سير عمل MiniMax H3 الذي يستحق النسخ بعد أسبوع من إطلاق المصدر المفتوح (بالإضافة إلى 52 موجهًا رسميًا)

نشرت MiniMax موجزًا مجتمعيًا للأسبوع الأول من H3 كنموذج مفتوح. يذكر ما يقرب من 300 نموذجًا مشتقًا، ومجموعة من الإصدارات المُكمّمة، ومحرك استدلال أصلي لنظام Mac، وخطوط إنتاج تعتمد على العوامل. كل ذلك يستحق الإطلاع.

لكن الأمر الأكثر استحقاقًا للاستخلاص هو سطر في نهاية القسم الأول، يصف كيف يعمل أحد مبتكري الرسوم المتحركة فعليًا. بالنص الرسمي:

يقوم بتوليد فيديو بدقة 480p على بطاقة RTX 3060 للتكرار، مستخدمًا الأجهزة المحلية للمعاينة والاختيار والتجربة والخطأ، وفقط عندما يرضيه إصدار ما، ينتقل إلى السحابة لعرض النسخة النهائية بدقة أعلى وينهيها باستخدام الدقة الفائقة.

يُطلق الموجز الرسمي على هذه العادة اسم: مسودة محلية، إنهاء سحابي.

هذه الكلمات الثلاث هي نفس الاستنتاج الذي ظللنا نصادفه خلال أشهر من عمل مقارنة النماذج. هذه المقالة هي محاولة لقولها بشكل صحيح: لماذا يستمر هذا الانقسام، وبمجرد أن يستمر، ما الذي تحتاجه حقًا للاحتفاظ به.

النقاط الرئيسية

• MiniMax H3 المحلي يعمل أخيرًا على أجهزة المستهلكين، لكن المحلي هو الطرف منخفض الدقة. النهائي بدقة 2K هو مرور منفصل، وليس عرضًا أكبر.
• الشيء الوحيد الذي يجب أن يعبر من المسودة إلى النهائي هو المطالبة (prompt)، لذا تعتمد سير العمل بالكامل على ما إذا كانت مطالبتك تنجو من الرحلة.
• قم بتشغيل مطالبة MiniMax H3 واحدة حرفيًا عبر عدة نماذج في وقت واحد لفحص صحة المطالبة، وليس لترتيب النماذج.
• يمكن استيفاء القيد حرفيًا مع إخفاقه في نقل المعنى. قم بتأمين الخاصية التي تحمل المفهوم، وليس التأثير الجانبي.
• الأصلان الجديران بالاحتفاظ هما مكتبة مطالبات مصنفة ومنطق القرار وراء كل مطالبة.

لماذا تعمل "مسودة محلية، إنهاء سحابي" فقط مع MiniMax H3 الآن

يعتمد الانقسام على شيء واحد: الطرف المحلي أصبح فجأة قويًا.

في أسبوع واحد مفتوح المصدر، تحرك المجتمع بسرعة في كفاءة الاستدلال. فريق ComfyUI قلص أوزان التعديل التي كانت تشكل حوالي أربعين بالمائة من عدد المعاملات، واستبدلها بجداول محسوبة مسبقًا، وأضاف تكميم INT8 ونوى مخصصة، وخفض أقل مجموعة نماذج من 123.6 جيجابايت إلى 42.5 جيجابايت من الذاكرة. مع إضافة التفريغ الديناميكي، يمكن لبطاقة رسوميات استهلاكية تشغيل الاستدلال المحلي.

بشكل منفصل، كتب مبتكر Redis المعروف بـ antirez محرك استدلال أصلي لشرائح Apple Silicon من الصفر بلغة C وMetal. يقرأ أوزان safetensors مباشرة ويجمع مشفرات النص والرؤية، وDiT، ومشفرات VAE للرؤية والصوت في برنامج Mac أصلي واحد، دون اعتماد على Python أو PyTorch.

أنهى فريق البحث في NVIDIA المرور الأول لتحسين الاستدلال خلال 4.5 ساعة من يوم الإطلاق، وأبلغ عن تسريع شامل بمقدار 3.95x مقارنة بـ Diffusers على إعداد بثماني بطاقات.

