כרטיס כותרת ראשי עם הכיתוב 'WeMM-Video-9B: מדוע גרסאות ה-4-bit שלו עדיין בגודל 13 GiB', עם כותרת משנה 'Tencent פרסמה תשעה-עשר מאגרי WeMM-Video ב-17 בנובמבר 2026 בלי פוסט השקה', עם ארבע שורות של שבבי זיכרון עבור בסיס BF16 בנפח 19.54 GiB על פני חמישה שברים, FP8 Block128 בנפח 13.10 GiB, AWQ W4A16 בנפח 12.86 GiB ו-NVFP4 W4A16 בנפח 13.07 GiB, שורה מודגשת עם הכיתוב 0.42 GiB בין כל ארבע הגרסאות הדחוסות, וכותרת תחתונה שאומרת שהגדלים נמדדים מרשימת הקבצים של כל מאגר Hugging Face ושהם מדווחים על ידי הספק ללא אימות עצמאי.
Engineering & Research

WeMM-Video-9B: מדוע גרסאות ה-4-ביט שלו עדיין בגודל 13 GiB

מחבר

jinhao.song

תאריך פרסום

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

כימות של ארבעה ביטים אמור להסתכם בכרבע בערך מקובץ המשקולות שממנו הוא נוצר. WeMM-Video-9B הוא 19.54 GiB ב-BF16, וגרסת ה-AWQ W4A16 שלו היא 12.86 GiB. זה קיצוץ של 34%, לא של 75% — וגרסאות ה-FP8, AWQ, NVFP4 ו-GGUF כולן נופלות בטווח של 0.42 GiB זו מזו, כך שהבחירה ביניהן כמעט לא קונה לך זיכרון בכלל. המניפסטים של היצואנים עצמם מסבירים למה: צינורות העיבוד של 4 ביטים דוחסים רק את מטריצות ה-feed-forward הצפופות — 4.83 מיליארד פרמטרים מתוך 10.49 מיליארד — בעוד שמגדל הראייה, מגדל האודיו, ההטמעה, ראש הפלט ומשקולות הקשב שומרים כולם על הדיוק המקורי שלהם, ו-5.7 מיליארד פרמטרים בשני בייטים כל אחד קובעים רצפה ששום מתכון W4 לא יכול לרדת מתחתיה. T​encent פרסמה את המשקולות, את מתכוני הכימות ואת דו"ח טכני בן 12 מחברים בין 17 ל-19 בנובמבר בלי פוסט השקה, והחלק שאיש עוד לא כתב עליו הוא האריתמטיקה — שגם במקרה היא החלק שקובע אם המודל הזה נכנס ל-GPU שכבר יש לך. לפי הטבלאות של T​encent עצמה הוא מנצח את Qwen3-Omni-30B-A3B-Instruct ב-35 מתוך 37 מדדי אודיו-חזות משותפים לשניהם; בשאלה אם גרסאות ארבעת הביטים שלו בטוחות לפריסה, התיעוד דק יותר ממה שמשתמע מתשעה עשר מאגרים.

סטאק של 10.49B שעוטה תווית של 9B

המאגר tencent/WeMM-Video-9B נוצר ב-08:55:54 UTC ב-17 בנובמבר 2026, ארבעה־עשר שניות לאחר אחיו ה-AWQ ואחת־עשרה דקות לאחר נושא הדגל 35B-A3B. תחת ארגון T​encent קיימים תשעה־עשר מאגרי WeMM-Video, כולם נוצרו בתוך חלון של חמש דקות באותו בוקר, וזהו חתימה של סקריפט העלאה ולא של אדם שמפרסם מודל אחד בכל פעם. פרויקט GitHub Tencent/WeMM-Video נוצר שש שעות קודם לכן, ב-02:29 UTC, הקומיט הראשוני המהותי שלו נכנס ב-19 בנובמבר, ועדכוני README עדיין הגיעו ב-20 בנובמבר. המאמר, arXiv 2611.26409, הוגש ב-16:58 UTC ב-19 בנובמבר.

Screenshot of the Hugging Face model page for tencent/WeMM-Video-9B, showing the model card, the file listing and the repository tab bar for a repository created on 17 November 2026 with no launch announcement linked from it.

