بطاقة عنوان تحمل «WeMM-Video-4B vs FLUX 3 Video» مع عنوان فرعي «اقرأ المقطع أو أنشئ واحدًا»، لوحتان تفصل بينهما قرص «vs»، اللوحة اليسرى موسومة «أوزان مفتوحة» وتعرض 0.00 دولار لكل دقيقة، و5.61 مليار معامل، وسياق من 8,192 رمزًا، واللوحة اليمنى موسومة «محدّدة بالاستهلاك» وتعرض 17.40 دولارًا لكل دقيقة، وحتى 20 ثانية، والمرتبة العاشرة على AA-Video-T2V v2.1، مع تذييل يحمل «أرقام Artificial Analysis مقروءة في 20 نوفمبر 2026.»
Guides & Insights

WeMM-Video-4B مقابل FLUX 3 Video: قراءة المقطع أم إنشاء مقطع جديد

الكاتب

jinhao.song

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

أسرع طريقة لإضاعة فترة بعد الظهر هي مقارنة WeMM-Video-4B بـFLUX 3 Video من حيث الجودة. أحدهما يحمل رقمًا والآخر لا، والرقم ليس درجة جودة — بل سعر. أصبح FLUX 3 Video، من Black Forest Labs، متاحًا للعموم في 4 أغسطس 2026 بسعر منشور لكل دقيقة وبصفوف على لوحتي فيديو Artificial Analysis. وظهر WeMM-Video-4B، من مجموعة WeChat Vision التابعة لـ Tencent، في 17 نوفمبر 2026 كعشرة غيغابايتات ونصف من أوزان Apache-2.0 بلا نقطة نهاية، ولا سعر، ولا إدخال على لوحة الصدارة على الإطلاق. ما تختار بينه هو مولّد محاسَب بالاستهلاك وواصف مجاني، والمقارنة الصادقة تتعلق بأي هذين الأمرين يفتقده خط الأنابيب لديك.

يفصل بقية هذا المقال بين ثلاثة أنواع من الحقائق: ما تذكره المستودعات والمجلسان، وما يدّعيه المورّدون في أوراقهم ووثائقهم الخاصة، وما لم يتحقق منه أحد خارج أيٍّ من المختبرين. وحتى 20 نوفمبر 2026، تشكّل هذه الفئة الثالثة معظم المادة المثيرة للاهتمام.

أحدهما عضو في مجلسين، والآخر ليس عضوًا في أي منهما.

يمنح Artificial Analysis تقييمين لـ FLUX 3 Video، ويقع التقييمان على مقياسين منفصلين، لذا لا يُنقل أيٌّ منهما إلى الآخر.

• AA-Video-T2V v2.1 — FLUX 3 Video في المركز العاشر، بتقييم Elo يبلغ 1,137 ±13 بناءً على 7,406 أصوات، ومُدرج بسعر 17.40 دولارًا للدقيقة. أما الطراز الأكبر FLUX 3 Video Max فيحتل المركز السابع بتقييم 1,151 ±14 بناءً على 4,708 أصوات بسعر 8.70 دولارًا للدقيقة، وهي الحالة غير المعتادة التي يكون فيها الطراز الأكبر هو الأرخص على القائمة.

• AA-Video-I2V v2.1 — FLUX 3 Video في المركز السادس عشر عند 1,069 ±14 من أصل 6,838 صوتًا، بنفس 17.40 دولارًا. FLUX 3 Video Max في المركز السابع عشر عند 1,068 ±14 من أصل 6,848 صوتًا مقابل 8.70 دولارات.

• WeMM-Video-4B — لا يوجد صف في كلتا اللوحتين، ولا صف في لوحة تحرير الفيديو. الأمر ليس قياسًا مفقودًا؛ بل إنه غير قابل للإدراج. تُصنِّف لوحات AA للفيديو المقاطع المولَّدة، وWeMM-Video-4B لا يولّد أيًّا منها.

