MOSS-Image مقابل HY-Image 3.5: كلاهما يبيعك نصًا مُصيَّرًا، وواحد فقط يريك الاختبار

اسأل أيًّا من المورّدين عن الغرض الفعلي من نموذج الصور لديه، وستحصل على الإجابة نفسها. M​OSS-Image، الذي أطلقته OpenMOSS في 16 أكتوبر 2026 كنقاط تفتيش Apache 2.0 M​OSS-Image-Base و M​OSS-Image-SFT، ويتصدّر من حيث عرض النصوص والتخطيط. H​Y-Image 3.5، وهو نموذج الصور الحالي لدى T​encent ضمن خط H​unyuan، ويتصدّر من حيث الدقة المحسّنة للنص المعروض داخل الصورة — باللغتين الصينية والإنجليزية معًا. مورّدان تفصل بينهما خمسة آلاف ميل، يختاران الترويج للقدرة نفسها، وهذه إشارة واضحة إلى أين كان نمط الفشل الحقيقي في هذه الفئة خلال العامين الماضيين.

الادّعاءان، مع ذلك، يصلان في تغليف مختلف تمامًا. يأتي أحدهما مع اختبار أداء ورقم. ويأتي الآخر مع جملة. هذا التفاوت — وليس جودة الصورة، التي لم يقسها أحد بين هذين — هو المقارنة بأكملها، ويستحق التدقيق بعناية لأن الرقم الموجود هو رقم يخص أحد المورّدين نفسه، والجملة غير الموجودة تأتي من مورّد لديه تاريخ أطول.

ماذا يعني «عرض النص» على كل جانب؟

إن ادعاء تينسنت هو ادعاء بشأن الدقة في نظامين كتابيين. فقد وُثِّق أن H‌Y-Image 3.5 يحسّن دقة النص المرسوم داخل الصورة، وتوضّح المواد صراحةً أن هذا يشمل الصينية والإنجليزية. وهذا ادعاء أضيق وأكثر عملية مما يبدو عليه. فالصينية هي النظام الكتابي الذي تتعامل معه نماذج الصور الغربية على أسوأ وجه — فكثافة المحارف أعلى، ومخزون المحارف يمتد إلى آلاف لا إلى عشرات، والنموذج الذي يرسم أشكال حروف لاتينية تبدو معقولة قد يرسم هانزي مختلقة بالكامل دون أن يلاحظ أحد ذلك حتى يلاحظه مدقّق لغوي. والمورّد الذي يكتب سوقه المحلي بالصينية لديه سبب واضح لمهاجمة ذلك أولاً، وقد قال تينسنت ذلك مباشرةً.

ادعاء OpenMOSS يتعلق بالطول لا بتغطية الأنظمة الكتابية. العرض الرئيسي لـ MOSS-Image هو فقرات — نص أدبي بمتوسط طول مستهدف يبلغ نحو 1,340 حرفًا، ويظل مقروءًا بوضوح عبر صورة. تلك مشكلة مختلفة عن إتقان كتابة أربعة أحرف صينية بشكل صحيح. إنه الفرق بين تصيير شعار نصي وتصيير صفحة.

• ما الذي يتصدّر به المورّد — M​OSS-Image: عرض النصوص الطويلة، مع التخطيط كآلية تحكّم. H​Y-Image 3.5: دقة النص بالصينية والإنجليزية، مع اتساق الموضوع عبر التعديلات المتكررة.

• ما الذي تمنحه لك الواجهة — MOSS-Image: موجّه JSON يحتوي على summary (كتلة) وitems (مصفوفة)، حيث يحمل كل عنصر نصي مربّع إحاطة والسلسلة الحرفية المطلوب عرضها. H​Y-Image 3.5: موجّه باللغة الطبيعية، بالإضافة إلى صور مرجعية لاتجاه التحرير. لا يوجد حقل سلسلة موثّق لكل عنصر.

