مقارنة شاملة وجهًا لوجه بين Grok Imagine وMidjourney v8 عبر كل جوانب الواقعية الفوتوغرافية، من ملمس الجلد والإضاءة الطبيعية إلى دقة تنفيذ الأوامر النصية وتصيير التفاصيل الدقيقة. نتائج حقيقية بلا مبالغات تسويقية، فقط ما ينتجه كل نموذج فعليًا عند دفعه إلى حدوده في 2025.
يدّعي كل من Grok Imagine وMidjourney v8 أنهما ينتجان صورًا واقعية فوتوغرافيًا، والفجوة بين الادعاء التسويقي وجودة المخرجات الفعلية هي ما يجعل الموضوع مثيرًا للاهتمام حقًا. خلال الأشهر الماضية، بدأ عدد متزايد من المبدعين والمصورين والمصممين بتشغيل الأوامر نفسها على المنصتين ومقارنة النتائج جنبًا إلى جنب. السؤال ليس فقط أيهما يبدو "أكثر واقعية" بشكل عام، بل أيهما يتعامل بدقة أكبر مع مسام الجلد، والإضاءة الطبيعية، ونسيج الأقمشة، وتماسك الخلفية، وخصلات الشعر الدقيقة، بالدقة التي تهم في العمل الاحترافي.
هذا تحليل مفصّل لأداء كل نموذج عبر الركائز المحددة للواقعية الفوتوغرافية، بالاعتماد على اختبار أوامر حقيقي، وتحليل المخرجات، والمقارنة مع صور مرجعية فوتوغرافية. لا مبالغة هنا. مخرجات فقط.
الواقعية في توليد صور الذكاء الاصطناعي ليست مقياسًا واحدًا. إنها نتيجة مركّبة لعدة أنظمة فرعية يجب أن تعمل بشكل صحيح في الوقت نفسه: الدقة في سطح الكائن الحي، وسلوك الضوء الفيزيائي، والتماسك المكاني، وأصالة المواد. عندما ينهار أي واحد منها، تبدو الصورة "كأنها من صنع الذكاء الاصطناعي" حتى لو كانت البقية متقنة تمامًا.
أصعب اختبار لأي نموذج لتحويل النص إلى صورة هو تصوير البورتريه من قرب. النظام البصري البشري، المدرَّب على ملايين الوجوه الحقيقية، يلاحظ فورًا متى يبدو الجلد بلاستيكيًا، ومتى يتدفق الشعر في اتجاهات مستحيلة فيزيائيًا، ومتى تغيب المسام في أماكن يجب أن تكون فيها تشريحيًا. أفضل النماذج تُصيّر الفتحات الدهنية الفردية، وخروج بصيلات الشعر في اتجاه محدد، والتشتت الضوئي الخفيف تحت سطح الجلد داخل الأدمة والبشرة. هذه ليست خيارات أسلوبية. إنها حقائق فيزيائية يلتقطها النموذج أو لا يلتقطها.
الإضاءة الواقعية ليست "مشرقة في المنتصف ومظلمة عند الأطراف". الواقعية الفوتوغرافية الحقيقية تتطلب نعومة صحيحة للظل بالنسبة إلى بُعد مصدر الضوء، وتحولات دقيقة في درجة حرارة اللون بين ضوء الشمس المباشر والضوء المنعكس، وانعكاسات لامعة صالحة فيزيائيًا على مواد مختلفة السطح. يعكس الرصيف الحجري المبلل الضوء بشكل مختلف عن جدار خرساني غير لامع. والكروم المصقول ينعكس بشكل مختلف عن الألومنيوم المصقول بالفرشاة. ويجب أن يتصرف الاثنان بشكل صحيح داخل الإطار نفسه.
يجب أن تخضع عناصر الخلفية للفيزياء نفسها التي تخضع لها عناصر المقدمة. يجب أن يتناسب تمويه البوكيه مع المسافة البؤرية بشكل صحيح. ويجب أن تُلقي الأشياء في المشهد ظلالًا على بعضها، لا أن تبقى منفصلة وكأنها مُركّبة. ينبغي للضباب الجوي في العمق أن يقلل التباين ويزيح اللون نحو الأزرق. ويجب أن تطابق الانعكاسات في المرايا أو الأسطح المبللة ما هو موجود فعلًا في المشهد فوقها. هذه التفاصيل هي ما يفصل الصورة الواقعية المقنعة حقًا عن صورة تتمتع فقط بملمس سطحي مبهر.
