Carton-titre indiquant « WeMM-Video-9B vs FLUX 3 Video » avec le sous-titre « Qui facture quoi », deux panneaux séparés par un disque « vs » : à gauche, portant le badge « poids uniquement » et listant 9 milliards de paramètres denses, 19,54 Gio de shards BF16 et un plafond de 128 images ; à droite, portant le badge « à l'usage » et listant Elo 1 137 sur AA-Video-T2V v2.1 et 17,40 $ par minute.
Guides & Insights

WeMM-Video-9B vs FLUX 3 Video : qui facture quoi ?

Auteur

jinhao.song

Date de publication

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

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 T​encent'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.

Two-column contrast headed 'WeMM-Video-9B vs FLUX 3 Video', the left listing 10.49B parameters, 16 sampled frames in, text out and Apache 2.0, the right listing Elo 1,137 on AA-Video-T2V v2.1, up to 20 seconds and $17.40 per minute, with a footer reading 'Artificial Analysis figures read 20 November 2026; WeMM-Video-9B figures vendor-reported.'

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.

Screenshot of the Artificial Analysis text-to-video leaderboard, AA-Video-T2V v2.1, showing ranked rows with Elo, confidence interval, sample counts, release month and per-minute pricing, with FLUX 3 Video at rank 10 on Elo 1,137 over 7,406 samples at $17.40 per minute and FLUX 3 Video Max at rank 7 on 1,151.Screenshot of the Artificial Analysis image-to-video leaderboard, AA-Video-I2V v2.1, with ranked rows carrying Elo, confidence interval, vote count, release month and cost per minute, including FLUX 3 Video at Elo 1,069 and FLUX 3 Video Max at 1,068.

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.