MOSS-Image مقابل Meta Muse Image: نظريتان للتحكم، إحداهما تكلف سنتًا واحدًا

أكثر طريقة مفيدة لمقارنة M​OSS-Image مع M​eta M​use Image هي أن نلاحظ أن كليهما يُسوَّق على أساس التحكم، وأنهما يقصدان به أمرين متعاكسين. فأما M​eta M​use Image، الذي أُطلق في 7 يوليو 2026 ويمكن الوصول إليه عبر Model API الخاص بـ M​eta باسم muse-image-1.0 مقابل 0.01 دولار ثابتة لكل صورة مُولَّدة، فيتحكم في المخرجات عبر الاستدلال قبل أن يُنتج — إذ يستدعي أدوات البحث والبرمجة، ويحسّن نفسه، ويرتقي مع مزيد من حوسبة وقت الاختبار. وأما M​OSS-Image، الذي صدر في 16 أكتوبر 2026 بأوزان مفتوحة بموجب Apache 2.0، فيتحكم في المخرجات برفض التخمين: تسلّمه كائن JSON يحتوي على مربعات إحاطة وسلاسل نصية حرفية وملاحظات طباعية، فيُنتج تلك المواصفة. أحد النموذجين يفكّر أكثر. والآخر يُلقَّن بالضبط ما عليه فعله.

هذان ليسا إعدادين على القرص نفسه. إنهما رهانان مختلفان على موضع الصعوبة في توليد الصور، والرهان الذي ينبغي أن تخوضه يعتمد على ما إذا كانت مشكلتك أنك لا تعرف كيف تصف ما تريد، أم أنك تعرف ذلك بالضبط ومع ذلك يستمر النموذج في تجاهلك.

النظريتان، كما وُضِعتا على نحو صحيح

تتمثل نظرية Meta في أن التوليد يفشل لأن النموذج لا يعرف ما يكفي. تصف صفحة نموذجه Muse Image بأنه «نموذج صور يفكّر قبل أن يرسم»، ويوضح منشور الإطلاق الآلية بوضوح: «بدلًا من تحويل المطالبات مباشرةً إلى صور، يعمل Muse Image ك‍وكيل: يستدعي أدوات البحث والبرمجة لتحسين الدقة، ويحسّن توليداته ذاتيًا، ويتحسّن عبر توسيع الحوسبة في وقت الاختبار». وفقًا لهذه النظرية، تأتي النتيجة الأفضل من مزيد من التفكير، ومزيد من الاسترجاع، ومزيد من التحقق الذاتي.

نظرية OpenMOSS هي أن التوليد يفشل لأن النموذج لا يعرف أين يضع الأشياء. وحلّها هو إزالة الغموض من المطالبة بالكامل — فلا يُستنتج التخطيط من النثر، بل يُقدَّم كبيانات. إن الاختبار الاستئصالي الذي أجراه التقرير نفسه على RealLayoutArena هو أوضح بيان على هذا الرهان: مطالبات تخطيط JSON تحصل على 1,622.87 في النظام نفسه حيث تحصل المطالبات باللغة الطبيعية على 1,506.20. وهذه فجوة قدرها 117 نقطة تُعزى إلى الواجهة لا إلى الأوزان.

اختبار أي نظرية تنطبق عليك هو سؤال واحد. إذا كنت تستطيع رسم التخطيط الذي تريده على منديل وتسليم المنديل لشخص ما، فإن نهج M​OSS-Image هو الذي سينجح. وإذا لم تستطع — إذا كان الطلب هو "اصنع لي شيئًا يبدو مناسبًا لهذه العلامة التجارية" وكنت ستتعرف على الإجابة عندما تراها — فإن لدى نموذج الاستدلال ما يفكر فيه، أما مواصفة التخطيط فليس لديها ما ترتبط به.

