
WeMM-Video-35B-A3B vs Runway Gen-4.5: Dos filas faltantes
- OrcaNUEVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 182 tok/s
- tencentNUEVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 749 tok/s
- AlibabaNUEVOQwen: Qwen4 Max2026-11-16$1.50 / $4.50 por 1M de tokens · 1902 tok/s
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 87 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 149 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 96 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 109 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
En la clasificación de texto a vídeo de Artificial Analysis, consultada el 20 de noviembre de 2026, hay treinta y cinco filas y ni Runway Gen-4.5 ni WeMM-Video-35B-A3B figuran entre ellas. Las dos ausencias no son la misma ausencia. Gen-4.5 se colocó en lo más alto de esa clasificación el 1 de diciembre de 2025 —1.247 Elo, por delante de Veo 3 con 1.226, Kling 2.5 con 1.225 y Sora 2 Pro con 1.206— en una publicación de lanzamiento que Runway sigue publicando. WeMM-Video-35B-A3B nunca ha estado en ninguna clasificación: pesos Apache-2.0 subidos a Hugging Face a las 03:57 UTC de esa misma mañana, un informe técnico presentado el día anterior y nada de Tencent que se parezca a un anuncio.
Así que un lado tiene una corona retirada y ninguna fila actual, y el otro no tiene corona, ni fila, ni ningún tipo de número de terceros. Es un emparejamiento extraño sobre el que basar una comparación, y la versión honesta de la misma es más acotada que una clasificación. ¿Cuánto vale realmente una entrada de tabla una vez que el sector la ha dejado atrás? ¿Qué publica cada lado que un lector pueda comprobar hoy? ¿Y cuál de los dos devuelve un archivo que puedas poner delante de un cliente?
Una corona no es una fila
La afirmación del lanzamiento es específica, tiene fuentes y sigue vigente. La propia página de investigación de Runway para Gen-4.5 afirma que el modelo quedó en primer lugar en el benchmark de texto a vídeo de Artificial Analysis con 1.247 Elo, y nombra a los tres que superó. Se trata de una cita real de un tercero, hecha por el proveedor, en un momento en que la comparación era reciente. También es la última cifra con apariencia independiente que Runway ha publicado para este modelo.
No se puede poner junto a la tabla actual sin hacer una aritmética que nadie ha publicado. Artificial Analysis vuelve a anclar sus escalas Elo entre versiones de la tabla: la tabla actual AA-Video-T2V V2.1 fija Kling 3.0 1080p (Pro) exactamente en 1.000 como su punto de referencia, clasifica todo lo demás con respecto a él y muestra un intervalo del 95% en cada fila. Leído el 20 de noviembre de 2026, el líder es Wan 3.0 con 1.176 sobre 8.243 votos, y el ancla ocupa el puesto 23.º. Una cifra de 1.247 de diciembre de 2025 se midió contra un ancla diferente, un conjunto de prompts diferente y un campo diferente; introducirla en esta tabla implicaría una precisión que las dos lecturas no comparten.
Lo que se puede comprobar es la presencia, y la presencia tiene una forma. En los tres paneles de vídeo de la arena en una misma lectura —texto a vídeo, imagen a vídeo y edición de vídeo—, la única fila que lleva un logotipo de Runway es la de Aleph 2.0, el modelo de edición en contexto de la compañía, 11.º en el panel de edición con 1.007 de Elo sobre 23.082 votos. Gen-4.5 está en el catálogo de Runway y se puede invocar esta tarde; no figura en el listado actual de la arena. Que un modelo abandone una clasificación elimina un artefacto de marketing, no una capacidad; y un modelo que nunca entró en una nunca tuvo el artefacto que perder.

Lo que el catálogo sí dice
La documentación para desarrolladores de Runway es más reveladora que su página de investigación. El identificador gen4.5 está en Runway Dev desde el 10 de febrero de 2026, genera de dos a diez segundos por solicitud a partir de texto o de una imagen fija, y cobra 12 créditos por segundo — $0.12 a la tarifa del portal de un centavo por crédito. Esa es una tarifa fija por segundo, lo que convierte el presupuesto de una toma en una multiplicación en lugar de una simulación, y es lo más útil de la página.
La entrega es donde la escalera se revela. La salida ProRes y la salida de secuencia PNG añaden 5 créditos por segundo a los 12. Los perfiles de 10 bits y superiores, incluidas las tramas OpenEXR half-float, añaden 20, y suben a 40 una vez que la salida supera aproximadamente los cuatro megapíxeles. Los másteres HDR10 y HLG, y los másteres PQ de 12 bits, así como las secuencias PNG de 16 bits con coincidencia exacta de bits, están disponibles para gen4.5 desde el 20 de agosto de 2026, con gradación a BT.2020 y metadatos HDR10 medidos en lugar de un mapeo tonal posterior. Nada de eso es la resolución de generación: es el formato en el que se empaqueta el renderizado al exportar.
