MOSS-Image مقابل Ideogram 4.5: ما مقدار النص الذي يمكنك فعلاً وضعه في صورة؟

كلا هذين النموذجين بناه أشخاص لاحظوا أن مولّدات الصور ضعيفة في الكلمات. I​deogram 4.5، المتاح منذ 30 سبتمبر 2026، هو الجيل الرابع من نموذج تقوم سمعته بأكملها على الخطوط والتنسيق الطباعي، وتتعامل وثائقه مع النص كعنصر من الدرجة الأولى له حقله الخاص في الموجّه المنظَّم. M​OSS-Image، الذي أصدرته OpenMOSS في 16 أكتوبر 2026 كنقاط تحقق Apache 2.0 M​OSS-Image-Base وM​OSS-Image-SFT، يتبنّى النهج البنيوي نفسه — إذ يحصل كل عنصر نصي على سلسلة حرفية ومربّع إحاطة — ثم يوجّه الأمر كله نحو هدف أطول بكثير: مقاطع أدبية بمتوسط طول يبلغ نحو 1,340 حرفًا.

هذا الفرق في الطموح هو المحور الذي تدور عليه هذه المقارنة فعليًا، ووثائق المورّدَين نفسيهما صريحة بشكل غير معتاد بشأنه. يخبرك Ideogram أين يقع سقفه. وتزعم OpenMOSS أنها رفعته. أحد هذين القولين يمكنك التحقق منه مقابل رقم منشور؛ والآخر يمكنك التحقق منه مقابل ملصق تحذير منشور. وقراءتهما معًا تخبرك عن حال عرض النص في نماذج الصور أكثر مما تخبرك أيّ منهما بمفرده.

مخططا JSON، ولماذا لا يمكن تبادلهما

كلا النموذجين يقبلان موجهًا مُهيكلًا لا يُوصَف فيه النص بل يُصرَّح به. التشابه قريب بما يكفي ليكون مضللًا، لذا يستحق الأمر أن نكون دقيقين بشأن ما يحمله كل منهما فعليًا.

مطالبة JSON الخاصة بـ I​deogram 4.5 — المشتركة مع 4.0 — تمنح كل عنصر نصي حقل text الذي يحمل السلسلة النصية الحرفية، وحقل desc يصف كيف ينبغي أن يبدو، وcolor_palette، وbbox لتحديد الموضع بدقة. ميزانية الألوان موثّقة: حتى 16 لونًا ست عشريًا للصورة بأكملها، وحتى خمسة لكل عنصر.

يأخذ تنسيق تخطيط M​OSS-Image كائن JSON كموجّه: كتلة summary تحمل المشهد والنمط، ومصفوفة items حيث يحتوي كل عنصر على وسم من text، character أو object، وتعليق، ومربع إحاطة، و — لعناصر النص — السلسلة الحرفية المطلوب عرضها. تكون المربعات bbox_format: "yxyx" في bbox_coord_space: "abs_centralized"، أي بكسلات مقيسة من مركز اللوحة.

• أين توجد السلسلة النصية — I​deogram 4.5: حقل نص لكل عنصر. M​OSS-Image: السلسلة الحرفية على عنصر النص، إلى جانب وصف منفصل لكيفية ظهورها.

• التحكم في الألوان — Ideogram 4.5: حتى 16 لونًا سداسيًا عشريًا لكل صورة، وخمسة لكل عنصر، كميزانية لوحة ألوان موثّقة. MOSS-Image: لا يوجد حقل لوحة ألوان موثّق خاص بكل عنصر؛ يُحمَل النمط في الملخّص.كتلة

• لون الصندوق — Ideogram 4.5: bbox هو حقل لا توجد فيه قاعدة إحداثيات منشورة في المادة التي تمكنا من قراءتها. MOSS-Image: yxyx هو الترتيب في وحدات بكسل مطلقة نسبةً إلى المركز، لذا تمتد لوحة 1024² من −512 إلى +512 على كل محور.

• تصنيف العناصر — I​deogram 4.5: عناصر نصية مع وصف. M​OSS-Image: تسمية ثلاثية تميّز بين النص، الشخصية والكائن، وهو ما يحتاجه موضوع متكرر.

مخططان، كلاهما JSON، ولا يمثل أي منهما مجموعة فائقة للآخر، ولم ينشر أي أحد محوّلًا. إذا كان لديك خط معالجة يُصدر أيًّا من الصيغتين، فإن تكلفة دعم الصيغة الأخرى تمثل عملًا حقيقيًا — واصطلاح الإحداثيات المفقود على جانب Ideogram تفصيل سيتعين عليك استنباطه تجريبيًا.

ما يقوله الموردون عن حدودهم الخاصة

هذا هو الجزء الأكثر إثارة للاهتمام في المواجهة، وهو ليس مقارنة معيارية. إنه مقارنة بين استعداد شركتين لوصف النقطة التي يتوقف عندها نموذجهما عن العمل.