ما هو M​eta M​use Image، وكم تبلغ تكلفته

M​use Image هو نموذج M​eta لتوليد الصور وتحريرها العامِل بالوكلاء، وهو نموذج احتكاري لا أوزان مفتوحة، ويُقدَّم عبر واجهة API نفسها وبالمصادقة نفسها التي يُقدَّم بها Muse Spark، نموذج M​eta للاستدلال — وهو اقتران توثّق M​eta أنه يتيح "للنموذجين أن يتشاركا الأدوات وأن يخطّطا معًا لتوليد وسائط وكيلية قوية". والمخرجات الموثّقة لهذا الاقتران هي وسائط متعددة الأجزاء: صور GIF متحركة، وصفحات تضمّ صورًا مدمجة، وألعاب تفاعلية صغيرة.

سطح الإمكانات مقسّم إلى أربعة أوضاع تُسمّيها Meta في صفحة نموذجها: توليد الصور، والتحرير الدقيق، والتكوين المرتكز، والتنقيح متعدد الجولات. الادعاءات المميزة تدور حول ضبط النفس لا حول المخرجات. تقول Meta إن النموذج «مصمّم لتغيير ما تحدده بالضبط وترك كل شيء آخر دون مساس»، ويُثبّت وضع التكوين المرتكز «سلسلة كاملة من عمليات التوليد على مجموعة صغيرة من الصور المرجعية بحيث تبقى الشخصية والأسلوب والإعداد متسقة من صورة إلى التالية» — وهي الإمكانية المهمة لكتالوج أو مجموعة إعلانات لا لصورة واحدة. على جانب المطوّرين هناك reasoning_strength تحكّم بإعدادات مرتفعة ومنخفضة، وoutput_format يُعيّن افتراضيًا إلى WebP.

السعر هو الجزء الذي يجعل هذه المواجهة محرجة لأي شخص يقارن من حيث التكلفة. تفرض Meta رسومًا قدرها $0.01 لكل صورة مُولّدة، بسعر ثابت، وتذكر أن الاستناد إلى البحث مشمول في ذلك السعر بدلًا من قياسه بشكل منفصل. لا توجد فئة دقة، ولا محاسبة للرموز، ولا خصم للدفعات لنمذجتها. بالنسبة لفريق تضرر من الفواتير القائمة على البكسل التي تتوسع بهدوء مع حجم المخرجات، فإن السنت الثابت هو شكل تجاري مختلف حقًا.

ما لا تنشره Meta هو معيار قياس. لا توجد درجة لاتباع التعليمات، ولا قياس لدقة التعديل، ولا تقييم مستقل لادعاء الاستدلال قبل العرض. مجموعة القدرات المذكورة أعلاه موصوفة من قبل المورّد، والإشارة الوحيدة من طرف ثالث المتاحة لخط صور Meta على الإطلاق هي لوحة تفضيلات البشر في Arena، حيث يُصنَّف Muse Image خلف المتصدرين الحاليين — بما في ذلك خلف MAI-Image-2.6 Preview.

ما هو M​OSS-Image، وكم تبلغ تكلفته

MOSS-Image هو محوّل انتشار أحادي المسار بحجم 5B، بعمق 42 كتلة مشتركة، وعرض مخفي 3,072، و24 رأسًا بأبعاد 128، مع مشفّر نصي Qwen3.5-9B مجمّد وFLUX.2 VAE مجمّد محمّل من FLUX.2-klein-4B بـ32 قناة كامنة. تتوفر نقاط حفظ Base وSFT على Hugging Face تحت Apache 2.0، سواء الأوزان أو كود خط الأنابيب المستقل، دون حدّ للإيرادات ودون فئة تجارية منفصلة. تبلغ مساحة مستودع SFT نحو 27.2 GB، منها حوالي 16.8 GB للمشفّر النصي.

