כרטיס כותרת הירו עם הכיתוב 'WeMM-Video-2B נגד Seedance 2.5 Flash', עם כותרת משנה 'שער ה-QC שאיש לא מתמחר', ושני כרטיסים מחוברים: השמאלי, שכותרתו Seedance 2.5 Flash, מציג 0.07 דולר לשנייה ב-480p ומסומן 'מייצר'; הימני, שכותרתו WeMM-Video-2B, מציג 6.12 GiB ו-Apache 2.0 ומסומן 'שופט'.
Engineering & Research

WeMM-Video-2B מול Seedance 2.5 Flash: שער בקרת האיכות שאיש לא מתמחר

מחבר

jinhao.song

תאריך פרסום

מודלים אחרונים · 20צפו בכל המודלים →
בנצ'מרקים: Artificial Analysis · מתעדכן יומית
חזרה לכל הפוסטים

שבעה סנטים קונים שנייה אחת של Seedance 2.5 Flash באיכות 480p, או חמישה עשר סנטים ב-720p, לפי מחירון שבייטדאנס פרסמה דרך BytePlus ב-13 בנובמבר 2026. איש לא מפרסם כמה עולה להחליט אם הקליפ שחזר שמיש. WeMM-Video-2B — ה-checkpoint האומני-מודלי בן 3.28 מיליארד הפרמטרים של Tencent, שהועלה ב-17 בנובמבר 2026 בלי הודעה, ונכון ל-20 בנובמבר עם אפס הורדות — הוא המודל הראשון ברישיון פתוח במשפחה הזו שקטן מספיק כדי לרוץ בתור השומר ולא בתור המחולל. ביחד, הם מתארים צינור עיבוד שבו לחלק היקר יש מחיר, ולחלק שמחליט אם שילמת עליו פעמיים — אין.

זו כל הטענה, והיא אינה פיץ' מוצרי לאף אחד מהמודלים. Seedance 2.5 Flash הוא מחולל וידאו עם מחירון ובלי טבלת יכולות. WeMM-Video-2B הוא מודל להבנת וידאו עם מאגר קוד ובלי הערכה עצמאית. אף אחד מהם לא יושב בנקודת קצה מתארחת שנוכל להפנות אתכם אליה. בהמשך יבוא מה כל אחד מהם באמת, מדוע התמחור לפי שנייה ששולט בקטגוריה הזו חלקי, ואיך היה צריך להיראות שער בתוך הלופ לפני שהיה שווה לחווט אותו.

מה ששבעה סנטים לשנייה לא מכסה

נתחיל בחשבון, כי זה החלק היחיד בהשוואה הזו שהוא כבר סגור. Seedance 2.5 Flash גובה $0.07 לשנייה ב-480p ו-$0.15 ב-720p ללא וידאו קלט, לעומת $0.103 ו-$0.231 עבור Seedance 2.5 — בערך שני שלישים מהמחיר בשתי הרמות, נגזר מתעריף טוקנים של $7.00 ליחידה לעומת $10.70 של הדגם האב. קליפ בן חמש שניות עולה $0.34 ב-480p. אלף כאלה עולים $340.

המספרים האלה נכונים, והם גם הדבר הכי פחות מעניין במודל, כי הם מתמחרים יצירה ולא החלטה. כל אולפן שמפעיל מסלול וידאו מגלה בסופו של דבר שהחשבון אינו מספר הקליפים שהוא יצר — אלא המספר שהוא יצר כדי להגיע לאחד שהיה מוציא לאור. אם ל-Flash נדרשים ארבעה ניסיונות כדי להשיג טייק שמיש, העלות האמיתית שלו היא 28 סנט לשנייה מאושרת, והוא אינו טוב יותר מנתון הכותרת שלו בשום צורה. אם מודל האב מגיע לזה בשני ניסיונות, מודל האב זול יותר לשנייה מאושרת למרות שהוא עולה 47% יותר לכל ניסיון. כרטיס התעריפים לא יכול לומר לך איזה מהדברים האלה נכון. רק מדידה יכולה.

המדידה הזו היא מה שמודל הבנה נועד לעשות — וכאן ההשוואה מפסיקה להיות "מול" במובן של תפוחים לתפוחים, והופכת לתיאור של שתי מטלות סמוכות.

אחד מייצר, אחד שופט, ואף אחד מהם לא עושה את שניהם

Generated two-column scoreboard titled 'WeMM-Video-2B vs Seedance 2.5 Flash - the scoreboard' with six labelled rows: what goes in, what comes out, resolution, duration, weights and independent evaluation. WeMM-Video-2B reads text out only, Apache 2.0 with four quantised builds, 10 frames per 5 seconds at 2 fps. Seedance 2.5 Flash reads 480p and 720p with no 1080p, a closed endpoint, 5 seconds in the worked example. A footer reads neither is independently evaluated.

