
WeMM-Video-4B مقابل Kandinsky 6.0 Video: سقفان صارمان
- OrcaجديدOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 لكل مليون رمز · 182 tok/s
- tencentجديدTencent: Hy4 Flash2026-11-16$0.02 / $0.07 لكل مليون رمز · 356 tok/s
- GoogleجديدGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 لكل مليون رمز · 87 tok/s
- AnthropicجديدAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 لكل مليون رمز · 147 tok/s
- orcaجديدOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 لكل مليون رمز · 92 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 لكل مليون رمز · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 لكل مليون رمز · 81 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 لكل مليون رمز · 117 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 لكل مليون رمز · 110 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 لكل مليون رمز · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447الذكاء
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 لكل مليون رمز · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929الذكاء
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733الذكاء
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 لكل مليون رمز · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740الذكاء
كلاKandinsky 6.0 VideoوWeMM-Video-4Bإصداران مفتوحا الأوزان بتراخيص متساهلة، وقد ظهرا خلال الشهرين الماضيين دون حملة تسويقية تستحق الاسم، وكلاهما غائب عن كل لوحات فيديو Artificial Analysis. في هذا الخفاء المشترك تنتهي أوجه الشبه، وما يحلّ محله سقفان يخبرانك عن كل نموذج أكثر مما تفعله أي صف من صفوف المعايير. يصنع Kandinsky 6.0 Video خمس ثوانٍ من اللقطات مع صوت متزامن ثم يتوقف — خمس ثوانٍ هي الطول المدرَّب عليه، وليست القيمة الافتراضية. يقرأ WeMM-Video-4B مقطعًا عبر ستة عشر إطارًا مُعاينًا ثم يتوقف، وهو ما تحدده وصفة التقديم الخاصة به مقابل قيمة افتراضية للمعالج تبلغ 128. أحد السقفين على مدة الإخراج، والآخر على أمانة الإدخال، والاختيار بينهما هو اختيار أي نوع من العمى يمكن لخط أنابيبك أن ينجو منه.
لم يخضع أيٌّ من النموذجين لتقييمٍ مستقل. أرقام Sber هي أرقام Sber، وأرقام Tencent هي أرقام Tencent، وتحافظ عناوين الأقسام أدناه على إظهار هذا الحدّ بدلًا من طمسه.
سقف زمني قدره خمس ثوانٍ ونافذة من ستة عشر إطارًا
أصدر مختبر Kandinsky التابع لـ Sber نموذج Kandinsky 6.0 Video في 6 أكتوبر 2026 بموجب رخصة MIT، بحجمين: Pro بـ29 مليار معامل وLite بـ3 مليارات. يأخذ النموذج نصًا توجيهيًا أو صورة مرجعية ويعيد مقطعًا مدته خمس ثوانٍ مع صوت بتردد 44.1 كيلوهرتز يُولَّد في التمريرة نفسها، بما في ذلك مزامنة الشفاه. وقد بُنيت الورقة البحثية ووصفة التشغيل معًا حول 121 إطارًا بمعدل 24 إطارًا في الثانية، ولا يوجد وضع تمديد في الإصدار. أي شيء أطول هو مشكلة تجميع تقع على عاتقك.
WeMM-Video-4B هو النموذج الأوسط في عائلة من أربعة أحجام تابعة لمجموعة WeChat Vision في Tencent، وقد رُفع في 17 نوفمبر 2026، وتلاه التقرير الفني في 19 نوفمبر. يبلغ 5,611,746,312 معلمة — 10.45 GiB بصيغة BF16 — لأن تسمية "4B" تشير إلى العمود الفقري اللغوي Qwen3.5-4B وليس إلى نقطة التفتيش. يقبل النصوص والصور والفيديو والصوت ويعيد النصوص.
• Kandinsky 6.0 Video — الحد الأقصى للإخراج: خمس ثوانٍ، 121 إطارًا، 24 إطارًا في الثانية، وصوت بتردد 44.1 كيلوهرتز ملتحم بالصورة.
