Un visuel principal vectoriel plat sur fond anthracite, intitulé WeMM-Video-35B-A3B vs Runway Gen-4.5, avec le sous-titre deux lignes manquantes : une colonne verticale de barres de classement ardoise de largeurs variables avec de petits marqueurs carrés à côté, deux des positions laissées sous forme d’emplacements vides en contour pointillé laissant apparaître l’arrière-plan, et un séparateur pointillé.
Engineering & Research

WeMM-Video-35B-A3B vs Runway Gen-4.5 : deux lignes manquantes

Auteur

jinhao.song

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

Sur le tableau text-to-video d’Artificial Analysis, consulté le 20 novembre 2026, on trouve trente-cinq lignes, et ni Runway Gen-4.5 ni WeMM-Video-35B-A3B n’y figurent. Les deux absences ne sont pas de même nature. Gen-4.5 a été placé en tête de ce tableau le 1er décembre 2025 — 1 247 Elo, devant Veo 3 à 1 226, Kling 2.5 à 1 225 et Sora 2 Pro à 1 206 — dans un article de lancement que Runway publie toujours. WeMM-Video-35B-A3B n’a jamais figuré sur le moindre tableau : des poids Apache-2.0 poussés sur Hugging Face à 03:57 UTC ce matin-là, un rapport technique soumis la veille, et rien de la part de T​encent qui ressemble à une annonce.

D’un côté, il y a donc une couronne retirée et aucune ligne actuelle, et de l’autre, pas de couronne, pas de ligne et aucun numéro de tiers d’aucune sorte. C’est un appariement étrange sur lequel bâtir une comparaison, et la version honnête en est plus étroite qu’un classement. Que vaut réellement une entrée de tableau une fois que le secteur l’a dépassée ? Qu’est-ce que chaque partie publie qu’un lecteur peut vérifier aujourd’hui ? Et laquelle des deux renvoie un fichier que vous pouvez présenter à un client ?

Une couronne n'est pas une rangée

L’affirmation de lancement est précise, sourcée et toujours en ligne. La propre page de recherche de Runway consacrée à Gen-4.5 indique que le modèle a été classé premier au benchmark texte-vidéo d’Artificial Analysis avec 1 247 Elo, en nommant les trois qu’il a dépassés. Il s’agit d’une véritable citation d’un tiers, faite par le fournisseur, à un moment où la comparaison était récente. C’est aussi le dernier chiffre d’apparence indépendante que Runway ait publié pour ce modèle.

Il ne peut pas être placé à côté du tableau actuel sans une arithmétique que personne n’a publiée. Artificial Analysis réancre ses échelles Elo entre les versions du classement : le classement actuel AA-Video-T2V V2.1 fixe Kling 3.0 1080p (Pro) à exactement 1 000 comme point de référence, classe tout le reste par rapport à lui et affiche un intervalle de 95 % sur chaque ligne. À la lecture du 20 novembre 2026, le leader est Wan 3.0 à 1 176 avec 8 243 votes, et l’ancre se situe à la 23e place. Un chiffre de 1 247 de décembre 2025 a été mesuré par rapport à une ancre différente, un jeu de prompts différent et un domaine différent ; l’insérer dans ce tableau impliquerait une précision que les deux relevés ne partagent pas.

Ce qui peut être vérifié, c’est la présence, et la présence a une forme. Sur les trois tableaux vidéo de l’arène lors d’une même consultation — texte-vers-vidéo, image-vers-vidéo et montage vidéo —, la seule ligne portant un logo Runway est celle d’Aleph 2.0, le modèle d’édition contextuelle de l’entreprise, 11e au classement du montage vidéo avec 1 007 Elo sur 23 082 votes. Gen-4.5 figure au catalogue de Runway et peut être appelé dès cet après-midi ; il n’est pas dans la liste actuelle de l’arène. Un modèle qui quitte un classement retire un artefact marketing, pas une capacité — et un modèle qui n’y est jamais entré n’a jamais eu cet artefact à perdre.

A tall headless screenshot of the Artificial Analysis AA-Video-T2V V2.1 leaderboard as read on 20 November 2026, listing thirty-five ranked text-to-video models with Elo scores, 95% intervals, sample counts and per-minute prices, from Wan 3.0 at 1,176 over 8,243 samples down to Boreal at 827, with Kling 3.0 1080p (Pro) fixed at 1,000 as the board anchor, Veo 3.1 at 963 and $24.00 a minute in 26th place, and no Runway row anywhere on the list.

