
WeMM-Video-9B לעומת HiDream-O1-Video-1.0: שני מותניים צרים
- OrcaחדשOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 לכל 1M טוקנים · 182 tok/s
- tencentחדשTencent: Hy4 Flash2026-11-16$0.02 / $0.07 לכל 1M טוקנים · 364 tok/s
- GoogleחדשGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 לכל 1M טוקנים · 87 tok/s
- AnthropicחדשAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 לכל 1M טוקנים · 148 tok/s
- orcaחדשOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 93 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 לכל 1M טוקנים · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 לכל 1M טוקנים · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 110 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 לכל 1M טוקנים · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
שני המודלים האלה צרים יותר בייצור מאשר על הנייר, והם מצומצמים על ידי דברים שונים. HiDream-O1-Video-1.0 מצומצם על ידי ה-API שלו עצמו: ההודעה מתארת קלט טקסט, תמונה ווידאו עם פלט 1080p באורך חמש עד עשרים שניות ואודיו מסונכרן באופן מובנה, ונקודת הקצה HiHarness שקיימת בפועל מקבלת בדיוק תמונת ייחוס אחת, פרומפט אופציונלי וערך בוליאני. WeMM-Video-9B מצומצם בכך שאין לו חוזה הגשה כלל — קבוצת WeChat Vision של Tencent פרסמה אותו ב-17 בנובמבר 2026 כמשקולות Apache-2.0 וכמאמר קדם-פרסום ב-arXiv, 2611.26409, בלי נקודת קצה, בלי מחיר ובלי הכרזה, ולכן מגבלת שש-עשרה הפריימים במתכון vLLM המצורף אינה מדיניות שאפשר לערער עליה; היא פשוט מה שהמאגר עושה כשעוקבים אחרי ההוראות שלו.
לפיכך, ההשוואה שלהלן אינה עוסקת ביכולת. היא עוסקת בשאלה סביב איזו מגבלה אפשר לתכנן, ומסתבר שהתשובה תלויה בשאלה אם תעדיף לשלם עבור תקרה מתועדת או לארח תקרה שאינה מתועדת.
מה שהמאמר אומר ומה שה-API מקבל
HiDream-O1-Video-1.0 שוחרר ב-28 באוגוסט 2026 והגיע ללוח המובילים של המרה מתמונה לווידאו ב-10 בספטמבר. ההכרזה של הספק רחבה: קלט טקסט, תמונה ווידאו, פלט של חמש עד עשרים שניות ב-1080p, אודיו מסונכרן באופן מקורי, משך מתוכנן נרטיבית, אילוצים פיזיקליים.
ה-API של HiHarness אינו רחב. הוא מקבל תמונת ייחוס אחת — כתובת URL או Base64, לא גדולה מ-20 MB ולא קטנה מ-40 KB — בתוספת פרומפט טקסט אופציונלי, בתוספת ערך בוליאני force_10s. אין בורר רזולוציה. אין שדה וידאו ייחוס. אין שליטה באודיו. אם אתה רוצה חמש שניות אתה מקבל עשר; אם אתה רוצה עשרים אתה מקבל עשר. הפער בין המאמר לנקודת הקצה הוא העובדה המוחשית ביותר לגבי המודל הזה וזו שהכי סביר שתשנה את הארכיטקטורה שלך.
• קלט — HiDream-O1-Video-1.0: תמונת ייחוס אחת בתוספת פרומפט אופציונלי. WeMM-Video-9B: וידאו, שמע, תמונות וטקסט, עד ארבע תמונות, שני סרטונים ושני קטעי שמע בכל בקשה.
• פלט — HiDream-O1-Video-1.0: וידאו ב-1080p עם אודיו מסונכרן, עשר שניות בפועל. WeMM-Video-9B: טקסט באנגלית או בסינית.
• אילוץ — HiDream-O1-Video-1.0: משטח ה-API. WeMM-Video-9B: מתכון הדגימה שסופק, 16 פריימים ב-2 fps.

שורה אחת בלוח, תא ריק אחד
ל-HiDream-O1-Video-1.0 יש בדיוק מדידה עצמאית אחת, והיא טובה שכדאי להתווכח איתה.
