مولّد موجّهات الصور الفوتوغرافية بالذكاء الاصطناعي من Gemini: تاريخ النماذج، والوسائط المتعددة الأصيلة، وخطة تقييم جادة

تاريخ الإصدار: من معاينة توليد الصور إلى عائلة Nano Banana

أتاحت Google توليد الصور في واجهة برمجة تطبيقات Gemini عبر Gemini 2.0 Flash Preview Image Generation في 7 مايو 2025. تلتها معاينة Gemini 2.5 Flash Image في اليوم نفسه، ثم وصلت إلى التوفر العام في 2 أكتوبر 2025 تحت اسم Nano Banana. أصبح النموذج المستقر 2.5 الآن عضوًا قديمًا (legacy) في عائلة أوسع، حيث يُوضع Gemini 3.1 Flash Lite Image لأغراض الإنتاجية العالية، ويُوضع Gemini 3.1 Flash Image لتحقيق التوازن العام بين القدرة والتكلفة وزمن الاستجابة، بينما يُخصص Gemini 3 Pro Image للأعمال الاحترافية المعقدة.

هذا التاريخ مهم من الناحية العملية. فالموجّه الذي جرى ضبطه على النموذج 2.5 ليس معيارًا خالدًا: إذ تتغير أسماء النماذج المستعارة، ودقة المخرجات، وحدود الصور المرجعية، وتواريخ التقاعد. سجّل معرّف النموذج الدقيق والتاريخ كلما قارنت النتائج، وتجنّب التعامل مع الاسم التسويقي كمفتاح لإعادة إنتاج النتائج.

الفكرة التقنية: حلقة توليد وتحرير أصيلة متعددة الوسائط

تصف Google نموذج Gemini 2.5 Flash Image بأنه متعدد الوسائط أصيلًا: إذ تُعالَج النصوص والصور ضمن سير عمل موحد واحد بدلًا من معالجتها كمرحلة معزولة لكتابة التعليقات النصية تتبعها نموذج صور منفصل. والنتيجة العملية هي أن سياق المحادثة نفسه يمكن أن يحتوي على تعليمة، ومرجع واحد أو أكثر، وسلسلة من التعديلات.

لا يعني هذا أن النموذج يحافظ على كل بكسل أو كل هوية بشكل مثالي. بل يعني أن مدخلات الصور تُعامل كإشارات توجيه أساسية بالكامل. من الناحية العملية، ينبغي أن تحدد الموجّهات دور كل مرجع: أي صورة توفر الموضوع، وأي صورة توفر الخامة أو لوحة الألوان، وأي الخصائص يجب أن تبقى دون تغيير. فالموجّهات متعددة الصور الغامضة تطلب من النموذج حل تعارض تصميمي لم تحدده أنت.

ما تقوله الوثائق العامة فعليًا

يوثّق دليل Gemini للصور الحالي التوليد من نص إلى صورة، والتحرير بالنص والصورة معًا، والتركيب من صور متعددة، ونسب عرض إلى ارتفاع قابلة للتهيئة، ودقة مخرجات تصل إلى 4K في نماذج Gemini 3 من الفئة الأعلى. كما يصف الاستناد إلى نتائج البحث (search grounding) وعملية تفكير (thinking process) لنماذج مختارة من Gemini 3 للصور. هذه قدرات منتج، وليست وصفًا منشورًا لبنية النموذج، أو مجموعة بيانات التدريب، أو عدد المعاملات، أو تصميم الانتشار (diffusion) أو فك الترميز (decoder)؛ إذ لم تقدم Google هذه التفاصيل التنفيذية في وثائق المنتج المُستشهد بها.

وتقدّم الوثائق نفسها حدودًا صارمة ينبغي أن تشكّل موجّهات الإنتاج. يعمل Gemini 2.5 Flash Image بأفضل صورة مع ما يصل إلى ثلاث صور مدخلة. ويدعم Gemini 3 Pro Image ما يصل إلى خمس صور مرجعية عالية الدقة وما مجموعه أربعة عشر مُدخلًا، بينما يوثّق Gemini 3.1 Flash Image حدودًا منفصلة لتشابه الشخصيات ودقة الأجسام. وتتضمن كل صورة مُولَّدة علامة مائية من SynthID.

التقييم: افصل بين اتباع التعليمات وتفضيل الصورة

لا يكفي التفضيل الجمالي لتقييم مولّد موجّهات. ابنِ مجموعة اختبار ثابتة من الموجزات (briefs) تعزل قدرات مختلفة: دقة الموضوع الواحد، والنص الدقيق، والتعديلات المقيدة، ودقة عدد الأجسام، والتركيب من مراجع متعددة، وثبات الشخصية، والامتثال لنسبة العرض إلى الارتفاع. في كل موجز، أبقِ النموذج والحجم والتحكم في البذرة (seed) إن توفر والمدخلات المرجعية ثابتة؛ وغيّر فقط صياغة الموجّه التي تختبرها.

قيّم كل مخرج وفق معيار تقييم (rubric) بدلًا من تصنيف واحد يفوز فيه طرف واحد بكل شيء. يتضمن المعيار المفيد: مدى تغطية المتطلبات، والحفاظ على العناصر المحمية، ودقة النص، وصحة العلاقات المكانية، والعيوب غير المرغوبة، والجودة البصرية النهائية. استخدم مقارنة ثنائية بشرية عمياء (blinded) للأحكام الحساسة للذوق، ثم أبلغ عن عدد الموجّهات، وعدد الصور لكل موجّه، وعدد المقيّمين، وفترات الثقة. فمن دون هذه التفاصيل، تكون لقطة شاشة للوحة الصدارة دليلًا على عينة تفضيل فحسب — لا ادعاءً عامًا بالتفوق.

• تغطية التعليمات: هل ظهر كل عنصر إلزامي صريح، وهل غاب كل عنصر ممنوع صراحةً؟
• محلية التعديل: هل حدث التغيير المطلوب دون انجراف غير مرتبط في الهوية أو التخطيط أو الأسلوب؟
• دقة المرجع: هل حافظ المخرج على الدور المُعلن لكل صورة مدخلة بدلًا من مجرد مشابهة إحداها؟
• التكلفة التشغيلية: قِس زمن الاستجابة، ومعدل الفشل، وعدد إعادات المحاولة، والتكلفة الفعلية لكل أصل مقبول — وليس تكلفة استدعاء الواجهة البرمجية فقط.

كيفية كتابة الموجّهات ضمن سير عمل فوتوغرافي

ابدأ بمواصفات المشهد: الموضوع، والبيئة، والكاميرا/التأطير، والإضاءة، ودلالات الخامة، وصيغة المخرج المطلوبة. ثم أضف قيودًا صريحة وعقد تعديل (edit contract) مختصرًا. في الأعمال المعقدة، استخدم تمريرة أولى قصيرة لإرساء التكوين، ثم أجرِ تعديلًا واحدًا مستهدفًا لاحقًا بدلًا من تكديس كل تغيير ممكن في الطلب الافتتاحي.

بالنسبة إلى مولّد موجّهات الصور، لا يكون المخرج الأعلى قيمة فقرة أقصى إسهابًا، بل موجّه يحافظ على القرارات القابلة للاختبار: ما هو الموضوع، وما الخصائص البصرية غير القابلة للتفاوض، وما الذي يجب أن يبقى ثابتًا عبر التعديل، وما الصيغة المطلوبة. يكون سير عمل Gemini متعدد الوسائط في أقوى حالاته عندما توضّح هذه البنية أدوار المراجع دون لبس.