اقرأ الفواصل لا المراتب. تفصل ثماني وستون نقطة بين موضعَي FLUX 3 Video عبر لوحتي النص إلى فيديو والصورة إلى فيديو — بما يعادل خمس فواصل — وهذه هي الحقيقة المفيدة عن نموذج يُقيَّم بأداتين لا تُحوَّل إحداهما إلى الأخرى: إنه مولّد كفؤ يتوقف موضعه على المهمة التي تطرحها عليه. ذلك قياس مستقل حقيقي، وإن كان متواضعًا — وهو أكثر مما يملكه الطرف الآخر في هذه المواجهة.

ماذا يشتري 17.40 دولارًا في الدقيقة

FLUX 3 Video هو مولد متعدد الوسائط بقائمة مدخلات أوسع مما تعرضه أي صف واحد في اللوحة. مطالبات نصية، وصورة ثابتة كإطار أول، وفيديو للتحويل من فيديو إلى فيديو والاستمرارية، وإطارات مفتاحية للانتقالات المُتحكَّم بها. تمتد المدة إلى 20 ثانية في توليد واحد، مع 5 إلى 20 ثانية للتحويل من نص إلى فيديو ومن صورة إلى فيديو و5 إلى 15 للاستمرارية. تُقدَّم الدقة بنطاقات بكسل بدلاً من نسب العرض إلى الارتفاع — HD عند نحو ميغابكسل واحد لكل إطار، وFHD عند اثنين، وQHD/2K عند أربعة، وUHD/4K عند ثمانية. الصوت الأصلي مع الحوار متعدد اللغات والكلام المتزامن والمؤثرات الصوتية والأجواء اختياري ومشمول في السعر لكل ثانية.

• Draft HD — 0.06 دولار لكل ثانية. مقطع تجريبي مدته خمس ثوانٍ يكلف ثلاثين سنتًا.

• HD / 720p — 0.17 دولار لكل ثانية، أو حوالي 0.85 دولار لخمس ثوانٍ.

• FHD / 1080p — $0.29 لكل ثانية. QHD/2K بسعر $0.40 وUHD/4K بسعر $0.80.

• الفيديو إلى الفيديو والاستمرارية — 0.12 دولار للمسودة، و0.41 إلى 0.43 دولار بدقة HD، و0.53 إلى 0.54 دولار بدقة FHD، و0.65 دولار بدقة 2K و0.95 دولار بدقة 4K.

سعر اللوحة البالغ 17.40 دولارًا في الدقيقة هو قيمة معيارية بدقة 1080p، ولهذا لا ينقسم بشكل مرتب على تلك البطاقة. إنه وحدة مقارنة، لا إيصال. كما تشير عدة ملخصات من جهات خارجية إلى أن نطاقي 2K و4K يُطرحان تدريجيًا بدلًا من أن يكونا متاحين عالميًا، لذا تعامل مع أعلى البطاقة كمسألة على مستوى الحساب.

ما الذي يقدّمه لك WeMM-Video-4B مجانًا

الجانب الآخر من المواجهة لا يكلّف شيئًا لكل استدعاء ولا يمكن شراؤه على الإطلاق. WeMM-Video-4B هو 5,611,746,312 معاملًا — 10.45 GiB بتنسيق BF16 — في مستودع سُمّي نسبةً إلى العمود الفقري اللغوي Qwen3.5-4B لا إلى حجمه الفعلي. والفائض هو المقصود: 4.21 مليار معامل لنموذج اللغة، و0.33 مليار لبرج الرؤية، و1.07 مليار لمكدس صوتي على طراز Whisper مع Q-Former يُصدر 10 رموز صوتية في الثانية من صوت بتردد 16 kHz ضمن مقاطع مدتها 30 ثانية.