واجهة التخطيط الخاصة به تأخذ إحداثيات بكسل مطلقة مقاسة من مركز اللوحة — bbox_format "yxyx" — بدلاً من اصطلاح الإحداثيات النسبية الذي تستخدمه عدة أنظمة تخطيط أخرى. حجة المورّد لصالح البكسلات المطلقة هي أنها تصمد بشكل أفضل في العمل متعدد الدقات، وهي حجة حقيقية، لكن هذا يعني أيضًا أن اعتماد النموذج يستلزم إعادة كتابة أي منطق مطالبات لديك بالفعل.

الأدلة المرفقة بالادعاء جوهرية ومن تأليف المورّد بالكامل. في 7Bench، الذي يقدّمه التقرير أيضًا، يُبلّغ MOSS-Image عن متوسط IoU للتخطيط قدره 0.88 مقابل 0.44 لـ I​deogram 4.0، و0.33 لـ N​ano Banana Pro وSeedream 5.0 Pro، و0.31 لـ Q​wen Image 3.0 Pro و0.30 لـ GPT Image 2، مع AUC للتخطيط 0.70 مقابل مجال يتراوح من 0.16 إلى 0.20. وفي LongLongTextBench يُبلّغ عن 96.3 في Mean-6، بتوزيع 97.1 للإنجليزية و92.4 للصينية — مع GPT Image 2 عند 99.0 وN​ano Banana Pro عند 96.6 في الجدول نفسه. وفي RealLayoutArena الشامل من طرف إلى طرف، يحتل المرتبة الثانية عند 1,698.70 Elo، والمرتبة الأولى عند 1,807.34 عندما تقتصر المقارنة على العمود الفقري تحت مطالبات لغوية طبيعية مشتركة.

ثمة تحفّظ واحد يلزم أن يَرِد بجوار تلك الأرقام لأنه يغيّر ما تقيسه. يذكر التقرير بوضوح أن وحدة تحسين المطالبات الخاصة به، LayoutPE، تستخدم G​PT-6 مع تعليمات مهام معيارية في وقت الاستدلال، كما تُوصَف مهارة تحسين المطالبات المرفقة بأنها مصممة لوكلاء من عائلة G​PT-6. وعليه، فإن أقوى نتيجة شاملة من طرف إلى طرف هي خط أنابيب من نموذجين يعمل نصفه الخاص بالمواصفات على واجهة برمجة تطبيقات طرف ثالث.

سطرًا بسطر

• الإصدار — M​eta M​use Image في 7 يوليو 2026؛ M​OSS-Image في 16 أكتوبر 2026

• السعر — M​eta M​use Image: 0.01 دولار لكل صورة مُولّدة، بسعر ثابت، مع تضمين الاستناد إلى البحث؛ M​OSS-Image مجاني للتنزيل بمساحة تبلغ ~27.2 جيجابايت بالإضافة إلى وقت GPU الخاص بك

• الترخيص — M​eta M​use Image احتكاري، ولا يتوفر إلا عبر API؛ M​OSS-Image بترخيص Apache 2.0 للأوزان وشفرة خط أنابيب مستقلة

• معرّف النموذج — muse-image-1.0 على واجهة برمجة تطبيقات النماذج الخاصة بـ M​eta؛ OpenMOSS-Team/M​OSS-Image-Base وOpenMOSS-Team/M​OSS-Image-SFT على Hugging Face وModelScope

• آلية التحكم — يُجري M​eta M​use Image استدلالًا قبل العرض، ويستدعي أدوات البحث والبرمجة ويحسّن نفسه؛ ويعرض M​OSS-Image تخطيط JSON مُقدَّمًا مع صناديق إحاطة وسلاسل نصية وملاحظات طباعة

• التحكم في الاستدلال — تُتيح M​eta reasoning_strength إعدادًا بقيمة عالية أو منخفضة؛ ولا يحتوي M​OSS-Image على أي مكوّن استدلال على الإطلاق، بحكم التصميم

