
MiniMax-H3-Image: ما الذي ادّعاه منشور الإطلاق، وما الذي قدّمته vLLM-Omni فعليًا
- GoogleجديدGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 لكل مليون رمز · 90 tok/s
- AnthropicجديدAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 لكل مليون رمز · 96 tok/s
- orcaجديدOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaجديدOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 لكل مليون رمز · 88 tok/s
- OrcaجديدOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 لكل مليون رمز · 133 tok/s
- OrcaجديدOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 لكل مليون رمز · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 لكل مليون رمز · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 لكل مليون رمز · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447الذكاء
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 لكل مليون رمز · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929الذكاء
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 157 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733الذكاء
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740الذكاء
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 لكل مليون رمز · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955الذكاء
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855الذكاء
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 لكل مليون رمز · 221 tok/s
وصلت ثلاثة ادعاءات مع MiniMax-H3-Image، ويجدر فصلها لأن كمية التوثيق الداعم وراءها تختلف اختلافًا كبيرًا. النموذج هو محوّل انتشار أحادي المسار بحجم 33.1B يولّد الصور ويحرّرها عند نحو ستة عشر ميغابكسل، ومقطّر إلى ست خطوات أخذ عينات دون توجيه خالٍ من المصنف، وقد وصلت أوزانه إلى Hugging Face في 10 نوفمبر 2026 الساعة 14:50 بالتوقيت العالمي المنسق. وقال المنشور المعلن عنه إن النموذج كان النموذج الأول مفتوح الأوزان لتحرير الصور على Artificial Analysis، وإن دعم NVIDIA Vera Rubin لـ MiniMax-H3-Image كان يُجلب إلى vLLM-Omni، وإن التوليد الأصلي بدقة 4K استغرق 0.87 ثانية. الادعاء الأول يصح، لكن فقط ضمن مجموعة مفتوحة الأوزان وفقط ضمن نطاق ثقة بعرض عشرة مراتب؛ والثاني يصف وثائق تستهدف نموذجًا مختلفًا وأُغلقت دون دمج؛ والثالث رقم مقاس حقيقي مرتبط بلوحة بحجم ربع ما توحي به جملته.
لا شيء من ذلك يجعل النموذج أسوأ. بل يجعل الإعلان أصعب في الاستخدام، لأن القارئ الذي يأخذ الثلاثة جميعًا على ظاهرها سيخطط لخط أنابيب بدقة 4K بناءً على رقم زمن وصول يخص خط أنابيب بدقة 4 ميجابكسل.
الرقم 0.87 ثانية موجود في المستودع، وهو مرتبط بلوحة بحجم 2048 بكسل.
تتضمن وصفة vLLM-Omni الخاصة بـ MiniMax-H3-Image جدولًا لزمن الاستجابة المقاس عبر ثمانية تخطيطات لوحدات GPU، والقيمة التي تبقى صالحة عند مقارنتها بمنشور الإطلاق هي هذه: على أربع وحدات H200 مع توازٍ تسلسلي Ulysses عبر الأربع جميعها، يستغرق طلب تحويل نص إلى صورة بدقة 2048×2048 زمنًا قدره 0.88 ثانية، ويستغرق طلب تحرير بدقة 2048×2048 زمنًا قدره 1.35 ثانية. وهذه قيم وسيطة لثلاثة طلبات بعد تسخين واحد عند درجة تزامن واحد، مع بذرة ثابتة، مقيسة من جهة العميل من الطرف إلى الطرف.
يقيس الصف نفسه أكبر طلب جرّبه المؤلفون — 4736×3552، أي 16.8 ميغابكسل وأقرب شيء في الجدول إلى لوحة 4K — عند 3.84 ثانية. لذا فإن النسخة الصادقة من ادعاء السرعة هي أن صورة بدقة 4 ميغابكسل تستغرق نحو تسعة أعشار الثانية على عقدة بأربع وحدات معالجة رسوميات، وأن صورة الـ16 ميغابكسل التي صُمم النموذج من أجلها تستغرق نحو أربع ثوانٍ. رقم 0.87 يقع ضمن ضوضاء القياس لرقم 0.88؛ فما تغيّر هو اللوحة، لا النموذج.
