
WeMM-Video-4B vs FLUX 3 Video: Tonton Klipnya atau Buat Sendiri
- OrcaBARUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 juta token · 182 tok/s
- tencentBARUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 juta token · 356 tok/s
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 87 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 147 tok/s
- orcaBARUOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 92 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 juta token · 81 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 juta token · 117 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 110 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Kecerdasan
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 juta token · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 juta token · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
Cara tercepat untuk membuang-buang waktu satu sore adalah membandingkan WeMM-Video-4B dengan FLUX 3 Video dalam hal kualitas. Salah satunya memiliki angka dan yang lain tidak, dan angka itu bukan skor kualitas — itu harga. FLUX 3 Video, dari Black Forest Labs, menjadi tersedia secara umum pada 4 Agustus 2026 dengan tarif per menit yang dipublikasikan dan baris di kedua papan video Artificial Analysis. WeMM-Video-4B, dari grup WeChat Vision milik Tencent, muncul pada 17 November 2026 sebagai bobot Apache-2.0 sebesar sepuluh setengah gigabyte tanpa endpoint, tanpa harga, dan tanpa entri papan peringkat sama sekali. Yang Anda pilih adalah antara generator berbayar sesuai pemakaian dan pendeskripsi gratis, dan perbandingan yang jujur adalah tentang mana dari kedua hal itu yang hilang dari pipeline Anda.
Sisa bagian ini memisahkan tiga jenis fakta: apa yang dinyatakan oleh repositori dan kedua dewan tersebut, apa yang diklaim vendor dalam makalah dan dokumentasi mereka sendiri, serta apa yang belum diverifikasi oleh siapa pun di luar kedua lab tersebut. Per 20 November 2026, kategori ketiga mencakup sebagian besar materi yang menarik.
Salah satunya ada di dua papan, yang lain tidak ada di papan mana pun.
Artificial Analysis menilai FLUX 3 Video dua kali, dan kedua skor tersebut berada pada skala yang terpisah, sehingga tidak satu pun dapat dialihkan ke yang lain.
• AA-Video-T2V v2.1 — FLUX 3 Video peringkat ke-10, Elo 1.137 ±13 dari 7.406 suara, tercantum pada $17,40 per menit. FLUX 3 Video Max yang lebih besar berada di peringkat ke-7 dengan Elo 1.151 ±14 dari 4.708 suara pada $8,70 per menit, yaitu kasus tidak biasa ketika model yang lebih besar justru lebih murah di papan peringkat.
• AA-Video-I2V v2.1 — FLUX 3 Video ke-16 dengan 1.069 ±14 dari 6.838 suara, sama $17,40. FLUX 3 Video Max ke-17 dengan 1.068 ±14 dari 6.848 suara dengan $8,70.
• WeMM-Video-4B — tidak ada baris di kedua papan, dan tidak ada baris di papan penyuntingan video. Ini bukan pengukuran yang hilang; ini tidak dapat dimasukkan. Papan video AA memeringkat rekaman yang dihasilkan, dan WeMM-Video-4B tidak menghasilkan satu pun.
Bacalah intervalnya, bukan peringkatnya. Enam puluh delapan poin memisahkan dua penempatan FLUX 3 Video di papan text-to-video dan image-to-video — setara lima interval — dan itulah fakta berguna tentang model yang dinilai dengan dua instrumen yang tidak dapat dikonversi satu sama lain: ia adalah generator yang kompeten yang posisinya bergantung pada tugas yang diberikan kepadanya. Itu adalah pengukuran independen yang nyata, meskipun sederhana — dan itu lebih daripada yang dimiliki pihak lain dalam pertandingan ini.
Apa yang bisa dibeli dengan $17,40 per menit
FLUX 3 Video adalah generator multimodal dengan daftar input yang lebih luas daripada yang ditunjukkan oleh satu baris papan mana pun. Prompt teks, gambar diam sebagai frame pertama, video untuk video-ke-video dan kelanjutan, serta keyframe untuk transisi yang terkendali. Durasi mencapai 20 detik dalam satu generasi, dengan 5 hingga 20 detik untuk teks-ke-video dan gambar-ke-video serta 5 hingga 15 untuk kelanjutan. Resolusi dijual dalam pita piksel alih-alih rasio aspek — HD sekitar satu megapiksel per frame, FHD dua, QHD/2K empat, UHD/4K delapan. Audio native dengan dialog multibahasa, ucapan tersinkronisasi, efek suara, dan ambiens bersifat opsional dan termasuk dalam harga per detik.