Seedance 2.5 Flash מקבל פרומפט, פריים ראשון אופציונלי ונכסי ייחוס, ומחזיר וידאו. WeMM-Video-2B מקבל פריימים של וידאו יחד עם פס הקול המקורי, ומחזיר טקסט. אין חפיפה ביכולות ואין דרך להחליף אחד באחר. מזהה המודל של המחולל הוא dreamina-seedance-2-5-flash-261115, וחותמת התאריך שבו — 15 בנובמבר 2026 — היא חלון ה-API ש-BytePlus פרסמה, יומיים לאחר שהמודל הופיע אצל שותף הפצה.

• מה נכנס — פרומפט ותמונות ייחוס עבור Flash; עד ארבע תמונות, שני סרטונים ושני פריטי שמע לכל בקשה עבור WeMM-Video-2B.

• מה יוצא — וידאו mp4 עם שמע מסונכרן עבור Flash; תגובת טקסט עבור WeMM-Video-2B, בסינית או באנגלית.

• רזולוציה — 480p ו-720p ב-Flash, ללא שכבת 1080p כלל; לא רלוונטי ל-WeMM-Video-2B, שאין לו פלט וידאו.

• משך — חמש שניות הוא הדוגמה המחושבת בכרטיס התעריפים; WeMM-Video-2B דוגם ב-2 fps עם רצפה של 4 פריימים ותקרה של 128 פריימים, כך שקליפ בן חמש שניות הוא עשרה פריימים כברירת מחדל.

• משקלים — Flash הוא נקודת קצה סגורה ללא דבר להורדה; WeMM-Video-2B הוא Apache 2.0 וניתן להורדה, אבל אתה מספק את ה-GPUs.

• הערכה בלתי תלויה — אין עבור אף אחד מהם. שום טבלת דירוג של צד שלישי שמצאנו ב-20 בנובמבר אינה כוללת רשומה של Seedance 2.5 Flash, ותוצאות הכותרת של מאמר WeMM-Video שייכות ל-35B-A3B ול-9B, לא ל-2B.

קראו את הרשימה פעמיים וצורת הדבר מתבהרת. זו אינה בחירה בין שני מודלי וידאו. זו בחירה בין לשלם על יצירה לבין לשלם על שיקול דעת, ורוב הצוותים כבר משלמים על הראשון בלי לתמחר את השני.

מה ש-Tencent בעצם בנתה

ה-2B הוא הדגם הקומפקטי במשפחה בת ארבעה גדלים — 2B, 4B, 9B צפוף ו-35B-A3B תערובת מומחים — ששוחררו יחד כשבעה-עשר מאגרי Hugging Face בין 08:53 ל-08:59 UTC ב-17 בנובמבר, כאשר מאמר ה-arXiv מופיע לאחר מכן ב-19 בנובמבר וה-README של המאגר עדיין נערך בבוקר ה-20. הרישיון הוא Apache 2.0 והארכיטקטורה היא מחסנית תלת-מגדלית תחת מעטפת אחת `WeMMVideoForConditionalGeneration`: מקודד חזותי בן 24 בלוקים עם ממד חבוי 1,024 וטלאים בגודל 16 פיקסלים, מקודד אודיו Whisper בן 32 שכבות ברוחב 1,280 עם 128 סלי מל, ומודל טקסט בן 24 שכבות עם ממד חבוי 2,048, 8 ראשי קשב ו-2 ראשי מפתח-ערך, על אוצר מילים של 248,320 טוקנים עם מקסימום של 262,144 מיקומים.

הפרטים שקובעים אם הוא שמיש כשער ולא כדמו:

• גודל המשקלים — 6.12 GiB של BF16 safetensors בשני שרדים, 6,567,256,208 בייטים באינדקס, שהם בקירוב 3.28 מיליארד פרמטרים לאחר ספירת המקודדים. השם מתייחס למודל השפה בלבד.

• שני מצבים, צ'קפוינט אחד — `enable_thinking=False` מחזיר תשובה ישירה ו-`enable_thinking=True` מחזיר עקבות נימוק, כאשר הבחירה נעשית באמצעות דגל בתבנית הצ'אט ולא באמצעות הורדת מודל נוסף.