Grok Imagine هو نظام xAI لتحويل النص إلى صورة، ويعمل بنموذج الانتشار Aurora. أُطلق مع قدرات بارزة في الالتزام بالأوامر النصية وتصيير المشاهد الطبيعية، وتلقى تحديثات مستمرة طوال عام 2024 وحتى 2025.
Aurora نموذج قائم على الانتشار مع تركيز قوي على دقة تنفيذ الأمر النصي. عندما تصف مشهدًا بظروف إضاءة محددة ومواضع محددة للأشخاص وعناصر خلفية محددة، يميل Aurora إلى إعادة إنتاج هذه التفاصيل حرفيًا أكثر من كثير من المنافسين. وهذه ميزة حقيقية في سير العمل الذي يكون فيه الأمر النصي دقيقًا ولا تريد أن يعيد النموذج تفسير وصفك بشكل إبداعي.
تظهر البنية نقاط قوتها في السيناريوهات التي تتطلب أن تنتقل نية المصور، المشفرة في الأمر النصي، إلى المخرجات دون أن يفرض النموذج تفضيلاته الجمالية الخاصة. هذا الانضباط أصعب في تحقيقه مما يبدو، و Aurora ينجزه بموثوقية.
يؤدي Grok Imagine أداءً جيدًا بشكل خاص في ثلاثة مجالات مهمة للعمل العملي في الواقعية الفوتوغرافية:
تظهر نقاط الضعف في سيناريوهين محددين. أولًا، المشاهد المعقدة متعددة العناصر التي تضم أشياء كثيرة متفاعلة قد تنتج تناقضات داخلية: قد تكون يد ما غير متناسبة قليلًا مع الذراع، أو قد لا يظهر مصدر ضوء منعكس على سطح ما في مرآة قريبة داخل الإطار نفسه. ثانيًا، تصيير خصلات الشعر الدقيقة في الملمس المجعّد أو المتلبّد بإحكام قد يبدو متكتلًا أو اصطناعيًا مقارنةً بالشعر المستقيم من النموذج نفسه.
Midjourney v8 هو أحدث إصدار رئيسي من شركة Midjourney Inc. ويمثل تحولًا معماريًا كبيرًا عن الإصدارين v6 وv7، مع خط تصيير مُعاد البناء ومحسّن لما تسميه الشركة "التماسك الفوتوغرافي".
دُرّب نموذج v8 على نسبة أكبر بكثير من التصوير الفوتوغرافي الحقيقي مقارنةً بالإصدارات السابقة، وهذا واضح في النتائج. تُظهر ملامس الجلد ونسيج الأقمشة والأسطح المعدنية كلها ذلك التنوع الدقيق في التفاصيل الذي تراه في المواد الفعلية المصوّرة تحت ضوء حقيقي. يُظهر سطح منضدة من الفولاذ المقاوم للصدأ في مخرجات v8 خدوشًا دقيقة اتجاهية تتوافق مع اتجاه التصقيل، لا ملمسًا موحدًا مسطحًا. وتُظهر سترة الدنيم خيوط السداة واللحمة الفردية عند التصوير من قرب.
يجعل هذا التحول في التدريب v8 أقوى نموذج متاح للعامة من حيث واقعية المواد في السيناريوهات الكثيفة والقريبة.
يتميز Midjourney v8 بوضوح عن المنافسة في توليد الوجوه والبورتريهات من قرب. النتائج في هذه الفئة استثنائية بأي معيار:
لكن في المقابل، يأتي هذا المستوى من التفاصيل مع ميل أسلوبي طفيف نحو ما يمكن وصفه بالفرط في الواقعية. قد تبدو المخرجات أحيانًا أكثر تفصيلًا من الصورة الفوتوغرافية الحقيقية، وهو ما يجده بعض المستخدمين غريبًا ويجده آخرون مفيدًا في العمل التجاري.
تمتد نقاط قوة Midjourney v8 في تصيير المواد بشكل طبيعي إلى تصوير العمارة والمناظر الطبيعية. تستفيد أنسجة الحجر والطوب المتآكل والخرسانة القديمة والأسطح المغطاة بالطحالب كلها من التدريب الدقيق نفسه على التفاصيل. تتعامل تصييرات المناظر الطبيعية واسعة الزاوية مع المنظور الجوي بإقناع. وقد تحسّن فهم النموذج لكيفية تسرب الضوء عبر الأوراق تحسنًا ملحوظًا مقارنةً بالإصدار v7، مع ظهور شفافية الأوراق الفردية في لقطات أغصان الأشجار المضاءة من الخلف.