• WeMM-Video-4B — الحد الأقصى للإدخال: إطاران في الثانية تُعايَن بحدٍّ أقصى 16 إطارًا، و262,144 بكسلًا إجماليًا، ضمن سياق من 8,192 رمزًا يستهلكه الصوت بواقع 10 رموز في كل ثانية.
• كلاهما — الحد الأقصى موجود في التكوين المُشحون، وليس في البنية، ولا يشرح أيٌّ من المستودعين ما الذي سيفعله النموذج بدونه.
اقرأ الاثنين معًا، وستفرض نفسها طريقة عمل لا يوثّقها أي من المورّدين: مقطع مدته خمس ثوانٍ يُسلَّم إلى أداة وصف تأخذ عينات من ستة عشر إطارًا هو مقطع تم أخذ عينات منه بمعدل ثلاثة إطارات في الثانية تقريبًا، وهو أعلى من الحد الأدنى الذي تنص عليه الوصفة نفسها والبالغ إطارين في الثانية. هذا هو الموضع الوحيد الذي يتلاءم فيه هذان النموذجان بشكل نظيف، وهو جدير بالملاحظة تحديدًا لأنه عَرَضي.
التراخيص هي الجزء السهل هذه المرة
للمرة الأولى، ليست المقارنة القانونية هي القرار الحاسم. فكلا الإصدارين متساهلان، وكلاهما موثّق بشكل صحيح بشأن هذه النقطة، وهو ما يبعث على الارتياح بعد عام من Apple AMLR ومكوّنات العروض التجريبية غير التجارية.
• Kandinsky 6.0 Video — ترخيص MIT للشيفرة والأوزان وتكامل diffusers. يتضمن المستودع عقدتَي ComfyUI قابلتين للتثبيت عبر ComfyUI Manager ومساحتَي Hugging Face Spaces، إحداهما لنقطة تفتيش Pro distill والأخرى للدقة الفائقة.
• WeMM-Video-4B — رخصة Apache 2.0 عبر المجموعة، مع ملف ترخيص من Tencent ينص على أن المكونات التابعة لجهات خارجية تظل خاضعة لشروطها الأصلية. لم يُفصَّل هذا الاستثناء ببنود منفصلة، وهو فجوة حقيقية وليس مجرد إجراء شكلي، بالنظر إلى أن حزمة الصوت مشتقة من Qwen2.5-Omni والعمود الفقري من Qwen3.5، وكلاهما بترخيص Apache 2.0.
• كلاهما — الاستخدام التجاري متاح، ولا ينشر أيٌّ من المورّدين سياسة استخدام تضيّقه أكثر. إذا كانت المراجعة القانونية هي ما يعيقك، فلن يكون سبب ذلك هو سطر الترخيص هنا؛ بل سيكون الاستثناء غير المفصّل من جانب Tencent.
سطح النشر هو حيث يفترقان
الفرق الأوضح ليس في الترخيص، بل في مقدار ما أنجزه شخص آخر نيابةً عنك بالفعل، والفجوة واسعة بما يكفي لتغيير الجدول الزمني.
وصل Kandinsky 6.0 Video مع حزمة diffusers، وسطر أوامر، وعقدتَي ComfyUI، ومساحتَي Spaces في اليوم الأول. ثم دمج مساهم خارجي طلب السحب 8537 في vLLM-Omni، مسجّلًا خط المعالجة باسم Kandinsky6TI2VAPipeline مع إزالة الضوضاء من كمونات الفيديو والصوت معًا بواسطة محوّل واحد، وتحميل الأوزان مجلدًا بمجلد من transformer/، vae/، text_encoder/، text_encoder_2/ وaudio_vae/، ووصفة خدمة في recipes/Kandinsky/Kandinsky6-TI2VA.md. يُطبّق تكييف الصورة المرجعية كإطار ذيل مقنّع بدلًا من وضع منفصل، بحيث يخدم خط معالجة واحد كلاً من النص إلى فيديو وصوت والصورة إلى فيديو وصوت. الصوت مفعّل افتراضيًا: الطلب الذي لا يحتوي على معاملات صوتية يعيد مع ذلك كلامًا أو موسيقى أو أجواءً صوتية متزامنة.
