MOSS-Image مقابل FLUX 3: طريقتان لوضع مربع إحاطة في موجه

أكثر ما يثير الاهتمام عند مقارنة M​OSS-Image مع F​lux 3 هو أن كليهما، خلال الشهر الماضي، توصّلا إلى الاستنتاج نفسه — وهو أن طريقة التحكم في نموذج صور هي كتابة الإحداثيات في الموجّه — ثم اختلفا حول نظام الإحداثيات. في 16 أكتوبر 2026، أصدرت OpenMOSS M​OSS-Image-Base وM​OSS-Image-SFT بموجب Apache 2.0: محوّل انتشار بحجم 5B، قابل للتنزيل، مع تنسيق تخطيط JSON يحدد مواضع العناصر بإزاحات بكسل مطلقة تُقاس من مركز اللوحة. وقد سبقت Black Forest Labs إلى ذلك بـF​lux 3 Image، المتاح منذ 1 أكتوبر مع بطاقة أسعار منشورة، والذي يعتبر كل صندوق بمثابة [أعلى، يسار، أسفل، يمين] في صورة أعداد صحيحة من 0 إلى 1000، نسبةً إلى شبكة ثابتة. الفكرة نفسها، لكن قواعد غير متوافقة، وواحد فقط من الاثنين يمنحك ملفًا يمكنك الاحتفاظ به.

هذا الفرق — وليس جودة الصورة — هو ما يحسم هذه المواجهة لدى معظم الفرق، ويحسمها أسرع من أي اختبار أداء. لذلك جاءت المقارنة أدناه منظمة حوله. كل رقم يخص MOSS-Image هو رقم OpenMOSS نفسه، مأخوذ من الإصدار وتقريره الفني، ولم يُعِد إنتاجه أي أحد. وكل رقم يخص Flux 3 هو من بطاقة الأسعار ومواد الإصدار المنشورة الخاصة بـ Black Forest Labs. لا توجد أي مواجهة مباشرة مستقلة بين هذين النموذجين، ولن توجد واحدة لفترة من الوقت.

ما الذي شحنته كل جهة فعليًا

MOSS-Image هو زوج من نقاط التحقق، MOSS-Image-Base وMOSS-Image-SFT، مع الأوزان وشيفرة الاستدلال بموجب Apache 2.0، ومرآة ModelScope، ومساحة Gradio، وخط أنابيب Diffusers مخصص، وإضافة ComfyUI أصلية. وصل دعم ComfyUI الأساسي في اليوم نفسه الذي وصلت فيه الأوزان. لا توجد نقطة نهاية مستضافة من OpenMOSS ولا سعر منشور، لأنه لا يوجد شيء لتسعيره — إما أن تشغّله أو لا.

Flux 3 هو الشكل المعاكس. أعلنت Black Forest Labs عنه في يوليو 2026 كمعمارية واحدة مدرَّبة عبر الفيديو والصور والصوت، وافتُتحت فئة الصور الثابتة — Flux 3 Image — بتسعير عام للدفع حسب الاستخدام في 1 أكتوبر. النظير مفتوح الأوزان، FLUX 3 Image Klein، صدر لاحقًا في 15 أكتوبر بموجب ترخيص FLUX Kommunity، الذي يسمح باستخدام تجاري مجاني فقط دون سقف إيرادات. لذا توفّر BFL الآن مسارًا مستأجرًا ومسارًا قابلًا للتنزيل، لكنهما نموذجان مختلفان بترخيصين مختلفين، والتنزيل هو الشقيق الأصغر وليس الطراز الرائد.

لا يوجد أيٌّ من النموذجين في كتالوجنا الخاص. يقدّم OrcaRouter أكثر من 200 نموذج وM​OSS-Image ليس واحدًا منها، لذا لا ينبغي أن يُفهم أي شيء هنا على أنه عرضٌ منّا له — وينطبق الأمر نفسه على F​lux 3. ما يفيد فيه الموجّه في هذه المقارنة هو النصف الآخر من الحلقة: عندما تريد وضع نقطة تفتيش مستضافة ذاتيًا في مواجهة نماذج صور مستضافة على نفس المطالبات، يمكن الوصول إلى الجانب المستضاف عبر مفتاح API واحد، بسعر قائمة المزوّد دون أي هامش ربح مضاف من جانبنا، مع تحويل تلقائي عند الفشل بين المزوّدين إذا تدهور أحدهم أثناء التشغيل.

قواعد الصناديق، جنبًا إلى جنب

هنا يفترق الاثنان بطريقة يلاحظها ملف التكوين.

• مساحة الإحداثيات — M​OSS-Image: بكسلات مطلقة تُقاس من مركز اللوحة القماشية، باستخدام bbox_coord_space: "abs_centralized"، لذا على لوحة 1024×1024 يمتد كل محور من −512 إلى +512. F​lux 3 Image: أعداد صحيحة مُطبّعة من 0 إلى 1000 تُقاس من الزاوية العلوية اليسرى.