• AA-Video-I2V v2.1 — מקום 14 ב-Elo עם 1,101 ±14 על פני 6,976 דגימות, מהדורת אוגוסט 2026, 5.80 דולר לדקה. זהו מרווח סמך צר על מדגם גדול, והוא נמצא בין Wan 3.0 עם 1,109 לבין Agnes-Video-2.5 עם 1,105 — רצועה צפופה שבה ארבע עשרה נקודות הן מרווח סמך אחד.
• חסר ב-AA-Video-T2V v2.1 וב-AA-Video-Editing v1.1. היעדרות הטקסט-לווידאו היא המעניינת, מפני שההכרזה של הספק עצמו נפתחת בקלט טקסט. מודל בלי שורת טקסט-לווידאו ובלי שדה וידאו-ייחוס הוא מודל שסיפור הטקסט-לווידאו שלו קיים רק בפרוזה.
• WeMM-Video-9B — אין שורה באף אחד משלושת הלוחות, מהסיבה המבנית: שלושתם מדרגים קטעי וידאו שנוצרו, והוא אינו מייצר כאלה. תא ריק, לא ציון נמוך.
ב-$5.80 לדקה, HiDream-O1-Video-1.0 הוא אחד מהמועמדים הזולים יותר בלוח המרת תמונה לווידאו. רק Pika H3 Flex ב-$2.10, HeyGen Video 1 ב-$2.40, Agnes-Video-2.5 ב-$2.40, Vidu Q4 Preview ב-$5.04 ו-P-Video-2-Pro ב-$5.70 זולים ממנו מבין הדגמים המדורגים, והוא גובר על כמה מודלים שמחירם גבוה פי שלושה עד ארבעה.

תשע עשרה וחצי גיגה-בייט של פירוט
הנדיבות של WeMM-Video-9B מתבטאת במה שהוא מספר לך על עצמו. רשומת Hugging Face מפרטת 10,488,603,384 פרמטרים על פני 1,305 טנסורים — עמוד שדרה לשוני של 7.94B הכולל הטמעת טוקנים של 1.02B, ראש פלט לא-קשור של 1.02B, מגדל אודיו של 1.08B עם 32 שכבות בסגנון Whisper ברוחב 1,280 מאחורי Q-Former דו-שכבתי בקצב של עשרה טוקני אודיו בשנייה, ומגדל ראייה של 0.46B עם 27 בלוקים בגודל מוסתר 1,152 עם גודל patch של 16 ומיזוג מרחבי של 2×2.
הדיוק הזה הוא צורה של יושרה שצד HiDream אינו מציע: גם Black Forest Labs וגם HiDream מסרבות לפרסם מספרי פרמטרים, ואף אחת מהן אינה מחויבת לכך. אבל זה גם טומן מלכודת, משום שארכיטקטורה מפורטת מזמינה את ההנחה שהתצורה המסופקת תואמת אותה. היא אינה תואמת.
• ברירות מחדל של המעבד — 2 fps, מינימום 4 פריימים, מקסימום 128 פריימים, 100,663,296 פיקסלים בסך הכול.
• מתכון vLLM שהופץ — 2 fps, 16 פריימים, 262,144 פיקסלים, שנדגמו סביב נקודת האמצע של הקליפ.
• הקשר — 8,192 טוקנים בכל פקודת הגשה, לעומת 262,144 הטמעות מיקום בארכיטקטורה.
שישה עשר פריימים בקצב של שניים בשנייה הם שמונה שניות של כיסוי, והדגימה מתחילה באמצע. קליפ בן שישים שניות מאבד את עשרים ושש השניות הראשונות והאחרונות שלו. הארכיטקטורה הייתה מאפשרת הרבה יותר; המתכון לא, והמתכון הוא מה שנשלח.

עשר שניות מול שמונה
הנח את שני הכובעים זה לצד זה וצורת ההחלטה מתגלה. HiDream-O1-Video-1.0 נותן לך עשר שניות של 1080p מוגמר עם אודיו מסונכרן, לא משנה מה תבקש. WeMM-Video-9B מסתכל על שמונה שניות של קטע וידאו שכבר יש לך, לא משנה כמה הוא ארוך.
