
WeMM-Video-9B مقابل HiDream-O1-Video-1.0: خصران ضيّقان
- 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 · 364 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 · 148 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 · 93 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 · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 لكل مليون رمز · 118 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
Both of these models are narrower in production than they are on paper, and they are narrowed by different things. HiDream-O1-Video-1.0 is narrowed by its own API: the announcement describes text, image and video input with five-to-twenty-second 1080p output and natively synchronised audio, and the HiHarness endpoint that actually exists accepts exactly one reference image, an optional prompt, and a boolean. WeMM-Video-9B is narrowed by having no serving contract at all — Tencent's WeChat Vision group published it on 17 November 2026 as Apache-2.0 weights and an arXiv preprint, 2611.26409, with no endpoint, no price and no announcement, so the sixteen-frame limit in its shipped vLLM recipe is not a policy anyone can appeal, it is just what the repository does when you follow its instructions.
لذلك، فالمقارنة التالية ليست حول القدرات، بل حول القيد الذي يمكنك التصميم حوله، ويتبيّن أن الإجابة تعتمد على ما إذا كنت تفضّل الدفع مقابل سقف موثّق أم استضافة سقف غير موثّق.
ما تقوله الورقة البحثية وما تقبله واجهة API
صدر HiDream-O1-Video-1.0 في 28 أغسطس 2026، ووصل إلى لوحة تحويل الصور إلى فيديو في 10 سبتمبر. إعلان المورّد واسع النطاق: إدخال نص وصورة وفيديو، وإخراج بدقة 1080p لمدة تتراوح من خمس إلى عشرين ثانية، وصوت متزامن أصليًا، ومدة مُخطَّطة سرديًا، وقيود فيزيائية.
واجهة HiHarness API ليست واسعة النطاق. فهي تستقبل صورة مرجعية واحدة — عبر رابط URL أو Base64، بحجم لا يتجاوز 20 ميغابايت ولا يقل عن 40 كيلوبايت — بالإضافة إلى نص توجيهي اختياري، بالإضافة إلى قيمة منطقية force_10s. لا يوجد محدّد للدقة. لا يوجد حقل لفيديو مرجعي. لا يوجد تحكم بالصوت. إذا أردت خمس ثوانٍ فستحصل على عشر؛ وإذا أردت عشرين فستحصل على عشر. إن الفجوة بين الورقة البحثية ونقطة النهاية هي أكثر حقيقة ملموسة بشأن هذا النموذج، والأكثر ترجيحًا لتغيير بنية نظامك.
• الإدخال — HiDream-O1-Video-1.0: صورة مرجعية واحدة بالإضافة إلى موجّه اختياري. WeMM-Video-9B: فيديو وصوت وصور ونص، بما يصل إلى أربع صور وفيديوهين ومقطعي صوت لكل طلب.
• الإخراج — HiDream-O1-Video-1.0: فيديو بدقة 1080p مع صوت متزامن، عشر ثوانٍ فعليًا. WeMM-Video-9B: نص باللغة الإنجليزية أو الصينية.
• القيد — HiDream-O1-Video-1.0: واجهة API. WeMM-Video-9B: وصفة أخذ العينات المرفقة، 16 إطارًا بمعدل 2 إطار في الثانية.

صف واحد في اللوحة، وخلية فارغة واحدة
HiDream-O1-Video-1.0 لديه قياس مستقل واحد فقط، وهو قياس يستحق الجدال بشأنه.
• AA-Video-I2V v2.1 — المركز الرابع عشر عند Elo 1,101 ±14 على 6,976 عينة، إصدار أغسطس 2026، 5.80 دولارات لكل دقيقة. هذا فاصل ضيق على عينة كبيرة، ويقع بين Wan 3.0 عند 1,109 وAgnes-Video-2.5 عند 1,105 — نطاق مزدحم حيث تشكّل أربع عشرة نقطة فاصلًا واحدًا.