• ما هو حدّ الإخراج الأقصى — M​OSS-Image: دُرِّب على 576، ثم 3,072، ثم 8,192 رمزًا عبر ثلاث دقّات، مع مرحلةٍ نهائية عند نحو 1024². H​Y-Image 3.5: حتى 2K، على حدّ تعبير T​encent نفسها.

• ما الذي يحكم الأوزان — MOSS-Image: Apache 2.0، بلا عتبة إيرادات. HY-Image 3.5: لم يُنشر شيء. لا نقطة حفظ، لا ترخيص محلي، ولا مسار دون اتصال.

• ما تدفعه — M​OSS-Image: لا شيء مقابل الترخيص. H​Y-Image 3.5: $0.024 لصورة بدقة 2K على نقطة النهاية الدولية، و¥0.15 محليًا، مع الفوترة على صور الإخراج المُسلَّمة فقط.

تستحق هذه النقطة الرابعة جملة خاصة بها، لأنها الشيء الوحيد في هذه المواجهة الذي يمكنك اتخاذ إجراء بشأنه اليوم. إذا كان عرض النص هو السبب وراء اختيارك بين هذين النموذجين، فلا يمكنك فحص سلوك سوى واحد منهما على جهازك. اختبار MOSS-Image على نسختك الخاصة يعني تنزيل 27.2 غيغابايت وتشغيله؛ أما اختبار HY-Image 3.5 فيعني إرسال مطالبات إلى Tencent والنظر في الناتج.

الرقم الوحيد في هذه المقارنة، وما قيمته

لدى M​OSS-Image معيار أداء. LongLongTextBench هو 240 مهمة لعرض النصوص الأدبية — 120 بالإنجليزية، 120 بالصينية — بمتوسط طول مستهدف يبلغ 1,339.8 حرفًا، ويمنح OpenMOSS علامة 96.3 لـ M​OSS-Image في تغطية النص Mean-6 مقابل 64.9 لـ Q​wen-Image-2512. يضع الجدول نفسه GPT Image 2 عند 99.0 و N​ano Banana Pro عند 96.6، وهو أمر يستحق الملاحظة مرتين: فهو جدول يفوز فيه منافس، وهو جدول يكون فيه هامش تفوق M​OSS-Image على النموذج الذي يتغلّب عليه أكبر من تأخره عن النماذج المتقدمة عليه.

والآن التحفظات، وهي ليست صغيرة. إن LongLongTextBench هو معيار OpenMOSS الخاص، بُني لهذا الإصدار، وأجرته OpenMOSS، على نظام OpenMOSS نفسه. أما تغطية النص Mean-6 فهي مقياس OpenMOSS الخاص. ولم يكرّر أحد خارج المختبر أيًا من ذلك. إنه أول رقم مورد في هذه الفئة يحاول قياس النص الطويل على الإطلاق، وهو أيضًا بالضبط نوع الرقم الذي يبنيه المورد عندما يكون لديه ما يعرضه.

لا يملك HY-Image 3.5 أي رقم هنا على الإطلاق. لا رقم منشور، ولا رقم مستقل — لا توجد لوحة تقييم تمنح أيًا من هذين النموذجين درجة في تصيير النص، واللوحات المستقلة التي تضم نموذج Tencent لا تحاول تقييم النص. لذا فإن سؤال النص، وهو الشيء الذي اختار كلا المزوّدين أن يتصدّرا به، هو السؤال الوحيد الذي لا تستطيع هذه المقارنة الإجابة عنه بأدلة من الطرفين. أحد المزوّدين نشر اختبارًا. والآخر نشر ادعاءً. هذه هي حالة الأمور، وأي مقال يضع رقمًا إلى جانب HY-Image 3.5 على هذا المحور يكون قد اختلقه.