ما يجعل هذا أكثر من مجرد شكوى بشأن التقريب هو أن الطلبات الأقل من 2048×2048 لا تُنفَّذ فعليًا بالحجم الاسمي لها. يولّد مسار الخدمة أي شيء أصغر على لوحة قماشية لا تقل عن 2048×2048 وبالنسبة نفسها للأبعاد، ثم يقلّص الحجم باستخدام Lanczos على الجهاز. ولهذا تكلّف 1024×1024 نحو 0.77 ثانية وتكلّف 2048×2048 نحو 0.88 — فهما نفس مقدار العمل مع قدر مختلف من إعادة التحجيم بعده. تكشف الوصفة عن الحد الأدنى بصيغة min_generation_area، القابل للضبط من 32² إلى 4096² بكسل، لذا فإن أي نشر يحتاج فعليًا إلى صور مصغّرة رخيصة عليه أن يختار استخدامها صراحةً.
باقي الجدول هو الجزء المفيد لأي شخص يحدد متطلبات العتاد:
• أربع وحدات H200، Ulysses SP 4 — ذروة 81.3 GiB لكل GPU، و0.88 ثانية لصورة بدقة 2048²، و3.84 ثانية عند 4736×3552، و1.35 ثانية لتحرير صورة بدقة 2048².
• أربع وحدات H200، توازٍ موتري لـ DiT بمقدار 4 — 36.2 GiB لكل GPU، و1.00 ثانية و4.01 ثانية، وتقع التعديلات ضمن 38.3 dB PSNR من المرجع المتوازي تسلسليًا.
• أربع وحدات H200، TP 2 × SP 2 — 52.2 GiB لكل GPU، 1.09 ث و4.07 ث، 37.1 dB مقابل المرجع نفسه.
• بطاقتا H200، Ulysses SP 2 — 94.6 GiB لكل GPU، 1.48 ث و6.82 ث. هذا هو التخطيط الذي يحتاج إلى البطاقة بأكملها تقريبًا.
• جهاز H200 واحد مع تفريغ مُشفّر النص — 73.4 GiB، و3.18 ث و12.39 ث لنفس الحجمين.
• جهاز H200 واحد مع تفريغ طبقي لكل من DiT ومشفّر النص — 14.7 GiB، و8.30 ثانية و12.85 ثانية.
الصفان الأخيران هما المثيران تجاريًا، لأنهما ما تحصل عليه من بطاقة واحدة مستأجرة. عند 14.7 GiB يتسع النموذج بارتياح ويستغرق ثماني ثوانٍ لشيء تنجزه عقدة رباعية GPU في أقل من ثانية — بنسبة تقارب تسعة إلى واحد في زمن الاستجابة مقابل نسبة تقارب أربعة إلى واحد في العتاد. تتقيد ملفات تعريف التحميل الخارجي بنسخ المضيف إلى الجهاز، لذا لا يكاد زمن استجابتها ينمو مع حجم الصورة: الفجوة بين طلب 2048² وطلب 16.8 MP على مسار DLO أحادي GPU هي 8.30 ثانية مقابل 12.85. إذا كان عبء عملك يتمثل في صور كبيرة ولديك بطاقة واحدة، فإن التحميل الخارجي ليس الكارثة التي يوحي بها زمن الاستجابة الخام.

لماذا تكلّف الصورة الأولى أكثر مما توحي به أوزان النموذج
نقطة الحفظ التي يُنزّلها الناس ليست هي ما يعمل فعليًا. يحتوي المستودع البالغ 68.65 GB على محوّل الانتشار BF16، لكن تقديمه يتطلب أيضًا مُرمّز النص الكامل Qwen3-VL المأخوذ من MiniMax-H3 — وهو أثر ثانٍ بحجم يقارب 66.7 GB — إضافةً إلى VAE بحجم 0.58B، كما أن عدد المعاملات الخاص بالوصفة يجمع الثلاثة إلى 67B. هذا هو الرقم الكامن وراء قيمة 73.4 GiB على GPU واحدة مع إقامة مُرمّز النص في الذاكرة، ووراء تخطيط الإقامة على وحدتَي GPU الذي يحتاج إلى 94.6 GiB لكل بطاقة.
النتيجة هي مشكلة حسابية في يوم الإطلاق. نموذج صور بدقة 16 ميغابكسل تأتي أوزانه في شكل تنزيلين كبيرين، وأرخص نشر سريع له هو أربع وحدات معالجة رسومات في مركز بيانات، ليس مشروع عطلة نهاية أسبوع، والأطر التي تزعم دعمًا من اليوم الأول إنما تزعم دعمًا لخط المعالجة، لا لجهازك. الوصفة صريحة بشأن العتاد الذي جرى قياسه فعليًا والعتاد الذي جرى إعداده فقط: H200، وRTX PRO 6000 Blackwell ببطاقتين وأربع بطاقات، وMI325X وMI350X موسومة بأنها موثّقة، في حين أن وصفات H100 وB200 وB300 هي إعداد فقط. الوصفة المنفصلة الخاصة بـ single-RTX-4090 موجودة وموسومة بأنها نشر مجتمعي وليست نشرًا معتمدًا من المورّد.
