Reve 2.1 يحقق المركز الثاني على Arena بعُشر القدرة الحاسوبية

تقدّم Reve ادعاء كفاءة يتعارض مع منحنى الإنفاق لدى منافسيها الأكبر. يقول مختبر نماذج الصور المستقل إن Reve 2.1 يحتل المركز الثاني إجمالًا على لوحتَي الصدارة Arena وDesign Arena، بعد تدريبه بأقل من عُشر القدرة الحاسوبية للمختبرات المرتبة فوقه وتحته. وتضيف الشركة أن النموذج يحافظ على مكانته بوصفه أفضل نموذج بدقة 4K في العالم، وأعلى مختبر نماذج صور أساسية مستقل ترتيبًا على المنصتين. وفقًا لأرقام Reve نفسها، فإن هذه النسبة هي تحديدًا ما تراقبه الفرق التي تمول عمليات تدريب أكبر بكثير. لقد اختبرت مختبرات أصغر حدود التدريب الهزيل من قبل: درّب متطوعون نموذج NanoColibri ذا 2.7 مليار معامل بنية MoE من أوزان فارغة مقابل نحو 200 دولار.

وصلت Reve 2.1 في 9 يوليو، أي بعد نحو شهر من 2.0، وتطرحها الشركة بوصفها صقلًا لرهان قائم لا إعادة كتابة. يخطط النموذج للتخطيطات قبل أن يعرض الصورة ويستنتج كيفية ترابط العناصر في المشهد. يعمل الإخراج بدقة 4K كاملة، التي تحتسبها الشركة بمثابة 16 ميغابكسل. أصبح عرض النصوص داخل الصور يشمل الآن الكتابات الأجنبية، وهي فئة لها سجل طويل من الحروف المشوهة في نماذج الصور، والتي لم تنجح نماذج GLM-Image من Zhipu AI في حلّ مشكلتها للنصوص الصينية إلا مؤخرًا.

فجوة القدرة الحاسوبية

الكفاءة هي العنوان الأبرز. تقول Reve إن 2.1 يستعيد موقعه في المركز الثاني إجمالًا، خلف المختبر الأعلى ترتيبًا فقط، فيما يستهلك أقل من عُشر القدرة الحاسوبية اللازمة لتدريب المختبرات المجاورة له. هذه المقارنة تفصل بين مختبرات يمكنها التكرار في غضون أشهر ومختبرات تستغرق عمليات تدريبها ذلك الوقت لمجرد جدولتها. كما تأتي في لحظة يكون فيها الرد المعتاد للصناعة على تكاليف الحوسبة هو شراء مزيد من وحدات معالجة الرسوم: صفقات متعددة الغيغاواط تستمر في الإغلاق بينما لا أحد يملك إبقاءها مشغولة.

ما لا يقدمه المنشور: أرقام القدرة الحاسوبية الخام، أو تفصيل أصوات لوحة الصدارة، أو حجم الفجوة مع المركز الأول. الادعاء هو الترتيب والنسبة، ولا شيء كثير بينهما. وإذا اعتُمد على ظاهره، فإن النتيجة كفاءة استثنائية. الأرقام المفقودة ليست سببًا للشك بقدر ما هي حدٌّ لما يمكن أن تسنده النتيجة.

ما تدّعيه النسخة المطروحة

التحكم هو الهدف

قائمة الميزات قصيرة وحادة. يتعامل التحرير الدقيق مع كل عنصر بوصفه عنصرًا قابلًا للعنونة، بحيث يمكن تغيير منطقة واحدة وإعادة عرضها بينما يبقى باقي الصورة ثابتًا. يظهر تخطيط التصميم في المشاهد الكثيفة والمعقدة، حيث يرتب النموذج البنية والعلاقات المكانية قبل العرض. يبقى الإخراج بدقة 4K أصلية عبر التعديلات التكرارية، وهو ما يهم الأعمال التجارية التي تُقتطع صورها وتُكبَّر وتُفحص.

يدفع التحديث متعدد اللغات النموذج نحو التصميم الإنتاجي بدلًا من التوليد لمرة واحدة. الهدف هو نص مطبوع كثيف ومقروء داخل الصورة، بكتابات ظهرت تاريخيًا مشوهة.

رهان التخطيط

تقدّم Reve هذا الإصدار باعتباره ثمرة رهان استمر عامين: ينبغي بناء الصور مثل الكود، بمناطق هرمية منظمة بدلًا من بكسل حر الشكل. تشير الشركة إلى مقال بعنوان "The Layout Bet" يصف نموذج التخطيط الكبير الكامن خلف 2.1 وسياق الاستدلال الموسّع الذي يتيحه. نزعة التفكير-قبل-العرض تظهر في مواضع أخرى من أبحاث التوليد: يعلم PhiZero ذكاء الفيديو الاصطناعي التفكير في الفيزياء قبل أن يعرض الصورة.

تتخلل هذه الفلسفة الإصدارَ: التخطيط، والمناطق القابلة للعنونة، وخطوة استدلال قبل البكسلات. بالنسبة لمختبر مستقل، للرهان جانب اقتصادي أيضًا. فالبقاء منافسًا بجزء ضئيل من القدرة الحاسوبية التي يستخدمها جيرانه يتراكم عبر كل إصدار مستقبلي.

السؤال المفتوح هو كم سيبقى هذا الترتيب صامدًا. تتغير لوحات الصدارة مع وصول نماذج جديدة وتغيّر عادات المصوتين، وإصدار واحد لا يرسّخ اتجاهًا. شهد مجال المقاييس الأوسع بالفعل انهيار الاختبارات الثابتة واستبدالها. ما يثبته 2.1، بحسب رواية الشركة نفسها، هو أن مختبرًا يعمل بجزء ضئيل من القدرة الحاسوبية يمكنه مع ذلك أن ينهي السباق قرب القمة. المختبرات المرتبة فوقه وتحته سيكون لها تحديثاتها الخاصة في الأشهر المقبلة.