يستقبل النص والصور والفيديو والفيديو مع مساره الصوتي الأصلي، ويعيد نصًا. على جدول المؤلفين المشترك للصوت والصورة، يتفوق على Qwen3-Omni-30B-A3B-Instruct في Video-MME مع الصوت، بنتيجة 83.9 مقابل 77.3، وفي Video-MME v2، بنتيجة 48.1 مقابل 36.3. وفي الفيديو الصامت يتقدم على LVBench بنتيجة 65.3 مقابل 50.2 وLongVideoBench بنتيجة 74.8 مقابل 63.5. أما مقابل Qwen3.5-Omni-Flash فيخسر في معايير الصوت — MMAU بنتيجة 75.2 مقابل 80.4، وMMAR بنتيجة 67.3 مقابل 74.0 — ويتأخر في OCRBench بنتيجة 85.7 مقابل 89.1 وGPQA بنتيجة 73.2 مقابل 76.4.

كل واحد من هذه قياسات Tencent الخاصة. وتقول الورقة إنها تورد النتائج الرسمية حيث تتاح، وتقييماتها الخاصة خلاف ذلك، ولم يكرر أي طرف ثالث أي صف. لا تُذكر أعداد الإطارات وميزانيات البكسلات وطول السياق لتشغيلات الاختبار المرجعي — وهذا مهم لأن وصفة vLLM المشحونة تحدّ الفيديو عند 16 إطارًا و262,144 بكسلًا إجمالًا، مقابل افتراضي المعالج البالغ 128 إطارًا.

Two-column contrast headed 'WeMM-Video-4B vs FLUX 3 Video', the left listing describe footage, 5.61B parameters, text image video and audio inputs, text output, no price and self-hosting, and no independent score, the right listing generate footage, parameters not published, text image video and keyframe inputs, up to 20 seconds with native audio, $0.06 to $0.80 per second and 10th at Elo 1,137, with a footer reading 'Artificial Analysis figures read 20 November 2026; WeMM figures vendor-reported.'

ساعتان لا تلتقيان أبدًا

لا يمكن لأي من النموذجين أن يحل محل الآخر، والقيود التي تجعل ذلك صحيحًا هي قيود تتعلق بالميزانيات لا بالقدرات.

• ميزانية الإخراج — يُنتج FLUX 3 Video ما يصل إلى 20 ثانية من اللقطات لكل استدعاء بدقة تصل إلى 4K مع الصوت. لا يُنتج WeMM-Video-4B أي إطارات على الإطلاق، لذا فإن ميزانية إخراجه هي ميزانية رموز: 8,192 رمزًا لكل طلب كما هو مُشحون، مع استهلاك الصوت 10 رموز في الثانية قبل احتساب الإطارات.

• ميزانية المدخلات — يقبل WeMM-Video-4B أربع صور ومقطعي فيديو وعنصري صوت لكل طلب، بمعدل إطارين في الثانية بحد أقصى 16 إطارًا. ويقبل FLUX 3 Video نصًا توجيهيًا وإطارًا أوليًا واحدًا وفيديو مرجعيًا واحدًا أو مجموعة إطارات مفتاحية، ولا يقبل أي مدخلات صوتية من أي نوع.

• شكل التكلفة — تفرض FLUX 3 Video رسومًا لكل ثانية من الإخراج، لذا تتناسب التكلفة مع الطموح. تفرض WeMM-Video-4B رسومًا لكل ساعة GPU من عتادك الخاص، لذا تتناسب التكلفة مع حجم الدفعة ولا يهمها طول المقطع المصدر، بل فقط عدد الإطارات التي تنجو من أخذ العينات.

• الترخيص — ترخيص Apache 2.0 على مجموعة WeMM، مع استثناء غير مفصل للمكونات التابعة لجهات خارجية؛ واجهة برمجة تطبيقات تجارية مستضافة في جانب FLUX دون نشر أي أوزان.

