أبرز النقاط
- كلا النموذجين أنتجا فيديو موسيقياً كاملاً دون تدخل بشري باستخدام أدوات بحث وتوليد ومونتاج
- Claude Fable 5 أنفق 48.60 دولار من ميزانية 100 دولار وأخرج فيديو بدقة 1080p، بينما Sol أنفق 36.57 دولار فقط بدقة 720p
- تكلفة الرموز اللغوية وحدها لـ Fable 5 بلغت 25 دولاراً، أي نحو ثلث الميزانية الإجمالية
ماذا يحدث حين تمنح نموذج ذكاء اصطناعي ميزانية محددة وأغنية واحدة، ثم تتركه يقرر بنفسه أدوات البحث والتوليد والمونتاج؟ هذا بالضبط ما اختبره فريق TryAI.dev عبر منصة مفتوحة المصدر أسموها Music Video Arena، حيث تنافس Claude Fable 5 من Anthropic وGPT-5.6 Sol من OpenAI على إنتاج فيديو موسيقي لأغنية Uptown Funk الشهيرة.
التجربة ليست مجرد سباق سرعة أو مقارنة معايير جافة؛ إنها محاكاة واقعية لما يمكن أن تفعله الوكلاء الذكية (Agentic AI) حين تُطلق يدها في مهام إبداعية معقدة، من البحث عن أفضل نماذج التوليد المتاحة إلى تحرير المقاطع بأوامر ffmpeg وتجميع الفيديو النهائي.
كيف جرت التجربة؟
حصل كل نموذج على ست أدوات يستخدمها بحرية: أداة تخطيط دون تكلفة، بحث ويب لاستكشاف نماذج التوليد وواجهاتها البرمجية، أداة للتحقق من الميزانية المتبقية، أداتان مدفوعتان لتوليد الصور والفيديو عبر منصتي FAL وReplicate، وأخيراً صدفة أوامر محلية تتضمن ffmpeg لتحليل الصوت وقص المقاطع ودمجها.
أُجريت أربع جولات: جولتان بميزانية 25 دولاراً وجولتان بميزانية 100 دولار. حصل كل نموذج على نص الأغنية بالطوابع الزمنية ووصف نصي مختصر، ثم بدأ العمل وحده حتى نفاد الميزانية أو اكتمال الفيديو.
نتائج الأداء بالأرقام
أنهت الجولات الأربع جميعها فيديو كاملاً مع الأغنية الأصلية دون الوصول إلى حد الخطوات أو الوقت. الجدول التالي يلخص أبرز الفروقات:
- Claude Fable 5 بميزانية 100$: أنفق 48.60$ على التوليد، أنتج 80 مقطعاً، صفر أخطاء، دقة 1920×1080، واستغرق 38 دقيقة و56 ثانية.
- GPT-5.6 Sol بميزانية 100$: أنفق 36.57$ فقط، أنتج 70 مقطعاً، خطآن، دقة 1280×720، واستغرق 49 دقيقة و39 ثانية.
- عند 25$: اقترب كلا النموذجين من استنفاد الميزانية (24.30$ لـ Fable، 23.18$ لـ Sol)، لكن Sol احتاج 38 خطوة مقابل 25 لـ Fable.
ما النماذج التوليدية التي اختارها كل وكيل؟
هنا يظهر الاختلاف الاستراتيجي. ثلاث جولات من أربع اعتمدت التوليد المباشر من النص إلى الفيديو (Text-to-Video)، بينما اختار Sol في جولة 25$ توليد صور ثابتة أولاً ثم تحريكها (Image-to-Video) باستخدام FLUX schnell لتوليد الصور ونموذج Wan 2.2 لتحويلها إلى مقاطع.
- Fable 5 بميزانية 25$: اعتمد Wan 2.5 t2v بتكلفة 0.05$/ثانية.
- Sol بميزانية 100$: مزج ثلاثة نماذج مختلفة في جولة واحدة: Wan 2.5، Veo 3.1 Lite (0.10$/ثانية)، وHailuo 2.3 Standard (0.28$/مقطع).
- Fable 5 بميزانية 100$: اختار Seedance 1.0 Pro بدقة 1080p بتكلفة فعلية نحو 0.12$/ثانية.
