
WeMM-Video-9B vs. FLUX 3 Video: Wer stellt was in Rechnung
- OrcaNEUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 pro 1 Mio. Tokens · 182 tok/s
- tencentNEUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 pro 1 Mio. Tokens · 366 tok/s
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 87 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 147 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 92 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 pro 1 Mio. Tokens · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 pro 1 Mio. Tokens · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 110 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 pro 1 Mio. Tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
Zwei Modelle mit „Video" im Namen, und nur eines davon wird Ihnen jemals ein Video liefern. FLUX 3 Video von Black Forest Labs wurde am 4. August 2026 allgemein verfügbar und verkauft Sekunden fertigen 1080p-Materials zu einem veröffentlichten Tarif. WeMM-Video-9B aus der WeChat-Vision-Gruppe von Tencent wurde am 17. November 2026 als 19,54 GiB großer Apache-2.0-Checkpoint veröffentlicht, der Filmmaterial liest und Sätze darüber schreibt. Niemand hat es angekündigt – kein Blogbeitrag, keine Preisseite, keine Demo, kein Board-Eintrag –, weshalb die nützliche Frage hier nicht lautet, welches Modell besser ist. Sie lautet, welche der beiden Rechnungen Sie senken wollen.
Diese Umdeutung ist kein Ausweichmanöver. Ein Vergleich zwischen einem Generator und einem Beschreiber ist nur dann ehrlich, wenn man vorab sagt, dass sie keine Ersatzlösungen füreinander sind, und dann nach den Stellen sucht, an denen sie sich tatsächlich berühren: die Kosten pro Arbeitseinheit, die Obergrenze dafür, wie viel eines Clips sich jeder von beiden ansehen wird, und wie viel von der einen oder anderen Behauptung von jemandem überprüft wurde, der nicht im Unternehmen arbeitet.
Zwei Produktkategorien, nicht zwei Wettbewerber
FLUX 3 Video nimmt einen Text-Prompt, ein Standbild oder einen Quellclip entgegen und liefert neues Filmmaterial zurück. Black Forest Labs dokumentiert Text-to-Video, Image-to-Video, Video-to-Video, Keyframe-Konditionierung und Fortsetzung, Ausgabe von bis zu zwanzig Sekunden als 1080p-SDR-MP4, wobei synchronisiertes Audio im selben Durchlauf erzeugt wird. Es handelt sich nicht um offene Gewichte. Es gibt keinen Checkpoint zum Herunterladen und keine Lizenz, die es Ihnen erlaubt, es auf Ihrer eigenen Hardware auszuführen; Sie mieten es.
WeMM-Video-9B nimmt Frames plus den Original-Soundtrack, plus eigenständiges Audio, plus Bilder, plus Text und gibt Text auf Englisch oder Chinesisch zurück. Es ist Apache 2.0 mit einer Sonderregelung für Drittanbieter, die die Modellkarte nicht einzeln auflistet. Es gibt einen Checkpoint, fünf BF16-Shards davon, und keinen gehosteten Endpunkt, den irgendjemand gefunden hat.
• Richtung — FLUX 3 Video: Text oder Bild als Eingabe, Video als Ausgabe. WeMM-Video-9B: Video und Audio als Eingabe, Text als Ausgabe.
• Parameter — FLUX 3 Video: nicht veröffentlicht. WeMM-Video-9B: 9B dichtes Sprach-Backbone, insgesamt 10.488.603.384 über 1.305 Tensoren.
• Obergrenze — FLUX 3 Video: zwanzig Sekunden Ausgabe. WeMM-Video-9B: sechzehn abgetastete Einzelbilder und 8.192 Token Eingabe, wie ausgeliefert.
• Zugang — FLUX 3 Video: API mit nutzungsbasierter Abrechnung. WeMM-Video-9B: herunterladen und selbst hosten, mit einem vLLM- oder SGLang-Overlay.

Die 17,40 $ lesen
Artificial Analysis bepreist {{1}}FLUX 3 Video{{/1}} auf beiden Boards, auf denen es erscheint, mit 17,40 US-Dollar pro Minute, und diese Konsistenz ist es wert, kurz innezuhalten, denn sie ist die einzige Zahl in diesem Artikel, über die sich beide Marktseiten einig sind.