• הגשה — vLLM 0.18.0 או 0.31.0 עם תיקונים, SGLang 0.5.16 או 0.5.19 עם תיקונים, תמונות CUDA 12.9, ומסלול ריצה מקורי עבור בניית GGUF. הצהרת האימות של Tencent עצמה היא ש-vLLM עם התיקונים "טען את ה-checkpoint על L20 ו-H20 והשלים בדיקות יצירה עבור טקסט, תמונה, אודיו ווידאו עם פס קול."

• כימות — FP8 Block128, ‏AWQ W4A16, ‏GGUF Q4_K_M ו-NVFP4 W4A16, כל אחד במאגר משלו. מודל 2B בגרסת 4-bit קטן מספיק כדי לשבת על אותה מכונה כמו הלקוח שקורא למחולל.

• מגבלות קלט — ארבעה תמונות, שני סרטונים ושני פריטי שמע לכל בקשה בתוך הקשר של 8,192 טוקנים, הנאכפים על ידי מתכון ההגשה ולא רק מוצעים על ידו.

מה שחסר חשוב לא פחות. אין שום מספר דיוק ספציפי ל-2B בשום מקום בפרסום — הטענות של המשפחה בדבר עקיפה של Qwen3.5-Omni-Flash ו-Seed2.0-Mini-0428 שייכות ל-35B-A3B, והטענה של ה-9B בדבר עקיפה של Qwen3-Omni-30B-A3B-Instruct היא של ה-9B. האם המודל הקומפקטי שומר על החשיבה האודיו-ויזואלית שהופכת את המשפחה לראויה לכתיבה — לא נבחן בציבור. אפס הורדות ושתי לייקים במאגר נכון ל-20 בנובמבר הם מדד סביר למידת הביקורת החיצונית שהוא זכה לה.

טבלת היכולות שByteDance לא פרסמה

Screenshot of ByteDance's BytePlus ModelArk documentation for Seedance 2.5 Flash, showing the model identifier dreamina-seedance-2-5-flash-261115 and the API availability window of 14:00 UTC plus 8 on 15 November 2026, with no duration, reference-budget or audio row on the page.

ל-Flash יש הבעיה ההפוכה. המחיר שלו מתועד עד האגורה, ואילו היכולת שלו אינה מתועדת כלל. BytePlus פרסמה לוח מחירים, מזהה מודל ותקרת רזולוציה. היא לא פרסמה, בשום עמוד שהצלחנו לטעון ב-20 בנובמבר, את משך הזמן המרבי, את תקציב הרפרנס, האם אודיו נוצר באותה מעבר, האם מצבי העריכה וההארכה שמאפיינים את Seedance 2.5 עוברים גם לכאן, או האם פורמט הפלט mov זמין.

מודל האב עונה על כל אלה — ארבע עד שלושים שניות, חמישים נכסי ייחוס המחולקים לשלושים תמונות, עשרה סרטונים ועשרה קבצי אודיו, יצירה משותפת של אודיו ווידאו, אחת-עשרה שפות, mp4 ו-mov ב-24 fps. שום דבר מזה לא מצוין עבור Flash. זו אינה סיבה להניח את הגרוע ביותר; זו סיבה לא להניח דבר. שכבה ששומרת על שלושים שניות וחמישים נכסי ייחוס בשני-שלישים מהמחיר היא מוצר שונה משכבה ששומרת על 720p ותו לא, וההבדל הוא בדיוק הדבר ששער בקרת איכות (QC) היה צריך למדוד — אלא שהשער אינו יכול למדוד מפרט שמעולם לא נכתב.

וזו המגבלה הכנה של כל הרעיון. אפשר לבנות את הלופ כבר היום. עדיין אי אפשר לומר מול מה הלופ בוחן, מפני שאחד הצדדים שלו מספק מחירון והצד השני מספק מסמך.

מה הייתה העלות של שער בלולאה

נניח שאתה בונה את זה. קריאת הגנרטור הולכת ל-BytePlus או לשותף הפצה באמצעות המפתח שלהם. השער הוא מופע של WeMM-Video-2B שאתה מארח בעצמך, שלוקח את הקליפ המוחזר ואת פס הקול שלו ועונה על שאלה אחת — האם זה תואם את הבריף, והאם האודיו מסונכרן. בקצב של 2 fps ועשרה פריימים לקליפ של חמש שניות, זו משימת אינפרנס קטנה על GPU בודד, וגרסאות ה-4-bit הופכות אותה לקטנה עוד יותר.