• Estado — Gen-4.5: producto comercial desde el 1 de diciembre de 2025, API desde el 10 de febrero de 2026, sin fila actual en la arena. WeMM-Video-35B-A3B: pesos en el Hub, cero descargas, sin anuncio, nunca en una tabla de clasificación.
• Dirección — Gen-4.5: entra texto o una imagen, sale MP4, ProRes, secuencia PNG o EXR. WeMM: entran fotogramas más banda sonora, sale texto.
• Shape — Gen-4.5: de dos a diez segundos, una generación por solicitud, con precio por segundo de salida. WeMM: un contexto conjunto de 8.192 tokens, dieciséis fotogramas muestreados por clip, con precio en gigabytes de pesos residentes.
• Precio — Gen-4.5: 12 créditos, $0.12 por segundo generado, más 5 por ProRes o PNG y de 20 a 40 por color más profundo. WeMM: 67,39 GiB en BF16, o 24,11 GiB en NVFP4, y las GPU necesarias para alojarlo.
El techo escrito en banderas de shell
La divergencia comienza en el punto en que cada uno trunca, pero termina en si puedes encontrar el número. Runway ha publicado sus límites durante meses: de dos a diez segundos, cuatro escalas de salida, una tarifa por segundo. Tencent ha publicado una configuración y ha distribuido comandos que la contradicen. La configuración dice 262,144 posiciones; todas las invocaciones dicen --max-model-len 8192, tanto en vLLM como en SGLang. Entre 8,192 y 262,144 no hay ningún valor intermedio compatible. El número largo es holgura, y los flags de servicio son el producto.
Convierte y deja de ser abstracto. Diez tokens de audio por segundo —una pila con forma de Whisper, 32 capas de codificador y 32 de decodificador con una anchura de 1.280, y luego un Q-Former a nivel de ventana con una anchura de 4.104— mete unos trece minutos de banda sonora dentro de 8.192 tokens, y eso es antes de contar siquiera un solo fotograma, la instrucción o la respuesta.
El presupuesto de imágenes viene a continuación. Los valores predeterminados del procesador son 2 fps y hasta 128 fotogramas; la receta de servicio sustituye ambos por 16 fotogramas dentro de un presupuesto de 262.144 píxeles. En un clip de diez segundos, eso da menos de dos fotogramas por segundo: una transcripción fiel de la sala y un esbozo de cómo era la sala. No se indica en ningún sitio qué fotogramas utilizaron las propias tablas del informe, así que la distancia entre sus puntuaciones y tu configuración es un número que no puedes calcular.
Qué te permite cambiar el checkpoint
Aquí los dos difieren en esencia. Las escalas de salida de Runway, su tarifa base de 12 créditos y su ventana de dos a diez segundos son decisiones de producto; o compras el paquete o no. La ventana de 8,192 tokens de WeMM es un flag del servidor, su receta de 16 fotogramas es una línea en un comando de shell, y su cuantización es una elección entre 67.39 GiB de BF16, 22.69 GiB de AWQ W4A16 y 24.11 GiB de NVFP4. Los tres están en tus manos para cambiarlos, en hardware que posees, con la latencia que puedas permitirte.
Lo único que la descarga no te proporciona es un motor compatible. Tencent no fusionó la arquitectura en el upstream; en su lugar, distribuyó el diff. El directorio de parches incluye una capa de superposición por cada versión compatible —vLLM 0.18.0, vLLM 0.31.0, SGLang 0.5.16, SGLang 0.5.19 y ninguna otra—, con un manifiesto SHA-256 junto a cada una, y la superficie de compatibilidad que hay debajo es lo bastante estrecha como para ser frágil: una única cadena de herramientas CUDA 12.9, una única compilación de PyTorch, una única compilación de Transformers, Python 3.12, FFmpeg en el PATH y un primer arranque de SGLang que compila kernels antes de responder a nada. Trae una versión que no esté en la lista y el port es tuyo. La ejecución de referencia de Tencent repartió BF16 entre dos H20; la compilación NVFP4 cabe en una sola tarjeta de 48 GB con --max-num-seqs 1.
El peso es un artefacto del trabajo. Hugging Face cuenta 36,177,564,536 parámetros en los fragmentos BF16, de los cuales los expertos enrutados se llevan la inmensa mayoría: 40 capas por 256 expertos con ancho intermedio 512, selección top-8, más un experto compartido de ancho 512 por el que pasa cada token, mientras que alrededor de 1.0B se tocan por token. Casi 36B de capacidad retenida en memoria, 3B de aritmética gastada. Leer vídeo en lugar de renderizarlo significa pagar por almacenar conocimiento que la pasada hacia delante rara vez visita.