שום דבר מזה לא הוכרז. לא הצלחנו למצוא פוסט בלוג של Tencent, עמוד השקה של WeChat Vision, הודעה לעיתונות או מסלול בתשלום שמצביע על המשפחה הזו. בזמן כתיבת שורות אלה, כל תשעה-עשר המאגרים הראו אפס הורדות וביניהם שלוש לייקים. Artificial Analysis אינה מציינת מודל WeMM. אף אחת מהעובדות הללו לא אומרת דבר על איכות — הן אומרות ששלב ההפצה דולג.

ה-"9B" בשם הוא עמוד השדרה הלשוני, לא הצ'קפוינט. Hugging Face מתעד 10,488,603,384 פרמטרים על פני 1,305 טנסורים, וקריאת חמשת חלקי ה-safetensors לפי שמם ממיינת אותם לארבע ערמות:

• מודל שפה — 7.94B פרמטרים, כולל הטמעת טוקנים של 1.02B.

• ראש פלט — 1.02B פרמטרים. ההטמעות אינן מאוחדות, כך שזהו עותק מלא שני של אוצר המילים בן 248,320 האסימונים ב-4,096 ממדים נסתרים.

• מגדל שמע — 1.08B פרמטרים. מקודד ומפענח בסגנון Whisper, עם 32 שכבות כל אחד ברוחב 1,280, המזינים Q-Former דו-שכבתי שדוחס חלונות של 0.1 שניות ל-10 אסימוני שמע בשנייה.

• מגדל חזותי — 0.46B פרמטרים. 27 בלוקים בגודל מוסתר 1,152, גודל טלאי 16, מיזוג מרחבי 2, טלאי זמני 2.

אז בערך חמישית מהקובץ היא אוזניים ועיניים. המאמר מפרט במפורש את המקור: המודלים הצפופים 2B, 4B ו-9B בנויים על Qwen3.5-2B, Qwen3.5-4B ו-Qwen3.5-9B, מודל תערובת המומחים על Qwen3.6-35B-A3B, מקודדי האודיו מאותחלים מ-Qwen2.5-Omni, ומקודדי החזות המקוריים נשמרים ולא מוחלפים, ומוקפאים מהשלב השני של האימון המקדים ואילך, מכיוון שהם "כבר מספקים ייצוגים חזותיים חזקים מספיק".

הבסיס עצמו הוא היברידי: 32 שכבות, גודל נסתר 4,096, 16 ראשי קשב מול 4 ראשי מפתח-ערך בממד ראש של 256, עם שכבת קשב מלא אחת לאחר כל שלוש שכבות קשב ליניארי ומטמון SSM מסוג float32 — ולכן כל פקודת שירות במאגר נושאת את mamba-ssm-cache-dtype float32 כדגל. הטמעות מיקום מוצהרות ב-262,144 אסימונים; מקטעי RoPE רב-מודליים שזורים הם 11/11/10. הרישיון הוא Apache 2.0 עם החרגת צד שלישי שאינה מפורטת בכרטיס הדגם.

ארבעה בילדים, ארבעה גדלים כמעט זהים

הנה סולם הכימות המלא, כפי שנמדד מתוך רשימת הקבצים של כל מאגר עצמו ולא מתוך נתון מעוגל על כרטיס:

• BF16 base — 19.54 GiB על פני חמישה שברים.

• FP8 Block128 — 13.10 GiB, קובץ אחד. דורש כרטיס גרפי עם תמיכה ב-FP8 ו-vLLM 0.18.0 עם טלאים.

• AWQ W4A16 — 12.86 GiB, group-128 INT4 בפורמט compressed-tensors. vLLM 0.18.0 עם טלאים.

• NVFP4 W4A16 — 13.07 GiB, דיוק מעורב של ModelOpt 0.45.0 עם גודל קבוצה 16. vLLM 0.31.0 מתוקן עם Marlin, תצורת ייחוס SM120.

• GGUF Q4_K_M — 13.28 GiB כחבילה בת שלושה קבצים: 10.41 GiB שפה, 2.01 GiB אודיו, 0.86 GiB מקרן חזותי.

Generated single-column scoreboard titled 'WeMM-Video-9B — the scoreboard' with six memory-chip rows: BF16 base 19.54 GiB across five shards, FP8 Block128 13.10 GiB, AWQ W4A16 12.86 GiB, NVFP4 W4A16 13.07 GiB, GGUF Q4_K_M 13.28 GiB, and a spread of 0.42 GiB across the four compressed builds, with a footer stating the sizes are measured from each Hugging Face repository's file listing and are vendor-reported with no independent verification.