ادعاء فيرا روبين يشير إلى نموذج الفيديو، وتم إغلاق طلب السحب.
هذا هو الادّعاء الذي تطلّب أكبر قدر من التنقيب، لأن العمل حقيقي وشكله ليس كما وصفه المنشور. توجد طلب سحب في vLLM-Omni يحمل الرقم 10108، فُتح في 10 نوفمبر 2026 الساعة 11:10 UTC، بعنوان "[Doc] Add MiniMax-H3 Rubin recipe and inference results". وهو يسهم بـ1,972 سطرًا عبر أربعة ملفات، ويوثّق وصفة غير متصلة بالإنترنت لأربع وحدات GPU على عتاد NVIDIA VR NVL72 بسعة 286,524 MiB لكل بطاقة على مضيف aarch64، ويعرض قياسات حقيقية: طلب تحويل نص إلى فيديو بدقة 1344×768 ومدة خمس ثوانٍ و24 إطارًا في الثانية استغرق وسيطًا قدره 19.811 ثانية مع انتباه TRTLLM والتنفيذ eager، مقابل 110.039 ثانية مع SDPA. أما المتغيّران الأول/آخر إطار مفتاحي والمرجع المختلط فقد سجّلا 21.535 و21.461 ثانية.
كل واحدة من تلك المهام هي مهمة فيديو. T2VA وFL2VA وRef2VA هي أسماء مهام MiniMax-H3، وليست أسماء مهام MiniMax-H3-Image، ويقول وصف طلب السحب نفسه إن دليل MiniMax-H3 الحالي كان يفتقر إلى بيئة Rubin مؤهلة. ويتفق فهرس الوصفات في المستودع مع ذلك: فلدى MiniMax-H3-Image وصفات لـ H200 وH100 وB200 وB300 وRTX PRO 6000 وMI325X وMI350X، وIntel Arc Pro B70، وAscend Atlas، وRTX 4090 وMUSA، ولا شيء لـ Rubin.
ثم أُغلق طلب السحب. كان قد فُتح في الساعة 11:10 بالتوقيت العالمي المنسق في 10 نوفمبر وأُغلق في الساعة 12:05 في اليوم نفسه، دون دمجه، بعد أن طلب المراجع الآلي من المؤلف كتابة تعليق مراجعة ذاتية. كان المؤلف صريحًا بشأن القيود في الوصف نفسه: فشل بدء تشغيل HTTP مع إصدارات vLLM الليلية التي جُرّبت، ويسجّل الوصف تلك الإخفاقات بدلًا من الادعاء بدعم HTTP، وأُدرج الاستدلال عند مراجعة أساس أحدث تحت «لم يُشغَّل». ولا توجد في قائمة محتويات دليل main المأخوذة اليوم أي وصفة Rubin لأي من طرازي MiniMax.
إذن فالعبارة الدقيقة هي أن أحد المساهمين صاغ وصفة Rubin الخاصة بـ MiniMax-H3 — نموذج الفيديو — وقاسها، ولم تُدمج المسودة. وإذا وصل الدعم، فسيصل في هيئة ملف مدموج ضمن فهرس الوصفات، وهذا هو ما ينبغي متابعته لا منشور على وسائل التواصل. أما أُطر «اليوم الأول» الخاصة بـ MiniMax-H3-Image، في المقابل، فهي تلك التي تقف خلفها كوميتات دمج: طلب السحب الخاص بدعم النموذج في vLLM-Omni دُمج في 11 نوفمبر عند 07:32 UTC، وطلب السحب المرافق الخاص بالوصفة دُمج في 10 نوفمبر عند 14:53 — أي قبل ذلك بنحو سبع عشرة ساعة، مما يوضح مدى تساهل تطبيق عبارة «اليوم الأول» على الوثائق.
![A headless-Chromium screenshot of the vllm-project/vllm-omni pull request #10108, '[Doc] Add MiniMax-H3 Rubin recipe and inference results', opened by Lishunyang12, showing one commit, 4 files changed and +1,972 lines, and a visible contributor-intent questionnaire whose answers describe documenting a Rubin recipe with measured inference results. The pull request is closed and unmerged.](https://cms.orcarouter.ai/api/media/file/3-3995.png)
الادعاء الخاص بالساحة صحيح، وهو أضيق بكثير مما يبدو عليه.