החשבון הכלכלי לא מאוזן באופן ששווה לומר בפשטות. יצירה עולה שבעה עד חמישה עשר סנט לשנייה ואי אפשר לבדוק אותה לפני שמשלמים. בדיקת שער עולה שבריר סנט מזמן GPU ואפשר להריץ אותה כמה פעמים שרוצים. אם השער דוחה אחד מכל ארבעה קליפים, חסכת שלושה רבעים מיצירה מחדש שהיית Otherwise קונה בעיוורון — ועשית זאת בלי חוזה עם ספק שני, כי השער הוא משקלים על החומרה שלך.

מה שלא מקבלים הוא מספר. אף אחד לא פרסם שיעור התאמה בין שיפוט של WeMM-Video-2B לבין שיפוט של עורך אנושי, ועד שמישהו יעשה זאת, השער הוא מסנן עם שיעור חיובי־שווא לא ידוע. זו סיבה ממשית להריץ אותו במצב צל במשך שבוע לפני שמאפשרים לו לדחות משהו.

היכן שכבת הניתוב מצדיקה את מקומה

Screenshot of the OrcaRouter model page for Tencent Hy4 Flash, showing the identifier tencent/hy4-flash, a 1,048,576-token context window, 65,536 maximum output tokens, text and image input with text output, and per-million pricing of 0.0175 dollars in and 0.07025 dollars out.

אף אחד מהמודלים אינו בקטלוג שלנו, ושתי האמירות ראויות להיאמר בלי הסתייגויות: אנחנו לא מספקים את WeMM-Video-2B, ואנחנו לא מספקים את Seedance 2.5 Flash. פייפליין שנבנה סביב אחד מהם הוא פייפליין שנבנה על המפתח של מישהו אחר.

המסלול של "מה אנחנו עושים" הוא העבודה שסביב, ובתכנון המסוים הזה הוא לא פרס ניחומים. Tencent Hy4 Flash הוא הדרג החסכוני של דגל Hunyuan של Tencent — קלט טקסט ותמונה, פלט טקסט, הקשר של מיליון טוקנים, עד 64,000 טוקני פלט, במחיר של $0.0175 למיליון טוקני קלט ו-$0.07025 למיליון טוקני פלט. זהו המודל שמרחיב בריף של שורה אחת לרשימת שוטים, משכתב את הפרומפט בין הניסיונות, וקורא את סיבת הדחייה של השער כדי להחליט מה לשנות. זהו מודל טקסט שעושה עבודת טקסט, ובתעריפים האלה לולאת הנדסת הפרומפטים סביב פייפליין וידאו עולה פחות מהווידאו.

הנקודה המבנית היא זו ששורדת לא משנה איזה ספק תבחרו. מחיר המחירון של הספק עובר אליכם ב0% תוספת, כך שכאשר ByteDance מורידה מדרגה — כפי שהיא הורידה את זו לשני שלישים מזו האבהית — ההוזלה פעילה אצלנו באותו יום ולא באיפוס החיוב הבא. מעבר אוטומטי בין ספקים פירושו שהחצי הטקסטואלי של הלופ לא מפיל את הצינור כאשר נקודת קצה אחת נחלשת. ולהיות עם יותר מ-200 מודלים מאחורי מפתח תואם OpenAI אחד פירושו שההשוואה שתערכו ממילא — השער הזה מול מודל הבנה גדול יותר, מרחיב הפרומפט הזה מול מודל זול יותר — עולה שינוי פרמטר ולא אינטגרציה.

מה לראות, ובאיזה סדר

שלושה דברים יהפכו את זה מוויכוח להמלצה. ראשית, טבלת היכולות של Flash: משך, רפרנסים, אודיו, והאם 1080p נעדר לצמיתות או רק מאחר. שנית, כל הערכה עצמאית של ה-2B — מספר הסכמה פומבי אחד לעומת שיפוט אנושי יהפוך את השער מתוכנית לרכיב. שלישית, השוואת ההשהיה הראשונה שתפורסם עבור Flash, כי "מהיר יותר" הוא כל הרעיון שמאחורי השם, ופלט של 24 fps ב-720p למשך שלושים שניות הוא כמות עצומה של הסקה להאיץ.

עד אז הסיכום הוא שני מחירים ומספר אחד חסר. Seedance 2.5 Flash הוא דרגת וידאו אמיתית, זולה ומוגדרת באופן צר, בשני שלישים מהתעריף של הדגם האח שלו. WeMM-Video-2B הוא מודל הבנה שלם ברישיון פתוח שאיש לא הכריז עליו וכמעט שאיש לא הוריד אותו. שבעת הסנטים מתועדים. העלות של לדעת אם שבעת הסנטים היו שווים את ההוצאה אינה מתועדת — והפער הזה, ולא מחירון התעריפים, הוא הדבר שצריך לתקצב עבורו.