הפער בין ארבעת הבניינים הדחוסים ההם הוא 0.42 GiB, שקטן מהמאגר שהייתם משאירים לעדכון דרייבר. אם הייתם בוחרים ביניהם כדי להתאים לכרטיס, אתם בוחרים במשתנה הלא נכון: בחרו לפי איזה GPU יש לכם ואיזה runtime תוכלו לתקן, כי הבדל הזיכרון פשוט אינו שם.

הציפייה הנאיבית — רבע מ-19.54 GiB, כלומר כ-4.9 GiB — שגויה פי שניים וחצי. אפילו מרווח הראש לעומת BF16 צנוע: 6.68 GiB שנחסכו על ידי AWQ, שהם 34% אמיתיים, אבל רחוק מ"קטן פי ארבעה" שמשתמע מתווית W4.

מה היצואנים מגנים עליו, ולמה

גם מניפסטי ה-AWQ וה-GGUF מפרטים בדיוק אילו טנסורים הורשו לגעת בהם, והתשובה מסבירה את התייצבות הגודל.

• רק מטריצות ה-feed-forward הצפופות מכומתות. מניפסט AWQ מתעד 96 מטריצות שפה מכומתות — שלוש בכל שכבה לאורך 32 שכבות, כל אחת בגודל 4,096 על 12,288. כלומר 4.83B פרמטרים מתוך 10.49B, או 46% מהצ'ק פוינט. כל השאר שומר על הדיוק שלו.

• נתיב הקשב שוחזר ל-BF16. מניפסט ה-AWQ מכיל בלוק attention_restoration שמפרט 152 מטריצות הקרנה של קשב ו-32 נורמות קלט שהועתקו חזרה מנקודת ה-checkpoint המקורית יחד עם ערכי ה-SHA-256 שלהן. קובץ ההיקף של GGUF מדווח על אותו מספר — protected_attention_BF16: 152 — ומוסיף שטנסורי ההטמעה והפלט הם שני הפריטים המוגנים האחרים היחידים.

• הקצה הקדמי ושני מגדלי המדיה לעולם אינם נכנסים למכמת. 881 טנסורים רשומים כטנסורים מוגנים של הקצה הקדמי, ההטמעה והראש במניפסט AWQ — 333 ממגדל הראייה, 545 ממגדל השמע, הטמעת הטוקן, ראש הפלט הלא-מקושר והנורמליזציה הסופית. ב-BF16 מדובר בכ-3.57 מיליארד פרמטרים, או 7.1 GB מתוך הקובץ בגודל 21.0 GB, שנמצאים מחוץ לשלב הדחיסה לחלוטין.

התוצאה היא המספר שתוכנית פריסה באמת זקוקה לו: הקצו 13–13.5 GiB של VRAM עבור המשקלים בכל בנייה שתבחרו, ואז הוסיפו על כך את מטמון ה-KV ואת מטמון ה-SSM מסוג float32. "9B ב-4 סיביות" שזקוק ל-13 GiB של משקלים אינו בעיה של המודל — אוצר המילים לבדו הוא 248,320 טוקנים המשובצים פעמיים, ומגדל האודיו הוא Whisper בעל 1.08B פרמטרים שיושב באמצעו — אלא שזה ההבדל בין להשתלב בכרטיס של 16 GB עם מקום לעבוד לבין לא להשתלב כלל.

אומת לטעינה, לא אומת כשווה

כל כרטיס כימות במשפחה הזו מדווח על בדיקת עשן, וכל מניפסט מדווח על משהו בוטה יותר. קראו את שניהם זה לצד זה, כי הפער ביניהם הוא כל הסיכון שבשימוש בבנייה דחוסה.

• FP8 Block128 — כרטיס: vLLM המתוקן טען אותו על H20 והשלים בדיקות יצירה של טקסט, תמונה, אודיו ווידאו עם אודיו, ובדיקת דיוק בזמן ריצה אישרה את מסלול W8A8. מניפסט: סטטוס quantized_and_independently_reloaded_native_inference_pending, כאשר native_inference_validated: false וכן native_low_precision_gemm_validated: false נרשמו כדגלים נפרדים.

• AWQ W4A16 — כרטיס: vLLM עם טלאי טען אותו על H20, השלים את אותן ארבע בדיקות, וביקורת הדיוק אימתה משקלי feed-forward ב-INT4 מול attention ב-BF16. מניפסט: סטטוס quantized_unvalidated, עם diagnostic_variant שמציין בילד ייחוס עם attention ב-BF16 לצד זה של INT4.

