هندسة نموذج Flux: كيف ينشئ النموذج 12B محتوى NSFW واقعي

حتى مايو 2026، تتميز نماذج Flux من Black Forest Labs بتخليها عن أسلوب U-Net القديم. ظهر Flux.1 في أغسطس 2024 بإعداد هجين بحجم 12B. ووصل Flux.2 في نوفمبر 2025 ليطوره أكثر. السر يكمن في كتل MMDiT ذات التدفق المزدوج والتدفق الواحد. فهي تعالج رموز النص والصورة معًا عبر الانتباه متعدد الوسائط. يحل rectified flow matching محل عملية الانتشار الضوضائي المعتادة. وتحافظ التضمينات الدوارة على العلاقات المكانية بدقة. يظهر هذا الحجم مع تغيير البنية في أهم التفاصيل: مسام الجلد التي تبدو حقيقية، وظلال العضلات التي تتبع الإضاءة بشكل صحيح، والوضعيات الحميمة التي لا تنهار إلى تشريح كابوسي. كانت تصاميم U-Net القديمة تكافح مع هذه التفاصيل، بينما يقدمها Flux بسلاسة.

ابدأ بالضوضاء. يشغل النموذج كتل محول متوازية تسمح لكل رمز نصي بالتحدث مباشرة إلى كل رقعة صورة. الانتباه متعدد الوسائط هو المحرك الحقيقي هنا. والأمر المهم: عندما تطلب زاوية جسم معينة أو تعبيرًا، تقوم طبقات الانتباه بتثبيت الدلالات مبكرًا. ثم ينظف مسار rectified flow العينة دون الانحراف المعتاد الذي تعاني منه النماذج القديمة. مذهل. تحصل في النهاية على أيدٍ متماسكة، وإضاءة متسقة عبر طيات الجلد، وتكوين مشهد يتبع الـ prompt فعليًا بدل التخمين. هذه الدقة هي ما يجعل Flux يتفوق في المشاهد البالغة المعقدة مقارنة بـ Stable Diffusion.

أضاف Flux.2 VAE جديدًا، ودمج دلالات Mistral-3 VLM، وفتح دعم المراجع المتعددة لما يصل إلى عشر صور. هذه التغييرات تعزز الهوية عبر اللقطات وتحسن فهم النموذج للملابس والإضاءة وعلاقات الجسم. بصراحة، ترقية VAE وحدها تقلل من عيوب الجلد الشمعي التي لا تزال تظهر في بعض التوليدات. كما يجعل الدعم متعدد المراجع المشاهد متعددة الشخصيات أكثر استقرارًا. بنية المحول متعدد الوسائط المتقدمة في Flux هي بالضبط ما يمكّن مولدات الفيديو والصور NSFW من الجيل التالي من إنتاج محتوى بالغ أكثر تماسكًا ودقة تشريحية وقابلية للتحكم. بنية نموذج Flux: المحول الهجين للدقة في NSFW