ببساطة: أحدهما مصروف لكل ثانية مصحوب بلوحة نتائج، والآخر تكلفة رأسمالية ثابتة مصحوبة بورقة. الفريق الذي يحتاج إلى لقطة نهائية لا يمكنه استخدام WeMM-Video-4B، والفريق الذي يحتاج إلى فهرس قابل للبحث لعشرة آلاف مقطع موجود لا يمكنه استخدام FLUX 3 Video — لا لأنه مكلف، بل لأنه لا يملك طريقة للإجابة عن سؤال يتعلق بلقطات لم يصنعها.

الصوت هو الموضع الذي تنحرف فيه المقارنة

يقوم FLUX 3 Video بإنشاء الصوت. ويفهم WeMM-Video-4B الصوت. هاتان قدرتان مختلفتان تبدوان متشابهتين في قائمة الميزات، والفرق بينهما هو ما يحدد خط سير المعالجة.

صوت FLUX هو ناتج توليد: حوار متعدد اللغات، وكلام متزامن، ومؤثرات صوتية وأجواء محيطة، اختيارية ومضمّنة في السعر لكل ثانية. وما لا تنشره Black Forest Labs هو عدد المسارات، لذا إذا كنت بحاجة إلى الحوار والموسيقى والمؤثرات كمسارات منفصلة، فلا بطاقة الأسعار ولا الوثائق تخبرك بما إذا كنت ستحصل عليها. احتسب جولة ثانية في DAW.

إن صوت WeMM مسار إدخال: برج بمعاملات يبلغ عددها 1.07 مليار، يحوّل المسار الصوتي إلى 10 رموز في الثانية ويدمجها مع الرموز البصرية بالترتيب الزمني، مع طوابع زمنية نصية صريحة. وهذا ما تقيسه نتيجة 83.9 على Video-MME مع الصوت، وما تقيسه نتيجة 75.2 على MMAU — جودة سمعه، لا جودة كلامه.

إذن، سير العمل الذي يكتب مشهدًا، ثم يُصيّره مع الصوت، ثم يحتاج إلى معرفة ما إذا كان الحوار قد وصل فعلاً، يتطلب كلا النصفين، ولا يغطي أيٌّ من النموذجين نصف الآخر. وهذه هي النقطة الوحيدة في هذه المواجهة التي يكون فيها الاثنان متكاملين حقًا لا مجرد مختلفين.

سؤال التوجيه، مطروحًا بصدق

لا يوفّر OrcaRouter أيًا من النموذجين. لا توجد نقطة نهاية لـ WeMM-Video-4B — فكتالوج المنصّة لا يضم أي checkpoint لـ WeMM على الإطلاق — ولا يوجد مسار لـ FLUX 3 Video كذلك. يتوفّر FLUX 3 Video عبر واجهة Black Forest Labs البرمجية API وعدّة منصّات تابعة لجهات خارجية؛ أمّا WeMM-Video-4B فيتوفّر كتنزيل، مع طبقة vLLM أو SGLang مُرقّعة، لأن أيًا من المحرّكين لا يدعم هذه البنية في upstream.

ما تغطيه المنصة هو طبقة النص المحيطة بأي من سيرتي العمل، وفي هذه المطابقة يكون الجزء المفيد هو دمج النماذج بدلًا من التوجيه البسيط. إن قرار "هل هذا المقطع يستحق الإبقاء عليه" حكم تقديري، والاستدعاء المدمج الذي يضع مصنِّفًا رخيصًا ومُستدِلًّا مكلفًا على المطالبة نفسها يمكنه اتخاذه بجزء من تكلفة تشغيل المكلف على كل مرشح. يعمل ذلك عبر مفتاح واحد متوافق مع OpenAI على أكثر من 200 نموذج، بأسعار قوائم المزوّدين مع هامش ربح 0%، لذا حين يخفض مورّد سعرًا يصبح التخفيض ساريًا في اليوم نفسه بدلًا من دورة الفوترة التالية. وبالنسبة للنصف الخاص بالرؤية فقط من عمل WeMM تحديدًا، فإن Qwen3-VL-235B-A22B-Thinking وQwen3-VL-8B-Thinking كلاهما يستقبلان الصور وإطارات الفيديو وهما على المنصة اليوم — وهذا طريق حول النموذج الشامل الغائب، وليس بديلًا عن برج الصوت الخاص به.