تنويع Sol للنماذج يعكس مرونة في الاستكشاف، لكنه أدى إلى إنفاق أقل وربما تماسك بصري أضعف مقارنةً بالتزام Fable بنموذج واحد عالي الجودة.
تكلفة الرموز اللغوية: العامل الخفي
الميزانية المحددة في التجربة تغطي فقط تكاليف التوليد عبر FAL. لكن تشغيل النموذج نفسه يستهلك رموزاً لغوية (Tokens) مدفوعة. Claude Fable 5 يُسعَّر عند 10$/مليون رمز إدخال و50$/مليون رمز إخراج، بينما Sol أرخص بكثير: 5$/مليون إدخال و30$/مليون إخراج.
النتيجة: تكلفة الرموز وحدها بلغت 25.05$ لجولة Fable بميزانية 100$، مقابل 3.25$ فقط لـ Sol في الجولة ذاتها. التكلفة الإجمالية الفعلية (توليد + رموز) وصلت إلى 73.65$ لـ Fable مقابل 39.82$ لـ Sol.
من الفائز؟
لا توجد إجابة واحدة. إذا كانت الأولوية للجودة البصرية ودقة الفيديو، يتفوق Fable بدقة 1080p وصفر أخطاء. أما إذا كانت التكلفة الإجمالية هي المعيار، فـ Sol ينجز المهمة بأقل من نصف الثمن. لرواد الأعمال الذين يخططون لدمج وكلاء ذكية في سير عمل إنتاج المحتوى، هذه الفروقات تترجم مباشرة إلى قرارات ميزانية وتسعير.
رأي Logicity
التجربة تكشف أن معركة الوكلاء الذكية لم تعد في الدقة اللغوية فحسب، بل في كفاءة استخدام الأدوات والموارد. Sol يشبه موظفاً اقتصادياً ينجز العمل بأقل تكلفة، بينما Fable يشبه مخرجاً يصرّ على أعلى جودة حتى لو ارتفعت الفاتورة. للمقارنة التجارية: أدوات مثل Runway Gen-3 تقدم واجهة أبسط للمستخدم النهائي بتسعير يبدأ من 15$/شهر، لكنها لا تمنحك السيطرة البرمجية ذاتها التي توفرها هذه البنية الوكيلية المفتوحة.
هل يمكن تجربتها بنفسك؟
الكود مفتوح المصدر ومتاح على GitHub تحت اسم music-video-arena. يمكنك تشغيله محلياً، تغيير الأغنية، تعديل الميزانية، أو حتى استبدال النماذج بأخرى أحدث حين تتوفر.
الأسئلة الشائعة
ما الفرق الجوهري بين Claude Fable 5 وGPT-5.6 Sol في إنتاج الفيديو؟
Fable يميل لاختيار نموذج توليد واحد عالي الجودة وينفق ميزانية أكبر للحصول على دقة 1080p، بينما Sol يستكشف نماذج متعددة وينفق أقل لكن بدقة 720p.
هل يمكن استخدام هذه الأدوات لإنتاج فيديوهات تسويقية للشركات الناشئة؟
نظرياً نعم، لكن الجودة الحالية مناسبة أكثر للنماذج الأولية والتجريب. الإنتاج التجاري يتطلب مراجعة بشرية ومونتاجاً إضافياً.
كم تبلغ تكلفة إنتاج فيديو موسيقي كامل بالذكاء الاصطناعي؟
في هذه التجربة، التكلفة الإجمالية تراوحت بين 27$ و74$ حسب النموذج والميزانية، شاملة رسوم التوليد والرموز اللغوية.
ما أفضل نماذج توليد الفيديو المتاحة حالياً؟
من النماذج المستخدمة في التجربة: Wan 2.5، Seedance 1.0 Pro، Veo 3.1 Lite، وHailuo 2.3. كل منها يختلف في السعر والجودة وطول المقطع.
هل تحتاج مساعدة في التطبيق؟
إذا كنت تخطط لدمج وكلاء ذكية في سير عمل إنتاج المحتوى بشركتك الناشئة، تواصل مع فريق Logicity للحصول على استشارة تقنية مخصصة.
عمر حسن
كاتب تقني وابتكار
أُنتِج هذا المقال بمساعدة الذكاء الاصطناعي وراجعه فريق التحرير في لوجيسيتي. اعرف المزيد في سياسة التحرير.