Ce que le catalogue dit bel et bien

La documentation destinée aux développeurs de Runway est plus loquace que sa page de recherche. L'identifiant gen4.5 figure sur Runway Dev depuis le 10 février 2026, génère de deux à dix secondes par requête à partir de texte ou d'une image fixe, et est facturé 12 crédits par seconde — soit 0,12 $ au tarif du portail d'un centime par crédit. Il s'agit d'un tarif forfaitaire par seconde, ce qui transforme un budget de plan en une simple multiplication plutôt qu'en une simulation, et c'est l'élément le plus utile de la page.

C'est à la livraison que l'échelle se révèle. Les sorties ProRes et les sorties en séquence PNG ajoutent 5 crédits par seconde aux 12. Les profils 10 bits et supérieurs, y compris les images OpenEXR en demi-flottants, ajoutent 20, pour passer à 40 dès que la sortie dépasse environ quatre mégapixels. Les masters HDR10, HLG, 12 bits PQ et les séquences PNG 16 bits exactes au bit sont disponibles pour gen4.5 depuis le 20 août 2026, étalonnés en BT.2020 avec des métadonnées HDR10 mesurées plutôt que tone-mappés après coup. Rien de tout cela ne relève de la résolution de génération — c'est le format dans lequel le rendu est empaqueté à la sortie.

• Statut — Gen-4.5 : produit commercial depuis le 1er décembre 2025, API depuis le 10 février 2026, aucune ligne actuelle dans l’arène. WeMM-Video-35B-A3B : poids sur le Hub, zéro téléchargement, aucune annonce, jamais sur un tableau de classement.

• Réalisation — Gen-4.5 : texte ou image en entrée, MP4, ProRes, séquence PNG ou EXR en sortie. WeMM : images et bande son en entrée, texte en sortie.

• Shape — Gen-4.5 : de deux à dix secondes, une génération par requête, facturé par seconde de sortie. WeMM : un contexte conjoint de 8 192 tokens, seize trames échantillonnées par clip, facturé en gigaoctets de poids résidents.

• Prix — Gen-4.5 : 12 crédits, 0,12 $, par seconde générée, plus 5 pour ProRes ou PNG et 20 à 40 pour une couleur plus profonde. WeMM : 67,39 GiB en BF16, ou 24,11 GiB en NVFP4, et les GPU nécessaires pour le stocker.

Le plafond écrit en drapeaux shell

La divergence commence à l’endroit où chacun tronque, mais elle se termine sur la question de savoir si l’on peut trouver le nombre. Runway publie ses limites depuis des mois : de deux à dix secondes, quatre échelles de sortie, un débit par seconde. Tencent a publié une configuration et livré des commandes qui la contredisent. La configuration indique 262 144 positions ; les invocations indiquent toutes --max-model-len 8192, tant dans vLLM que dans SGLang. Entre 8 192 et 262 144, aucune valeur intermédiaire n’est prise en charge. Le grand nombre est une marge de manœuvre, et les options de service sont le produit.

Convertissez, et cela cesse d’être abstrait. Dix tokens audio par seconde — une pile de type Whisper, 32 couches d’encodeur et 32 couches de décodeur de largeur 1 280, puis un Q-Former au niveau des fenêtres de largeur 4 104 — font tenir environ treize minutes de bande-son dans 8 192 tokens, et c’est avant même de compter une seule image, l’instruction ou la réponse.

Le budget d’images vient ensuite. Les valeurs par défaut du processeur sont 2 images/s et jusqu’à 128 images ; la recette de service remplace les deux par 16 images dans un budget de 262 144 pixels. Sur un clip de dix secondes, cela revient à moins de deux images par seconde : une transcription fidèle de la pièce et un croquis de ce à quoi ressemblait la pièce. Quelles images les tableaux du rapport ont utilisées n’est indiqué nulle part, donc l’écart entre ses scores et votre configuration est un nombre que vous ne pouvez pas calculer.