Die Sekundentarif-Karte in der Dokumentation von Black Forest Labs ist granularer und weniger schmeichelhaft: $0.15 pro Sekunde für HD, $0.24 für Full HD, $0.28 für QHD und $0.41 für UHD bei Text-oder-Bild-zu-Video, mit einer separaten und höheren Staffel für Video-zu-Video bei $0.21, $0.27, $0.31 und $0.45 sowie einer Draft-Stufe bei $0.06. Die FAQ der Modellseite nennt weiterhin $0.17, $0.29, $0.40 und $0.80 für dieselben vier Stufen. Zwei Dokumente desselben Anbieters, beide online, weichen am oberen Ende um bis zu den Faktor zwei voneinander ab. Kalkulieren Sie mit der Sekundentarif-Karte und bewahren Sie die FAQ als Beleg dafür auf, dass Preisseiten verrotten.
Hier verdient eine Routing-Schicht ihren Platz, statt nur schmückendes Beiwerk zu sein. OrcaRouter gibt den Listenpreis der Anbieter mit 0 % Aufschlag weiter. Wenn ein Anbieter also eine Preisliste überarbeitet – oder zwei veröffentlicht, die sich widersprechen –, folgt der Ihnen berechnete Betrag der Zahl, die er veröffentlicht, und nicht einer zwischengespeicherten Kopie eines Wiederverkäufers. Bei einer Arbeitslast, die sekundengenau über vier Auflösungsstufen abgerechnet wird, ist das der Unterschied zwischen einem Kostenmodell, das eine Preisänderung übersteht, und einem, das unbemerkt driftet.
Was die Zahlen auf der Tafel bedeuten
FLUX 3 Video wird zweimal bewertet, auf zwei Instrumenten, die sich nicht ineinander umrechnen lassen.
• AA-Video-T2V v2.1 — 10. Platz bei Elo 1.137 ±13 über 7.406 Stichproben, Juli 2026, 17,40 $ pro Minute.
• AA-Video-I2V v2.1 — 16. Platz bei Elo 1.069 ±14 über 6.838 Stichproben, zum selben Preis. Das größere Geschwistermodell FLUX 3 Video Max liegt bei Text-zu-Video mit 1.151 auf Platz 7 und bei Bild-zu-Video mit 1.068 auf Platz 17, zu 8,70 $ pro Minute.
Achtundsechzig Punkte trennen die Zeilen Text-zu-Video und Bild-zu-Video — fünf Intervallbreiten —, was die nützlichste einzelne Tatsache über ein Modell ist, das auf zwei Ranglisten bewertet wird: Sein Rang sagt etwas über die Aufgabe aus, nicht über das Modell. Keine der beiden Ranglisten hat eine Zeile für WeMM-Video-9B, und keine wird je eine haben, weil beide generiertes Filmmaterial bewerten und WeMM-Video-9B keines generiert. Das ist keine niedrige Punktzahl. Es ist eine leere Zelle.


Was sechzehn Frames nicht sehen können
Die mitgelieferte Konfiguration von WeMM-Video-9B ist der Teil des Repositorys, der am ehesten jemanden enttäuschen dürfte, der das Paper nur überflogen hat. Die Standardwerte des Prozessors erlauben 2 Bilder pro Sekunde, mindestens 4 Bilder, höchstens 128 Bilder und ein Budget von 100.663.296 Pixeln. Das im Repo mitgelieferte vLLM-Rezept überschreibt all dies auf 2 fps, 16 Bilder und 262.144 Pixel, abgetastet etwa um den Mittelpunkt des Clips. Sechzehn Bilder bei 2 fps entsprechen acht Sekunden Abdeckung, und die Abtastung beginnt in der Mitte, sodass Anfang und Ende eines längeren Clips schlicht nicht in der Eingabe enthalten sind.