• غير موجود في AA-Video-T2V v2.1 وAA-Video-Editing v1.1. غياب تحويل النص إلى فيديو هو الجانب المثير للاهتمام، لأن إعلان المورّد نفسه يبدأ بإدخال النص. النموذج الذي لا يضم صفًا لتحويل النص إلى فيديو ولا حقل فيديو مرجعي تكون قصة تحويل النص إلى فيديو لديه موجودة في النثر فقط.
• WeMM-Video-9B — لا صف له في أيٍّ من اللوحات الثلاث، ولسبب بنيوي: فجميع اللوحات الثلاث ترتّب لقطات مولّدة، وهو لا يولّد أيًّا منها. خلية فارغة، لا درجة منخفضة.
بسعر 5.80 دولارات للدقيقة، يُعد HiDream-O1-Video-1.0 من الخيارات الأقل تكلفة في لوحة التحويل من الصورة إلى الفيديو. فمن بين النماذج المصنّفة، لا يسبقه في الانخفاض سوى Pika H3 Flex بسعر 2.10 دولارات، وHeyGen Video 1 بسعر 2.40 دولارًا، وAgnes-Video-2.5 بسعر 2.40 دولارًا، وVidu Q4 Preview بسعر 5.04 دولارات، وP-Video-2-Pro بسعر 5.70 دولارات، كما أنه يتفوّق على عدة نماذج يبلغ سعرها ثلاثة إلى أربعة أضعاف سعره.

تسعة عشر جيجابايت ونصف من التفاصيل
يكمن سخاء WeMM-Video-9B فيما يخبرك به عن نفسه. يسرد سجل Hugging Face عدد 10,488,603,384 معلمة عبر 1,305 تنسورات — عمود فقري لغوي بحجم 7.94B يتضمن تضمين رموز بحجم 1.02B، ورأس إخراج غير مرتبط بحجم 1.02B، وبرجاً صوتياً بحجم 1.08B من 32 طبقة على طراز Whisper بعرض 1,280 خلف Q-Former من طبقتين بمعدل عشرة رموز صوتية في الثانية، وبرج رؤية بحجم 0.46B من 27 كتلة بحجم مخفي 1,152 مع حجم رقعة 16 ودمج مكاني 2×2.
هذه الدقة شكل من أشكال الصدق لا يقدمه جانب HiDream: فكل من Black Forest Labs وHiDream يمتنعان عن نشر أعداد المعلمات، ولا يُلزَم أي منهما بذلك. لكنها تنصب فخًا أيضًا، لأن البنية التفصيلية تُغري بافتراض أن التكوين المُسلَّم يطابقها. وهو لا يطابقها.
• إعدادات المعالج الافتراضية — 2 إطار/ثانية، الحد الأدنى 4 إطارات، الحد الأقصى 128 إطارًا، 100,663,296 إجمالي البكسل.
• وصفة vLLM المُطلقة — 2 إطار/ثانية، 16 إطارًا، 262,144 بكسل، مع أخذ العينات حول منتصف المقطع.
• السياق — 8,192 رمزًا في كل أمر خدمة، مقابل 262,144 تضمينًا موضعيًا في البنية.
ستة عشر إطارًا بمعدل إطارين في الثانية تعني ثماني ثوانٍ من التغطية، ويبدأ أخذ العينات من المنتصف. مقطع مدته ستون ثانية يفقد أول وآخر ست وعشرين ثانية. كانت البنية ستسمح بأكثر من ذلك بكثير؛ لكن الوصفة لا تسمح، والوصفة هي ما يُشحن.

عشر ثوانٍ مقابل ثمانية
ضع الحدّين الأقصيين جنبًا إلى جنب، وستظهر لك ملامح القرار. يمنحك HiDream-O1-Video-1.0 عشر ثوانٍ من فيديو 1080p مكتمل مع صوت متزامن، مهما كان ما تطلبه. أما WeMM-Video-9B فيحلل ثماني ثوانٍ من اللقطات التي لديك بالفعل، مهما كان طولها.
كلا الرقمين اعتباطي. عشر ثوانٍ لدى HiDream قرار منتج متجسّد في قيمة منطقية؛ وثماني ثوانٍ لدى WeMM-Video-9B قيمة افتراضية في ملف وصفة. ليس أي منهما قانونًا من قوانين الفيزياء. لكن واحدًا منهما فقط يأتي مع مورّد سيخبرك بما يحدث عند الحد، وهو ليس ذاك الموزَّع كنقطة تحقق.
