لوحة صدارة ساحة تحرير الصور بالذكاء الاصطناعي 2026 — تصنيفات فبراير

التصنيفات الكاملة

أربعة وثلاثون نموذجًا. سبع منظمات. ملايين وملايين من مقارنات المجتمع. لقد قمت بربط كل نموذج حتى تتمكن من اختبارها بنفسك — لأنه لا يجب أن تطلب منك أي مراجعة أن تأخذ بكلمة شخص ما كأمر مسلم به.

ما الذي تغير في فبراير

الفجوة في القمة تتقلص. عندما كتبت آخر مرة عن لوحة الصدارة هذه في يناير، كان chatgpt-image-latest-high-fidelity (20251216) يحتفظ بتقدم مريح. الآن gemini-3-pro-image-preview-2k (nano-banana-pro) يتنفس في عنقه — بفارق 13 نقطة في مجال يفصل بين الأربعة الأوائل فيه 23 نقطة فقط. هذا في الأساس تعادل تام بمجرد حساب التباين في أنماط تصويت المجتمع.

ظهرت أربعة أسماء في لوحة الصدارة هذه لم تكن موجودة في يناير. هبط hunyuan-image-3.0-instruct من Tencent مباشرة في المركز #6 — بدون إحماء، بدون صعود بطيء، مباشرة إلى المراكز العشرة الأولى. ظهر p-image-edit من Pruna في المركز #22، وهو خيار غير متوقع من شركة معروفة بتحسين النماذج بدلاً من بنائها. أضافت Alibaba wan2.6-image في المركز #18 و wan2.5-i2i-preview في المركز #25، مما وسع بهدوء بصمتها في تحرير الصور إلى أربعة نماذج إجمالاً. تقوم Black Forest Labs الآن بتقسيم خط Klein الخاص بها بوضوح إلى flux-2-klein-9b (#15) و flux-2-klein-4b (#24)، مما يجعل مقايضة عدد المعاملات شفافة.

لكن العنوان الرئيسي لشهر فبراير لا يتعلق بمن كسب أو خسر بضعة مراكز. إنه يتعلق بنموذج لم أستطع التوقف عن استخدامه.

nano-banana-pro: النموذج الذي يختاره الممارسون

أريد أن أكون صادقًا معك بطريقة لا تستطيع أرقام لوحة الصدارة أن تكون عليها. تقول الساحة أن chatgpt-image-latest-high-fidelity (20251216) هو #1. تاريخ التحرير الخاص بي يقول شيئًا مختلفًا. خلال الأسابيع الثلاثة الماضية، لم أقم بتشغيل أي شيء سوى gemini-3-pro-image-preview-2k (nano-banana-pro) لأعمال عملائي — كل استبدال للخلفية، كل إعادة تلوين، كل إزالة كائن، كل إصلاح للإضاءة. ما حدث كان بسيطًا: توقفت عن الوصول لأي شيء آخر.

لقد كنت أراقب المجتمع عن كثب. خوادم Discord، وسلاسل Reddit، ولقطات شاشة سير العمل الحقيقية التي يشاركها الناس على X. عندما ينشر الممارسون مقارنات التحرير قبل وبعد، فإن النموذج الذي يستمر في الظهور ليس ChatGPT. إنه nano-banana-pro. ليس لأنه يفوز ببعض تصويتات التفضيل المجردة، ولكن لأن الناس يشحنون عملاً حقيقيًا باستخدامه.

إليك القدرة التي أقنعتني. أعطيته تعليمات من أربعة أجزاء: "أزل السيارة المتوقفة من الممر، وقم بتوسيع الحديقة لملء المساحة، وطابق إضاءة الظهيرة على العشب الجديد، وأضف توهج عدسة خفيف من موقع الشمس." أربعة مطالب متراكبة في تمريرة واحدة. نفذ nano-banana-pro الأربعة جميعًا. كان للحديقة المعاد بناؤها اتجاه الظل الصحيح. وتوهج العدسة كان في الزاوية الصحيحة بالنسبة لمصدر الضوء. لقد جربت هذا التلقين الدقيق على كل نموذج من الخمسة الأوائل. معظمها يتعامل مع تعليمين قبل أن يبدأ التماسك في الانهيار. يتعامل ChatGPT مع ثلاثة في يوم جيد. تعامل nano-banana-pro مع أربعة دون أن يرمش له جفن.

البديل بدقة 2K — gemini-3-pro-image-preview-2k (nano-banana-pro)، حاليًا في المركز #2 — يتعامل مع التحرير عالي الدقة بهدوء لم أره في أي مكان آخر. عند دقة 2K، تقدم العديد من النماذج تشوهات رنين حول الحواف الحادة أو تفقد التفاصيل الدقيقة في الأنماط المتكررة مثل القماش المنسوج، أو الجدران الطوبية، أو مظلات الأشجار. nano-banana-pro يحافظ عليها. الشقيق ذو الدقة القياسية في المركز #3 قد جمع أكثر من نصف مليون تقييم مجتمعي — هذا النوع من الحجم يخبرك أن الناس يجربونه مرة واحدة ويبقون.