تُشغّل Artificial Analysis لوحتين ذواتَي صلة، هما لوحة الصدارة text-to-image في image-arena ولوحة صدارة تحرير الصور، وكلتاهما تتضمنان درجات Elo وفواصل ثقة وأعداد عيّنات، وتظهر MiniMax-H3-Image على كلتيهما. وعلى لوحة التحرير، AA-Image-Editing v2.1، تحتل المركز الثاني عشر بدرجة 1,138 Elo، ضمن نطاق ترتيب يمتد من الثامن إلى السابع عشر، على نحو 3,200 عيّنة، وبسعر 26.54 دولارًا لكل ألف صورة. أما نسختها الأسرع، MiniMax-H3-Image Highspeed، فتأتي بمركز واحد خلفها عند 1,134 ضمن نطاق من التاسع إلى العشرين. ويُفرد تعليق اللوحة نفسها هذا النموذج بوصفه أعلى مشاركة مفتوحة الأوزان مرتبةً، متقدمًا على Fibo 2.0 عند 1,085 وQwen-Image-2.1 عند 1,084. لذا فإن ادعاء منشور الإطلاق دقيق كما ورد — الأول بين النماذج مفتوحة الأوزان في تحرير الصور — والرقم الذي يقف خلفه رقم حقيقي، جرى التصويت عليه، وقابل للتحقق علنًا.

ما تغفله الجملة هو حجم الفجوة وعرض الفترة. المتصدر على ذلك اللوح هو GPT Image 2.6 Sunburst عند 1,210 إيلو عبر نحو 6,400 عينة، مع GPT Image 2.6 Flare عند 1,206 وGPT Image 2.5 Sunburst عند 1,201 — أي أعلى بنحو سبعين نقطة إيلو من MiniMax-H3-Image، وهو فارق كبير من حيث الإيلو، ومرجّح أن يكون مستدامًا لا مجرد ضجيج. أما النطاق من الثامن إلى السابع عشر فهو النصف الآخر من القصة: عند هذا العدد من العينات، يمكن أن يكون النموذج في المرتبة الثامنة أو السابعة عشرة على نحو معقول، كما يقع متغيّره Highspeed نفسه داخل التداخل نفسه. عبارة "أفضل نموذج مفتوح الأوزان للتحرير" وعبارة "قريب من أفضل نموذج للتحرير" ادعاءان مختلفان، ولا يُدعم سوى الأول.
يُعدّ تحويل النص إلى صورة المجال الذي يصبح فيه الادعاء أكثر هشاشة. على AA-Image-T2I v2.1، يحتل النموذج المرتبة الثالثة والعشرين بـ 1,066 من نقاط Elo، بينما يحل Highspeed في المرتبة الثانية والعشرين بـ 1,070، مقابل Sunburst 2.6 في المرتبة الأولى بـ 1,261 على 5,282 عينة. هذه فجوة قدرها مئتا نقطة Elo، وينطبق التفوق نفسه في فئة الأوزان المفتوحة — إذ يأتي Qwen-Image-2.1 بـ 1,046 وFLUX 3 Image Klein بـ 1,042 خلفه — لكن "النموذج الأول مفتوح الأوزان لتحرير الصور" لا ينبغي أن يُقرأ كبيان عام عن جودة الصور. فقوة النموذج في التحرير حقيقية، أما قوته في التوليد فمتوسطة بين المنافسين.
إن لغة الجودة في بطاقة النموذج نفسه وصفية — أقوى اتباع للتعليمات بين النماذج مفتوحة المصدر، دون جدول مقارنة مرفق — والدليل الوحيد على المخرجات الذي يقدمه البائع هو شبكة عروض منسقة. كان ذلك طبيعيًا لإصدار مضى عليه ثلاثة أيام. وهو يعني أن حجة النموذج أصبحت الآن درجة مقاسة بفاصل واسع، إضافة إلى حجة مستمدة من الدقة والسعر، بدلًا من الادعاء الذي صوّر منشور الإطلاق الأمر على أنه كذلك.
