
WeMM-Video-9B vs FLUX 3 Video : qui facture quoi ?
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens · 182 tok/s
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens · 366 tok/s
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 87 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 147 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 92 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 110 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 par million de tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
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 Tencent'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.
Ce recadrage n’est pas une esquive. Une comparaison entre un générateur et un descripteur n’est honnête que si l’on dit d’emblée qu’ils ne sont pas substituables, puis que l’on cherche les points où ils se recoupent réellement : le coût par unité de travail, le plafond de la portion d’un clip que l’un ou l’autre examinera, et dans quelle mesure chacune de ces affirmations a été vérifiée par une personne qui ne travaille pas dans l’entreprise.
Deux catégories de produits, pas deux concurrents
FLUX 3 Video prend une invite textuelle, ou une image fixe, ou un clip source, et renvoie de nouvelles séquences. Black Forest Labs documente la génération texte-vers-vidéo, image-vers-vidéo, vidéo-vers-vidéo, le conditionnement par image clé et la continuation, une sortie allant jusqu’à vingt secondes en 1080p SDR MP4, avec un audio synchronisé généré au cours de la même passe. Il ne s’agit pas de poids ouverts. Il n’y a aucun checkpoint à télécharger et aucune licence qui vous permette de l’exécuter sur votre propre matériel ; vous le louez.
WeMM-Video-9B prend des images vidéo ainsi que la bande-son originale, ainsi que de l’audio autonome, ainsi que des images, ainsi que du texte, et renvoie du texte en anglais ou en chinois. Il est sous Apache 2.0 avec une exclusion pour des composants tiers que la fiche du modèle ne détaille pas. Il existe un checkpoint, cinq fragments BF16 de celui-ci, et aucun point de terminaison hébergé que quiconque ait trouvé.
• Direction — FLUX 3 Video : texte ou image en entrée, vidéo en sortie. WeMM-Video-9B : vidéo et audio en entrée, texte en sortie.
• Paramètres — FLUX 3 Video : non publié. WeMM-Video-9B : backbone linguistique dense de 9B, 10,488,603,384 au total répartis sur 1,305 tenseurs.
• Plafond — FLUX 3 Video : vingt secondes de sortie. WeMM-Video-9B : seize images échantillonnées et 8 192 jetons d’entrée, tel que livré.
• Accès — FLUX 3 Video : API à l’usage mesuré. WeMM-Video-9B : à télécharger et à auto-héberger, avec une surcouche vLLM ou SGLang.

Lecture des 17,40 $
Artificial Analysis affiche FLUX 3 Video à 17,40 $ par minute sur les deux tableaux où il apparaît, et cette constance mérite que l’on s’y attarde, car c’est le seul chiffre de cet article sur lequel les deux côtés du marché s’accordent.
La carte à la seconde dans la documentation de Black Forest Labs est plus détaillée et moins flatteuse : 0,15 $ par seconde pour la HD, 0,24 $ pour la Full HD, 0,28 $ pour la QHD et 0,41 $ pour l’UHD en texte-ou-image-vers-vidéo, avec une échelle distincte et plus élevée pour vidéo-vers-vidéo à 0,21 $, 0,27 $, 0,31 $ et 0,45 $, et un niveau Draft à 0,06 $. La FAQ de la page du modèle indique encore 0,17 $, 0,29 $, 0,40 $ et 0,80 $ pour les mêmes quatre niveaux. Deux documents du même fournisseur, tous deux en ligne, en désaccord jusqu’à un facteur deux dans le haut de gamme. Établissez le budget à partir de la carte à la seconde et conservez la FAQ comme preuve que les pages de prix se périment.
C’est ici qu’une couche de routage justifie son utilité plutôt que de décorer l’ensemble. OrcaRouter répercute le prix catalogue du fournisseur avec 0 % de marge, donc lorsqu’un fournisseur révise sa grille tarifaire — ou en publie deux qui se contredisent — le montant qui vous est facturé suit le montant qu’il publie, et non la copie en cache d’un revendeur. Pour une charge de travail facturée à la seconde sur quatre niveaux de résolution, c’est la différence entre un modèle de coûts qui survit à un changement de prix et un autre qui dérive silencieusement.
Ce que signifient les chiffres au tableau
FLUX 3 Video est classé deux fois, selon deux instruments qui ne se convertissent pas l’un en l’autre.
• AA-Video-T2V v2.1 — 10e à l'Elo 1 137 ±13 sur 7 406 échantillons, juillet 2026, 17,40 $ par minute.
• AA-Video-I2V v2.1 — 16e à l'Elo 1 069 ±14 sur 6 838 échantillons, au même prix. Son grand frère FLUX 3 Video Max occupe la 7e place en texte-vers-vidéo avec 1 151 et la 17e en image-vers-vidéo avec 1 068, à 8,70 $ la minute.