Screenshot of the Artificial Analysis image-to-video leaderboard, AA-Video-I2V v2.1, with ranked rows carrying Elo, confidence interval, vote count, release month and cost per minute, including FLUX 3 Video at Elo 1,069 and FLUX 3 Video Max at 1,068.Screenshot of the Artificial Analysis text-to-video leaderboard, AA-Video-T2V v2.1, showing ranked rows with Elo, confidence interval, sample counts, release month and per-minute pricing, with FLUX 3 Video Max at rank 7 on Elo 1,151 and FLUX 3 Video at rank 10 on Elo 1,137.

ما الذي سيحسم الأمر فعليًا؟

ثمة ثلاثة تطورات من شأنها أن تنقل هذه المقارنة بعيدًا عن الأساس القائم حاليًا على البيانات التي يقدمها المورّدون.

أولًا، إدراج WeMM-Video-4B في أي لوحة مستقلة. لا توجد أي منها، والسبب بنيوي لا تآمري: فلوحات AA للفيديو تُصنّف اللقطات المولّدة، ولا يمكن إدراج نموذج فهم فيها. ساحة فهم الفيديو متعددة الوسائط كليًا هي الأداة الغائبة، وإلى أن توجد واحدة، فكل رقم من WeMM ليس سوى كلمة T​encent.

ثانيًا، إصدار أوزان FLUX 3 Video. تتمتع Black Forest Labs بسمعة في الإصدار المفتوح، ولا يتوفر ترخيص لتنزيل نقطة التحقق هذه، لذا فالمقارنة الآن بين نموذج مفتوح وآخر مغلق، وهو فرق لا يلتقطه أي صف في المقارنة المرجعية.

ثالثًا، سعر مستضاف لعائلة WeMM. إذا بدأ مضيف متوافق في تقديم هذه الأوزان بسعر قائمة المزوّد مع تمرير هامش ربح بنسبة 0%، فإن جانب التكلفة في هذه المقالة يتغير شكله خلال أسبوع. هذا شرط، وليس حقيقة حالية، ولا ينبغي قراءة أي شيء هنا على أنه ادعاء بأننا نستضيفه.

أي واحد تحتاجه فعلاً

إذا كان المخرج النهائي هو لقطات فيديو، فإن FLUX 3 Video هو الوحيد من بين الاثنين القادر على إنتاجها، ويتقلص القرار إلى ما إذا كان سعر $0.17 في الثانية لجودة 720p مقبولًا مقابل المولدات البديلة في اللوحة نفسها — وهو، باحتلاله المرتبة العاشرة في تحويل النص إلى فيديو، مسعّر في منتصف المجال.

إذا كان المُخرَج عبارة عن بيان حول لقطات تمتلكها بالفعل، فإن WeMM-Video-4B هو الوحيد من بين الاثنين القادر على إنتاجه، ويتقلص القرار إلى ما إذا كان بإمكانك حمل تراكب مصدري لـ vLLM أو SGLang ونقطة تفتيش بحجم 10.45 GiB للحصول على واصف من فئة 4B بأرقام جيدة بشكل غير معتاد للفيديو الطويل.

الفخ هو التعامل مع $17.40 و$0.00 على أنهما الكمية نفسها. أحدهما سعر مُحتسَب بالعدّاد مقابل خدمة؛ والآخر هو غياب الخدمة. إن WeMM-Video-4B مجاني بالطريقة التي يكون بها إصدار بحثي مجانيًا — فأنت تدفع من خلال الدمج، ومن خلال حزم GGUF غير المتحقَّق منها، ومن خلال غياب رأي أي شخص آخر حول ما إذا كان يعمل.

مقارنات في هذه المقالة1

مستخرج من هذه المقالة