حيث توجد أدلة مستقلة بالفعل، وهي ليست سوى نصف مقارنة

يظهر نموذج Tencent على لوحات Artificial Analysis تحت التسمية HunyuanImage 3.5 (Preview)، وهو أمر مفيد بحد ذاته لأنه يؤكد التسمية: فوصف المعاينة يعبّر عن الحالة الراهنة للنموذج، لا عن حالة تاريخية. المعرّف المتداول هو hy-image-v3.5-preview، ولا يوجد معرّف ثانٍ مستقر إلى جانبه. على لوحة تحويل النص إلى صورة، يحتل المرتبة الوسطى في المجال عند 976.02 Elo. وعلى لوحة تحرير الصور، يحل في الخُمس الأعلى، عند 1,088 Elo عبر 5,775 مقارنة عمياء — والمتصدران هناك هما GPT Image 2.5 Sunburst وFlare من OpenAI عند 1,198 و1,177، لذا يقع Tencent على بعد نحو 110 Elo دون الحدود المتقدمة، ضمن فواصل تبلغ نحو ±14.

ذلك الموضع التحريري هو المثير للاهتمام في هذه المواجهة، وليس بسبب الترتيب. إنها اللوحة التي تغطي جزئيًا القدرة التي تعلن عنها T​encent فعليًا. تحرير موضوع ما بشكل متكرر دون انحرافه هو النصف الثاني من عرض T​encent للنص والاتساق، ووجود Elo للتحرير ضمن الخمس الأوائل يتوافق على الأقل بشكل غير محكم مع ادعاء الاتساق. إنه ليس مقياسًا للنص، وليس مقياسًا للانحراف عبر تسلسل، لكنه مستقل، وهو أكثر مما يمتلكه أي شيء في جانب M​OSS-Image.

MOSS-Image ليس على تلك القوائم. عمره يوم واحد. معياره الثاني، RealLayoutArena، يتكوّن من 61 مهمة تصميم تُحكم عبر مقارنة زوجية عمياء وتُوفَّق على مقياس Bradley–Terry — 20 ملصقًا، و20 إنفوغرافيك، و21 واجهة — وهو أيضًا يُطرح مع الإصدار، وقد بناه المورّد أيضًا. في الساحة الشاملة من الطرف إلى الطرف، يسجّل MOSS-Image نتيجة 1698.70 Elo، في المرتبة الثانية بعد 1844.35 لـ GPT Image 2؛ وعند حصره على العمود الفقري وحده في ظل المطالبات المعززة المشتركة، يحتل المرتبة الأولى عند 1807.34. الإصدار نفسه، الجهة نفسها، التحذير نفسه.

الصينية، وهي النقطة التي يلتقي فيها الادعاءان فعلاً.

إليك اختلافًا بنيويًا لا يشير إليه أيٌّ من المورّدين، وهو أهم من أيٍّ من صفّي القياس المرجعي.

بنى OpenMOSS معيارًا نصيًا ثنائي اللغة متوازنًا عمدًا — 120 مهمة إنجليزية و120 مهمة صينية، بتقسيم متساوٍ. هذا خيار تصميمي، وهو يدل على أن النموذج قُيّم كمنتج ثنائي اللغة وليس كمنتج إنجليزي مع الصينية كميزة إضافية. جاءت مجموعة تدريب MOSS-Image من بيانات مشتقة من ReLAION قُلّصت من نحو 5B عينة إلى 3B دون مزيد من التصفية، وتنسيق التخطيط، العناصرالخاصة به، أي المصفوفة التي تأخذ وسمًا من نص، حرف أو كائن — تصنيف يبدو محايدًا للكتابة عن قصد.

وضع Tencent هو الصورة المعكوسة. الصينية هي السوق المحلية؛ وتصف مواد المنتج النموذج بأنه يوفّر فهمًا قويًا للصينية؛ أما نقطة النهاية الدولية فهي واجهة ثانية خلف المحلية، وتُسعَّر بشكل منفصل. لم يكن على Tencent أن تبني معيارًا متوازنًا بين الإنجليزية والصينية لأن الصينية لم تكن الخطر قط. وما لم تفعله هو نشر كيفية أداء النصف الإنجليزي.