المقارنة الأكثر إفادة هي تشغيل أوامر متطابقة على النموذجين وفحص المخرجات بموضوعية. فيما يلي النتائج عبر ثلاث فئات اختبار معيارية مستخدمة في قياس واقعية صور الذكاء الاصطناعي.
الأمر النصي للاختبار: "امرأة بعمر 35 عامًا، ضوء طبيعي من نافذة تواجه الشمال، بلا مكياج، بشرة غير معدّلة، عدسة بورتريه 85mm، Fujifilm Superia 400"
| المعيار | Grok Imagine | Midjourney v8 |
|---|---|---|
| دقة مسام الجلد | جيد | ممتاز |
| تفاصيل خصلات الشعر | متوسط | ممتاز |
| دقة الإضاءة | جيد | جيد جدًا |
| الالتزام بالأمر النصي | ممتاز | جيد |
| علم الألوان / محاكاة الفيلم | جيد جدًا | جيد |
| الواقعية الإجمالية للبورتريه | جيد | ممتاز |
يفوز Midjourney v8 في تفاصيل المخرجات. ويفوز Grok Imagine في اتباع الأمر النصي بدقة دون إضافة تفسيره الأسلوبي الخاص.
الأمر النصي للاختبار: "حقل قمح عند الساعة الذهبية، ريف كانساس، أواخر أغسطس، حظيرة حمراء قديمة واحدة في الخلفية، عدسة Nikon واسعة الزاوية 24mm، Kodak Portra 800، بلا أشخاص"
| المعيار | Grok Imagine | Midjourney v8 |
|---|---|---|
| دقة الألوان | جيد جدًا | جيد |
| العمق الجوي | جيد | جيد جدًا |
| تصيير الملمس (الحبيبات، القش) | جيد | ممتاز |
| دقة الأمر النصي | ممتاز | جيد جدًا |
| محاكاة فيلم التصوير | جيد جدًا | متوسط |
يتفوق Grok Imagine بفارق بسيط على v8 في علم الألوان ودقة محاكاة الفيلم، خاصة عندما يحدد الأمر فيلمًا تصويريًا حقيقيًا بالاسم. ويتقدم Midjourney v8 في الملمس الدقيق للأسطح داخل المشهد نفسه.
في المشاهد متعددة العناصر المتفاعلة، مثل شارع سوق مدينة مزدحم عند الغسق يضم حشودًا ومركبات ولافتات تجارية وانعكاسات مطر، يحافظ Midjourney v8 على التماسك المكاني بشكل أفضل بكثير. ويكون إلقاء الظلال بين الأجسام المنفصلة أكثر دقة من الناحية الفيزيائية. وتتطابق الانعكاسات على الأسطح المبللة بوضوح مع المشهد الذي فوقها بدلًا من أن تبدو عامة. وفهم النموذج لكيفية تفاعل مصادر الضوء في بيئة متعددة العناصر أعمق.
من بين جميع المقاييس التقنية في مقارنة الواقعية، يبرز ملمس الجلد البشري كأكثر مجال يظهر فيه الفرق بين Grok Imagine وMidjourney v8 بوضوح فوري، وكذلك كأكثر مجال له أهمية عملية في تصوير البورتريه والتصوير التجاري.
يصيّر Midjourney v8 جلد الإنسان بمستوى من التفاصيل الدقيقة يصعب فعلًا مضاهاته بالنماذج الأخرى المتاحة للعامة. وعند الدقة الكاملة، يُظهر بورتريه من v8:
يصيّر Grok Imagine هذه العناصر بكفاءة جيدة، لكن بمستوى تفاصيل دقيقة أدنى قليلًا. ويكون الفرق أوضح عمليًا عندما تُعرض المخرجات بحجم كبير: نماذج الإعلانات الضخمة، أو الطباعة عالية الدقة، أو أي استخدام تجاري تُفحص فيه الصورة عن قرب.