يمتلك WeMM-Video-4B سماتٍ معاكسة. لا يدعم vLLM ولا SGLang هذه البنية في المصدر الأصلي، ولا يُظهر البحث في متتبّع مشكلات vLLM أي طلبٍ متعلق بـ WeMM-Video. وما يقدّمه المستودع بدلاً من ذلك هو patch دليل — طبقات تجاوز مصدرية مع قوائم SHA-256 لـ vLLM 0.18.0 و0.31.0 وSGLang 0.5.16 و0.5.19، كلٌّ منها مثبّت على مزيج محدد من PyTorch وTransformers وCUDA 12.9، مع Python 3.12 وFFmpeg وCUDA 12 NPP على مسار الرابط من أجل TorchCodec، وسلسلة أدوات C++ إضافةً إلى Ninja لأن SGLang يبني النوى عند أول استخدام. تستهدف حزمة GGUF وقت تشغيل أصليًا تقوم ببنائه من المستودع بدلاً من llama.cpp، وتصنّفه Tencent على أنه exported_unvalidated.

لهذا اللا تماثل كلفة يمكنك إدراجها في جدول زمني. Kandinsky 6.0 Video عبارة عن حاوية تتحدث HTTP اليوم. WeMM-Video-4B هو يوم من العمل على سلسلة الأدوات قبل أول توكن لك، والتحقق الوحيد الذي تدّعيه Tencent هو أن vLLM المُرقع حمّله على H20 وأكمل فحوصات التوليد للنص والصورة والصوت والفيديو المصحوب بمسار صوتي — لا إنتاجية، ولا زمن استجابة، ولا بصمة ذاكرة، ولا أرقام تزامن.


ما تقوله الأرقام، ومن قالها
تدير Artificial Analysis ثلاث لوحات فيديو — تحويل النص إلى فيديو، وتحويل الصورة إلى فيديو، وتحرير الفيديو — لكل منها مقياس Elo الخاص بها ومجموعة تصويت خاصة بها. اطّلع على اللوحات الثلاث جميعها في 20 نوفمبر 2026: لا يظهر Kandinsky 6.0 Video على أي منها، ولا يظهر WeMM-Video-4B كذلك. ولا يشكّل أيٌّ من الغيابين حكمًا. لا يملك Kandinsky 6.0 Video أي مشاركة في الساحة، ويتطلب تصنيف تحويل النص إلى فيديو في اللوحة سعر API لإجراء مقارنة موحّدة، وهو ما لا يتوفر لنقطة تفتيش مفتوحة؛ ولا يمكن إدخال WeMM-Video-4B في تصويت بين مقطعي فيديو مولّدين على الإطلاق، لأنه لا يولّد أي مقاطع على الإطلاق.
ما يتبقى هو عمل الموردين أنفسهم، وهو يقيس أشياء مختلفة بمقاييس مختلفة.
• Kandinsky 6.0 Video، الجودة — نتائج معلنة من الجهة المورّدة على VABench وتقييم بشري أجرته المختبرات مقابل Kling 2.6 وVeo 3.1 Fast وMiniMax H3 وSeedance 2.0. تذكر Sber أيضًا، في تحليل الاستئصال الوارد في الورقة، أن نقطة التحقق المُقطَّرة التي تتوقع منك تقديمها تفضَّل أو تتعادل في غالبية المعايير بمتوسط تفضيل 51 بالمائة مقابل 49 بالمائة — تكافؤ، بالسرعة التي تريدها.
• Kandinsky 6.0 فيديو، صوت — رقمان لمعدل خطأ الكلمات في الورقة غير قابلين للمقارنة. تُحتسب نسبة الانخفاض البالغة 47 بالمئة المصاحبة لمرحلة التعلّم المعزّز باستخدام Whisper-large-v3، أحد نماذج المكافأة في RL؛ أما WER المُبلَّغ عنه إلى جانب VABench فيستخدم Qwen3-ASR-1.7B على المجموعة الفرعية الخاصة بالكلام. يقول المؤلفون ذلك بأنفسهم، والاستشهاد بأحدهما على أنه الآخر هو أسهل خطأ يمكن ارتكابه مع هذا الإصدار.