اجمع كل ذلك معًا والنتيجة واضحة: التشغيل المحلي متاح الآن، لكن ما يعرضه هو دقة منخفضة.

لذا فإن انقسام المبتكر يتبع بشكل طبيعي. الدقة المنخفضة سريعة ورخيصة وقابلة للتكرار، وهو بالضبط ما تريده التجربة والخطأ. لا يزال التسليم يعود إلى السحابة للنسخة النهائية. الطرفان ليسا بديلين. هما محطتان على خط واحد.

ما الذي يعبر فعليًا بين مرحلتي MiniMax H3

هذا هو السؤال الذي نهتم به حقًا.

تقضي عشرين مرورًا بدقة 480p محليًا وتضبط أخيرًا المظهر الذي تريده. الآن تنتقل إلى السحابة للنسخة النهائية. ما هو الشيء الوحيد الذي يمكنك حمله معك؟

ليس مقطع 480p، دقته منخفضة جدًا. ليس أوزان النموذج، السحابة لديها أوزانها الخاصة.

إنها المطالبة (prompt).

عبر الخط بأكمله، الشيء الوحيد الذي يجب أن يعبر كلا الطرفين ويؤثر دون تغيير هو المطالبة. إنها الأصل الوحيد في سير العمل هذه.

المعنى الضمني أهم مما يبدو:

• إذا توقفت مطالبتك عن العمل عندما تتغير البيئة، فإن سير العمل الطبقي هذه لا تعمل على الإطلاق. كل شيء ضبطته محليًا يُهدر في الطريق إلى السحابة.
• إذا أعدت كتابتها لكل نموذج، فإنك تكرر مرحلة المسودة كلما بدلت النماذج.
• اقلبها: إذا كانت المطالبة محمولة بما فيه الكفاية، يمكنك حتى المسودة على نموذج أرخص، طالما أن قراءته لنفس الجملة يمكن التنبؤ بها.

لذا يصبح السؤال: كيف تكتب مطالبة تظل تعمل بعد تغير البيئة؟ اختبرنا هذا.

مطالبة MiniMax H3 واحدة، أربعة نماذج في وقت واحد

على مدار الأيام القليلة الماضية، أجرينا أكثر من اثنتي عشرة مقارنة كهذه: مطالبة حرفية واحدة، مع تغيير فقط معلمات الإرسال، أُرسلت إلى أربعة نماذج لكل منها، عبر مواضيع من المؤثرات البصرية إلى حركة واجهة المنتج إلى مقاطع الموسيقى القصيرة.

أدناه نفس الاختبار عبر ثمانية مواضيع. كل مقطع هو تقسيم رباعي للمطالبة المتطابقة: أعلى اليسار Seedance 2.5، أعلى اليمين MiniMax H3، أسفل اليسار Seedance 2.0، أسفل اليمين Kling v3.0pro.

مبارزة ووشيا: مطالبة واحدة، أربعة نماذج. الصوت قيد التشغيل.

مشهد رومانسي أنمي، نفس التقسيم الرباعي.

إعلان حقيبة يد: بقعة منتج من نفس المطالبة.

أداء فرقة فتيات، مع صوت متزامن عبر التقسيم.

KNNOfby0vtw

مشهد قائم على الشخصية، أربعة نماذج جنبًا إلى جنب.

إعلان كاميرا، نفس المطالبة بالتوازي.

إعلان حذاء رياضي، آخر المواضيع الثمانية.

ما الذي تختبره هذه المقارنة فعليًا

إنها ليست ترتيبًا. إنها فحص طبي للمطالبة.

