LTX 2.5 مقابل MiniMax H3: أفضل نموذج فيديو مفتوح؟

صدر نموذجا فيديو بأوزان قابلة للتنزيل خلال عشرة أيام من بعضهما هذا الصيف، ولا يزال صنّاع المحتوى يتجادلون حولهما منذ ذلك الحين. أعلنت MiniMax عن H3 في 31 يوليو 2026 بوصفه منتجًا عبر API، ثم أطلقت الأوزان في 3 أغسطس. وتبعتها Lightricks في 11 أغسطس بإطلاق LTX 2.5. ينتج النموذجان الصورة والصوت في مرور واحد. ويعدان كلاهما بمخرجات سينمائية. لكن التفاصيل الدقيقة في الترخيص تجعل الاختيار أقل وضوحًا بكثير مما توحي به أوراق المواصفات.

تلتزم هذه المقارنة بما يهمّ حين يكون لديك موعد نهائي: الدقة، وطول المقطع، والصوت، والسرعة، والسعر، والأجهزة المحلية، ومن يُسمح له فعلًا باستخدام الأوزان. لم أُجرِ اختبارًا معياريًا في مختبر، لذلك تأتي كل الأرقام أدناه من المواصفات المنشورة وتقارير الإطلاق، وأشير إلى الأرقام التي هي ادعاءات من الشركة المطوّرة.

💡 الحكم السريع: LTX 2.5 هو الخيار المفتوح الأكثر أمانًا لمعظم الناس. يقدّم MiniMax H3 مخرجات بدقة 2K ومدخلات مرجعية أغنى عبر API، لكن الأوزان التي يمكنك تنزيلها فعلًا أكثر محدودية مما يوحي به العنوان.

الجواب المختصر

الفائز في سطر واحد

إذا أردت تشغيل نموذج فيديو على جهازك، أو دمجه في مسار عمل، أو ضبطه بدقة، فإن LTX 2.5 هو الفائز لمعظم القراء. أوزانه متاحة على Hugging Face، وعمل في ComfyUI منذ اليوم الأول، وترخيصه المجتمعي مجاني للمؤسسات التي تقل إيراداتها السنوية المتكررة عن 10 ملايين دولار. وإذا أردت مخرجات بدقة 2K مع حوار وتحكم مرجعي كثيف، وكنت راضيًا عن الدفع مقابل كل ثانية عبر API، فإن MiniMax H3 يستحق التجربة.

الجواب الصادق عن سؤال "أفضل نموذج فيديو مفتوح" يعتمد على مقدار الوزن الذي تعطيه لكلمة مفتوح.

ماذا تعني كلمة "مفتوح" هنا

الأوزان المفتوحة لا تعني مصدرًا مفتوحًا، ولا تعني أنها مجانية للجميع. إنها تعني أن ملفات النموذج يمكن تنزيلها وتشغيلها على جهازك. ثم يحدد الترخيص ما يحق لك فعله بها. ثلاثة أسئلة تحسم الأمر:

• حقوق التنزيل: هل يمكنك الحصول على الملفات أصلًا؟
• حقوق الاستخدام: هل يمكنك تسليم أعمال مدفوعة لعملائك باستخدامها؟
• حقوق المنطقة: هل يُسمح لك بتشغيلها أصلًا في المكان الذي تعيش فيه؟

يستخدم المطوّران كلاهما تراخيص مجتمعية مخصصة مع حدود للإيرادات، لذا اقرأ النص قبل أن تبني منتجًا على أي منهما.

LTX 2.5 في لمحة

مواصفات تستحق المعرفة

بنت Lightricks LTX 2.5 بوصفه نموذجًا صوتيًا مرئيًا بحجم 22 مليار معامل، ينتج الصورة والصوت معًا. الميزة الأبرز هي توليد اللقطات المتعددة بشكل أصلي. اطلب لقطة عريضة ولقطة متوسطة ولقطة مقرّبة، وسيعرضها النموذج كتسلسل واحد يحافظ على الشخصية والإضاءة والصوت ثابتة من قطع إلى آخر، بدلًا من لصق مقاطع منفصلة ببعضها.