• NVFP4 W4A16 — כרטיס: vLLM 0.31.0 עם טלאים נטען והריץ "את משקולות הייחוס של PRO 5000" ועבר חמש בדיקות יצירה, כולל וידאו שקט. מניפסט: אותן שלוש טענות נרשמות כדגלים וכל אחת מהן נקראת כשקרית — native_FP4_GEMM_validated, PRO5000_inference_validated, vllm_validated — תחת סטטוס של cpu_NVFP4_weight_artifact_independently_reread. מה שהמניפסט כן מעיד עליו הוא בדיקה נומרית: 96 מטריצות ו-4,831,838,208 איברים שעברו דה-קוונטיזציה באופן עצמאי, RMSE יחסי ממוצע של 0.095 מול מגבלה של 0.35, עם 1,209 טנסורים מוגנים שאומתו כזהים ביט-ביט. מספר האיברים הזה הוא אותו 4.83 מיליארד שהצהרת ההיקף מציינת, וכך יודעים שהאריתמטיקה בקטע הזה וזו של הייצואן תואמות.

• GGUF Q4_K_M — כרטיס: סביבת ההרצה הנייטיבית של ה-CPU טענה את החבילה והפיקה פלט טקסט, תמונה, שמע ווידאו. סטטוס המניפסט exported_unvalidated; סטטוס ההיקף quantized_candidate_not_validated.

"הוא נטען והוא הפיק פלט" הוא תוצאה ממשית ושווה להשיג אותה — צ'קפוינטים מולטימודליים מכומתים רבים נכשלים בדיוק בשלב הזה. זו לא התוצאה שמכריעה פריסה, מפני שאף אחד מהכרטיסים האלה אינו מדווח אף מספר דיוק בודד עבור הגרסה הדחוסה לעומת מקור ה-BF16 שלה. אין דלתא מדודה ב-MMAU, ב-Video-MME, ב-WER של תמלול. טענת הדיוק היחידה שמופיעה במקום כלשהו היא מבנית, מבדיקת AWQ: INT4 ב-feed-forward, BF16 ב-attention. זה מתאר את הקובץ. זה לא אומר לך מה עלות הדחיסה, ובמודל שהיתרון שלו על Qwen3-Omni-30B-A3B-Instruct ב-Video-MME עם אודיו הוא 7.8 נקודות, גודל העלות הזו אינו בגדר שאלה של עיגול מספרים.

אז הכלל המעשי למשפחה הזו הוא להריץ מחדש benchmark אחד שחשוב לך על ה-build המדויק שאתה מתכוון לשלוח, מול בסיס ה-BF16, לפני שאתה סומך על טבלה מהמאמר. זו עבודה של כמה שעות וזו הדרך היחידה לדעת אם אפשר להחליף את ה-feed-forward ב-INT4 מתחת לתוצאות הווידאו, או אם החיסכון של 34% משולם במספרים שהכרטיס מוכר.

Screenshot of the raw quantization_manifest.json for the FP8 Block128 build of tencent/WeMM-Video-9B on Hugging Face, showing the status field quantized_and_independently_reloaded_native_inference_pending, an official_repo field naming Qwen/Qwen3.5-35B-A3B-FP8, and the algorithm field Transformers 5.5.3 Fp8Quantize.convert.

שתי מלכודות מכניות מונחות מתחת לכך.

הראשון הוא ה-GGUF. "GGUF Q4_K_M" מתפרש כ"רץ ב-llama.cpp או ב-Ollama". זה לא נכון. החבילה בנויה עבור סביבת ההרצה המקורית של Tencent עצמה, שאותה מקמפלים מהמאגר; ההתחלה המהירה של כרטיס המודל היא install-cpu/bin וnative/run_hf.py משגר, ומדריך ההגשה מנתב את GGUF לסביבת ההרצה הזו ולשום דבר אחר. אם ה-pipeline שלך בנוי בסגנון llama.cpp, נקודת הבדיקה הזו אינה הקיצור שהיא נראית.

הדבר השני הוא פגם בתיעוד שראוי להזכירו בשמו, משום שהוא יבלבל כל מי שיקרא את המניפסטים לפי הסדר. כל שלושת מניפסטי ה-FP8 — עבור 2B, 4B ו-9B — מכילים את אותו שדה official_repo: Qwen/Qwen3.5-35B-A3B-FP8. זהו מחרוזת מקור שהועתקה והודבקה ברשומת המתכון, ולא הצהרה שצ'קפוינט 9B הוא בחשאי מודל mixture-of-experts של 35B. שום דבר אחר בקובץ אינו תומך בקריאה הזו: רשימת המקורות של אותו מניפסט מצביעה על חמשת השברים של tencent/WeMM-Video-9B עם hashes תואמים, ובלוק הארכיטקטורה מתעד מודל צפוף בעל 32 שכבות עם אפס מומחים. ה-35B-A3B הוא מודל אמיתי ונפרד; הוא גם הגודל היחיד במשפחה שאין לו מאגר FP8 משל עצמו, ויש לו רק base, AWQ, GGUF ו-NVFP4.

