MiniMAX-H3 x Z-Image: نموذج فيديو هجين مزود بتقنية زرع الانتباه المكاني، وهو يجمع بين محرك الفيديو MiniMAX H3 وبنية التفاصيل المكانية Z-Image (Lumina2 6B) لإنشاء فيديو موزع بالنص والصور. يحل التطوير المرض المزمن لشبكات نشر الفيديو المفتوحة: فقدان الأنسجة الدقيقة، وغسل القلاع وتراكم الأشياء عند إنشاء المشاهد. في حين أن نماذج الفيديو عادةً ما تعمل على تلطيف الأسطح الصغيرة، إلا أن نموذج الصورة Z الثابتة يتميز بحدة استثنائية وقدرة على رسم مواد معقدة: الطلاء المطوي والصدأ وخشونة القماش واللمعان على الماء. بدلاً من التدريب الإضافي المكلف، استخدم الباحثون تقنية تطعيم ملف تعريف الانتباه (التفاصيل وتفاصيل التطعيم): يتم نقل حجم الاهتمام المكاني Z-image في كتل minimax H3 عن طريق قياس معيار الوزن الطبيعي q دون تغيير الأوزان K وتغذية الطبقات للأمام. في الإصدار الهجين الجديد، تم تقسيم الهيكل حسب الكتلة على مستوى قيود السلامة الأصلية: - الكتل B00-B24: فرع FL2VA، المسؤول عن الحركة المستقرة ومسارات الحركة؛ - الكتل B25-B49: REF2VA مع Z-Images لتحقيق أقصى كثافة؛ كتل B50+: العودة إلى إطار FLVA النهائي. في الاختبارات المقارنة للعباءات المستمرة من ثلاثة مشاهد، يحمل الهجين متوسطًا ثابتًا للأجزاء عالية التحمل (0.99 مقابل 1.11 للمخزون H3، حيث تتراكم الفائض). النموذج متاح للوصول المفتوح ضمن Apache 2.0 بتنسيقات BF16 (37.46 جيجابايت) وINT8، وبالنسبة لنظام ComfiUI البيئي، فإن تجميعات GGUF (Q4 0، Q5 1، Q8 0) جاهزة، والتي تعمل بشكل أسرع بـ 4-8 مرات على بطاقات الرسومات RTX 30 / 40 وتناسب ذاكرة VRAM سعة 16-24 جيجابايت. في النهاية: • التجميع الهجين: B00-B24 (FL2VA) + B25-B49 (REF2VA Z-Image) + B50+ (FL2VA) • التفاصيل المكانية باستخدام تصنيف الوزن Norma Q.