إضافات أخرى تستحق الانتباه:

• المدة التلقائية: يتوقع النموذج طول المقطع من الحركة التي تصفها.
• إخراج 4K HDR: فيديو عالي الدقة ونطاق ديناميكي واسع لأعمال الإنهاء.
• سير عمل RAW: مسار مصمم لمسارات الألوان الاحترافية.
• نسخة تجريبية للتحرير: وضع لتعديل لقطات موجودة بدلًا من إعادة توليدها.

من حيث السرعة، تدّعي Lightricks أن مقطعًا مدته 10 ثوانٍ يُنتج في 6.8 ثانية على شريحتين من NVIDIA GB200. وهذا رقم تعلنه الشركة على أجهزة باهظة الثمن جدًا، لذا تعامل معه بوصفه حدًا أقصى لا وعدًا لجهازك المكتبي. عبر API المُدار، أفادت التقارير أن المهمة نفسها استغرقت 23.7 ثانية بدقة 1080p، وهي سرعة ما زالت جيدة.

الترخيص والنظام البيئي

تتوفر الأوزان على Hugging Face بعدة نسخ: نسخة dev الكاملة، ونسخة مقطّرة للسرعة، وإصداران مكمّمان بـ int8 وNVFP4 لميزانيات ذاكرة أصغر. كان دعم ComfyUI جاهزًا في يوم الإطلاق، مع قوالب سير عمل رسمية لتحويل النص إلى فيديو وتحويل الصورة إلى فيديو.

يسمح ترخيص LTX-2.x Community بالضبط الدقيق والاستضافة الذاتية، ولا يكلّف المؤسسات التي تقل إيراداتها السنوية المتكررة عن 10 ملايين دولار أي شيء. ويمنعك من بناء نظام ذكاء اصطناعي منافس باستخدام النموذج، ويحظر الاستخدام العسكري دون اتفاقية منفصلة.

MiniMax H3 في لمحة

ما يقدمه H3

H3 هو نموذج الفيديو متعدد الوسائط لدى MiniMax، وخليفة سلسلة Hailuo 2.3. يولّد فيديو مدته من 4 إلى 15 ثانية بمعدل 24 إطارًا في الثانية، حتى دقة 2K، مع صوت ستيريو أصلي (حوار ومؤثرات وصدى الغرفة) يُنتج في المرور نفسه. تذكر تقارير الإطلاق أيضًا حوارًا بمزامنة الشفاه في 11 لغة، وتُذكر أن النموذج الأساسي يضم 33.1 مليار معامل.

تبرز قوة H3 في مرونة المدخلات. تفيد التقارير بأن API يقبل حتى 9 صور مرجعية و3 مقاطع فيديو مرجعية (15 ثانية في المجموع) و3 مقاطع صوتية، أي 12 ملفًا في المجموع، إلى جانب أمر نصي يصل إلى 7,000 حرف. لا يمكن إرسال المراجع الصوتية وحدها. ولثبات الشخصيات عبر اللقطات، فهذا قدر كبير من التحكم الإخراجي.

أُبلغ عن أن تسعير API في أسبوع الإطلاق بلغ 0.13 دولار للثانية من فيديو 2K، أي 7.80 دولار للدقيقة، مع الصور المرجعية الخمس الأولى مجانًا و0.04 دولار لكل صورة بعدها. تحقّق من بطاقة الأسعار الحالية لدى MiniMax قبل وضع ميزانيتك.

ما يخفيه الترخيص

بدأ H3 منتجًا عبر API فقط. وصلت الأوزان في 3 أغسطس بموجب ترخيص MiniMax H3 Community، وثلاث تفاصيل تستحق الانتباه:

• أُصدر H3-Base فقط. النسختان FL2VA و Ref2VA كلتاهما مقطّرتان بتقنية CFG.
• مرحلة 2K بقيت مغلقة. يعمل التوليد المحلي بارتفاع 768 بكسلًا للحافة القصيرة. ولم تُنشر وحدة H3-Regenerate-2K بوصفها مفتوحة المصدر، ويشغّل API خط المعالجة الكامل بدقة 2K.
• قيود إقليمية. تذكر عدة مقالات عن الترخيص، من ضمنها تحليلات مزودي الاستضافة، أن الترخيص يستثني الولايات المتحدة والاتحاد الأوروبي والمملكة المتحدة وكوريا الجنوبية، وتُفيد التقارير بأن ذلك ينطبق حتى على استخدام مخرجات النموذج داخل هذه المناطق. كما أُبلغ عن حد للإيرادات قدره 20 مليون دولار.