• ترتيب الإحداثيات — M​OSS-Image: bbox_format: "yxyx"، أي [y_min, x_min, y_max, x_max]. F​lux 3 Image: [top, left, bottom, right]، وهي نفس الأرقام الأربعة بالترتيب نفسه ولكن باسم مختلف.

• كيف يصل إلى النموذج — MOSS-Image: كائن JSON واحد يُمرَّر كسلسلة المطالبة، مع ملخص في شكل كتلة للمشهد والنمط بالإضافة إلى عناصر على شكل مصفوفة حيث يحمل كل عنصر تسمية، ووصفًا، وبالنسبة للعناصر النصية السلسلة الحرفية المطلوب عرضها. Flux 3 Image: مصفوفة JSON من الصناديق تُكتب في مطالبة عادية، دون الحاجة إلى معامل إضافي.

• اقتران الدقة — إحداثيات MOSS-Image بوحدات البكسل، لذا فهي صحيحة فقط للعرض والارتفاع اللذين طلبتهما؛ إذا غيّرت حجم الإخراج، فستعيد اشتقاق كل صندوق. شبكة Flux 3 من 0 إلى 1000 مستقلة عن الدقة بحكم تصميمها: [0, 0, 500, 500] هو الربع العلوي الأيسر من أي لوحة تطلبها.

• ما الغرض من المربع — يُقدَّم MOSS-Image كتحكم في التوليد أولاً، مع ملاحظة البائع أن تحرير التسمية التوضيحية لعنصر أو نقل مربعه يعدل ذلك الجزء من التكوين، موصوفًا بأنه تجريبي. يجمع Flux 3 Image بين التخطيط والتحرير متعدد الجولات المحدد بالمربع كقدرة رئيسية.

تلك النقطة الأخيرة هي الحد الفاصل العملي. تصمد شبكة F​lux 3 عند تغيير دقة الإخراج؛ أما شبكة M​OSS-Image فلا، لكن M​OSS-Image تتيح لك تسمية السلسلة النصية الدقيقة التي تريد عرضها داخل عنصر نصي بدلاً من وصفها. إذا كان خط الأنابيب لديك يعيد التصيير بأحجام مختلفة، فالشبكة ميزة حقيقية. وإذا كان خط الأنابيب لديك يصيّر ملصقات بأبعاد ثابتة ونص محدد، فالبكسلات المطلقة ليست عبئاً.

عرض النص، حيث تكون الأرقام الوحيدة هي أرقام المورّد

قدرة MOSS-Image الرئيسية هي النص المقروء، وقد بنى المزوّد معيارين لقياسها. في LongLongTextBench — 240 مهمة عرض نصوص أدبية بمتوسط طول مستهدف يبلغ نحو 1,340 حرفًا — تسجل MOSS-Image 96.3 في تغطية النص Mean-6، مقابل 64.9 لـ Qwen-Image-2512. الصف الذي يعلوه في الجدول نفسه هو GPT Image 2 بنتيجة 99.0 وNano Banana Pro بنتيجة 96.6، وهو أمر يستحق الملاحظة: فقد نشرت OpenMOSS جدولًا لا يزال المنافسون يتفوقون فيه.

لم تنشر Black Forest Labs أي معيار لتقييم عرض النصوص لـ F​lux 3 Image على الإطلاق. لا يوجد رقم يمكن وضعه بجانب 96.3، من أي جهة، واختلاق مقارنة انطلاقًا من صور نموذجية سيكون من النوع الذي لا ينبغي لهذه المدونة أن تقدم عليه. وما يمكن قوله هو أن VAE الخاص بـ FLUX.2 هو ذاته الذي تستخدمه M​OSS-Image — إذ تشير بطاقة النموذج الخاصة بـ M​OSS-Image إلى أنه يحمّل مُفكِّك الترميز الصغير FLUX.2 — لذا فإن العائلتين ليستا غريبتين عن بعضهما على مستوى البكسل، حتى وإن كان المُولِّدان غير مرتبطين.

التكلفة: رقم واحد مقابل خمسة

• MOSS-Image — مجاني للتنزيل، برخصة Apache 2.0، بلا حدّ للإيرادات وبلا فئة تجارية. التكلفة هي العتاد: يبلغ إجمالي مستودع SFT نحو 27.2 GB، منها نحو 16.8 GB موزّعة على أربع أجزاء هي مُرمِّز النصوص Qwen3.5-9B المُجمَّد، ونحو 10.2 GB موزّعة على ثلاث هي المُحوِّل. خصّص الميزانية للمُرمِّز، لا للشارة.

• Flux 3 Image — 0.041 دولار بدقة 768×768، و0.048 دولار بدقة حوالي 1 ميغابكسل، و0.07 دولار بدقة 1.5K، و0.10 دولار بدقة 2K، و0.607 دولار بدقة 4K، لكل صورة، وفق بطاقة الأسعار الخاصة بـ Black Forest Labs. استمر خصم الإطلاق بنسبة 50% من 1 أكتوبر إلى 8 أكتوبر وقد انتهى، لذا فإن أي نموذج تكلفة مبني عليه يحتاج إلى سطر ثانٍ بالسعر الكامل.