لأن المطالبة حرفية وتغيرت فقط معلمات الإرسال:

1. الاختلافات عبر الأربعة هي الاختلافات بين النماذج. يبدو هذا بديهيًا، لكنه أساس التمرين بأكمله، ولا يصمد إلا عندما تعمل الأربعة في نفس بيئة التنفيذ. قم بتجميع عدة واجهات من مصادر مختلفة وستختلط متغيرات مستوى الرابط في الاختلافات، ولن تتمكن بعدها من التمييز بين اختلاف النموذج واختلاف المنصة.
2. كل ما تفشل الأربعة في فعله هو مشكلة في المطالبة، وليس مشكلة في النموذج. هذه هي الإشارة الأكثر قيمة في مرحلة المسودة، وهي إشارة لا يمكنك الحصول عليها أبدًا من تشغيل نموذج واحد. نموذج واحد يخطئ وتشك في النموذج. أربعة تخطئ والجواب واضح: عد وأصلح هذا السطر الواحد، لا تبدل النماذج.
3. غير شيئًا واحدًا لكل إصدار، واترك الباقي كما هو. إنها الطريقة الوحيدة التي يمكن أن يصمد بها قول "هذا الإصدار أفضل". وزع التغييرات ولن تتمكن من نسب أي شيء. تشغيل عدة نماذج بالتوازي يعني أن تغيير متغير واحد يعطيك أربع نقاط مراقبة في وقت واحد.

إذن ما الذي يذهب إلى الملف

ليس جدول معاملات. المعاملات موجودة على صفحة النموذج، ونسخها لا يحمل أي معلومات. ما يستحق التسجيل هو "ما كتبته، ثم ما لاحظته." مثالان:

قيمة الأول هي الاتجاه. تسجيل حجم الخطأ فقط لا فائدة منه، لأنك في المرة القادمة ستعوض بالطريقة الخاطئة. أحد الإيقاعات يحتاج للدفع لاحقًا، والآخر للضغط مبكرًا.

الثاني أكثر قيمة، وهو موضوع القسم التالي.

لم تعد بحاجة إلى سكربت لهذا

عندما أجرينا تلك المقارنات، كتبنا سكربتنا الخاص لإرسال المهام واستقصاء النتائج. لم يعد الأمر كذلك. أطلقت Atlas Cloud Model Explorer.

اكتب مطالبة واحدة، واختر حتى 10 نماذج لتشغيلها بالتوازي، وتعود النتائج جنبًا إلى جنب.

قيمته الحقيقية ليست الراحة، إنها التحكم. السبب الذي جعل تلك المقارنة تصل إلى نتيجة هو أن الأربعة عملت في بيئة تنفيذ واحدة. قم بتوصيل أربع واجهات من مصادر مختلفة وستتسرب متغيرات المنصة إلى الاختلافات: سلوك البوابة، المعاملات الافتراضية، كيفية تشفير الأصول. غير أي واحد وستظن أنك تقارن نماذج بينما أنت تقارن منصات. تشغيل داخل مجموعة نماذج واحدة يبقي تلك المتغيرات ثابتة بالبناء.

بعض الأشياء ترتبط مباشرة بمرحلة المسودة:

• مجموعات نماذج مسبقة. رائدة، رائجة ورخيصة، بالإضافة إلى مجموعتك المحفوظة. مسودة مع مجموعة رخيصة لتحديد الاتجاه، ثم انتقل إلى مجموعة رائدة للنهائي. هذا هو نفس الانقسام من الأعلى، مع كلا الطرفين الآن على السحابة.
• تقدير التكلفة قبل التشغيل، حتى لا تنتظر حتى النهاية لتعرف كم كلفتك الجولة.
• صور وفيديو كلاهما، مع النص إلى صورة والصورة إلى صورة في جانب الصور.

Model Explorer من Atlas Cloud: مجموعة نماذج مسبقة تم اختيارها لتشغيلها بالتوازي من مطالبة واحدة، مع تقدير تكلفة كل تشغيل معروض قبل التشغيل

القابل للتحقق ليس هو نفسه تأمين البُعد الصحيح

ذلك السطر من القسم الأخير، "أبقِها مسطحة، ليست فوتوريالية"، هو الفخ الأكثر شيوعًا الذي وقعنا فيه.

الجزء الغريب هو أن القيد يمكن استيفاؤه بالكامل ومع ذلك يفشل تمامًا. مسطح؟ نعم. مرسوم يدويًا؟ لا على الإطلاق. ضع علامة على كل مربع في قائمة التحقق وستحصل على الدرجة الكاملة.