• معالجة المراجع — يحافظ التركيب المثبّت لدى M​eta على اتساق الشخصية والأسلوب والإعداد عبر سلسلة؛ ويحجز ترميز الموضع رباعي المحاور في M​OSS-Image محوره الأول لفهرس مرجعي، وهو خطاف تصفه الجهة الموردة بأنه استشرافي بدلًا من أن يكون مطروحًا

• قياس مستقل — لا يملك أيٌّ منهما واحدًا. لا تنشر M​eta أي اختبار مرجعي من أي نوع لـ M​use Image؛ ونتائج M​OSS-Image على لوحة الصدارة تأتي من اختبارات مرجعية كتبها مؤلفوها أنفسهم

• الوصول إلى الأوزان — لا يمكن تكميم M​eta M​use Image أو ضبطه الدقيق أو استضافته ذاتيًا؛ بينما يمكن لـ M​OSS-Image تحقيق الثلاثة جميعًا، وقد ظهرت تكميمات مجتمعية ونسخ مقطّرة في غضون يوم تقريبًا من الإصدار.

أين تفوز كل نظرية فعليًا

يستحق النهج الوكيلي قيمته البالغة $0.01 في المواقف التي يكون فيها الجزء الصعب هو المعرفة لا التركيب. وإذا أشار مُوجّه إلى شيء حقيقي — مبنى محدد، منتج، أسلوب بصري راهن — فإن الاستناد إلى البحث آلية لا تملكها مواصفة التخطيط ببساطة. وينطبق الأمر نفسه على أي شيء يحتاج إلى حساب: توثّق M​eta تنفيذ الكود باعتباره المسار للحصول على رسوم بيانية دقيقة ورموز QR، ولا تمنحك أي درجة من دقة المربع المحيط مخططًا صحيحًا دون شيء قادر على إجراء العمليات الحسابية. ويكون التحسين الذاتي أكثر أهمية عندما لا تستطيع كتابة ما يبدو «صحيحًا»، وهي بالضبط الحالة التي لا تستطيع مواصفة التخطيط المساعدة فيها.

نهج المواصفات يستحق مكانه في الحالة المعاكسة. عندما تعرف بدقة أين يذهب كل عنصر — ملصق بشبكة ثابتة، أو نموذج واجهة مستخدم بمواضع مكوّنات حقيقية، أو رسم معلوماتي يجب أن يكون نصه مقروءًا وموضوعًا بشكل صحيح حتى الحرف — فإن التفكير عبء إضافي، والاستنتاج مخاطرة. أنت لا تطلب من النموذج أن يقرر أي شيء. أنت تطلب منه تنفيذ رسم، واختبار الاستئصال 1,622.87 مقابل 1,506.20 هو دليل المورّد على أن تنفيذ رسم وتفسير وصف قدرتان مختلفتان لهما درجات مختلفة.

هناك اعتبار من الدرجة الثانية لا يعلن عنه أي من المورّدين. مواصفة التخطيط قابلة للفحص قبل عرضها، ما يعني أنه يمكن توليدها، والتحكم في إصداراتها، ومقارنة فروقاتها، واختبارها وحدات مثل أي بيانات مهيكلة أخرى. أما خط الأنابيب الوكيلي الذي يقرر منهجه الخاص فليس قابلاً للفحص بتلك الطريقة؛ إذ تأتي حتميته من النموذج لا من شفرتك. وإذا كان خط الأنابيب لديك يحتاج إلى خطوة موافقة — إنسان يعتمد التكوين قبل عرض أي شيء — فإن واحدة فقط من هاتين البنيتين تدعمه بشكل سلس.