Jeder Serving-Befehl übergibt außerdem eine Kontextlänge von 8.192 Token. Bei zehn Audio-Token pro Sekunde kann der Audio-Turm etwa dreizehn Minuten Klang halten; auf der Videoseite ist der Platz deutlich schneller erschöpft. Die Architektur unterstützt 262.144 Positions-Embeddings, die Obergrenze ist also eine Frage der Rezeptwahl und keine harte Grenze – aber es ist die Wahl, die der Anbieter ausgeliefert hat, und genau die erhält man, wenn man den Anweisungen folgt.
Gemessen an der zwanzigsekündigen Ausgabe von FLUX 3 Video ist das eine Diskrepanz in beide Richtungen. Zwanzig Sekunden generiertes Filmmaterial sind mehr als acht Sekunden Betrachtung. Wenn Ihre Pipeline erst generiert und dann beschreibt, erfasst der Beschreiber nur einen Bruchteil dessen, was der Generator erzeugt hat, und diese Lücke zu schließen ist eine Konfigurationsaufgabe, die Sie selbst erledigen müssen.
Die Evidenzlücke ist asymmetrisch
FLUX 3 Video hat zwei unabhängige Elo-Zeilen und einen Preis. Was es nicht hat, ist eine Überprüfung des Marketings durch Dritte: Die FLUX 3 Max-Seite behauptet „10-Sekunden-Video in 12 Sekunden“, „22-mal schneller als Seedance 2.5“ und einen geteilten ersten Platz bei Image-to-Video – ohne genannte Rangliste, ohne Max-Preiszeile auf der Pro-Sekunde-Karte und ohne Max-Endpunkt. Das sind Herstellerangaben und sollten auch so gelesen werden.
WeMM-Video-9B hat das umgekehrte Problem. Seine Benchmark-Tabelle ist detailliert – Video-MME mit Audio 85,1 gegenüber 77,3 bei Qwen3-Omni-30B-A3B-Instruct, Daily-Omni 83,6 gegenüber 70,7, SciVideoBench 64,2 gegenüber 49,9, OmniReasoningBench 43,9 gegenüber 24,1, mit einer einzigen Niederlage bei FutureOmni mit 53,7 gegenüber 55,1 – und nichts davon wurde außerhalb der eigenen Evaluierungs-Harness der Autoren reproduziert. Das Papier legt dies offen: „offizielle Ergebnisse, wo verfügbar, und andernfalls unsere eigenen Bewertungen.“ Dieser Satz hat es in sich, und die Downloadzahl von null bei allen neunzehn WeMM-Video-Repositories drei Tage nach Veröffentlichung legt nahe, dass niemand mit der Überprüfung begonnen hat.
Die Entscheidung, jeweils in einer Zeile
Kaufe FLUX 3 Video, wenn du Filmmaterial brauchst und 17,40 $ pro Minute im Vergleich zu einem Ranking akzeptabel sind, in dem es Platz 10 bei Text-to-Video und Platz 16 bei Image-to-Video belegt. Du bekommst eine dokumentierte API, einen veröffentlichten Preis und eine unabhängige Bewertung – und verzichtest dafür auf die Möglichkeit, es selbst zu betreiben.
Laden Sie {{1}}WeMM-Video-9B{{/1}} herunter, wenn Sie eine Beschreibung von Filmmaterial benötigen, das Sie bereits haben, und einen {{2}}19.54 GiB{{/2}} großen Checkpoint plus eine gepatchte Laufzeitumgebung mitbringen können. Sie erhalten einen {{3}}9B-Beschreiber{{/3}} mit starken audiovisuellen Kennzahlen und einer {{4}}Apache-2.0-Lizenz{{/4}}, und Sie verzichten auf unabhängige Verifizierung, einen Serving-Vertrag und jegliche Garantie darüber, wie viel von einem langen Clip er sich tatsächlich ansieht.
Was Sie nicht tun sollten, ist, die 17,40 $ und den kostenlosen Download als denselben Posten zu behandeln. Das eine ist ein Preis. Das andere ist eine Forschungsveröffentlichung, deren tatsächliche Kosten später sichtbar werden – in Integrationsstunden und im Fehlen einer zweiten Meinung.