تقول وثائق Ideogram ذلك بوضوح: يتعامل النموذج مع العناوين والكتل القصيرة بشكل جيد، وعليك إضافة النص الأساسي أو المستندات الكاملة لاحقًا في أداة تصميم. وتقول أيضًا إن النص يظهر بأكبر دقة باللغة الإنجليزية، وإن الكتابات غير اللاتينية والحروف ذات العلامات التشكيلية قد تظهر بشكل خاطئ أو قد لا تظهر إطلاقًا. أما بشأن الخطوط، فالإرشاد هو أنه لا يمكنك تسمية خط بعينه — فقد تعلّم النموذج كيف تبدو أنماط النص، وليس مكتبة خطوط — لذا فإن النهج الموثّق هو وصف الوزن والشكل والطابع بدلًا من ذلك. ولمسار JSON نمط فشل منشور خاص به: يمكن أن تفقد المطالبات المهيكلة الطويلة جدًا عناصرها الأخيرة، لذا توضع الأمور الأكثر أهمية أولًا.

هذا مورّد يخبر عملاءه بهيئة الأداة. وإذا قُرئت كمواصفة، فهي تصف نموذجًا للعناوين والملصقات ونصوص التغليف والكتل القصيرة — تنضيد دقيق، لا نشر.

الموقف المنشور لـ OpenMOSS هو نوع معاكس من الادعاء. معياره الرئيسي، LongLongTextBench، يتكوّن من 240 مهمة عرض نصوص أدبية بمتوسط طول مستهدف يبلغ 1,339.8 حرفًا، مقسّمة بالتساوي بين الإنجليزية والصينية. المشكلة التي يُهاجَم بها ليست أربع كلمات على ملصق؛ بل جدار من النثر يُعرض بشكل مقروء داخل صورة. رقم البائع نفسه لذلك في تغطية نصوص Mean-6 هو 96.3، مقابل 64.9 لـ Qwen-Image-2512، مع GPT Image 2 عند 99.0 و Nano Banana Pro عند 96.6 في الجدول نفسه.

إذن: أحد المورّدين نشر سقفًا، والآخر نشر نتيجة تشير إلى سقف أعلى بكثير. ولم يتحقق أي طرف ثالث من أيهما. إذا كنت تختار بينهما لمهمة محددة، فهذا هو خط الفصل — والطريقة الصادقة لقراءته هي أن قيد Ideogram موثّق وقابل لإعادة الإنتاج اليوم من قبل أي شخص يحاول، بينما تحسين OpenMOSS هو قياس غير مُعاد إنتاجه من مورّد واحد. القيد الموثّق يستحق أكثر لتخطيطك من النتيجة غير المُعاد إنتاجها، على الأقل حتى يُجري شخص من خارج المختبر الاختبار.

ما هو الغرض الفعلي من كل منها

السؤال النصي هو موضع التداخل بينهما. ويكاد كل ما عدا ذلك بشأنهما يشير في اتجاهات مختلفة.

Ideogram 4.5 يتم تقديمه كمحرر، وليس كمولّد. سلوك التحرير الدقيق الخاص به يعيد النتيجة بعرض وارتفاع الصورة المصدر نفسها، حيث يتم نسخ البكسلات التي لم يغيّرها التحرير بشكل جوهري تمامًا بدلاً من إعادة تصنيعها، وقد تم إثبات ذلك على مصدر بدقة 4,016 × 6,016 بكسل دون تصغير الملف أولاً. التعديلات المقنّعة تأخذ قناعًا أبيض وأسود — الأسود يحدد ما يجب تغييره، والأبيض ما يجب الاحتفاظ به، والقيم الوسيطة تُقرّب إلى الأقرب من الاثنين. نقطة نهاية التحرير تستقبل حتى أربع صور مرجعية، وثلاثًا منها عند توفير قناع أيضًا؛ نقطة نهاية التوليد تستقبل حتى خمس صور مصدر، وتُعامل الأولى منها على أنها الصورة التي يتم تحريرها. تمتد المطالبات إلى 10,000 حرف في التطبيق، والجودة عبارة عن سلم من أربع درجات من منخفض جدًا حتى منخفض، متوسط و عالي.

MOSS-Image يضع التوليد في المقام الأول. تصف الجهة المورّدة تحرير تسمية عنصر أو نقل إطاره بأنه ضبط لذلك الجزء من التكوين، وتصنّف هذا السلوك بأنه تجريبي. سطح التحكم الخاص به هو JSON التخطيط أعلاه؛ أما العرض التوضيحي المنشور له فهو التكوين — ملصقات، وإنفوجرافيك، وواجهات — وليس التحرير الموضعي لصورة فوتوغرافية موجودة. أُجري تدريبه على 256 بكسل لمدة 2.1 مليون خطوة، ثم 512 بكسل لمدة 2.1 مليون، ثم نحو 1024² لمدة 0.31 مليون، مع انتقال ميزانية الرموز المميزة 576 → 3,072 → 8,192 خلال تلك المراحل.

