כרטיס כותרת עם הכיתוב 'WeMM-Video-9B נגד Hailuo 2.3' וכותרת המשנה 'שש שניות שקטות', שני פאנלים מופרדים בדיסקית 'נגד': השמאלי שכותרתו WeMM-Video-9B עם תג 'משקלים פתוחים' ושורות עם הכיתוב '19.54 GiB BF16', 'קורא 16 פריימים ב-2 fps', '8 שניות של כיסוי', 'מקבל קלט אודיו', 'ללא עלות לכל קליפ'; הימני שכותרתו Hailuo 2.3 עם תג 'API מחויב לפי שימוש' ושורות עם הכיתוב '6 שנ׳ ב-1080p', '10 שנ׳ ב-768p', 'פלט שקט', 'ללא שליטה בפריים הסיום', 'כ-0.48 דולר לקליפ'.
Guides & Insights

WeMM-Video-9B מול Hailuo 2.3: שש שניות שקטות

מחבר

jinhao.song

תאריך פרסום

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

שני המודלים האלה יאכזבו אתכם בדיוק במקום אחד, וזה אותו מקום. Hailuo 2.3 מפיק שישה שניות של וידאו ב-1080p ובלי שום צליל. WeMM-Video-9B קורא שישה־עשר פריימים מדוגמים של וידאו, שבקצב הדגימה של הגרסה המשוחררת הם בערך שמונה שניות של כיסוי, ומחזיר טקסט. אף אחד מהם אינו מערכת וידאו לשימוש כללי, ואף אחד מהם אינו נמצא בטבלת דירוג שאפשר להצביע עליה. MiniMax השיקה את Hailuo 2.3 באפריל 2026 ומאז עברה למודל שכן מופיע בטבלאות האלה; קבוצת WeChat Vision של Tencent העלתה את WeMM-Video-9B ל-Hugging Face ב-17 בנובמבר 2026 בלי הודעה, בלי נקודת קצה ובלי מחיר. זה משאיר שתי מהדורות שכל אחת מהן, בדרכה שלה, היא כלי תחום — והגבול הוא החלק המעניין.

הערה על מקורות לפני כל דבר אחר, מפני שהקטע הזה נשען על כך. המספרים של Hailuo 2.3 מגיעים מהתמחור והתיעוד של M​iniMax עצמה, בתוספת מעקבי צד שלישי לפי שנייה, מכיוון שלמודל אין Elo עצמאי. המספרים של WeMM-Video-9B מגיעים ממניפסטים של המאגר, מכרטיס המודל ומ־arXiv 2611.26409. שום דבר כאן לא שוחזר מחוץ למעבדות שפרסמו אותו, והיכן שנתון מדווח על ידי הספק, הטקסט מציין זאת.

שש השניות אינן ברירת מחדל

מגבלת האורך של Hailuo 2.3 היא תכונה נלמדת, לא הגדרה. שש שניות ב-1080p. עשר שניות אם יורדים ל-768p. אין התניית פריים סיום, כך שאי אפשר לבקש ממנו לנחות על קומפוזיציה סופית מסוימת כפי שאפשר עם מודל של פריימים מפתח, ואין כלל רצועת אודיו מקורית — הפלט שקט, וכל צליל שתרצו צריך להוסיף בהמשך או ליצור בנפרד.

התמחור מתבצע באמצעות נקודות בתשלום מראש ולא לפי תעריף מפורסם לשנייה, מה שהופך השוואות עלויות לקשות מכפי שהן צריכות להיות. שש שניות ב-768p במסלול הסטנדרטי שוות נקודה אחת; עשר שניות ב-768p או שש שניות ב-1080p שוות שתיים. גרסת Fast עומדת על כ-0.7 נקודות במקרה הקצר ועל 1.1 עד 1.3 במקרה הארוך. כלי מעקב חיצוניים שהמירו זאת לדולרים מציבים זאת קרוב ל-$0.08 לשנייה, או בערך $0.48 עבור קליפ בן שש שניות.

• משך — Hailuo 2.3: 6 שניות ב-1080p, 10 שניות ב-768p. WeMM-Video-9B: ללא משך פלט, מכיוון שהוא אינו מייצר וידאו.

• אודיו — Hailuo 2.3: אין, הפלט שקט. WeMM-Video-9B: מגדל בסגנון Whisper בעל 1.08B פרמטרים שמתמלל ומבצע הסקה על פס הקול שאתה מספק.

• שליטה — Hailuo 2.3: ללא התניית פריים-סיום. WeMM-Video-9B: 4 עד 128 פריימים ניתנים להגדרה, דגימת ברירת מחדל של 2 fps.