المشكلة: لقد أمنّا "التسطيح"، لكن الخاصية التي تحمل المفهوم فعليًا هي "علامات الأدوات المرئية." استبدل بـ "باستيل، قلم ملون، فرشاة خشنة، اتجاه تظليل، تعبئة غير متساوية، حواف خشنة" وسينعكس النموذج تمامًا.

الموضوع المرسوم يدويًا عبر أربعة نماذج. "مسطح" سهل الإرضاء، "مرئي الصنع يدويًا" هو الخاصية التي كان يجب تأمينها فعليًا.

يتلخص ذلك في اختبار:

خذ كل قيد كتبته واسأل: هل يمكن للنموذج استيفاء هذه الجملة مع إسقاط الشيء الذي أريده فعليًا؟

إذا كان الجواب نعم، فإن القفل موجه إلى تأثير جانبي، وليس إلى المفهوم.

الأعراض مألوفة: المخرجات تطابق قائمة التحقق الخاصة بك سطرًا بسطر، لكن أي شخص يعرف المرجع يمكنه أن يرى في لمحة أنها خطأ.

الحركة الصحيحة في تلك المرحلة هي عدم إضافة المزيد من الأقفال. إنها العودة والعثور على الخاصية التي تحمل المفهوم فعليًا.

بالعودة إلى "مسودة محلية، إنهاء سحابي"، فإن هذا يحمل وزنًا أكبر: القيد الموجه إلى البُعد الخطأ قد يكون غير مرئي بدقة المسودة. بدقة 480p، الفرق بين مخطط ناعم وفرشاة خشنة غير واضح بالفعل، وتكتشف فقط أن الاتجاه كان خاطئًا بعد بذل الجهد على النهائي السحابي. ما إذا كانت المسودة توفر لك الوقت يعتمد على ما إذا كانت الخاصية التي أمنتها أثناء المسودة هي الحقيقية.

المجتمع قام بالفعل بتعبئة عملية MiniMax H3

الموجز الرسمي يحمل إشارة أخرى تستحق الذكر بمفردها: بدأ المطورون في تغليف عملية الإنتاج بأكملها في شيء قابل لإعادة الاستخدام.

أحد فنانَي AI يستخدم Claude Code على Mac لتنسيق نموذج محلي على جهاز ثانٍ. يتولى Mac إعداد المشروع، والتحقق من الحقائق، والنص، والجدول الزمني، والترجمة، واللوحة القصصية، والمراجعة الهيكلية، ويتولى الطرف الآخر استدلال النموذج. العملية بأكملها مقسمة إلى 14 مرحلة، من الموجز إلى العرض الدفعي، وتجميع التحرير، وكتابة دفتر الأستاذ، دون فتح محرر تقليدي.

مشروع آخر غلف نفس الفكرة في إضافة مع مهارات مدمجة تنتقل من قصة أو موجز عمل إلى إعداد الشخصية والمشهد، والقصة المصورة وتصميم الإطارات الرئيسية، ثم اختيار سير عمل لكل لقطة. المطالبات، وأصول الإدخال، وسير العمل، واللقطات المرشحة والاختيارات كلها محفوظة في سجل المشروع، بحيث تستأنف المهمة المتقطعة من حيث توقفت.

الاتجاه هو نفسه: الجميع يحولون "كيف تم صنع هذا" إلى أصل قابل لإعادة الاستخدام، بدلاً من ترك كومة من الأفلام النهائية. الأمران اللذان صنعناهما يقعان بالضبط على هذا الخط.

مصدران لـ MiniMax H3 يمكنك أخذهما الآن

1. مكتبة المطالبات الرسمية لـ MiniMax H3 (52 مطالبة، 16 فئة، كل منها مع معاينة)

PlainCopy
1https://github.com/AtlasCloudAI/awesome-minimax-h3-prompts

ليست إعادة كتابة، بل المطالبات الأصلية من العرض الرسمي، منظمة حسب السيناريو، كل منها مقترن بفيديو معاينة حقيقي مولّد حتى تتمكن من رؤية النتيجة قبل أن تقرر أي واحدة تنسخ.

