات الموضعية أقل تنظيمًا من المراجع المصنّفة بالنوع — فلا توجد طريقة لإخبار النموذج أي صورة هي الشخصية وأيها السترة — لذا فإن الاختبار هو ما إذا كان الموضع وحده كافيًا لنقل هذا القصد.

الثالث هو الأمر الذي لا يستطيع أحد فعله نيابةً عنك: اختبار A/B مقابل ما تستخدمه الآن، على مطالباتك الخاصة، وبشكل أعمى. لا يملك MiniMax-H3-Image أي إدخال على أيٍّ من لوحتَي الصور التابعتين لـ Artificial Analysis اعتبارًا من 11 نوفمبر 2026 — ليس إدخالًا منخفضًا، بل لا شيء — ولا جدول تقييم من المورّد كذلك. لا GenEval، ولا DPG-Bench، ولا أرقام تفضيل بشري. شبكة العروض التوضيحية على بطاقة النموذج هي الدليل الوحيد المتاح على جودة المخرجات، وشبكة العروض التوضيحية مصممة كي تبدو جيدة. أسبوع من مقارناتك الخاصة سيكشف لك أكثر مما يستطيع منشور الإطلاق أن يقوله.

ما الذي يعنيه هذا بالنسبة لعملية الإطلاق

الخلاصة الصادقة هي أن MiniMax-H3-Image نقطة تفتيش حقيقية ذات قصة نشر مكتملة على نحو غير معتاد، وسلّم أسعار يتفوق على النماذج المغلقة بفارق واسع عند 4K، ورقم رئيسي لم يتحقق منه أحد خارج الشركة. ادعاء السرعة معقول من حيث البنية المعمارية — فست خطوات غير موجهة تنتمي فعلاً إلى فئة تكلفة مختلفة عن مُعاين موجّه بثلاثين خطوة — لكن المعقولية ليست دليلاً.

ما سيغيّر الصورة أمرٌ محدّد ويفصله على الأرجح أسابيع: تصنيف مستقل على لوحة صدارة للصور مرفق به عدد العينات، وطرف ثالث يقيس زمن مسار 4K على عتاد مسمّى، ونظرة إلى كيفية تصرّف ستة عشر مرجعًا موضعيًا تحت ضغط هوية حقيقي. حتى ذلك الحين، الموقف المفيد هو اعتباره مسارًا مرشحًا لا بديلًا — شغّله إلى جانب النموذج الذي تثق به، على مجموعة مطالبات ثابتة، ودع الصور تقرر.

لا يوفّر OrcaRouter اليوم MiniMax-H3-Image؛ فلا يوجد مسار له في كتالوجنا، والادّعاء بغير ذلك هو بالضبط نوع الادعاءات التي تعارضها هذه المقالة. أما ما نوفّره من العائلة نفسها فهو نموذج الفيديو، minimax/minimax-h3، عند سعر قائمة المزوّد مع تمرير هامش ربح 0% دون أي إضافة — وهذا يعني أن أي تغيير في أسعار MiniMax، بما في ذلك خصم 4K وانتهاء صلاحيته، يسري هنا في يوم حدوثه لا عند ترحيل الفوترة التالي. وإذا وصل نموذج الصور إلى الكتالوج، فسيصل بالشروط نفسها. وإلى أن يحدث ذلك، يبقى هذا النموذج متاحًا عبر واجهة API الخاصة بـ MiniMax أو عبر وحدات GPU الخاصة بك.