ה-9B מול ה-30B, לפי הטבלאות של Tencent

כל מספר בנצ'מרק שלהלן הוא של המחברים עצמם, מתוך arXiv 2611.26409, ואף צד שלישי לא שחזר אף אחד מהם. המאמר אומר זאת במפורש: מודלים קיימים מדווחים לפי "תוצאות רשמיות כאשר הן זמינות, והערכות שלנו אחרת". התייחסו לקטע זה כתיאור של טענה, ולא כמדידה.

בטבלת האודיו-חזותי המשותפת, במצב Thinking, דגם ה-9B מנצח את Qwen3-Omni-30B-A3B-Instruct ב-35 מתוך 37 הנתונים המשותפים לשני הטורים, מסיים בתיקו באחד ומפסיד באחד — מול מודל שגדול ממנו פי שלושה בערך:

• Video-MME עם אודיו — 85.1 לעומת 77.3. MiniCPM-o-4.5-9B עומד על 69.2.

• Video-MME-v2 עם אודיו — 51.6 לעומת 36.3, פער של 15.3 נקודות.

• Daily-Omni — 83.6 לעומת 70.7, אם כי 80.2 של MiniCPM-o-4.5-9B הופך את זה לתוצאה משולשת ולא לניצחון חד-צדדי.

• SciVideoBench ו-MMOU — 64.2 לעומת 49.9, ו-71.7 לעומת 60.5.

• EvaOmni ו-OmniReasoningBench — 50.7 מול 26.1, ו-43.9 מול 24.1.

• ההפסד היחיד — FutureOmni, 53.7 מול 55.1. MiniCPM-o-4.5-9B משיג שם 56.1.

הווידאו השקט הוא הטבלה השימושית יותר, מפני שהיא כוללת בקרת אותה משפחה: Qwen3.5-9B, עמוד השדרה שעליו נבנה ה-checkpoint הזה. קראו את שתי העמודות זו לצד זו ותראו שלשלב ה-post-training יש צורה. הוא משתפר ב-temporal grounding וב-temporal perception — F-16-NBA ‏88.7 לעומת 75.8, TimeLens-QVHighlights ‏66.8 לעומת 64.3, TimeLens-ActivityNet ‏55.3 לעומת 52.2, TOMATO ‏48.5 לעומת 45.0 — ונחלש בתמצות וידאו ארוך ובזיהוי כללי: MLVU ‏82.4 לעומת 84.4, LVBench ‏68.2 לעומת 70.0, VideoVista ‏82.2 לעומת 84.7, VSI-Bench ‏54.5 לעומת 58.3, MVBench ‏71.4 לעומת 74.4. כלומר, זה אינו שדרוג אחיד לעומת עמוד השדרה שהוא יורש. זהו מודל שמכוונן לעבר מתי והיכן משהו קרה, במחיר מדיד בציוני הווידאו המצטברים ובחשיבה המרחבית שבהם עמוד השדרה כבר היה טוב יותר.

שמע הוא המקום שבו ה-9B מפסיק לנצח. במצב Instruct, ה-9B משיג 70.9 ב-MMAU-Pro לעומת 64.8 של Qwen3.5-Omni-Flash ו-76.8 ב-MMSU לעומת 72.2 — אך מפסיד ב-MMAU 77.0 מול 80.4 וב-MMAR 72.8 מול 74.0, ומפסיד לחלוטין בזיהוי דיבור: שיעור שגיאות המילים ב-LibriSpeech 1.5 ו-3.1 מול 1.3 ו-2.4, שיעור שגיאות התווים ב-WenetSpeech 5.4 ו-6.8 מול 4.4 ו-5.5. טקסט וידע מספרים את אותו סיפור: MMLU-Pro 81.6 מול 82.5 של עמוד השדרה Qwen3.5-9B, GPQA 77.8 מול 81.7, HMMT 75.0 מול 82.9. אם התמלול הוא המוצר, מזהה ייעודי עדיין מנצח.