تغطي الفئات الـ16: العلامات التجارية والسينمائية، والإبداع البصري والتغليف، والرسوم المتحركة والمؤثرات البصرية، والسرد AI، والمنتج والتجارة الإلكترونية، والإبداع الرقمي والألعاب، والصناعي وAI المتجسد، والرسوم المتحركة والتشكيل، والمرجع متعدد المواد، ومرجع الشخصية/الحركة/الكاميرا، واستنساخ الصوت، وتحرير الشخصية والكائن، وتحرير المشهد والمؤثرات البصرية، وتحرير الصوت والحوار، واتباع التعليمات الدقيق، والإعدادات المسبقة للأنماط. تدعم 20 لغة وتقبل المساهمات.

الطريقة الأكثر توفيرًا للوقت لاستخدامها أثناء المسودة: ابحث عن مطالبة موضوعها قريب من موضوعك، شاهد معاينتها، واستخدمها كنقطة بداية للتحرير. أسرع بكثير من البدء من مربع فارغ.

مستودع awesome-minimax-h3-prompts على GitHub، يظهر فهرس الفئات وإدخال واحد مع فيديو المعاينة الخاص به

1. مهارة المطالبة العامة للفيديو

PlainCopy
1https://github.com/kiana-liang/universal-video-prompt-skill

PlainCopy
1npx skills add kiana-liang/universal-video-prompt-skill

تحل المشكلة من القسم الثاني: لقد نسخت المطالبة، لكنك لم تستطع نسخ الحكم الذي تم اتخاذه أثناء كتابتها. الشعار يقول ذلك بالضبط. منطق القرار الأساسي الذي لا يمكنك نسخه بنسخ المطالبة هو ما يوجد هنا.

ما تفعله هو كسر "فكر بها أولاً، ثم اكتبها في نموذج" إلى قائمة قرارات قابلة لإعادة الاستخدام:

• سؤالان قبل كل سطر: إلى أي طبقة ينتمي هذا (عامة، مقفلة، أو زمنية)، وهل تمت كتابته بشكل قابل للملاحظة؟
• ترجمة غير القابل للتحقق إلى قابل للتحقق. "حافظ على الاتساق" يصبح حالة نهائية مرئية. "متوتر" يصبح حركة العين، والتنفس، وحركة اليد.
• طريقة مقاومة للهجات: اكتب المصطلح ووصفًا قابلًا للملاحظة معًا. النموذج الذي يعرف المصطلح يأخذ الاختصار، والذي لا يعرفه يتبع الوصف، ومطالبة واحدة تغطي كليهما.
• لا إعادة كتابة عبر البيئات. طبقة اللغة البحتة تُكتب مرة واحدة، وتوضع التحيزات الخاصة بالنموذج في جدول ملفات تعريف منفصل، من النوع المذكور في القسم الثالث.

يحتوي المستودع على 5 أنواع لقطات، و4 حالات كاملة العمل، و6 ملفات تعريف نماذج، و4 فيديوهات توضيحية. كل فيديو مرتبط بالقاعدة المحددة التي يوضحها، إنه ليس عرضًا.

كما أنه واضح فيما لا يفعله: لا فتحات مطلوبة، لا مثال هو قاعدة، كل قاعدة لها استثناءات. إذا كنت تبحث عن قالب لملء الفراغات لإدراجه، فهذا ليس هو.

الطرف النهائي: تشغيل MiniMax H3 على Atlas Cloud

جميع أوضاع الاستدعاء الثلاثة لـ MiniMax H3 متاحة على Atlas Cloud: نص إلى فيديو، صورة إلى فيديو، ومرجع إلى فيديو، مع المعاملات وخيارات المدة وأمثلة الطلب على كل صفحة نموذج.