يتعامل النموذجان مع ملمس الأقمشة بشكل جيد عمومًا، لكنهما يختلفان في التفاصيل. يصيّر Midjourney v8 الأقمشة المنسوجة والدنيم والمحبوكات بتفاصيل على مستوى الخيوط الفردية في اللقطات القريبة. ويتعامل Grok Imagine بثقة مع الأقمشة غير اللامعة، لكنه قد يبالغ في معالجة الانعكاسات على المواد اللامعة. وقد تبدو الساتان والحرير والجلد المصقول ناعمة بشكل غير طبيعي قليلًا في مخرجات Grok Imagine عندما يطلب الأمر لمعانًا عاليًا.
الواقعية لا تتعلق فقط بما ينتجه النموذج في أفضل حالاته. إنها تتعلق بقدرتك على دفعه بموثوقية إلى إنتاج ما تصفه فعلًا، عند الطلب، عبر تشغيلات متعددة.
يتفوق Grok Imagine بشكل ملحوظ ومتسق في دقة تنفيذ الأمر النصي. عندما يحدد الأمر إعدادًا دقيقًا جدًا، مثل عدد محدد من الأجسام، أو لونًا محددًا لعنصر معين، أو زاوية كاميرا دقيقة للغاية، يميل Aurora إلى إعادة إنتاج هذا التكوين بأمانة. أما Midjourney v8 فهو أكثر ميلًا إلى تحسين طلبك، فينتج مخرجات أغنى بصريًا، لكنها قد لا تطابق توجيهًا إبداعيًا أو توجيهًا لرسم القصة المصورة (storyboard) محددًا.
جدير بالملاحظة: بالنسبة إلى سير عمل المحتوى الذي يكون فيه الاتساق البصري مع توجيه مسبق أمرًا مهمًا، فإن دقة تنفيذ الأمر لا تقل أهمية عن جودة المخرجات الخام. الصورة الواقعية التي لا تطابق توجيهك الإبداعي ليست أصلًا قابلًا للاستخدام.
عندما تحتاج إلى 20 صورة تبدو كأنها التُقطت في اليوم نفسه على يد المصور نفسه، يهم الاتساق بين الصور بقدر أهمية أي صورة منفردة. يتعامل Grok Imagine مع ذلك بفعالية باستخدام قيم البذرة وبنية أمر نصي متسقة. أما الميول الأسلوبية الأقوى لدى Midjourney v8 فتجعل الاتساق المثالي بين الصور أصعب في تحقيقه دون تثبيت دقيق للمعاملات وبعض التكرار.
بالنسبة إلى الصور الرئيسية المفردة، يفوز v8 في الجودة. أما بالنسبة إلى سلاسل الصور المتسقة الممتدة، فيفوز Grok Imagine في الموثوقية.
مقارنة الواقعية لا توجد في فراغ. فطريقة الوصول إلى هذه النماذج وتكلفتها عاملان حقيقيان في أي قرار احترافي.
Grok Imagine متاح لمشتركي X Premium. يأتي الوصول الأساسي إلى نموذج Aurora مع X Premium، مع حجم استخدام أعلى في Premium+. وهذا يربط توليد الصور باشتراك في منصة تواصل اجتماعي، وهو أمر غير مثالي للمبدعين الذين يريدون توليد الصور كأداة احترافية مستقلة.
يتطلب Midjourney v8 اشتراكًا مخصصًا في Midjourney. يبدأ الوصول الأساسي من حوالي 10 دولارات شهريًا، مع توليد أسرع وحجم أكبر في المستويات بسعر 30 و60 دولارًا. ولا توجد خطة مجانية للمستخدمين الجدد.
لا تقدم أي من المنصتين توليدًا مجانيًا غير محدود بجودة عالية. بالنسبة إلى المبدعين الذين يريدون الوصول إلى نماذج واقعية فوتوغرافية قوية دون اشتراك في منصة بعينها، توفر PicassoIA الوصول إلى Flux Pro وFlux Dev وFlux Schnell وSeedream 3، من بين 91 نموذجًا لتحويل النص إلى صورة، بأسعار تنافسية ودون ارتباط بمنصة واحدة.
يُعد Flux Pro أحد أقوى البدائل المتاحة للواقعية الفوتوغرافية الدقيقة في تنفيذ الأمر النصي. وهو نموذج يضم 12 مليار معامل مُعدّ لدقة الأمر، ما يعني أن لغتك الوصفية تُترجم مباشرة إلى مخرجات بصرية دون استبدال أسلوبي غير مرغوب.