Ce que le checkpoint vous permet de modifier

Ici, les deux divergent par nature. Les paliers de sortie de Runway, son tarif de base de 12 crédits et sa fenêtre de deux à dix secondes sont des décisions produit ; vous achetez l’offre ou non. La fenêtre de 8 192 tokens de WeMM est un flag serveur, sa recette de 16 images est une ligne dans une commande shell, et sa quantification est un choix entre 67.39 GiB de BF16, 22.69 GiB d’AWQ W4A16 et 24.11 GiB de NVFP4. Tous trois sont à votre main, sur le matériel que vous possédez, à la latence que vous pouvez vous permettre.

La seule chose que le téléchargement ne vous fournit pas, c'est un moteur pris en charge. Tencent n'a pas fusionné l'architecture en amont ; il a livré le diff à la place. Le répertoire patchcontient un overlay par version prise en charge — vLLM 0.18.0, vLLM 0.31.0, SGLang 0.5.16, SGLang 0.5.19, et aucune autre — avec un manifeste SHA-256 à côté de chacun, et la surface de compatibilité en dessous est assez étroite pour être fragile : une seule chaîne d'outils CUDA 12.9, une seule build PyTorch, une seule build Transformers, Python 3.12, FFmpeg dans le PATH, et un premier lancement de SGLang qui compile les kernels avant de répondre quoi que ce soit. Apportez une version qui ne figure pas dans la liste et le portage est à vous. L'exécution de référence de Tencent répartissait le BF16 sur deux H20 ; la build NVFP4 tient sur une seule carte de 48 Go avec --max-num-seqs 1.

Le poids est un artefact de la tâche. Hugging Face compte 36 177 564 536 paramètres dans les shards BF16, dont les experts routés représentent la part écrasante — 40 couches fois 256 experts de largeur intermédiaire 512, sélection top-8, plus un expert partagé de largeur 512 que chaque token traverse — tandis qu’environ 1.0B sont mobilisés par token. Près de 36B de capacité gardée en mémoire, 3B d’arithmétique dépensés. Lire la vidéo au lieu de la générer signifie payer pour stocker des connaissances que la passe avant ne visite que rarement.

A headless screenshot of the Hugging Face file listing for Tencent/WeMM-Video-35BA3B showing the Image-Text-to-Text tag, English and Chinese language tags, the arxiv:2611.26409 and apache-2.0 badges, the wemm_qwen3_5_moe architecture, LICENSE and SHA256SUMS files, a repository history of four commits, and BF16 safetensors shards from model-00001-of-00017 at 4.33 GB onward, uploaded about four hours earlier.

Les transcriptions n'ont pas de préréglage d'exportation

La différence au niveau du livrable devrait décider d’un achat avant tout benchmark. Runway vend un fichier final sous forme d’intermédiaire modifiable : du ProRes pour l’étalonnage, du PNG ou de l’EXR pour la compo, des métadonnées HDR jointes, un éditeur autour. WeMM-Video-35B-A3B ne vend rien de tel. Ce qui en sort est un paragraphe — un récit de ce qui s’est passé, de qui a parlé, de ce qui a été dit — qui alimente un index, une file de modération, un rapport QA ou une zone de recherche, pas une timeline.

Le rapport de Tencent affirme que ce paragraphe est le meilleur disponible parmi les modèles à poids ouverts. Face à Qwen3.5-Omni-Flash, il obtient 86,4 contre 79,3 sur Video-MME avec audio et 54,9 contre 36,6 sur Video-MME v2 avec audio ; face à son propre backbone, Qwen3.6-35B-A3B, il remporte 20 des 31 benchmarks de vidéo silencieuse. Il perd aussi — JointAVBench 65,9 contre 69,0, MUSIC-AVQA 79,5 contre 82,1, EgoSchema 74,2 contre 77,2. Chaque chiffre provient de l'entraîneur, le rapport le dit explicitement, et il alterne entre les modes Instruct et Thinking tableau par tableau au fil de ses divulgations. Aucun tiers n'a reproduit quoi que ce soit. Ce qui rendrait l'affirmation vérifiable, c'est une fusion en amont dans vLLM pour mettre fin aux correctifs et une première exécution indépendante sur Video-MME v2 avec audio.

