כרטיס כותרת עם הכיתוב 'WeMM-Video-9B vs FLUX 3 Video' וכתובית המשנה 'מי מחייב על מה', שני פאנלים המופרדים באמצעות דיסקית vs: השמאלי מסומן בתג 'משקולות בלבד' ומפרט 9B פרמטרים צפופים, 19.54 GiB של פרגמנטי BF16 ותקרה של 128 פריימים, והימני מסומן בתג 'בתשלום לפי שימוש' ומפרט Elo 1,137 ב-AA-Video-T2V v2.1 ו-17.40 דולר לדקה.
Guides & Insights

WeMM-Video-9B מול FLUX 3 Video: מי גובה על מה

מחבר

jinhao.song

תאריך פרסום

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

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.

המסגור מחדש הזה אינו התחמקות. השוואה בין מחולל למתאר היא הוגנת רק אם אומרים מראש שהם אינם תחליפים, ואז יוצאים לחפש את המקומות שבהם הם באמת נוגעים זה בזה: עלות ליחידת עבודה, התקרה של כמה מקליפ כל אחד מהם יסתכל על, וכמה מכל אחת מהטענות נבדקה על ידי מישהו שאינו עובד בחברה.

שתי קטגוריות מוצרים, לא שני מתחרים

FLUX 3 Video מקבל פרומפט טקסט, או תמונה דוממת, או קליפ מקור, ומחזיר חומר וידאו חדש. Black Forest Labs מתעד טקסט לווידאו, תמונה לווידאו, וידאו לווידאו, התניית פריים מפתח והמשכיות, פלט של עד עשרים שניות ב-1080p SDR MP4, עם אודיו מסונכרן שנוצר באותו מעבר. זה לא משקלים פתוחים. אין צ'קפוינט להורדה ואין רישיון שמאפשר להריץ אותו על החומרה שלך; שוכרים אותו.

WeMM-Video-9B מקבל פריימים בתוספת פס הקול המקורי, בתוספת אודיו עצמאי, בתוספת תמונות, בתוספת טקסט, ומחזיר טקסט באנגלית או בסינית. הוא ברישיון Apache 2.0 עם החרגת צד שלישי שכרטיס המודל אינו מפרט. יש צ'קפוינט, חמישה שברי BF16 שלו, ואין נקודת קצה מתארחת שאיש מצא.

• כיוון — FLUX 3 Video: קלט טקסט או תמונה, פלט וידאו. WeMM-Video-9B: קלט וידאו ואודיו, פלט טקסט.

• פרמטרים — FLUX 3 Video: לא פורסם. WeMM-Video-9B: עמוד שדרה לשוני צפוף של 9B, 10,488,603,384 סה"כ ב-1,305 טנסורים.

• תקרה — FLUX 3 Video: עשרים שניות של פלט. WeMM-Video-9B: שישה-עשר פריימים שנדגמו ו-8,192 טוקנים של קלט, כפי שסופק.

• גישה — FLUX 3 Video: API עם חיוב לפי שימוש. WeMM-Video-9B: הורדה ואחסון עצמי, עם שכבת vLLM או 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.'

קורא את ה-$17.40

Artificial Analysis מתמחרת את FLUX 3 Video ב-17.40 דולר לדקה בשני הלוחות שבהם הוא מופיע, והעקביות הזו ראויה לעצירה, מפני שזהו המספר היחיד במאמר הזה ששני צדי השוק מסכימים עליו.

הכרטיס לפי שנייה בתיעוד של Black Forest Labs מפורט יותר ופחות מחמיא: $0.15 לשנייה עבור HD,‏ $0.24 עבור Full HD,‏ $0.28 עבור QHD ו-$0.41 עבור UHD במסלול טקסט-או-תמונה-לווידאו, עם סולם נפרד וגבוה יותר עבור וידאו-לווידאו בעלות של $0.21,‏ $0.27,‏ $0.31 ו-$0.45, ושכבת Draft ב-$0.06. השאלות הנפוצות בעמוד המודל עדיין מציינות $0.17,‏ $0.29,‏ $0.40 ו-$0.80 עבור אותן ארבע שכבות. שני מסמכים מאותו ספק, שניהם פעילים, חולקים זה על זה בפער של עד פי שניים בקצה העליון. תקצב לפי הכרטיס לפי שנייה ושמור את השאלות הנפוצות כראיה לכך שעמודי מחירים מתיישנים.

כאן שכבת ניתוב מוכיחה את ערכה ולא רק מעטרת את המערכת. OrcaRouter מעבירה את מחיר המחירון של הספק הלאה בתוספת של 0%, כך שכאשר ספק מעדכן כרטיס תעריפים — או מפרסם שניים שסותרים זה את זה — המספר שמחויבים עליו עוקב אחרי המספר שהוא מפרסם, ולא אחרי עותק שמור במטמון של משווק. עבור עומס עבודה שמחויב לפי שנייה על פני ארבע דרגות רזולוציה, זהו ההבדל בין מודל עלויות ששורד שינוי מחיר לבין כזה שנסחף בשקט.

מה המשמעות של המספרים על הלוח

FLUX 3 Video מדורג פעמיים, בשני מכשירים שלא ניתן להמיר ביניהם.

• AA-Video-T2V v2.1 — מקום 10 ב-Elo 1,137 ±13 על פני 7,406 דגימות, יולי 2026, $17.40 לדקה.

• AA-Video-I2V v2.1 — במקום ה-16 ב-Elo עם 1,069 ±14 על פני 6,838 דגימות, באותו מחיר. האח הגדול שלו, FLUX 3 Video Max, מדורג 7 בטקסט-לווידאו עם 1,151 ו-17 בתמונה-לווידאו עם 1,068, במחיר של $8.70 לדקה.