• WeMM-Video-4B، الصوت والصورة معًا — Video-MME مع الصوت 83.9 مقابل 77.3 لدى Qwen3-Omni-30B-A3B-Instruct و69.2 لدى MiniCPM-o-4.5-9B؛ Video-MME v2 48.1 مقابل 36.3 و28.1؛ Daily-Omni 82.5 مقابل 70.7 و80.2، وكل ذلك في وضع Thinking.
• WeMM-Video-4B، حيث يخسر — MMAU 75.2 مقابل 80.4 لـ Qwen3.5-Omni-Flash وMMAR 67.3 مقابل 74.0، مع فوز واحد على MMAU-Pro بـ 68.1 مقابل 64.8. Video-Holmes 58.8 مقابل 64.3 لـ MiniCPM-o-4.5-9B، وFutureOmni 50.9 مقابل 55.1 و56.1.
يأتي عمود WeMM مصحوبًا بتحفّظين. لا تذكر الورقة عدد الإطارات ولا ميزانية البكسل ولا طول السياق المستخدمة في تقييماتها للفيديو، وهذا مهم لأن الوصفة المطروحة تستخدم ستة عشر إطارًا بينما القيمة الافتراضية للمعالج هي 128. كما يتغيّر الوضع بين الجداول: Thinking للفيديو، وInstruct للصوت، وThinking مجددًا للصورة والنص. ومقارنة صف صوتي من WeMM بصف فيديو من منافس ليست مقارنة.
الزمن الفعلي، الرقم الذي لا يذكره أحد
ينشر مستودع Kandinsky الرقم الذي يحدد ما إذا كان نموذج فيديو مفتوح قابلاً للاستخدام على عتادك، وهو رقم لا يبعث على الارتياح. هذه أزمنة معالجة النموذج الأساسي غير المقطّر لمقطع واحد مدته خمس ثوانٍ بعد التسخين، مع استبعاد تحميل الأوزان وترميز MP4، ويعني Full HD أن تمريرة الدقة الفائقة تعمل أيضًا.
• Full HD، Pro — 402 ثانية على H100، و765 على RTX PRO 6000، و854 على RTX 5090، و1,106 على A100 80GB، و1,247 على RTX 4090، و3,530 على RTX 5060 Ti.
• Full HD, Lite — 284 ثانية على H100، و387 على RTX PRO 6000، و406 على RTX 5090، و664 على A100، و578 على 4090، و1,774 على 5060 Ti.
• SD, Pro — 356 ثانية على H100 مقابل 936 على 4090، حيث تكون عقوبة بطاقة المستهلك أقل ما تكون.
تصل الذاكرة المخصصة القصوى في تشغيل Pro SD إلى 72.8 GiB، وهو ما يتجاوز كل بطاقة استهلاكية، ولهذا يوفّر المستودع تفريغ الكتل — كتلتا محوّل مقيمتان، والباقي يُدفّق من ذاكرة المضيف — مع إعدادات مسبقة لـ 32 و24 و16 GB. الإعدادان المسبقان 32 و24 GB متطابقان لأن هامش الذاكرة فوق 24 GB لا يمنح أي سرعة إضافية. التحذير الخفي هو أنه في الإعداد المسبق 16 GB يُكمَّم مشفّر النص إلى NF4، وتوضّح الورقة صراحةً أن هذا هو التغيير الوحيد في الإعدادات المسبقة الذي يغيّر CLIP نفسه، حيث تختلف نحو 12 بالمئة من البكسلات بمستوى سطوع واحد عند نحو 57 dB PSNR. إذا كنت تعيد إنتاج نتيجة شخص آخر على بطاقة 16 GB ولم تتطابق، فتحقّق من ذلك أولًا.