Las transcripciones no tienen preajuste de exportación
La diferencia en el entregable debería decidir una compra antes que cualquier benchmark. Runway vende un archivo terminado en un intermedio editable: ProRes para el etalonaje, PNG o EXR para la composición, metadatos HDR adjuntos, un editor alrededor. WeMM-Video-35B-A3B no vende nada de ese tipo. Lo que sale es un párrafo —un relato de lo que ocurrió, quién habló, qué se dijo— que va a un índice, una cola de moderación, un informe de QA o un cuadro de búsqueda, no a una línea de tiempo.
El informe de Tencent afirma que ese párrafo es el mejor disponible entre los pesos abiertos. Frente a Qwen3.5-Omni-Flash, obtiene 86,4 frente a 79,3 en Video-MME con audio y 54,9 frente a 36,6 en Video-MME v2 con audio; frente a su propio modelo base, Qwen3.6-35B-A3B, gana 20 de 31 benchmarks de vídeo sin audio. También pierde: JointAVBench 65,9 frente a 69,0, MUSIC-AVQA 79,5 frente a 82,1, EgoSchema 74,2 frente a 77,2. Todas las cifras son del entrenador, y el informe lo dice explícitamente, y alterna entre el modo Instruct y Thinking tabla por tabla a medida que las divulga. Ningún tercero ha reproducido nada de ello. Lo que haría verificable la afirmación es una fusión upstream en vLLM para poner fin a los parches y una primera ejecución independiente en Video-MME v2 con audio.
El informe también afirma que la familia está «desplegada en múltiples servicios de vídeo principales dentro de WeChat», y menciona el comercio en directo, el análisis de dramas de formato corto y el vídeo interactivo. Esa es la afirmación de adopción más contundente de este artículo y la menos verificable: no aparece ninguna cifra de latencia, rendimiento, concurrencia o memoria en ningún lugar del comunicado. Es una frase que se puede citar y no se puede comprobar.

Donde una transcripción encaja en un estudio
Si juntas las dos partes, el pipeline se escribe solo, aunque nadie lo haya publicado: renderiza la toma y luego haz que algo vuelva a leer el render —¿apareció el producto?, ¿coincidió el diálogo con el guion?, ¿es seguro publicar este clip? Runway no vende la segunda mitad. Un checkpoint WeMM autoalojado podría hacerlo, por el precio de una descarga de 67 GiB y una superposición de origen.
Para la mitad que puedes tener esta semana, el backbone es el punto de entrada sensato. Qwen3.6-35B-A3B es el modelo sobre el que se construyó WeMM-Video-35B-A3B, como indica el informe, y está en OrcaRouter a $0,25 por millón de tokens de entrada y $1,48 por millón de salida sobre un contexto de 262.144 tokens con entrada de texto, imagen y vídeo. No tiene pila de audio, así que no puede decirte quién habló. Puede decirte si el fotograma contiene lo que pedía el prompt, comparándolo con los mismos clips que renderizas, hoy.
OrcaRouter no sirve ni Gen-4.5 ni WeMM-Video-35B-A3B, y el cuerpo de este artículo sería una mentira si dijera lo contrario. Lo que la plataforma te ofrece es la infraestructura para la comparación: una clave compatible con OpenAI, el precio de lista del proveedor trasladado con 0% de margen, y conmutación automática por error cuando un endpoint se degrada. Ten en cuenta también que Gen-4.5 factura en créditos contra una suscripción en lugar de en tokens, lo cual no es una unidad que un router pueda normalizar: el crédito es el medidor, y el medidor es de Runway.
Elige por entregable, no por rango.
Toma Runway Gen-4.5 cuando el resultado tenga que salir del edificio como archivo: un plano de entre dos y diez segundos, entregado en ProRes, secuencia PNG o HDR con metadatos adjuntos, dentro de un editor que mantiene otra persona. Ten en cuenta desde el principio que el número de su página de lanzamiento tiene casi un año y se midió en una tabla que ya no lo incluye, que las escalas de color de 20 a 40 créditos se acumulan rápido y que la tarifa es fija porque el paquete está cerrado.
Toma WeMM-Video-35B-A3B cuando la salida sea una descripción del material audiovisual en lugar del material audiovisual, cuando Apache 2.0 importe para la revisión legal y cuando prefieras mover un techo con una bandera antes que presentar una solicitud de función. Entra sabiendo que los pesos tienen apenas días de antigüedad, que cada cifra de calidad asociada a ellos pertenece al equipo que entrenó el modelo, que tres de las cuatro variantes cuantizadas se describen a sí mismas como no validadas y que la instalación es una superposición de parches sobre un motor de inferencia que no ha fusionado la arquitectura.
Faltan dos filas en la tabla por razones opuestas, y ninguna de las dos ausencias es un veredicto. A un modelo se le midió, se le coronó y desde entonces se le ha reanclado fuera del listado; al otro nunca lo ha medido nadie que no lo haya entrenado. Una comparación basada en eso tiene que girar en torno a lo que cada lado te permite hacer y lo que cada uno devuelve —porque el marcador, por una vez, está genuinamente vacío en ambos lados.