• تعديل صورة موجودة — I​deogram 4.5: قدرة أساسية، الإخراج مقيّد بأبعاد المصدر، والبكسلات غير المتأثرة تُنسخ. M​OSS-Image: تجريبي، ويوصف بأنه يضبط عناصر تكوين قمت بإنشائه.

• نص طويل في صورة جديدة — MOSS-Image: الادعاء الرئيسي، مع معيار مرجعي من البائع عند متوسط أهداف يبلغ 1,339.8 حرفًا. Ideogram 4.5: موثق كعناوين وكتل قصيرة، مع نص متن موجه إلى أداة تصميم.

• الأوزان — M​OSS-Image: Apache 2.0، بلا حدّ للإيرادات، بنحو 27.2 غيغابايت بما في ذلك مُشفّر نصي Qwen3.5-9B مُجمَّد. I​deogram 4.5: لا شيء. يغطي برنامج الأوزان المفتوحة لدى المورّد I​deogram 4.0 فقط، مقابل 300 دولار شهريًا لـ10,000 صورة مستضافة ذاتيًا على أوزان مُكمَّمة، وليس بالدقة الكاملة صراحةً.

• السعر — Ideogram 4.5: سلّم من خمس درجات، من 0.008$ عند منخفض جدًا إلى 0.22$ عند مرتفع، مع صورة مصدر. MOSS-Image: لا يوجد جدول تسعير؛ التكلفة هي وقت GPU لديك.

الرقم على أحد الجانبين والفراغ على الجانب الآخر

لم تنشر I​deogram أي معيار قياس للإصدار 4.5. تأتي الأرقام المُسجَّلة من Artificial Analysis، الذي يحمل النموذج على كلا لوحتي الصور تحت إعداد High. تمت القراءة في 16 أكتوبر 2026: 1,063 إيلو في تحرير الصور من 2,728 صوتًا بسعر 220 دولارًا لكل 1,000 صورة، و1,019 إيلو في تحويل النص إلى صورة من 2,421 عينة بسعر 100 دولار لكل 1,000. المتصدرون في لوحة التحرير هم GPT Image 2.5 Sunburst وFlare من O​penAI عند 1,198 و1,177، لذا يقع أعلى مستوى حوالي 135 إيلو فوق I​deogram 4.5، على فاصل من 1,046 إلى 1,080 يتداخل مع عدة نماذج حوله.

ثمة تحذير ينطبق على استخدام ذلك الرقم لهذه المقارنة أصلًا، وهو لا يتعلق بخطأ المعاينة. تطلب كلتا اللوحتين من المصوّتين تفضيل صورة على أخرى. ولا تطلب أيٌّ منهما من المصوّت أن يقرأ النص في الصورة ويحكم ما إذا كان مكتوبًا بشكل صحيح، أو بنظام الكتابة الصحيح، أو في الموضع الصحيح. إن إيلو الذي يقيس التفضيل ليس مقياسًا للتايبوغرافيا، وسمعة Ideogram نفسها في النصوص ليست شيئًا سبق أن قيّمته اللوحة. لذا فإن الرقم المستقل، مع كونه حقيقيًا، لا يغطي السمة الأكثر أهمية في هذه المواجهة.

لا يمتلك M​OSS-Image أي رقم مستقل من أي نوع. عمره يوم واحد، وكلا معيارَيه يُشحَنان مع الإصدار وقد بناهما المورّد. ثانيهما، RealLayoutArena، عبارة عن 61 مهمة تصميم — 20 ملصقًا، و20 إنفوغرافيك، و21 واجهة — تُقيَّم زوجيًا وتُوفَّق على مقياس Bradley–Terry؛ ويسجل M​OSS-Image ‏1698.70 Elo من الطرف إلى الطرف، متخلفًا عن GPT Image 2 عند 1844.35، و1807.34 عند اقتصاره على العمود الفقري تحت مطالبات معززة مشتركة، وهو الأول. ويستخدم خط الأنابيب الذي أنتج رقم الطرف إلى الطرف نموذج G​PT-6 لتحديد المطالبات عند الاستدلال، وفقًا للتقرير الفني، ما يعني أن أقوى نتيجة تخطيط من الطرف إلى الطرف تحمل اعتمادًا على نموذج جهة أخرى.