PlainCopy
1نظرة عامة           https://www.atlascloud.ai/models/minimax-h3
2نص إلى فيديو      https://www.atlascloud.ai/models/minimax/h3/text-to-video
3صورة إلى فيديو     https://www.atlascloud.ai/models/minimax/h3/image-to-video
4مرجع إلى فيديو https://www.atlascloud.ai/models/minimax/h3/reference-to-video
5أداة المقارنة    https://www.atlascloud.ai/model-explorer

تجمع Atlas Cloud نماذج الفيديو السائدة هذه في مجموعة واحدة، لذا باستخدام API واحد تغير سلسلة نموذج واحدة لتشغيل المقارنة بأكملها. هكذا تم تشغيل اختبار النماذج الأربعة في القسم الثالث، إلا أننا في ذلك الوقت كنا لا نزال نكتب سكربتنا الخاص، والآن أصبح الأمر بضع نقرات في Model Explorer.

لذا يتصل خط الأنابيب هكذا عمليًا:

جميع المراحل الثلاث تستخدم نفس المطالبة ونفس المفتاح. لا شيء يُعاد كتابته في المنتصف ولا شيء يغير البيئة، وهو نقطة القسم الثاني: الأصل الوحيد الذي يجب أن يعبر المراحل هو المطالبة، لذا لا تدعه يتشوه في الطريق. المعاملات وخيارات المدة وأمثلة API كلها موجودة على صفحات نموذج MiniMax H3.

في الختام

أسبوع من المصدر المفتوح، وقد قام المجتمع بالفعل بتكييف MiniMax H3 لبطاقات الرسوميات الاستهلاكية، وفي برنامج Mac أصلي، وداخل تدفقات الإنتاج الآلية. هذا العمل هو ما جعل الطرف المحلي قابلاً للاستخدام حقًا.

لكن التشغيل المحلي ليس تسليمًا محليًا. "مسودة محلية، إنهاء سحابي" هي عادة جيدة لأنها لا تجعل الطرفين في مواجهة بعضهما البعض. إنها تقبل أن هذا خط أنابيب واحد، بمحطتين تقومان بمهمتين.

ولكي يتحرك الخط، يجب أن تكون القطعة التي تُسلم في المنتصف موثوقة. تلك القطعة هي المطالبة. لذا فإن الشيء الذي يستحق وقتك ليس أي فيلم قمت بعرضه على الإطلاق. إنه لماذا كتبته بالطريقة التي كتبتها.

الأسئلة الشائعة حول مطالبات MiniMax H3

أين يمكنني تشغيل MiniMax H3 بدون بطاقة رسوميات محلية؟

جميع أوضاع MiniMax H3 الثلاثة، نص إلى فيديو، صورة إلى فيديو، ومرجع إلى فيديو، تعمل على Atlas Cloud، مع المعاملات وخيارات المدة على كل صفحة نموذج. الاستدلال المحلي مفيد للمسودات الرخيصة بدقة 480p بمجرد إعداد إصدارات المجتمع، لكن النهائي عالي الدقة لا يزال يُعرض في السحابة.

كيف يمكنني مقارنة MiniMax H3 بنماذج الفيديو الأخرى بشكل عادل؟

قم بتشغيل مطالبة حرفية واحدة عبر النماذج في بيئة تنفيذ واحدة. Model Explorer يفعل ذلك مع ما يصل إلى 10 نماذج بالتوازي، مما يبقي سلوك البوابة والمعاملات الافتراضية وتشفير الأصول ثابتة بحيث تكون الاختلافات التي تراها هي اختلافات النماذج.

هل تنتقل مطالبات MiniMax H3 إلى نماذج أخرى؟

هذا هو بيت القصيد من كتابتها بشكل جيد. حافظ على طبقة اللغة البحتة قابلة للملاحظة ومقاومة للهجات، مصطلح مع وصف، وسجل التحيزات الزمنية الخاصة بالنموذج في جدول ملفات تعريف منفصل. ستنجو المطالبة بعد ذلك من الانتقال من نموذج المسودة إلى النموذج النهائي دون تغيير.

أين يمكنني العثور على مطالبات MiniMax H3 جاهزة؟

مكتبة awesome-minimax-h3-prompts تحتوي على 52 مطالبة عرض رسمية في 16 فئة، كل منها مع فيديو معاينة حقيقي، بـ 20 لغة. ابحث عن واحدة قريبة من موضوعك، شاهد المعاينة، وقم بالتحرير من هناك.