שישים ושמונה נקודות מפרידות בין השורה של טקסט לווידאו לבין השורה של תמונה לווידאו — בשווי חמישה מרווחים — וזו העובדה הבודדת השימושית ביותר לגבי מודל שמדורג בשני לוחות: הדירוג שלו הוא אמירה על המשימה, לא על המודל. לאף אחד מהלוחות אין שורה עבור WeMM-Video-9B, ולאף אחד מהם גם לא תהיה, מפני ששניהם מדרגים קטעי וידאו שנוצרו ואילו WeMM-Video-9B אינו יוצר כאלה כלל. זה לא ציון נמוך. זהו תא ריק.

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.

מה ששישה עשר פריימים לא יכולים לראות

התצורה הנשלחת של WeMM-Video-9B היא החלק במאגר שסביר ביותר לאכזב מי שרק רפרף על המאמר. ברירות המחדל של המעבד מאפשרות 2 פריימים לשנייה, מינימום של 4 פריימים, מקסימום של 128 פריימים ותקציב של 100,663,296 פיקסלים. מתכון ה-vLLM שמגיע במאגר דורס את כל זה ל-2 fps, 16 פריימים ו-262,144 פיקסלים, כשהדגימה מתבצעת סביב נקודת האמצע של הקליפ. שישה-עשר פריימים ב-2 fps הם שמונה שניות של כיסוי, והדגימה מתחילה באמצע, כך שהראש והזנב של קליפ ארוך יותר פשוט אינם בקלט.

כל פקודת שירות מעבירה גם אורך הקשר של 8,192 טוקנים. בקצב של עשרה טוקני אודיו לשנייה, מגדל האודיו יכול להכיל בערך שלוש עשרה דקות של צליל; צד הווידאו נגמר הרבה יותר מוקדם. הארכיטקטורה תומכת ב-262,144 הטמעות מיקום, כך שהתקרה היא בחירת מתכון ולא מגבלה קשיחה — אבל זו הבחירה שהספק שיחרר, וזה מה שמקבלים אם פועלים לפי ההוראות.

מול הפלט של FLUX 3 Video באורך עשרים שניות, מדובר בחוסר התאמה בשני הכיוונים. עשרים שניות של צילום שנוצר הן יותר משמונה שניות של הסתכלות. אם ה-pipeline שלך מייצר ואז מתאר, המתאר דוגם רק שבריר ממה שהמחולל הפיק, וסגירת הפער הזה היא משימת קונפיגורציה שעליך לבצע בעצמך.

פער הראיות הוא א-סימטרי

ל-FLUX 3 Video יש שתי שורות Elo עצמאיות ומחיר. מה שאין לו הוא בדיקה מצד שלישי של השיווק: עמוד FLUX 3 Max טוען ל"וידאו של 10 שניות בתוך 12 שניות", "מהיר פי 22 מ-Seedance 2.5", ותיקו על המקום הראשון בהמרת תמונה לווידאו, בלי לוח דירוג מזוהה, בלי שורת מחיר של Max בכרטיס לפי שנייה, ובלי נקודת קצה של Max. אלו טענות של הספק, ויש לקרוא אותן ככאלה.

ל-WeMM-Video-9B הבעיה ההפוכה. טבלת הבנצ'מרקים שלו מפורטת — Video-MME עם אודיו 85.1 לעומת 77.3 של Qwen3-Omni-30B-A3B-Instruct, ‏Daily-Omni 83.6 לעומת 70.7, ‏SciVideoBench 64.2 לעומת 49.9, ‏OmniReasoningBench 43.9 לעומת 24.1, עם הפסד בודד ב-FutureOmni — 53.7 לעומת 55.1 — ואף אחד מזה לא שוחזר מחוץ למערכת ההערכה של המחברים עצמם. המאמר חושף זאת: "תוצאות רשמיות כשהן זמינות, וההערכות שלנו במקרים אחרים." המשפט הזה עושה הרבה עבודה, ומספר ההורדות האפסי בכל תשעת-עשר המאגרים של WeMM-Video שלושה ימים לאחר הפרסום מרמז שאיש לא החל לבדוק.

ההחלטה, בשורה אחת כל אחת

קנה את FLUX 3 Video אם אתה זקוק לחומרי וידאו ומחיר של $17.40 לדקה מקובל עליך מול לוח שבו הוא מדורג במקום ה-10 בטקסט לווידאו ובמקום ה-16 בתמונה לווידאו. אתה מקבל API מתועד, מחיר מפורסם וציון בלתי־תלוי, ומוותר על היכולת להריץ אותו בעצמך.

הורד את WeMM-Video-9B אם אתה צריך תיאור של חומרי צילום שכבר יש לך ואתה יכול לשאת צ'קפוינט בנפח 19.54 GiB בתוספת סביבת הרצה מתוקנת. אתה מקבל מתאר 9B עם נתוני אודיו-ויזואלי חזקים ורישיון Apache-2.0, ואתה מוותר על אימות עצמאי, על חוזה שירות, ועל כל אחריות לגבי כמה מקליפ ארוך הוא באמת יסתכל.

מה שאסור לך לעשות הוא להתייחס ל-$17.40 וללהורדה החינמית כאל אותו סעיף. האחד הוא תעריף. האחר הוא פרסום מחקרי שהעלות האמיתית שלו מתגלה רק מאוחר יותר — בשעות אינטגרציה ובלי חוות דעת שנייה.