سؤال التوجيه، تمت الإجابة عنه بصدق

لا يوجد أيٌّ من النموذجين في هذه المقارنة ضمن ما نقدّمه، ويجدر بنا أن نكون دقيقين في ذلك بدلًا من التلويح بادعاء يخص المنصة. نموذج M​eta M​use Image ليس ضمن كتالوجنا — إذ يُوصَل إليه عبر Model API الخاص بـ M​eta تحت muse-image-1.0، وهو المكان الوحيد الذي يتواجد فيه. كما أن M​OSS-Image ليس ضمن كتالوجنا؛ فهو تنزيل تشغّله بنفسك. أما ما هو موجود في كتالوجنا فهو بقية النماذج التي يُقاس عليها هذان الاثنان، عبر مفتاح API واحد بسعر القائمة لدى المزوّد مع هامش ربح 0%، لذا فإن أي تحرّك سعري من المورّد على نموذج مستضاف ينعكس هنا في اليوم نفسه. ونموذجا M​eta الخاصان بها meta/muse-spark-1.1 و meta/muse-spark-1.2 يُقدَّمان هنا، وهو أمر مفيد إذا كانت خطوط أنابيبك تخلط بين الصور المولّدة والنصوص المولّدة — لكن Muse Spark هو نموذج الاستدلال لدى M​eta، وليس نموذج الصور الخاص بها، والاثنان غير قابلين للتبادل.

موضع أهمية ذلك في هذه المواجهة تحديدًا هو نمذجة التكلفة. سنت Meta الثابت سهل الاستدلال عليه ويستحيل مقارنته بالأوزان المفتوحة حتى تُسعّر ساعات GPU الخاصة بك؛ والنماذج المستضافة التي قد تقارن MOSS-Image بها هي التي تحتاج إلى رقم لكل صورة، وذلك هو الرقم الذي تتيح لك طبقة توجيه ذات تسعير تمريري قراءته مباشرةً بدلًا من استنتاجه.

أي واحد تختار، في فقرة واحدة من النصيحة

خذ M​eta M​use Image إذا كان الطلب حواريًا، أو إذا كان يشير إلى العالم الحقيقي، أو إذا كان يحتاج إلى تحسين تكراري عبر الأدوار، أو إذا أراد فريق المالية بندًا واحدًا بقيمة سنت واحد لكل صورة دون مفاجآت في الدقة. خذ M​OSS-Image إذا كنت تملك وحدات GPU، أو إذا كان التصميم الخاص بك معروفًا مسبقًا، أو إذا كنت بحاجة إلى ضبط دقيق أو تكميم، أو إذا كانت مراجعة ترخيص تنتهي بـ "Apache 2.0، لا تفاوض" تستحق أكثر من نقطة نهاية قابلة للاستدعاء. إذا كنت بحاجة إلى كليهما — واجهة أمامية وكيلية للاستكشاف وواجهة خلفية للمواصفات للإنتاج — فأنت تصف نظامين، لأن لا شيء هنا يفعل كليهما.

الشيء الذي سيغيّر هذه النصيحة بأسرع ما يمكن هو الشيء نفسه بالنسبة لكلا النموذجين، وهو غير موجود بعد. لم تنشر Meta أي قياس لمدى التزام Muse Image بالتعليمات أو دقة التعديل، لذا فإن ادعاءها بالتحفظ — "غيّر بالضبط ما تحدده واترك كل شيء آخر دون مساس" — غير قابل للتكذيب من الخارج. نشرت OpenMOSS الكثير، وكله من تأليفها الذاتي. إن إجراء تجارب مستقلة على أي منهما سينقل هذا من الوصف إلى القياس، وحتى ذلك الحين يظل الاختيار قائمًا على البنية والسعر وليس على الجودة، وهو أمر غير معتاد أن يُقال عن نموذجي صور صدرا بفارق أربعة أشهر.

تُجمَّع حالات فشل الذكاء الاصطناعي الموثّقة وحوادث الوكلاء الكامنة وراء إصدارات مثل هذا الإصدار في the OrcaRouter AI Incident Archive، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته وتصنيف ثقته وعلامة النزاع الخاصة به.