أكثر ما يمكنك فعله لتحسين الواقعية في أي نموذج، بما في ذلك Flux Pro، هو التحديد الدقيق. الأوامر العامة تنتج مخرجات عامة. والأوامر المحددة تنتج نتائج محددة وواقعية وقابلة للاستخدام.
أمر ضعيف: "امرأة تمشي في المدينة ليلًا"
أمر قوي: "امرأة من أصل هسباني بعمر 35 عامًا ترتدي معطفًا من الصوف الرمادي، في منتصف الخطوة على شارع مرصوف بحجارة مبللة في بروكسل عند الساعة 10 مساءً، عمود إنارة صوديوم واحد على بعد 8 أمتار خلفها يُلقي ظلها إلى الأمام على الحجارة المبللة، عدسة 50mm بفتحة f/1.8 وتركيز ضحل، Kodak Portra 800 مع رفع التعريض بمقدار درجة واحدة، ورذاذ مطر يشكّل خيوطًا من البخار قرب مصرف مياه قريب في المقدمة اليمنى"
يمنح الأمر القوي النموذج: شخصًا موصوفًا فيزيائيًا، وموقعًا محددًا بالاسم مع مادة السطح، ومصدر ضوء محددًا بالاسم مع المسافة ودرجة حرارة اللون، وعدسة محددة بالاسم مع فتحتها، وفيلم تصوير محددًا بالاسم مع تعديل التعريض، وتفاصيل فيزيائية جوية. كل عنصر يقيّد النموذج نحو الواقع الفيزيائي بدلًا من التفسير الإبداعي.
بالنسبة إلى العمل الواقعي الفوتوغرافي تحديدًا، ابدأ من التوجيه 4 وعدّل من هناك بناءً على ما تعيده مخرجاتك الأولى.
بالنسبة إلى المبدعين الذين يريدون الوصول إلى عدة نماذج واقعية فوتوغرافية دون الالتزام بمنظومة واحدة، تتيح لك PicassoIA تشغيل Flux Schnell للمسودات السريعة للتكرار (أقل من 5 ثوانٍ لكل صورة)، وFlux Dev للمخرجات عالية الجودة مع إمكانية التعديل من صورة إلى صورة، وFlux Pro لأقصى دقة في تنفيذ الأمر بدقة الإنتاج، وSeedream 3 للحصول على نتائج بدقة 2K أصلية دون رفع دقة لاحق، وكل ذلك في منصة واحدة دون تبديل الاشتراكات.
قراءة الفروق في الواقعية بين Grok Imagine وMidjourney v8 تمنحك سياقًا. أما تشغيل الأوامر النصية وفحص المخرجات فيمنحك إجابات خاصة بعملك وحالة استخدامك.
إذا كنت تريد اختبار توليد الصور الواقعية الفوتوغرافية الآن دون اشتراك في منصة جديدة، فافتح Flux Pro على PicassoIA. اكتب أكثر أمر نصي مفصّل ومحدد يمكنك صياغته، واضبط التوجيه على 4، واضبط نسبة العرض إلى الارتفاع على 16:9، وافحص ما يعود بالدقة الكاملة. ثم عدّل متغيرًا واحدًا في كل مرة.
للحصول على مخرجات بدقة 2K دون معالجة لاحقة، يولّد Seedream 3 صورًا بحد أقصى 2048 بكسل على الضلع الأطول بشكل أصلي. وللتكرار السريع عبر كثير من تنويعات الأوامر النصية في جلسة واحدة، يعيد Flux Schnell صورًا حادة وقابلة للاستخدام في أقل من خمس ثوانٍ لكل صورة، ما يجعل اختبار 30 تنويعًا للأمر النصي عمليًا في الوقت الذي يولّد فيه نموذج أبطأ ثلاث صور.
تضم مجموعة نماذج PicassoIA الكاملة 91 نموذجًا لتحويل النص إلى صورة تغطي كل أسلوب ودقة ونهج للواقعية متاح حاليًا. تصفحها واختر النموذج الذي تتطابق نقاط قوته مع المخرج المحدد الذي تحاول إنتاجه. أفضل مولّد صور واقعية بالذكاء الاصطناعي لعملك ليس الذي يملك أكثر العروض التوضيحية إبهارًا. بل هو الذي يُسلّم بموثوقية ما تصفه فعلًا، بالدقة التي تحتاجها فعلًا، ضمن سير العمل الذي تستخدمه فعلًا.
اختر لغتك