كيف ستختار، وما علاقة جهاز التوجيه بذلك

I​deogram 4.5 مغلق ويُستضاف من واجهة برمجة التطبيقات الخاصة بـ I​deogram وتطبيقاته وتكامل MCP. أما M​OSS-Image فهو متاح للتنزيل. لا يوجد أي منهما في كتالوج OrcaRouter — نحن نقدم أكثر من 200 نموذج وليس أي منهما ضمنها — لذا يعني كلاهما التوجه إلى المورّد: في حالة I​deogram عبر واجهة برمجة التطبيقات الخاصة به والعديد من منصات طرف ثالث، وفي حالة OpenMOSS إلى المستودعات وأي عتاد يمكنك تشغيلها عليه.

المكان الذي يبرّر فيه الراوتر وجوده في مسار صور كثيف النصوص هو جانب التكلفة، والسبب خاص بكيفية تسعير هؤلاء المورّدين. سلّم Ideogram موثّق بأنه يفوتر بحسب بكسلات الإخراج النهائية — حتى 1024×1024 يُحتسب كـ1K، وما فوق ذلك كـ2K — ما يعني أن الفئة الاسمية نفسها قد تكلّف مبالغ مختلفة بحسب ما طلبته. عندما يكون تسعير مورّد ما دالةً على الطلب لا سعرًا ثابتًا، فإن الحساب الرياضي لدفعة من مئة صورة ليس شيئًا تريد إبقاءه في رأسك، وكتالوج يمرّر أسعار قوائم المورّدين دون أي إضافة هو ما يُبقي الرقم متحركًا مع المورّد بدل أن يتخلف عنه. وهذا ينطبق على النماذج المستضافة التي قد تُقارن بها نقطة تفتيش مفتوحة، لا على أي من النموذجين في هذا المقال.

الجزء الذي لا يقوله أيٌّ من المورّدين بصوتٍ عالٍ

ضع الموضعين جنبًا إلى جنب، وسيظهر نمط. يقول لك Ideogram، الذي كان نموذج التايبوغرافيا لسنوات، أن تضع نص المتن في أداة تصميم. أما OpenMOSS، الذي عمره يوم واحد، فيزعم أنه حلّ مشكلة نص المتن ويمنح نفسه درجات على ذلك.

إحداهما شركة تصف حدًا وصلت إليه، والأخرى شركة تصف حدًا تعتقد أنها تجاوزته. العبارة الأولى يمكن لأي شخص لديه خطة مجانية وبعد ظهر كامل أن يتحقق منها. أما الثانية فلا يمكن التحقق منها إلا من قبل الأشخاص الذين بنوا المعيار، إلى أن ينزّل أحدهم الأوزان ويجرّب. الأوزان برخصة Apache 2.0، لذا فإن هذا الفحص متاح لأي شخص — وهو أقوى حجة لصالح M​OSS-Image في هذه المقارنة، وليس له علاقة بدرجته. لا يمكنك تدقيق ادعاء حول سلوك النص الطويل لدى I​deogram 4.5 من خلال فحص النموذج. أما M​OSS-Image فيمكنك تدقيق ادعائه بتشغيله.

ما لم ينشره أي من الجانبين هو قياس الانجراف. إن عرض البيع الكامل لـ I​deogram 4.5 هو أن التعديلات لا تُفسد الأجزاء التي لم تُمس من الإطار، وقد أُظهر ذلك على مصدر بدقة 24.2 ميغابكسل دون تصغير؛ ولم يقيّم ذلك أي طرف ثالث، ولا يطلب أي اختبار مرجعي مقارنة التعديل العاشر في تسلسل بالتعديل الأول. سلوك التحرير في M​OSS-Image موسوم بأنه تجريبي من قبل المورّد نفسه، ولم يقسه أحد. نموذجان مبنيان حول أمانة النص، ولا توجد لأي منهما درجة أمانة منشورة من أي جهة لا تبيعهما.

لذا يقتصر الاختيار على أي غموض يمكنك التعايش معه. إذا كانت مهمتك تتمثل في العناوين والتغليف والنصوص التسويقية للمنتجات والكتل القصيرة، وكان ذلك مقترنًا بتحرير صورة فوتوغرافية موجودة في مكانها، فإن I​deogram 4.5 هو النموذج ذو السلوك الموثّق وقواعد الأحجام المنشورة ودرجة مستقلة، وإن كانت غير مطبعية — ومورّد يخبرك صراحةً متى ينبغي أن تلجأ إلى أداة تصميم بدلاً من ذلك. وإذا كانت مهمتك صفحات مؤلّفة بمقاطع طويلة وكنت تريد امتلاك الحزمة التقنية، فإن M​OSS-Image يمنحك الأوزان والمخطط والمعيار الوحيد الذي يحاول التعامل مع النص الطويل أصلاً، بشرط أن تقبله كادعاء حتى تعيد إنتاجه. الأول شراء أكثر أمانًا والثاني قابل للاختبار، وأيّهما تريد ليس شيئًا يمكن لصفحة أي من المورّدين أن تخبرك به.

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.