Le rapport indique également que la famille est « déployée sur plusieurs services vidéo essentiels au sein de WeChat », citant le commerce en direct, l’analyse de drames courts et la vidéo interactive. C’est l’affirmation d’adoption la plus forte de cet article et la moins vérifiable : aucun chiffre de latence, de débit, de concurrence ou de mémoire n’apparaît nulle part dans le communiqué. C’est une phrase que l’on peut citer mais pas tester.

A stacked flat vector evidence card on a charcoal background headed What each side has on the record: the bone-white Runway Gen-4.5 panel reads no row on any of the three AA video boards, 1,247 Elo at launch on 1 December 2025, 1,000 as the board anchor has since moved, and an API since 10 February 2026; the muted teal WeMM-Video-35B-A3B panel reads no entry on Artificial Analysis or LMArena, benchmarks reported by Tencent only, no third-party reproduction, and weights committed 20 November 2026. A grey footer reads 'Boards read 20 November 2026; the two absences are not the same absence.'

Là où une transcription trouve sa place dans un studio

Combinez les deux et le pipeline s’écrit de lui-même, même si personne ne l’a publié : générez le plan, puis faites relire le rendu par quelque chose — le produit est-il apparu, le dialogue correspondait-il au script, ce clip peut-il être publié sans risque. Runway ne vend pas la seconde moitié. Un checkpoint WeMM auto-hébergé pourrait le faire, au prix d’un téléchargement de 67 GiB et d’une surcouche de code source.

Pour la moitié que vous pouvez obtenir cette semaine, le backbone est le point d’entrée sensé. Qwen3.6-35B-A3B est le modèle sur lequel WeMM-Video-35B-A3B a été construit, comme l’indique le rapport, et il est disponible sur OrcaRouter à 0,25 $ par million de jetons en entrée et 1,48 $ par million en sortie, sur un contexte de 262 144 jetons avec entrée texte, image et vidéo. Il n’a pas de pile audio, donc il ne peut pas vous dire qui a parlé. Il peut vous dire si l’image contient ce que l’invite demandait, sur les mêmes clips que vous générez, aujourd’hui.

OrcaRouter ne propose ni Gen-4.5 ni WeMM-Video-35B-A3B, et le corps de cet article serait un mensonge s'il affirmait le contraire. Ce que la plateforme vous fournit, c'est le cadre de la comparaison : une seule clé compatible OpenAI, le prix catalogue du fournisseur répercuté à 0 % de marge, et un basculement automatique lorsqu'un point de terminaison se dégrade. Notez également que Gen-4.5 facture en crédits dans le cadre d'un abonnement plutôt qu'en tokens, ce qui n'est pas une unité qu'un routeur peut normaliser — le crédit est le compteur, et le compteur est celui de Runway.

Choisissez en fonction du livrable, pas du rang

Choisissez Runway Gen-4.5 lorsque le résultat doit sortir sous forme de fichier : un plan de deux à dix secondes, livré en ProRes, en séquence PNG ou en HDR avec les métadonnées jointes, dans un éditeur que quelqu’un d’autre maintient. Sachez d’emblée que le chiffre affiché sur sa page de lancement a presque un an et a été mesuré sur un classement qui ne le répertorie plus, que les paliers de couleur de 20 à 40 crédits s’additionnent vite, et que le tarif est fixe parce que le forfait est figé.

Choisissez WeMM-Video-35B-A3B lorsque la sortie est un compte rendu de séquences plutôt que les séquences elles-mêmes, lorsque Apache 2.0 compte pour la revue juridique, et lorsque vous préférez déplacer un plafond à l'aide d'un flag plutôt que de déposer une demande de fonctionnalité. Lancez-vous en sachant que les poids datent de quelques jours, que chaque chiffre de qualité qui leur est associé appartient à l'équipe qui a entraîné le modèle, que trois des quatre variantes quantifiées se décrivent elles-mêmes comme non validées, et que l'installation est une surcouche de correctifs appliquée à un moteur d'inférence qui n'a pas encore intégré cette architecture.

Deux lignes manquent au tableau pour des raisons opposées, et aucune de ces absences n’est un verdict. Un modèle a été mesuré, couronné, puis ré-ancré hors du classement ; l’autre n’a jamais été mesuré par quiconque ne l’a pas entraîné. Une comparaison bâtie là-dessus doit porter sur ce que chaque camp vous permet de faire et sur ce que chacun vous rend — car le tableau des scores, pour une fois, est réellement vide des deux côtés.