💡 اقرأ نص الترخيص بنفسك قبل الاعتماد على أي ملخص من طرف ثالث، بما في ذلك هذا الملخص. إذا كانت استثناءات المناطق تنطبق على مكان إقامتك، فالأوزان المفتوحة غير متاحة لك مهما بدت أوراق المواصفات جيدة.

مقارنة مباشرة

الدقة وطول المقطع

على الورق، يملك LTX 2.5 مساحة أكبر: حتى 4K وحتى 20 ثانية. لكن المقاطع الطويلة تفرض مقايضة واضحة، إذ ينطبق سقف الـ 20 ثانية عند دقة 1080p أو أقل فقط. أما H3 فيصل إلى 2K و15 ثانية عبر API، وإلى 768p محليًا. غير أن الدقة ليست جودة. مقطع 1080p نظيف بحركة مقنعة أفضل من مقطع 4K بأيدٍ تذوب.

الوجوه والحركة والصوت

تكشف اللقطات المقرّبة كل نقاط الضعف في نموذج الفيديو: ملمس البشرة، والرمش، وخصلات الشعر، وأشكال الشفاه. يركّز H3 على ثبات الشخصيات بالمراجع ومزامنة الشفاه متعددة اللغات، مما يوحي بأن MiniMax تستهدف المشاهد القائمة على الحوار. ويستهدف LTX 2.5 الهدف نفسه بتوليد الصوت والفيديو معًا، وبتسلسلات متعددة اللقطات تحافظ على ثبات الصوت عبر القطع.

لا أستطيع أن أرتّب وجوههما بصدق من أوراق المواصفات وحدها، ولا يستطيع أحد آخر ذلك دون مقارنة الرندرات جنبًا إلى جنب. جرّب بموادك الخاصة: وجه واحد، وسطر حواري واحد، وحركة كاميرا واحدة.

الصوت هو النصف الآخر من الصورة:

• LTX 2.5: يُولَّد الصوت مع الفيديو معًا، ويمكن تشغيله أو إيقافه لكل رندر في LTX 2.5 Fast.
• H3: خرج ستيريو بتردد 32 كيلوهرتز، وفقًا لأحد قوائم المواصفات، مع الحوار والمؤثرات وصدى الغرفة في المرور نفسه.

السرعة والتكلفة

يجعل التسعير بالثانية الحساب سهلًا. هذه أسعار API في أسبوع الإطلاق كما أُبلغ عنها، والدقات مختلفة (H3 بدقة 2K، وLTX حتى 1080p)، لذا فهذه ليست مقارنة متكافئة تمامًا.

المستوى Fast هو أرخص طريقة للتكرار. أما المستوى Pro فيُسوَّق على أنه الأكثر التزامًا بالأمر النصي والوجوه والطباعة، لذا يُناسب الرندر النهائي بعد أن تبدو مسودات Fast صحيحة.

تشغيلها على جهازك

LTX 2.5 على محطة عمل

تُصدر Lightricks نسخة مقطّرة للسرعة ونسخًا مكمّاة لميزانيات ذاكرة أضيق. تستهدف نسخ NVFP4 أحدث بنية لدى NVIDIA، لذا من المرجح أن تعمل البطاقات القديمة بشكل أفضل مع int8. لم أجد رقمًا حاسمًا للحد الأدنى من VRAM في تقارير الإطلاق، لذا تحقق من بطاقة النموذج لمعرفة ما يناسب وحدة GPU لديك بالضبط.

تشغيل أول معقول: حمّل النسخة المقطّرة في ComfyUI، وارندر مقطعًا مدته 10 ثوانٍ بدقة 1080p، ولا تنتقل إلى 4K أو مدد أطول إلا بعد ذلك.

حدود H3 محليًا

مستودع H3 ضخم. يصف أحد أدلة مزودي الاستضافة التنزيل الكامل، مع كل النسخ المكمّاة، بحجم يقارب 600 جيجابايت. والنموذج الأساسي يضم 33.1 مليار معامل كثيف مقابل 22 مليارًا لـ LTX 2.5، لذا توقّع حملًا أثقل على وحدة GPU لديك. أضافت ComfyUI أربع عقد لنموذج H3: EmptyMiniMaxH3LatentAV وMiniMaxH3ImageToVideo وMiniMaxH3ReferenceToVideo وMiniMaxH3SigmaShift.