إذا أنشأت مقطعًا مدته عشر ثوانٍ باستخدام HiDream-O1-Video-1.0 ثم سألت WeMM-Video-9B عمّا حدث فيه، فإن أداة الوصف تأخذ ثماني ثوانٍ من تلك الثواني العشر من المنتصف. الثانيتان — الأولى والأخيرة — لا تصلان إلى النموذج أبدًا. هذه مشكلة تنسيق تحلّها بتغيير في الإعدادات، وهي بالضبط نوع مشكلة التنسيق التي ينشئها هذا الزوج ولا يوثّقها أي من المورّدين.
دمج النماذج، وأين يستحق أن تُفرد له جملة
لا يُستضاف أيٌّ من النموذجين على OrcaRouter. يمكن الوصول إلى HiDream-O1-Video-1.0 عبر منصة HiDream الخاصة وعدة منصات تابعة لجهات خارجية؛ كما يمكن الوصول إلى WeMM-Video-9B عن طريق تنزيله.
السبب في أن مقارنة كهذه تنتهي في محادثة تنسيق هو أن النصفين يفشلان بطرق مختلفة. النصف المستضاف يفشل بصوت عالٍ — حدّ معدّل، أو مهلة، أو رمز خطأ — وهذا ما يُستخدم من أجله التحويل التلقائي عند الفشل. أما النصف ذاتي الاستضافة فيفشل بهدوء: يعيد وصفًا واثقًا لثماني ثوانٍ من اللقطات ولا يقول شيئًا عن الست والعشرين ثانية التي لم يرها. دمج النماذج هو الأداة الأكثر إثارة للاهتمام هنا، لأن نموذجًا ثانيًا يقرأ المقطع نفسه وفق سياسة أخذ عينات مختلفة سيختلف عند الحدود، وهذا الاختلاف هو الإشارة الوحيدة التي تحصل عليها بأن النافذة كانت صغيرة جدًا.
بالنسبة للجزء المستضاف، يُمرَّر سعر القائمة لدى المزوّد عند هامش ربح 0%، وهو ما يهم أكثر من المعتاد عند 5.80 دولارات للدقيقة: فتغيُّر سعر المورّد على طراز رخيص يمثل تذبذبًا نسبيًا أكبر مما هو عليه على طراز باهظ الثمن، كما أن تتبُّع السعر المنشور بدلًا من نسخة مخبأة يُبقي توقعات دفعة من مئة مقطع دقيقة.
داخل أي قيد يمكنك أن تعيش؟
اختر HiDream-O1-Video-1.0 إذا كانت المهمة تقتصر على صورة مرجعية واحدة وعشر ثوانٍ. تحصل على نقطة نهاية موثّقة، وصوت متزامن، وتسعيرة قدرها 5.80 دولارات، وصفّ في لوحة الصدارة بالمركز الرابع عشر في تحويل الصورة إلى فيديو. وتتنازل عن تحويل النص إلى فيديو، والتحكم في الدقة، وأي مدة غير عشر ثوانٍ.
اختر WeMM-Video-9B إذا كانت المهمة هي وصف اللقطات. فأنت تحصل على واصف شامل الوسائط بحجم 9B بأرقام سمعية-بصرية قوية مُعلنة، ورخصة Apache-2.0، وعدد معاملات يمكنك تدقيقه. وتتخلى عن عقد خدمة، وتحقق مستقل، وأي ضمان بأن نافذة الثماني ثوانٍ واسعة بما يكفي للمقاطع التي لديك فعليًا.
ما لا ينبغي عليك فعله هو مقارنة الاثنين من حيث الجودة. لم يُقيَّم أيٌّ منهما بالأداة نفسها، ولا يمكن تقييم أحدهما بهذه الطريقة. المقارنة المجدية هي بين خصرين ضيقين — قيمة منطقية وملف وصفة — وأيّهما يمكنك البناء حوله دون أن تكذب على نفسك بشأن ما يراه.