ما أسميه "ذكاء التحرير السياقي" هو المكان الذي يقود فيه هذا النموذج المجال حقًا. إنه لا ينفذ تغييرات على مستوى البكسل فقط — إنه يدرك العلاقة الدلالية بين العناصر في المشهد. أزل شخصًا من صورة جماعية، وسيقوم بإعادة بناء التباعد الاجتماعي بشكل طبيعي، وضبط لغة جسد الأشخاص المجاورين بدلاً من مجرد الرسم في رقعة مسطحة. غير مشهدًا من الصيف إلى الخريف، وسيقوم بتعديل ليس فقط أوراق الشجر ولكن زوايا الظل، ودرجة حرارة الضوء المحيط، والطريقة التي تعكس بها الأسطح الضوء المنتشر. هذه ليست حيل هندسة تلقين. هذا نموذج استوعب كيف يبدو العالم المادي.

أتوقع أن يتجاوز nano-banana-pro موقع ChatGPT #1 خلال دورة التصنيف التالية. المسار موجود. Google تكرر على بنية nano-banana أسرع مما تكرر OpenAI على وضع الدقة العالية، والمزايا العملية في التحرير متعدد الخطوات تمنحه زخمًا تكافح معايير التحرير الفردي لالتقاطه.

دقة OpenAI الجراحية

أريد أن أكون عادلاً مع OpenAI، لأنهم يستحقون التقدير لتميزهم الهندسي الحقيقي. chatgpt-image-latest-high-fidelity (20251216) في المركز #1 موجود لسبب. تسمية "الدقة العالية" جديدة منذ مراجعتي الأخيرة، وتحسينات خط أنابيب الإخراج مرئية. حيث يتفوق ChatGPT هو التعديلات الجراحية المعزولة. "غير لون العين فقط إلى الأخضر" — يفعل ذلك بصفر تسرب إلى درجات لون البشرة المحيطة. "استبدل النص على اللافتة دون تغيير تجوية اللافتة" — يحافظ على نسيج السطح أثناء تبديل المحتوى. تلك الخصوصية لا مثيل لها حقًا.

تطرح OpenAI أربعة نماذج في الـ 31 الأوائل: chatgpt-image-latest-high-fidelity في #1، gpt-image-1.5-high-fidelity في #4، gpt-image-1 في #29، و gpt-image-1-mini في #31. الفجوة بين أفضل ما لديهم وفئتهم الاقتصادية كبيرة — 285 نقطة — مما يشير إلى أن OpenAI ركزت استثمارها في التحرير في القمة بدلاً من بناء تشكيلة واسعة. إذا كنت تستخدم OpenAI لتحرير الصور، فأنت تدفع مقابل الرائد أو أنك تقبل بالأقل.

الوجوه الجديدة

hunyuan-image-3.0-instruct من Tencent هي أكبر مفاجأة لا يتحدث عنها أحد. #6 عند الوصول. هذا ليس صعودًا بطيئًا — هذا نموذج ظهر جاهزًا. هيمنت Tencent على الذكاء الاصطناعي باللغة الصينية لسنوات، لكن هذا هو أول ظهور جدي لـ Hunyuan على معيار عالمي لتحرير الصور. تسمية "instruct" تهم: هذا نموذج مصمم معماريًا لأوامر التحرير بدلاً من التوليد. في اختباري، يتعامل مع التلقينات ثنائية اللغة — الإنجليزية والصينية — بطلاقة أصلية في كليهما، مما يفتح سير عمل حقيقي للفرق التي تعمل عبر اللغات.

تواصل Bytedance تقديم أوسع قائمة. تمتد خمسة نماذج من seedream-4.5 (#5) نزولًا إلى seededit-3.0 (#30). يبقى seedream-4.5 جوهرتهم للتحول الفني — قل له "اجعل هذه الصورة الشخصية تبدو مثل رامبرانت" ولن يقوم فقط بتدفئة الألوان؛ إنه يحاكي ضربات الفرشاة، وإضاءة تشياروسكورو، ونسيج القماش. seedream-4-2k في المركز #8 يتعامل مع العمل عالي الدقة، بينما seedream-4-fal (#20) و seedream-4-high-res-fal (#13) تغطي مسارات استنتاج أسرع. Bytedance لا تبني بطلاً واحدًا — إنهم يبنون مجموعة أدوات كاملة.

وسعت Alibaba بهدوء إلى أربعة نماذج. جمع qwen-image-edit في المركز #16 أكثر من 1.7 مليون تقييم مجتمعي — تبني عضوي هائل. الأحدث qwen-image-edit-2511 في المركز #14 يصعد بسرعة. ونموذجي Wan — wan2.6-image (#18) و wan2.5-i2i-preview (#25) — يشيران إلى أن Alibaba تستثمر بجدية في تحويل الصورة إلى صورة كفئة منتجات خاصة بها.

