بطاقة عنوان تحمل «WeMM-Video-9B مقابل FLUX 3 Video» وعنوانًا فرعيًا «مَن يفوتر على ماذا»، ولوحتان تفصل بينهما قرص «مقابل»: اللوحة اليسرى تحمل شارة «الأوزان فقط» وتسرد 9B من البارامترات الكثيفة، و19.54 GiB من شرائح BF16، وسقفًا عند 128 إطارًا، أما اليمنى فتحمل شارة «محاسبة بالاستهلاك» وتسرد Elo 1,137 على AA-Video-T2V v2.1 و17.40 دولارًا في الدقيقة.
Guides & Insights

WeMM-Video-9B مقابل FLUX 3 Video: من يفوتر ماذا؟

الكاتب

jinhao.song

تاريخ النشر

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

Two models with video in their name, and only one of them will ever hand you a video. FLUX 3 Video, from Black Forest Labs, went to general availability on 4 August 2026 and sells seconds of finished 1080p footage at a published rate. WeMM-Video-9B, from T​encent's WeChat Vision group, went up on 17 November 2026 as a 19.54 GiB Apache-2.0 checkpoint that reads footage and writes sentences about it. Nobody announced it — no blog post, no pricing page, no demo, no board entry — which is why the useful question here is not which model is better. It is which of the two invoices you are trying to reduce.

إعادة التأطير تلك ليست مراوغة. لا تكون المقارنة بين مولّد وواصف صادقة إلا إذا قلت من البداية إنهما ليسا بديلين، ثم ذهبت للبحث عن النقاط التي يتلامسان فيها فعليًا: التكلفة لكل وحدة عمل، والحد الأقصى لمقدار المقطع الذي سينظر إليه أي منهما، ومقدار ما تم التحقق منه من أي من الادعاءين من قبل أي شخص لا يعمل في الشركة.

فئتان من المنتجات، وليس متنافسان

يأخذ FLUX 3 Video نصًا توجيهيًا، أو صورة ثابتة، أو مقطعًا مصدرًا، ويعيد لقطات جديدة. توثّق Black Forest Labs تحويل النص إلى فيديو، والصورة إلى فيديو، والفيديو إلى فيديو، والتهيئة بالإطار المفتاحي والاستمرارية، مع إخراج يصل إلى عشرين ثانية بدقة 1080p بصيغة SDR MP4، وصوت متزامن يُولَّد في التمريرة نفسها. وهو ليس مفتوح الأوزان. لا توجد نقطة حفظ للتنزيل ولا ترخيص يتيح لك تشغيله على عتادك الخاص؛ بل تستأجره.

يستقبل WeMM-Video-9B الإطارات مع المسار الصوتي الأصلي، إضافةً إلى صوتٍ مستقل، وصورٍ، ونصٍ، ويعيد نصًا باللغة الإنجليزية أو الصينية. وهو بترخيص Apache 2.0 مع استثناءٍ خاص بطرف ثالث لا تُفصّله بطاقة النموذج. توجد نقطة تحقق، موزعة على خمسة أجزاء BF16، ولا توجد أي نقطة نهاية مستضافة عثر عليها أحد.

• التوجيه — FLUX 3 Video: نص أو صورة كمدخل، وفيديو كمخرج. WeMM-Video-9B: فيديو وصوت كمدخل، ونص كمخرج.

• المعاملات — FLUX 3 Video: لم يُنشر. WeMM-Video-9B: بنية أساسية لغوية كثيفة بحجم 9B، بإجمالي 10,488,603,384 عبر 1,305 موترات.

• الحد الأقصى — FLUX 3 Video: عشرون ثانية من المخرجات. WeMM-Video-9B: ستة عشر إطارًا مُعاينًا و8,192 رمزًا من المدخلات، كما هي عند الشحن.

• الوصول — FLUX 3 Video: واجهة برمجة تطبيقات محاسبية حسب الاستهلاك. WeMM-Video-9B: تنزيل واستضافة ذاتية، مع طبقة علوية لـ vLLM أو SGLang.

Two-column contrast headed 'WeMM-Video-9B vs FLUX 3 Video', the left listing 10.49B parameters, 16 sampled frames in, text out and Apache 2.0, the right listing Elo 1,137 on AA-Video-T2V v2.1, up to 20 seconds and $17.40 per minute, with a footer reading 'Artificial Analysis figures read 20 November 2026; WeMM-Video-9B figures vendor-reported.'