יש לקרוא בזהירות השוואה אחת במאמר. טבלת האומני־מודאלית מריצה את מודלי WeMM במצב Thinking, בעוד שטבלת האודיו מריצה אותם במצב Instruct, משום שהמחברים סברו שמבחני האודיו הסטנדרטיים הם משימות תפיסתיות ישירות. זוהי חלוקה מוצדקת, והיא גם מלמדת ששורה של WeMM בטבלה אחת אינה ניתנת להשוואה לשורה של מתחרה בטבלה האחרת.

שמונה שניות של וידאו, כברירת מחדל

הפער בין מה שהצ'ק-פוינט יכול לקבל לבין מה שהמתכונים המסופקים מעבירים לו גדול מספיק כדי לשנות תוצאות, ולכן הוא צריך להיכלל בכל תוכנית הערכה.

• תקציב פריימים — המעבד משתמש כברירת מחדל ב-2 fps, במינימום של 4 פריימים, במקסימום של 128 פריימים וב-100,663,296 פיקסלים בסך הכול. מתכון vLLM עוקף את כל ארבעת הערכים ל-2 fps, 16 פריימים ו-262,144 פיקסלים. ב-2 fps, שישה-עשר פריימים הם שמונה שניות של כיסוי מאמצע הקליפ.

• הקשר — תצורת הטקסט מצהירה על 262,144 הטמעות מיקום. כל פקודת serving ש-Tencent מפרסמת מעבירה max-model-len 8192 או context-length 8192, ושום דבר במאגר לא מסביר כיצד להגיע לנתון הגדול יותר.

• עלות אודיו — 10 אסימונים לשנייה, כך שתקציב של 8,192 אסימונים מספיק לכ-שלוש עשרה דקות של אודיו ותו לא. סרטון עם פס הקול שלו מוציא את התקציב הזה על פריימים ואודיו בעת ובעונה אחת.

• מדיה לכל בקשה — ארבע תמונות, שני סרטונים, שני פריטי שמע, בהתאם למגבלות המוגדרות.

אף אחד מחוץ ל-WeChat Vision לא פרסם באיזה סמפלינג השתמשו הרצות הבנצ'מרק. אם אתם משחזרים מספר מהטבלה שלמעלה, זהו הלא־נודע הראשון שצריך לקבוע, וברירת המחדל של 16 פריימים שסופקה היא נקודת פתיחה שגויה.

מה אפשר לעשות איתו היום בפועל

OrcaRouter אינו מגיש את WeMM-Video-9B, והקטלוג שלו אינו כולל אף צ'קפוינט של WeMM. אין מחיר מתארח לצטט ואין נקודת קצה לפנות אליה, ולכן נכון להיום מדובר בעבודת אירוח עצמי: יש לטלאות את vLLM או SGLang מתוך ספריית ה-overlay של המאגר, לנעול את השילוב המדויק של PyTorch, Transformers ו-CUDA 12.9 שמציין מניפסט הטלאים עבור גרסת המנוע שלכם, ולהקצות תקציב של 13 GiB בתוספת מטמון. מסלול ה-GGUF דורש את סביבת ההרצה המקורית של T​encent שנבנתה מקוד מקור.

עבור חצי הראייה של העבודה יש כבר חלופות פתוחות בפלטפורמה — Qwen3-VL-235B-A22B-Thinking וגם Qwen3-VL-8B-Thinking שניהם מקבלים תמונות ופריימי וידאו — ונגישים דרך מפתח אחד תואם OpenAI לצד יותר מ-200 מודלים אחרים, בתוספת של 0% מעל מחיר המחירון של הספק. אף אחד מהם לא שומע דבר, ואין מקבילה ל-WeMM עבור חצי האודיו. אם אתה רוצה לנסות מודל 9B באירוח עצמי בלי לשים עליו נתיב ייצור, ניתוב שלו מאחורי כלל failover הוא הדרך הזולה לגלות אם ה-runtime המתוקן מחזיק מעמד ברמת הקבילות שלך לפני שאתה מקצה לו כרטיס.

{{2}}ממתין{{/2}}{{3}}, ואחריו השחזור העצמאי הראשון של טבלה שקיימת כיום במקום אחד בדיוק: קובץ ה-PDF של המחברים.{{/3}}ממתין, ואחריו השחזור העצמאי הראשון של טבלה שקיימת כיום במקום אחד בדיוק: קובץ ה-PDF של המחברים.

השוואות במאמר הזה1

זוהה מתוך המאמר הזה