Soixante-huit points séparent les lignes texte-vers-vidéo et image-vers-vidéo — soit cinq intervalles — et c'est le fait le plus utile à propos d'un modèle évalué sur deux tableaux : son rang est une affirmation sur la tâche, pas sur le modèle. Aucun des deux tableaux ne comporte de ligne pour WeMM-Video-9B, et aucun n'en comportera jamais, car tous deux classent des séquences générées et WeMM-Video-9B n'en génère aucune. Ce n'est pas un score faible. C'est une case vide.


Ce que seize images ne peuvent pas voir
La configuration livrée de WeMM-Video-9B est la partie du dépôt la plus susceptible de décevoir quelqu’un qui a survolé l’article. Les valeurs par défaut du processeur autorisent 2 images par seconde, un minimum de 4 images, un maximum de 128 images et un budget de 100 663 296 pixels. La recette vLLM fournie dans le dépôt remplace tout cela par 2 fps, 16 images et 262 144 pixels, échantillonnés autour du point médian du clip. Seize images à 2 fps représentent huit secondes de couverture, et l’échantillonnage commence au milieu, de sorte que le début et la fin d’un clip plus long ne figurent tout simplement pas dans l’entrée.
Chaque commande de service transmet également une longueur de contexte de 8 192 tokens. À dix tokens audio par seconde, la tour audio peut contenir environ treize minutes de son ; le côté vidéo s’épuise bien plus tôt. L’architecture prend en charge 262 144 plongements de position, donc le plafond est un choix de recette plutôt qu’une limite stricte — mais c’est le choix livré par le fournisseur, et c’est celui que vous obtenez si vous suivez les instructions.
Face à la sortie de vingt secondes de FLUX 3 Video, c'est une inadéquation dans les deux sens. Vingt secondes de séquences générées, c'est plus que huit secondes d'observation. Si votre pipeline génère puis décrit, le descripteur n'échantillonne qu'une fraction de ce que le générateur a produit, et combler cet écart est un travail de configuration que vous devez faire vous-même.
Le déficit de preuves est asymétrique.
FLUX 3 Video dispose de deux lignes Elo indépendantes et d'un prix. Ce qui lui manque, c'est une vérification tierce des arguments marketing : la page de FLUX 3 Max affirme « une vidéo de 10 secondes en 12 secondes », « 22 fois plus rapide que Seedance 2.5 » et une égalité à la première place en image-vers-vidéo, sans classement nommé, sans ligne de prix Max sur la fiche du tarif par seconde et sans endpoint Max. Ce sont des affirmations du fournisseur et elles doivent être lues comme telles.
WeMM-Video-9B souffre du problème inverse. Son tableau de benchmarks est détaillé — Video-MME avec audio à 85,1 contre 77,3 pour Qwen3-Omni-30B-A3B-Instruct, Daily-Omni à 83,6 contre 70,7, SciVideoBench à 64,2 contre 49,9, OmniReasoningBench à 43,9 contre 24,1, avec une seule défaite sur FutureOmni à 53,7 contre 55,1 — et rien de tout cela n’a été reproduit en dehors du propre harnais d’évaluation des auteurs. L’article le reconnaît : « résultats officiels lorsqu’ils sont disponibles et nos propres évaluations sinon ». Cette phrase est lourde de sens, et le nombre de téléchargements nul sur les dix-neuf dépôts WeMM-Video trois jours après la publication suggère que personne n’a commencé à vérifier.
La décision, en une ligne chacune
Achetez FLUX 3 Video si vous avez besoin de séquences et que 17,40 $ la minute vous convient face à un classement où il occupe la 10e place en texte-vers-vidéo et la 16e en image-vers-vidéo. Vous obtenez une API documentée, un tarif publié et un score indépendant, mais vous renoncez à la possibilité de l'exécuter vous-même.
Téléchargez WeMM-Video-9B si vous avez besoin d’une description de séquences que vous possédez déjà et pouvez supporter un checkpoint de 19,54 GiB plus un runtime patché. Vous obtenez un descripteur 9B avec de solides chiffres audio-visuels et une licence Apache-2.0, et vous renoncez à la vérification indépendante, à un contrat de service et à toute garantie quant à la part d’un long clip qu’il examinera réellement.
Ce qu’il ne faut pas faire, c’est traiter les 17,40 $ et le téléchargement gratuit comme un même poste. L’un est un tarif. L’autre est une publication de recherche dont le coût réel n’apparaît que plus tard, en heures d’intégration et en l’absence d’un second avis.