قراءة مبلغ $17.40

تسعّر Artificial Analysis خدمة FLUX 3 Video عند 17.40 دولارًا في الدقيقة على كلا اللوحتين اللتين تظهر عليهما، وهذا الاتساق جدير بالتوقف عنده، لأنه الرقم الوحيد في هذا المقال الذي يتفق عليه طرفا السوق.

بطاقة السعر لكل ثانية في وثائق Black Forest Labs أكثر تفصيلاً وأقل جاذبية: 0.15 دولار في الثانية لـ HD، و0.24 لـ Full HD، و0.28 لـ QHD، و0.41 لـ UHD عند التحويل من النص أو الصورة إلى الفيديو، مع سلّم منفصل وأعلى للتحويل من فيديو إلى فيديو عند 0.21 و0.27 و0.31 و0.45 دولار، وفئة Draft بسعر 0.06 دولار. ولا يزال قسم الأسئلة الشائعة في صفحة الطراز يذكر 0.17 و0.29 و0.40 و0.80 دولار للفئات الأربع نفسها. وثيقتان من المورد نفسه، وكلتاهما منشورة، تختلفان بما يصل إلى الضعف عند الطرف الأعلى. اعتمد في الميزانية على بطاقة السعر لكل ثانية واحتفظ بقسم الأسئلة الشائعة كدليل على أن صفحات الأسعار تتقادم.

هنا تُثبت طبقة التوجيه أنها تستحق وجودها بدلًا من أن تكون مجرد زينة. يمرّر OrcaRouter سعر قائمة المزوّد كما هو بهامش ربح 0%، لذا عندما يعدّل مورّد بطاقة أسعاره — أو ينشر بطاقتين متعارضتين — فإن الرقم الذي تُفوتر به يطابق الرقم الذي ينشرونه، لا نسخة مخزّنة مؤقتًا لدى أحد الموزّعين. وبالنسبة إلى عبء عمل يُفوتر بالثانية عبر أربعة مستويات دقة، يمثّل ذلك الفرق بين نموذج تكلفة يصمد أمام تغيّر السعر وآخر ينحرف بصمت.

ماذا تعني الأرقام الموجودة على اللوحة

يُصنَّف FLUX 3 Video مرتين، وفق أداتين لا تُحوَّل إحداهما إلى الأخرى.

• AA-Video-T2V v2.1 — المركز العاشر عند Elo 1,137 ±13 عبر 7,406 عينات، يوليو 2026، 17.40 دولارًا في الدقيقة.

• AA-Video-I2V v2.1 — في المرتبة 16 بتقييم Elo 1,069 ±14 عبر 6,838 عينة، بالسعر نفسه. يحتل نظيره الأكبر FLUX 3 Video Max المرتبة السابعة في تحويل النص إلى فيديو بتقييم 1,151 والمرتبة 17 في تحويل الصورة إلى فيديو بتقييم 1,068، بسعر 8.70 دولارات في الدقيقة.

تفصل ثمانٍ وستون نقطة بين صفّ النص إلى فيديو وصفّ الصورة إلى فيديو — بما يعادل خمس فواصل — وهي أكثر حقيقة مفيدة بشأن نموذج يُقيَّم على لوحتين: فترتيبه عبارة عن حكم على المهمة، لا على النموذج. لا تحتوي أي من اللوحتين على صف لـ WeMM-Video-9B، ولن تحتوي أبدًا، لأن كلتيهما ترتّبان مقاطع فيديو مولّدة، وWeMM-Video-9B لا يولّد أيًّا منها. هذه ليست درجة منخفضة. إنها خلية فارغة.

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 at rank 10 on Elo 1,137 over 7,406 samples at $17.40 per minute and FLUX 3 Video Max at rank 7 on 1,151.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.

ما لا تراه ستة عشر إطارًا

إن التكوين المُشحون لـ WeMM-Video-9B هو الجزء من المستودع الأكثر ترجيحًا أن يُخيّب آمال من تصفّح الورقة البحثية سريعًا. تسمح الإعدادات الافتراضية للمعالج بإطارين في الثانية، وحدّ أدنى قدره 4 إطارات، وحدّ أقصى قدره 128 إطارًا، وميزانية قدرها 100,663,296 بكسل. أما وصفة vLLM المرفقة في المستودع فتتجاوز ذلك كله إلى 2 إطار/ثانية و16 إطارًا و262,144 بكسل، مع أخذ العينات حول منتصف المقطع. ستة عشر إطارًا بمعدل 2 إطار/ثانية تعني ثماني ثوانٍ من التغطية، ويبدأ أخذ العينات من المنتصف، لذا فإن بداية مقطع أطول ونهايته ببساطة غير موجودتين في المدخل.