إذن، فريق يشحن أصولاً باللغة الصينية لديه، من جهة، مورّد بمنتج يضع الصينية أولاً ورقم إنجليزي غير قابل للنشر، ومن جهة أخرى، مورّد بتقييم ثنائي اللغة متوازن عن قصد وليس لديه سجل في السوق الصينية. نوعان مختلفان من الثقة، ولا يمكن نقل أي منهما إلى سوق الآخر. الطريقة الوحيدة لحسم الأمر هي مواجهة مباشرة على نسختك الخاصة، وواحد فقط من هذين النموذجين يتيح لك ذلك. شغّل السلاسل الصينية التي تشحنها فعلاً — أسماء المنتجات، والسطور القانونية، حروف الهانزي التي يسهل اختراعها — عبر MOSS-Image-SFT محلياً، ثم ضع السلاسل نفسها مقابل hy-image-v3.5-preview عبر API. هذه التجربة تكلف بعد ظهر واحد وتحسم أكثر مما تحسمه مواد كلا المورّدين مجتمعة.

التكلفة والوصول ومسألة المسار

مقارنة التكلفة غير متوازنة في اتجاه واحد، ومقارنة الوصول غير متوازنة في الاتجاه الآخر، ولهذا نادرًا ما يعتمد القرار على الفاتورة.

H​Y-Image 3.5 بسعر 0.024 دولار لصورة بدقة 2K على المستوى الدولي — أي 24 دولارًا لكل 1000 صورة، وهو الرقم نفسه معادًا ذكره لكل ألف والذي يظهر على اللوحة المستقلة، لذا يتوافق سعر المورّد مع عمود السعر في اللوحة. أما محليًا فهو 0.15 يوان لصورة بدقة 2K، وتقتصر الفوترة على الصور الناتجة المُسلَّمة فقط، لذا لا تُحتسب رسوم على الطلب المُرشَّح أو الفاشل. عند مئة ألف صورة شهريًا، يبلغ ذلك 2400 دولار، مع نمط فشل موثّق لا تُحتسب رسومه.

MOSS-Image ليس لديه بطاقة أسعار. الترخيص هو Apache 2.0، والتنزيل يبلغ حوالي 27.2 GB، منها نحو 16.8 GB موزّعة على أربع شظايا هي مشفّر النص Qwen3.5-9B المجمّد، وحوالي 10.2 GB موزّعة على ثلاث شظايا هي المحوّل. شارة 5B تصف مولّد الانتشار وحده، والمشفّر هو النصف الأكبر من التنزيل. الإعدادات الافتراضية لأخذ العينات هي flow-matching Euler عند 50 خطوة مع CFG 3.0 وshift 5.0؛ مسار التوجيه الافتراضي يحتاج إلى تمريرتين أماميتين للمحوّل في كل خطوة، لذا فإن عدد الخطوات ليس الإعداد الرخيص كما يبدو. مئة ألف صورة لديك تكلّف بقدر ما يكلّف وقت GPU لديك، ولا شيء آخر.

تكمن نقطة التقاء هذين المسارين في أن أياً منهما ليس مشكلة توجيه. لا يوجد M​OSS-Image في كتالوج OrcaRouter — فنحن نقدّم أكثر من 200 نموذج وهو ليس واحداً منها — لذا فإن نصف الأوزان في هذه المقارنة هو بنيتك التحتية الخاصة. كما أن H​Y-Image 3.5 ليس ضمنه أيضاً، ومساره الموثّق هو واجهة T​encent البرمجية الخاصة أو منتجات T​encent الخاصة؛ فلا يملك T​encent نقطة استعادة (checkpoint)، ولا ترخيصاً محلياً، ولا مساراً دون اتصال، وعُقد ComfyUI الموجودة له تستدعي الواجهة البرمجية بدلاً من العمل خلفها. الوصف الأمين لكليهما هو الوصف العام: عبر واجهة المورّد البرمجية الخاصة به، وفي حالة T​encent، عبر أدواته من الطرف الأول.