המקום שבו Hailuo 2.3 באמת טוב הוא הדבר שעליו מדברים המשתמשים שלו: תנועת מצלמה קולנועית, תנועת אדם ומיקרו-הבעות, ומראה מסוגנן וקרוב לאנימציה שמחזיק מעמד טוב יותר מרוב המודלים בבריפים לא-פוטוריאליסטיים. זהו חוזק אמיתי והוא אינו ניתן למדידה על לוח דירוג, וזה חלק מהסיבה שהמודל מעולם לא הופיע באחד כזה.

Two-column scoreboard headed 'WeMM-Video-9B vs Hailuo 2.3 — the scoreboard', six shared dimensions in rows: Price ('no per-clip cost' against 'about $0.48 per clip'), Board position ('none, unrankable' against 'not on AA boards'), Duration ('8 s of sampled input' against '6 s at 1080p, 10 s at 768p'), Audio ('reads the soundtrack' against 'silent output'), Control ('16 frames at 2 fps' against 'no end-frame control'), Release ('17 Nov 2026' against 'April 2026'), with a footer reading 'Hailuo pricing per October 2026 vendor rates; WeMM-Video-9B figures vendor-reported.'

ללוח אין שורה לאף אחד מהשניים.

נכון ל-20 בנובמבר 2026, כל שלושת לוחות הווידאו של Artificial Analysis — AA-Video-T2V v2.1, AA-Video-I2V v2.1, AA-Video-Editing v1.1 — אינם מחזירים דבר עבור Hailuo 2.3. לא דירוג נמוך. אין רשומה.

להיעדר הזה שתי סיבות שונות, וכדאי להפריד ביניהן. WeMM-Video-9B אינו ניתן לדירוג: הלוחות מדרגים צילום שנוצר לפי העדפה בזוגות, ולמודל שפולט טוקנים אין מה להגיש. Hailuo 2.3 יכול באופן עקרוני להיות מדורג ולא דורג — פלט 1080p שמדרג יכול לצפות בו, בלי הגשה, בלי שורת מחיר, בלי מספר דגימות.

אז הראיה היחידה לאיכות בהתמודדות הזו נמצאת בצד שאין בו מוצר. מאמר WeMM-Video-9B מדווח כי במצב חשיבה, במבחנים משותפים לאודיו ווידאו, הוא מנצח את Qwen3-Omni-30B-A3B-Instruct ב-35 מתוך 37 מדדים משותפים — Video-MME עם אודיו 85.1 לעומת 77.3, Daily-Omni 83.6 לעומת 70.7, EvaOmni 50.7 לעומת 26.1 — והפסד אחד, FutureOmni ב-53.7 לעומת 55.1. לעומת עמוד השדרה Qwen3.5-9B של עצמו בווידאו שקט, הוא משתפר ב-F-16-NBA וב-TimeLens ומפסיד ב-MLVU, LVBench, VideoVista ו-MVBench. כל זה הוא מערך הבדיקות של המחברים עצמם, כפי שמוצהר במאמר.

Screenshot of the arXiv abstract page for 2611.26409, 'Pushing the Frontiers of Open-Source Omni-Modal Video Understanding', marked submitted 19 November 2026, with the author list and the abstract describing the WeMM-Video family as 2B, 4B, 9B and 35B-A3B variants.

הדור שאחרי Hailuo 2.3

Hailuo 2.3 אינו המודל הנוכחי של M​iniMax, ולהעמיד פנים אחרת יהיה עוול כלפי כל מי שעורך תקציב לרבעון הזה. המודל המחליף, M​iniMax H3, שוחרר ב-31 ביולי 2026 והוא אכן מופיע בלוחות.

• AA-Video-T2V v2.1 — MiniMax H3 ב-768p מדורג במקום השלישי ב-Elo 1,161 ±13 על פני 8,386 דגימות, ומופיע ביולי 2026 במחיר של 4.80 דולר לדקה.

• AA-Video-I2V v2.1 — המקום ה-5 ב-Elo 1,134 ±14 על 6,594 דגימות, אותו שיעור.

• AA-Video-Editing v1.1 — מקום 6 ב-Elo 1,126 ±10 על פני 9,688 דגימות, $9.60 לדקה.

מקום שלישי בטקסט לווידאו ומקום חמישי בתמונה לווידאו במחיר של 4.80 דולר לדקה הוא שיחה אחרת לגמרי מההצעה הלא מדורגת של Hailuo 2.3, בתמחור נקודות ובאורך שש שניות. אם אתם בוחרים מודל MiniMax ולא משווים בין מודלים, H3 כבר הכריע את הוויכוח הזה בתוך ההיצע של הספק עצמו.