كل أمر خدمة يمرّر أيضًا طول سياق قدره 8,192 رمزًا. عند عشرة رموز صوتية في الثانية، يمكن لبرج الصوت أن يستوعب نحو ثلاث عشرة دقيقة من الصوت؛ أما الجانب المرئي فينفد أسرع بكثير. تدعم البنية 262,144 تضمينًا موضعيًا، لذا فإن السقف خيار في التركيبة وليس حدًا صارمًا — لكنه الخيار الذي شحنه المورّد، وهو ما تحصل عليه إذا اتبعت التعليمات.

مقارنةً بمخرجات FLUX 3 Video البالغة عشرين ثانية، يُعدّ ذلك عدم تطابق في الاتجاهين. عشرون ثانية من اللقطات المولّدة أكثر من ثماني ثوانٍ من المشاهدة. وإذا كان خط أنابيبك يولّد ثم يصف، فإن الواصف يأخذ عينة من جزء صغير فقط مما أنتجه المولّد، وسدّ هذه الفجوة مهمة إعداد عليك القيام بها بنفسك.

فجوة الأدلة غير متماثلة

يمتلك FLUX 3 Video صفَّي Elo مستقلين وسعرًا. لكن ما لا يمتلكه هو تحقّق طرف ثالث من المواد التسويقية: إذ تزعم صفحة FLUX 3 Max «فيديو مدته 10 ثوانٍ خلال 12 ثانية»، و«أسرع 22 مرة من Seedance 2.5»، وتحقيق تعادل في المركز الأول في تحويل الصورة إلى فيديو، من دون تسمية لوحة معيّنة، ودون صف سعر لـ Max على بطاقة السعر لكل ثانية، ودون نقطة نهاية Max. هذه ادعاءات من البائع وينبغي قراءتها على هذا النحو.

لدى WeMM-Video-9B مشكلة معاكسة. فجدول تقييمه مفصل — Video-MME مع الصوت 85.1 مقابل 77.3 لـ Qwen3-Omni-30B-A3B-Instruct، وDaily-Omni 83.6 مقابل 70.7، وSciVideoBench 64.2 مقابل 49.9، وOmniReasoningBench 43.9 مقابل 24.1، مع خسارة وحيدة في FutureOmni عند 53.7 مقابل 55.1 — ولم يُعَد إنتاج أيٍّ منه خارج أداة التقييم الخاصة بالمؤلفين أنفسهم. وتعلن الورقة ذلك: «نتائج رسمية حيث تتوفر، وتقييماتنا الخاصة فيما عدا ذلك». تلك الجملة تقوم بعمل كبير، ويشير عدد التنزيلات الصفري على جميع مستودعات WeMM-Video التسعة عشر بعد ثلاثة أيام من النشر إلى أن لا أحد قد بدأ التحقق.

القرار، كلٌّ في سطر واحد

اشترِ FLUX 3 Video إذا كنت بحاجة إلى لقطات فيديو وكان سعر 17.40 دولارًا في الدقيقة مقبولًا مقابل لوحة يحتل فيها المرتبة العاشرة في تحويل النص إلى فيديو والمرتبة السادسة عشرة في تحويل الصورة إلى فيديو. تحصل على واجهة API موثّقة وسعر منشور ودرجة مستقلة، وتتخلى عن القدرة على تشغيله بنفسك.

نزّل WeMM-Video-9B إذا كنت بحاجة إلى وصف لمقطع فيديو تملكه بالفعل ويمكنك تحمّل نقطة تحقق بحجم 19.54 GiB بالإضافة إلى بيئة تشغيل مُرقّعة. تحصل على واصف بقوة 9B بأرقام سمعية بصرية قوية وترخيص Apache-2.0، وتتنازل عن التحقق المستقل، وعقد تقديم الخدمة، وأي ضمان بشأن مقدار ما سينظر إليه فعليًا من مقطع طويل.

ما يجب ألا تفعله هو التعامل مع $17.40 والتنزيل المجاني على أنهما البند نفسه. أحدهما سعر. والآخر إصدار بحثي تظهر تكلفته الحقيقية لاحقًا، في ساعات التكامل وفي غياب رأي ثانٍ.