لا يوجد لـ WeMM-Video-4B جدول مكافئ، وهذا الغياب بحد ذاته ذو دلالة. لقد تحققت Tencent من أن نقطة التحقق تُحمَّل وتولّد. إن نموذجًا تكون ميزته البيعية هي الفيديو، ويُوصَف فقط بأنه «قد ولّد»، يترك لك كامل جانب التكلفة في قرار النشر.
توصيل طبقة نصية حول كليهما
إذا شغّلت أيًا من هذين، فإن المكدس المحيط يحتاج إلى الأشياء الثلاثة نفسها، وليس أي منها هو النموذج. يحوّل توسيع المطالبة وصف اللقطة إلى التعليق الطويل أو المتوسط أو القصير الذي دُرّب عليه Kandinsky، أو إلى السؤال الذي ينبغي أن يجيب عنه WeMM. يغذّي النسخ وإضافة التعليقات تمريرة تحويل صورة إلى فيديو أو يهيّئان مقطعًا للوصف. تحدد ملخصات المراجعة أيًّا من التوليدات الأربعة يجب الاحتفاظ به، وهو القرار الذي تدفع مقابله عن كل مرشح لا عن كل ناجٍ.
تلك إكمالات نصية عادية، وهي الجزء الذي يغطيه OrcaRouter من هذه المنظومة: مفتاح واحد متوافق مع OpenAI عبر أكثر من مئتي نموذج، مع تمرير أسعار قوائم المزوّدين بهامش ربح 0% بحيث يصل تغيير سعر المورّد في اليوم نفسه، وتحويل تلقائي عند التعطل بحيث لا تؤدي مرحلة تسميات توضيحية تتعطل إلى إهدار عملية تصيير تستغرق خمس دقائق معها. لا يوجد أي من النموذجين على المنصة — فالكتالوج لا يضم أي إدخال لـ Kandinsky ولا أي إدخال لـ WeMM، ولا تحوّل أي طبقة توجيه تنزيل أوزان إلى نقطة نهاية مستضافة. ما يزيله الموجّه هو عمل التكامل حول النموذجين اللذين تستضيفهما بنفسك، إضافة إلى طريقة للإبقاء على مزوّد ثانٍ احتياطيًا خلف الأول دون كتابة عميل ثانٍ.
سقفان، قرار واحد
اسأل عن الحد الأقصى الذي يمكنك العمل ضمن حدوده. إذا كنت بحاجة إلى لقطات مصحوبة بالصوت ويمكنك المونتاج بوحدات من خمس ثوانٍ، فإن Kandinsky 6.0 Video هو الإصدار الأكثر اكتمالًا على كل محور لا يتعلق بالجودة الخام: رخصة MIT، وأربع واجهات نشر، ورقم H100 يمكنك التخطيط لميزانية على أساسه، وتمريرة تحسين فائق للدقة تجعل Full HD إعدادًا حقيقيًا لا مجرد ادعاء. أما قيده فهو المدة، والمدة يسهل التصميم حولها.
إذا كنت بحاجة إلى معرفة ما في اللقطات التي لديك بالفعل — ما يحدث على الشاشة وما يُسمع فوقها — فإن WeMM-Video-4B هو الوحيد بين الاثنين القادر على الإجابة، وقيده هو الدقة: ستة عشر إطارًا مُعيّنًا بالعينة وثمانية آلاف رمز هي ما تمنحك إياه الوصفة المُسلّمة، وقد أُنتجت صفوف المعيار للفيديو الطويل في ظروف لا تصفها الورقة.
ما لا يوفره أيٌّ من الإصدارين هو الشيء الذي كان سيجعل هذه المقارنة رخيصة: رقم من شخص لم يكتب الورقة. كلاهما مفتوح، وكلاهما مرخَّص بتراخيص متسامحة، وكلاهما غير مرئي لكل لوحة صدارة كان من شأنها أن تحسم الجدل. وإلى أن يُقاس أحدهما بشكل مستقل، فإن السقف في كل مستودع هو أكثر حقيقة موثوقة نشرها أيٌّ من المورّدين.