שני המספרים שרירותיים. עשר השניות של HiDream הן החלטת מוצר שמגולמת בבוליאני; השמונה של WeMM-Video-9B הוא ברירת מחדל בקובץ מתכון. אף אחד מהם אינו חוק פיזיקלי. אבל רק אחד מהם מגיע עם ספק שיגיד לך מה קורה בגבול, וזה לא זה שמופץ כצ'קפוינט.
אם תיצרו קליפ בן עשר שניות עם HiDream-O1-Video-1.0 ואז תשאלו את WeMM-Video-9B מה קרה בו, המתאר דוגם שמונה מתוך אותן עשר שניות מהאמצע. שתי שניות — הראשונה והאחרונה — לעולם לא מגיעות למודל. זו בעיית תיאום שפותרים אותה בשינוי קונפיגורציה, וזו בדיוק סוג בעיית התיאום שצמד זה יוצר ושאף אחד מהספקים לא מתעד.
מיזוג מודלים, והיכן שהוא מצדיק את המשפט
שני המודלים אינם מתארחים ב-OrcaRouter. HiDream-O1-Video-1.0 נגיש דרך הפלטפורמה של HiDream עצמה ומספר פלטפורמות צד שלישי; WeMM-Video-9B נגיש באמצעות הורדה.
הסיבה שהשוואה כמו זו מגיעה לשיחת תזמור היא ששתי החצאים נכשלים באופן שונה. החצי המתארח נכשל בקול רם — מגבלת קצב, פסק זמן, קוד שגיאה — ולשם כך נועד מעבר אוטומטי לגיבוי. החצי העצמאי נכשל בשקט: הוא מחזיר תיאור בטוח של שמונה שניות של צילום ואינו אומר דבר על עשרים ושש השניות שמעולם לא ראה. מיזוג מודלים הוא הכלי המעניין יותר כאן, משום שמודל שני שקורא את אותו קליפ תחת מדיניות דגימה שונה יחלוק על הגבולות, ואי-ההסכמה היא האות היחיד שמתקבל לכך שהחלון היה קטן מדי.
עבור החלק המתארח, מחיר המחירון של הספק מועבר הלאה עם 0% תוספת, מה שחשוב יותר מהרגיל בתעריף של $5.80 לדקה: שינוי מחיר של ספק במודל זול הוא תנודה באחוזים גדולה יותר מאשר במודל יקר, ומעקב אחר התעריף המפורסם ולא אחר עותק שמור במטמון שומר על תחזית אצווה של מאה קליפים נאמנה.
באיזה אילוץ אתה יכול לחיות בתוכו?
בחר ב-HiDream-O1-Video-1.0 אם המשימה היא תמונת ייחוס אחת ועשר שניות. אתה מקבל נקודת קצה מתועדת, אודיו מסונכרן, תעריף של $5.80 ושורה בלוח במקום ה-14 ב-image-to-video. אתה מוותר על text-to-video, שליטה ברזולוציה וכל משך שאינו עשר שניות.
בחרו ב-WeMM-Video-9B אם תיאור קטעי וידאו הוא המשימה. אתם מקבלים מתאר אומני-מודלי בגודל 9B עם נתוני אודיו-ויזואליים חזקים כפי שדווחו, רישיון Apache-2.0 ומספר פרמטרים שאפשר לבחון. אתם מוותרים על חוזה שירות, אימות בלתי תלוי, וכל ערובה שחלון של שמונה שניות רחב מספיק עבור הקטעים שבאמת יש לכם.
מה שאסור לך לעשות הוא להשוות בין השניים מבחינת איכות. אף אחד מהם לא הוערך באותו מכשיר, ואת אחד מהם גם אי אפשר להעריך כך. ההשוואה שמשתלמת היא בין שני מותניים צרים — ערך בוליאני וקובץ מתכון — ועל איזה מהם אתה יכול לבנות בלי לשקר לעצמך לגבי מה שהוא רואה.