• FLUX 3 Image Klein — $0.008 عند 768×768، ويرتفع إلى $0.036 عند 4K، كما أن التوليد من النص إلى الصورة والتحرير يكلفان المبلغ نفسه. إنه أرخص بكثير من تنزيل 5B الذي ينافسه في العمل، إن لم يكن في الترخيص.

الصياغة الصادقة هي أن هذين ليسا الشراء نفسه. M​OSS-Image يقايض المال مقابل ساعات GPU والهندسة؛ F​lux 3 Image يقايض المال مقابل أن يقوم شخص آخر بتشغيل المكدس، ويُسعَّر لكل صورة مُسلَّمة بمعدل يرتفع بحدّة مع الدقة.

ما لم ينشره أي من الطرفين

لا يوجد أي مقياس مرجعي مستقل لـ MOSS-Image. ولا يوجد أي مقياس مرجعي مستقل لـ Flux 3 Image أيضًا — فقد طرحت BFL فئة الصور من دون أي أرقام مقارنة مع أي نموذج صور آخر، سواء أكانت من البائع أم من غيره. ولا يملك أي من النموذجين صفًا في لوحة صدارة محايدة يمكن لأي شخص الإشارة إليه. وعندما يكون طرفا المقارنة بلا أدلة، فالاستنتاج الصحيح ليس أنهما جيدان بالقدر نفسه؛ بل إنك لا تستطيع الجزم حاليًا، وأن الفيصل يجب أن يكون شيئًا يمكنك قياسه فعليًا — الترخيص، والصيغة، وزمن الاستجابة على عتادك الخاص، وما إذا كانت قواعد الصندوق تتوافق مع الشيفرة التي لديك بالفعل.

هناك أمران من شأنهما تغيير ذلك. تشغيل مستقل لـ LongLongTextBench أو RealLayoutArena من قِبَل أي جهة غير OpenMOSS سيكون أول دليل حقيقي على الادعاء المركزي لـ M​OSS-Image. ومقارنة تحكّم في التخطيط من طرف ثالث على شبكة B​FL ستفعل الشيء نفسه لـ F​lux 3 Image. ولا يوجد أي منهما بعد.

أي واحد كنت ستختاره فعلاً؟

اختر MOSS-Image إذا كان المُخرَج صفحة مُركَّبة — ملصق، رسم بياني معلوماتي، نموذج منتج — حيث يجب أن تستقر نصوص محدّدة في أماكن محدّدة وحيث تريد الأوزان في بنيتك التحتية الخاصة. رخصة Apache 2.0 تجعل المراجعة التجارية قصيرة، ونقطة التفتيش Base تُركت عمدًا غير مُقطَّرة ليكون لدى تدريب LoRA ما يتشبّث به، وتخطيط JSON هو الجزء من النموذج الذي قاسه المورّد بأكبر عناية. خصّص ميزانية للمُشفِّر وتوقّع تقديم JSON منظَّم بدلًا من النثر: فقد وضعت تجربة الاستئصال الخاصة بالمورّد مُحفِّزات تخطيط JSON عند 1622.87 Elo مقابل 1506.20 للغة الطبيعية على النظام نفسه، وهو فارق كبير وأوضح إشارة في الإصدار.

اختر F​lux 3 Image إذا كنت تحتاج إلى نقطة نهاية قابلة للاستدعاء اليوم، أو إذا كانت مخرجاتك تتفاوت في الدقة، أو إذا أردت تعديلات مُقيَّدة بنطاق مربع عبر جولات متعددة كميزة مدعومة لا كميزة تجريبية. شبكة 0–1000 مستقلة عن الدقة، وبطاقة الأسعار علنية، وهناك نسخة رخيصة مفتوحة الأوزان بجانبه إذا كان سقف الترخيص مقبولًا.

الشيء الذي يجب الانتباه إليه هو قواعد الصندوق. أيّ اصطلاح تتبنّاه أدواتك أولاً هو الذي ستحتفظ به، والآن فالاصطلاحان غير متوافقين — بكسلات مطلقة نسبةً إلى المركز بترتيب yxyx من جهة، وأعداد صحيحة مُطبّعة نسبةً إلى الزاوية العلوية اليسرى من جهة أخرى. دالة محوّل صغيرة تحوّل بينهما. السبب في أهميته أنه الجزء الوحيد من هذه المقارنة الذي يمكن معرفته بالكامل اليوم.

إخفاقات الذكاء الاصطناعي الموثقة وحوادث الوكلاء الكامنة وراء إصدارات مثل هذا الإصدار تُجمع في أرشيف حوادث الذكاء الاصطناعي OrcaRouter، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل نزاع.