تحتفظ Reve بثلاثة مراكز في الـ 23 الأوائل. reve-v1.1 في المركز #10 و reve-v1 في المركز #12 هما محرران كفؤان من المدى المتوسط، ويقدم reve-edit-fast (#23) بديلاً محسن السرعة. p-image-edit من Pruna في المركز #22 يستحق المشاهدة — تتخصص Pruna في ضغط النماذج وتحسينها، لذا فمن المحتمل أن يكون هذا نهجًا مقطرًا يلكم فوق وزن معاملاته. وفي المركز #34، يرسخ step1x-edit من StepFun القائمة كخط أساس مفتوح المصدر يحافظ على نزاهة النظام البيئي.

ميزة المصدر المفتوح

بالنسبة لأولئك منا الذين يبنون منتجات فوق هذه النماذج، هناك بُعد لا تلتقطه لوحة الصدارة: الاستقلالية. تحتفظ Black Forest Labs الآن بـ تسعة مراكز — أكثر من أي منظمة أخرى. من flux-2-max في المركز #9 نزولًا عبر flux-1-kontext-dev في المركز #28، هذا طيف كامل من مقايضات الجودة والسرعة التي يمكنك تشغيلها على بنيتك التحتية الخاصة.

يروي خط Klein قصة هندسية مثيرة للاهتمام. flux-2-klein-9b (#15) و flux-2-klein-4b (#24) — الأسماء تكشف عن أعداد المعاملات. تسعة مليارات وأربعة مليارات على التوالي. تقوم BFL بشكل منهجي بجعل تحرير الصور القادر متاحًا للأجهزة الأصغر. يمكن لـ flux-2-klein-4b العمل على وحدة معالجة رسومات استهلاكية بذاكرة 8GB VRAM. هذا يهم بشكل كبير للمطورين الذين لا يستطيعون تبرير تكاليف API على نطاق واسع أو الذين يحتاجون إلى قدرة تحرير دون اتصال. عائلة Kontext — flux-1-kontext-max (#26)، flux-1-kontext-pro (#27)، flux-1-kontext-dev (#28) — تجلب التحرير المدرك للسياق إلى البيئات المستضافة ذاتيًا، مع حصول flux-1-kontext-pro وحده على أكثر من 6.4 مليون تقييم مجتمعي.

إلى أين يتجه كل هذا

بعد ثلاثة أشهر من الانغماس في هذا المجال، والتحديق في تحولات لوحة الصدارة ودفع النماذج للفشل، أرى أربعة أشياء تتقارب.

من المحتمل أن يحصل nano-banana-pro على المركز #1 بحلول منتصف العام. سرعة تكرار Google على بنية nano-banana كانت بلا هوادة. متغير 2K بالفعل ضمن مسافة الضرب، وميزة التحرير متعدد الخطوات تخلق عجلة توازن: الممارسون الذين يتبنونه ينتجون نتائج أفضل، ويشاركون تلك النتائج، ويجذبون المزيد من الممارسين. ستحتاج OpenAI إلى شحن شيء جديد جذريًا — وليس تحسينًا تدريجيًا — للاحتفاظ بالمركز الأول.

نماذج التحرير المضبوطة بالتعليمات ستصبح النموذج القياسي. يؤكد وصول hunyuan-image-3.0-instruct من Tencent إلى المركز #6 ما اقترحته بنية nano-banana بالفعل: مستقبل تحرير الصور هو لنماذج مبنية خصيصًا لأوامر التحرير، وليس نماذج التوليد المعاد توجيهها للتحرير. توقع أن تصدر OpenAI و BFL متغيرات خاصة بالتعليمات قبل الصيف.

النماذج الأقل من 4B ستصبح تنافسية بشكل حقيقي. يوضح flux-2-klein-4b بالفعل أن نموذجًا بأربعة مليارات معامل يمكن أن ينتج تعديلات تتنافس في نفس الساحة مثل النماذج الأكبر بعشر مرات. بحلول منتصف عام 2026، أتوقع رؤية نماذج تحرير بحجم 2-3B تعمل على الهواتف. عندما يحدث ذلك، تتغير اقتصاديات تحرير الصور بالكامل — من مكالمات API السحابية إلى الاستدلال على الجهاز.

سيندمج تحرير الصور وتحرير الفيديو. النماذج التي تتعامل مع الاتساق الزمني في تعديلات الصور — الحفاظ على الإضاءة الصحيحة فيزيائيًا عند تحريك كائن، والحفاظ على تماسك الظل عند تغيير الخلفية — تبني بالضبط الأساس اللازم لتحرير الفيديو إطارًا بإطار. المنظمات ذات المواقف القوية في تحرير الصور اليوم هي التي ستهيمن على تحرير الفيديو غدًا. راقب Google و Bytedance بشكل خاص.

توصياتي

بعد تشغيل هذه النماذج عبر سير عمل حقيقي — ليس تلقينات معيارية، بل تسليمات عملاء حقيقية — إليك أين سأوجهك اعتمادًا على ما تحتاجه بالفعل.