ما تحصل عليه محليًا هو نتيجة الأساس بدقة 768p. أما التحسين النهائي بدقة 2K، الذي يملأ صفحات التسويق، فيأتي من API.

كيف تستخدم LTX 2.5 على PicassoIA

لا تحتاج إلى وحدة GPU لتجربة هذا النموذج. يعمل LTX 2.5 Fast على Picasso IA، ويقبل أمرًا نصيًا أو صورة فوتوغرافية واحدة. وقت كتابة هذه المقالة، لا يوجد H3 في الكتالوج نفسه. أحدث نماذج MiniMax المتاحة هناك هي Hailuo 2.3 وHailuo 2.3 Fast، وهما اختبار جانبي عادل لمظهر MiniMax.

خطوة بخطوة

1. افتح صفحة LTX 2.5 Fast في مجموعة تحويل النص إلى فيديو.
2. اختر مدخلاتك. اكتب أمرًا نصيًا وحده، أو ارفع صورة للإطار الأول لتحويل الصورة إلى فيديو.
3. اختياري: أضف صورة للإطار الأخير، وسيحسب النموذج انتقالًا بين الاثنين.
4. اضبط نسبة العرض إلى الارتفاع والدقة والمدة ومعدل الإطارات (انظر الجدول أدناه).
5. أبقِ خيار Generate Audio مفعّلًا إذا أردت صوتًا متزامنًا.
6. وَلِّد المقطع، وراجعه، ثم نزّله أو عدّل الأمر النصي وأعد التشغيل.

الإعدادات ونصائح الأوامر النصية

بالنسبة إلى الإطارات الأولى، ابنِ الصورة الثابتة بنموذج صور مثل Seedream 5 Pro، ثم مرّرها إلى نموذج الفيديو. فأنت تتحكم في التكوين قبل إضافة أي حركة.

اكتب الأوامر النصية بترتيب حدوث الأشياء: الموضوع، ثم الحركة، ثم حركة الكاميرا، ثم الضوء، ثم الصوت. مثال:

صيّاد يسحب حبلًا على قارب خشبي صغير عند الفجر. حركة دولي بطيئة نحو الداخل من المؤخرة، وضباب البحر ينجرف فوق الماء، وضوء كهرماني خافت على ألواح مبللة. صرير الخشب، وأمواج لطيفة، وطيور نورس بعيدة.

أيّهما تختار؟

اختر LTX 2.5 حين

• تريد الاستضافة الذاتية أو الضبط الدقيق دون أسئلة تتعلق بالمنطقة.
• تهمّك المقاطع الأطول من 15 ثانية.
• تكرّر كثيرًا وتحتاج إلى أقل تكلفة لكل مسودة.
• تعمل في ComfyUI وتريد قوالب سير عمل جاهزة من يوم الإطلاق.
• تحتاج إلى 4K HDR لمسار إنهاء.

اختر H3 حين

• تُخرج بكثير من المراجع: وجوه ولقطات ومقاطع صوتية في طلب واحد.
• تعتمد مشاهدك على حوار متعدد اللغات.
• لا تمانع استخدام API، ويهمّك الإخراج بدقة 2K أكثر من التحكم المحلي.
• تحققت من أن الترخيص يسمح بمكانك ونطاق إيراداتك.

إذا لم يناسبك أيٌّ منهما، فشغّل الأمر النصي نفسه عبر Kling v3 Video أو Veo 3.1 لرأي ثالث.

أجرِ مقارنتك الخاصة

المواصفات وحدها لا تكفي. أسرع طريقة لحسم الأمر هي رندر اللقطة نفسها مرتين، ومشاهدتها مع تشغيل الصوت. افتح LTX 2.5 Fast على Picasso IA، والصق أمرًا نصيًا واحدًا، ورندره بدقة 1080p ثم بدقة 4K. بعد ذلك شغّل الوصف نفسه عبر Hailuo 2.3 وقارن الوجوه والحركة والصوت جنبًا إلى جنب.

تريد إطارًا أوليًا مخصصًا؟ ولّده بنماذج الصور في Picasso IA، وارفعه بوصفه الصورة الافتتاحية، ودع نموذج الفيديو يتولى الباقي. بضع تجارب ستخبرك بأكثر مما تخبرك به أي جدول مواصفات، بما في ذلك هذا الجدول.