ما يكون الموجّه مفيدًا له فعليًا هنا هو الأمر الثالث، ألا وهو التجربة أعلاه. إذا أردت اختبار كيف يقارَن عرض النصوص المحلي في M​OSS-Image بالنماذج المستضافة بدلًا من مقارنته بلوحة صدارة، فالجانب المستضاف هو حيث تصير المقارنة ذات وزن، وإن وضع نقطة تحقّق مستضافة ذاتيًا في مواجهة عدة نماذج صور مستضافة على مطالبات متطابقة هو نوع المهمة التي نقطة نهاية واحدة مع تحويل تلقائي عند الفشل وأسعار قوائم المزوّدين التي تُمرَّر دون تغيير تُبنى من أجلها: مفتاح واحد بدل أربع عمليات تكامل، وتشغيل يكتمل حتى عندما يمرّ أحد المزوّدين بساعة سيئة. GPT Image 2 ونماذج الصور من G​oogle موجودان على نقطة النهاية تلك؛ أما M​OSS-Image فليس كذلك.

الاختيار بين تقييم مُشحون ومنتج مُشحون

اختر MOSS-Image إذا كان ما تحتاجه بالتحديد هو تحكم منظّم في أين يستقرّ النص وكم يستمر. يسمّي ملف JSON الخاص بالتخطيط سلسلة كل عنصر نصي وموضعه بصورة صريحة، ويجعل Apache 2.0 المراجعة التجارية وجيزة، كما تُرِك نقطة التحقق Base عمدًا غير مُقطَّرة — تقول بطاقة النموذج إنه لم يُطبَّق أي تدريب لاحق أو تقطير لمعاملات الاستدلال مثل CFG — وهو خيار متعمَّد لترك شيء ليعمل عليه تدريب LoRA. أقدِم وأنت تعلم أن كلا المعيارين المرجعيين الحاملين لاسمه هما من إنتاج المورّد نفسه، وأن أقوى نتيجة للتخطيط من البداية إلى النهاية تأتي من خط معالجة نصفه الخاص بتحديد الموجّه نموذجٌ من طرف ثالث وليس وحدة OpenMOSS صغيرة، وأن المُرمِّز يهيمن على حجم التنزيل.

خذ H​Y-Image 3.5 إذا كنت تحتاج إلى نقطة نهاية قابلة للاستدعاء هذا الأسبوع، أو إذا كانت أصولك باللغة الصينية، أو إذا كنت تفضّل شراء نموذج له موضع في تصنيف تحرير مستقل على نموذج له معيار أداء من المورّد. أقدِم على ذلك وأنت تعلم أن المعرّف هو تسمية معاينة بلا بديل محدّد بتاريخ، وأن الادعاء النصي جملة وليس درجة، وأن الشيء الوحيد المقيس بشكل مستقل عن النموذج هو متوسط تفضيل أعمى لا يقول شيئًا عمّا إذا بقي الجزء الذي لم تُمسّه من إطارك دون تغيير.

الفجوة التي من شأنها أن تغيّر هذا أكثر من أي شيء ليست نموذجًا جديدًا، بل طرف ثانٍ يشغّل LongLongTextBench على شيء ليس MOSS-Image، أو نشر Tencent درجة لعرض النص الخاص بالمعاينة. لا وجود لأيٍّ منهما، وإلى أن يوجد أحدهما، فإن النسخة العملية من هذه المقارنة هي تنزيل في مقابل استدعاء API وقضاء فترة بعد الظهر على سلاسلك النصية الخاصة — وهو استخدام أفضل للوقت من قراءة جدول أيٍّ من المورّدين.

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.