ما الذي تم إطلاقه فعليًا، وكيف يمكنك تجربته دون المخاطرة بخط أنابيب كامل عليه
إذا جرّدنا الإعلان من زخرفه، فالجوهر غير مبهر لكنه حقيقي. نموذج صور بحجم 33.1B مع مُعيّن من ست خطوات، ومن دون مقياس توجيه يحتاج إلى ضبط، وست عشرة خانة مرجعية، ومخرجات أصلية بدقة 16 ميغابكسل، أُطلق بترخيص مفتوح، وخط أنابيب vLLM-Omni يعيد استخدام DiT ومشفّر النصوص الخاص بنموذج الفيديو H3، ووصفة رسمية لـ H200 مع ثمانية تخطيطات مقاسة، وأربع وصفات عتاد إضافية في حالات تأهيل متفاوتة، ومسار diffusers، وتكامل ComfyUI. تفرض واجهة البرمجة المُعيّن: فالطلب الذي يحتوي على num_inference_steps بقيمة غير ست، أو guidance_scale بقيمة غير واحد، أو أي مطالبة سلبية، يعود كخطأ HTTP 400.
بالنسبة للفرق التي ترغب في تقييمه بدل الالتزام به، فإن الشكل العملي هو نشر مُفرَّغ على وحدة معالجة رسومات واحدة بسعة 14.7 GiB — بطيء، لكنه صغير بما يكفي ليتسع إلى جانب أي شيء آخر على البطاقة — والانتقال إلى تخطيط التوازي التسلسلي بأربع وحدات معالجة رسومات فقط عندما تبرّر جودةُ المخرجات تكلفةَ العقدة. يمكن الوصول إلى النموذج أيضًا عبر واجهة برمجة التطبيقات الخاصة بـ MiniMax بأسعار محسوبة بعدد الرموز، وتوفّره عدة منصات خارجية؛ وهو ليس ضمن كتالوج OrcaRouter.
ما تحمله OrcaRouter فعلاً هو نموذج الفيديو الذي بُني عليه هذا الـ checkpoint للصور: minimax/minimax-h3قابل للتوجيه اليوم بسعرالقائمة لدى المزوّد دون أي هامش يُمرَّر فوقه، وهذا مهم إذا كان سبب اهتمامك بـ MiniMax-H3-Image هو أنك تولّد الفيديو بالفعل على العائلة نفسها وتفضّل الاحتفاظ بمفتاح واحد بدلاً من عقدين. كما أن التحويل التلقائي عند الفشل في طبقة التوجيه نفسها هو أقل الطرق دراماتيكية لاختبار نموذج غير مُقاس في الإنتاج — وجّه حصة من حركة المرور إليه، وأبقِ خياراً احتياطياً مُقاساً خلفه، ودع التوجيه يقرر بناءً على الأخطاء لا بناءً على موضع في لوحة الصدارة لا يزال نطاقاً من عشر مراتب.
ما الذي سيحسم الأمر؟
ثلاثة أشياء، مرتبة بحسب مقدار ما كانت ستغيّر الصورة. فترة أضيق على لوحة التحرير — فالطراز عند 1,138 ضمن نطاق من الثامن إلى السابع عشر على نحو 3,200 عيّنة، ومزيد من الأصوات سيحوّل ذلك إلى ترتيب فعلي بدلًا من نطاق. ووصفة Rubin مدمجة لطراز الصور — لا طراز الفيديو — ستجعل ادعاء العتاد صحيحًا في المكان الوحيد الذي يهم، وهو فهرس الوصفات. وقياس ثانٍ مستقل لزمن استجابة 16 ميغابكسل سيسمح بإعادة صياغة عنوان 0.87 ثانية على ما هو عليه: أربعة ميغابكسل على أربع وحدات H200، عند نحو تسعة أعشار الثانية، مع لوحة 4K الحقيقية عند أربعة أضعاف ذلك.
حتى ذلك الحين، فإن الخلاصة القابلة للدفاع عنها أضيق نطاقًا من المنشور وأكثر فائدة: النموذج سريع عند الأحجام التي يولّدها معظم الناس فعليًا، ووضعه البالغ 16 ميغابكسل عملية تستغرق أربع ثوانٍ على عقدة رباعية وحدات GPU بدلًا من أن تستغرق أقل من ثانية، ودعمه للأطر البرمجية حقيقي بالنسبة للعتاد الذي تقف خلفه التزامات دمج، وترتيبه في لوحة الصدارة حقيقي لكنه محدود — الأول بين الأوزان المفتوحة، والثاني عشر إجمالًا، في مرتبة ما بين الثامن والسابع عشر، وبفارق نحو سبعين نقطة إيلو خلف النموذج الذي أوحى المنشور بأنه تغلّب عليه.