Screenshot of the Artificial Analysis text-to-video leaderboard, AA-Video-T2V v2.1, with ranked rows carrying Elo, confidence interval, sample counts, release month and per-minute price, headed by Wan 3.0 at 1,176 and showing MiniMax H3 at 768p third on 1,161 over 8,386 samples at $4.80 per minute; no Hailuo 2.3 row appears.

למה שמונה השניות חשובות יותר ממה שהן נראות

המתכון המסופק של WeMM-Video-9B עוקף את ברירות המחדל הנדיבות של המעבד שלו — 2 fps, מינימום 4 פריימים, מקסימום 128, תקציב של 100,663,296 פיקסלים — ומצמצם אותן ל-2 fps ול-16 פריימים ב-262,144 פיקסלים, כשהדגימה מתבצעת סביב נקודת האמצע של הקליפ. 16 פריימים בקצב של שניים לשנייה הם שמונה שניות של כיסוי, והכיסוי מתחיל באמצע.

שים את זה לצד שש השניות של Hailuo 2.3, ומשהו מבהיר מתבהר. Hailuo 2.3 מפיק פחות חומר וידאו ממה ש-WeMM-Video-9B יכול להסתכל עליו, במובן אחד: קליפ של שש שניות מ-Hailuo נכנס לחלון של המתאר עם מקום עודף. אבל מצב 768p של עשר שניות לא נכנס, וגם לא כל דבר שתייצרו במודל אחר ואז תעבירו ל-WeMM-Video-9B לבדיקה. צד הווידאו של הצינור מוגבל לכ-שמונה שניות, בעוד שצד האודיו יכול להכיל בערך שלוש עשרה דקות בקצב של עשרה טוקנים לשנייה, וכל פקודת שירות במאגר מעבירה אורך הקשר של 8,192 טוקנים, מה שהופך את האסימטריה הזו לאילוץ המחייב.

• אם אתם יוצרים — Hailuo 2.3 נותן לכם שש שניות, ללא קול, עם תנועת מצלמה חזקה ופרטים אנושיים.

• אם אתם סוקרים — WeMM-Video-9B מעניק לכם שמונה שניות של פריימים שנדגמו בתוספת רצועת השמע המלאה, עם תיאור באנגלית או בסינית.

• החיבור — יצירה שקטה בת שש שניות נמצאת בתוך שני החלונות, וזו התצורה היחידה שבה הצימוד הזה נקי.

Failover הוא החלק הלא־תיאורטי.

אף אחד משני המודלים אינו מוגש דרך OrcaRouter, והדבר נאמר כאן ולא מוטמן. ניתן להגיע אל Hailuo 2.3 דרך הפלטפורמה של MiniMax עצמה ומספר פלטפורמות של צד שלישי; ניתן להגיע אל WeMM-Video-9B באמצעות הורדה של 19.54 GiB של משקולות Apache-2.0.

מה שחשוב בצינור עיבוד שמשלב מחולל ותיאורן הוא מה קורה כשאחת מהרגליים נופלת. אצל OrcaRouter, מעבר אוטומטי לגיבוי מנתב סביב מודל שקצבו מוגבל או שמחזיר שגיאות בלי שהצד הקורא ישכתב את הלקוח שלו, וה-DSL לניתוב מאפשר לך לבטא זאת כמדיניות ולא כערימה של לוגיקת ניסיונות חוזרים. עבור עומס עבודה שבו שלב התיאור הוא נקודת ביקורת מקומית ושלב היצירה הוא API מתארח, החצי המתארח הוא החצי שנופל — ויכולת המעבר למודל דומה במקום כישלון המשימה שווה יותר מהפרש מחיר שולי.

שש שניות זה או מספיק או שלא

אם שש שניות של 1080p שקטות ובעלות ביטחון קולנועי הן התוצר, Hailuo 2.3 עושה את זה והשאלה האמיתית היחידה היא אם תמחור הנקודות מנצח את האלטרנטיבות לפי שנייה עבור הנפח שאתה צריך. בדוק את שכבת ה-768p של עשר שניות לפני שאתה מתקבע על הקצרה; עלות הנקודות מוכפלת, לא התעריף לפי שנייה.

אם התוצר הוא תיאור כתוב של חומרי צילום, WeMM-Video-9B עושה זאת עם המספרים האודיו-ויזואליים החזקים ביותר במשפחה, ובלי אימות עצמאי לאף אחד מהם. הקצו תקציב להתקנה עם טלאים של vLLM או SGLang, וגם לעובדה שתהיו האדם הראשון מחוץ ל-Tencent שמריץ אותו בעומס אמיתי.

מה שאף אחד מהם אינו הוא פלטפורמת וידאו כללית. אלה שני כלים צרים עם יתרון של שמונה שניות ויתרון של שש שניות, והבחירה ביניהם היא שאלה של איזה יתרון אתה יכול להרשות לעצמך לנצל.