• Draft HD — $0.06 per detik. Klip uji berdurasi lima detik harganya tiga puluh sen.
• HD / 720p — $0,17 per detik, atau sekitar $0,85 untuk lima detik.
• FHD / 1080p — $0,29 per detik. QHD/2K adalah $0,40 dan UHD/4K adalah $0,80.
• Video-ke-video dan kelanjutan — draf $0.12, HD $0.41 hingga $0.43, FHD $0.53 hingga $0.54, $0.65 pada 2K dan $0.95 pada 4K.
Angka $17,40 per menit pada papan adalah angka 1080p yang dinormalisasi, itulah sebabnya angka itu tidak terbagi rapi ke dalam kartu tersebut. Ini adalah satuan perbandingan, bukan kuitansi. Beberapa ringkasan pihak ketiga juga melaporkan bahwa pita 2K dan 4K sedang diluncurkan secara bertahap alih-alih tersedia secara universal, jadi perlakukan bagian atas kartu sebagai pertanyaan tingkat akun.
Apa yang WeMM-Video-4B berikan kepada Anda secara gratis
Sisi lain dari perbandingan ini tidak memakan biaya per panggilan dan sama sekali tidak dapat dibeli. WeMM-Video-4B memiliki 5,611,746,312 parameter — 10.45 GiB dalam BF16 — dalam repositori yang dinamai berdasarkan tulang punggung bahasa Qwen3.5-4B-nya, bukan berdasarkan ukuran sebenarnya. Justru surplusnya yang menjadi poin: 4.21 miliar parameter model bahasa, 0.33 miliar menara visi, dan 1.07 miliar stack audio bergaya Whisper dengan Q-Former yang menghasilkan 10 token audio per detik dari audio 16 kHz dalam potongan 30 detik.
Model ini menerima teks, gambar, video, dan video dengan soundtrack aslinya, lalu menghasilkan teks. Pada tabel audio-visual gabungan para penulis, model ini mengungguli Qwen3-Omni-30B-A3B-Instruct pada Video-MME dengan audio, 83,9 berbanding 77,3, dan pada Video-MME v2, 48,1 berbanding 36,3. Pada video tanpa audio, model ini unggul pada LVBench 65,3 berbanding 50,2 dan LongVideoBench 74,8 berbanding 63,5. Terhadap Qwen3.5-Omni-Flash, model ini kalah pada benchmark audio — MMAU 75,2 berbanding 80,4, MMAR 67,3 berbanding 74,0 — dan tertinggal pada OCRBench 85,7 berbanding 89,1 serta GPQA 73,2 berbanding 76,4.
Setiap angka itu adalah pengukuran Tencent sendiri. Makalah tersebut menyatakan bahwa mereka melaporkan hasil resmi bila tersedia dan evaluasi sendiri bila tidak, dan belum ada pihak ketiga yang mereproduksi satu baris pun. Jumlah frame, anggaran piksel, dan panjang konteks untuk uji benchmark tidak disebutkan — ini penting karena resep vLLM yang disertakan membatasi video pada 16 frame dan 262,144 piksel total, sementara default prosesor adalah 128 frame.

Dua jam yang tidak pernah bertemu
Tidak satu pun dari kedua model itu dapat menggantikan yang lain, dan batasan yang membuat hal itu benar adalah keduanya soal anggaran, bukan kemampuan.
• Anggaran output — FLUX 3 Video menghasilkan hingga 20 detik rekaman video per panggilan pada hingga 4K dengan audio. WeMM-Video-4B tidak menghasilkan frame sama sekali, sehingga anggaran outputnya adalah anggaran token: 8.192 token per permintaan dalam kondisi bawaan, dengan audio memakai 10 token per detik sebelum frame dihitung.
• Batas input — WeMM-Video-4B menerima empat gambar, dua video, dan dua item audio per permintaan, pada 2 frame per detik dengan batas maksimum 16 frame. FLUX 3 Video menerima prompt, satu frame pertama, satu video referensi atau satu set keyframe, dan tidak menerima input audio dalam bentuk apa pun.
• Bentuk biaya — FLUX 3 Video membebankan biaya per detik keluaran, jadi biaya berskala dengan ambisi. WeMM-Video-4B membebankan biaya per GPU-jam dari perangkat keras Anda sendiri, jadi biaya berskala dengan ukuran batch dan tidak peduli seberapa panjang klip sumbernya, hanya berapa banyak frame yang bertahan setelah penyampelan.
• Lisensi — Apache 2.0 pada koleksi WeMM, dengan pengecualian yang tidak dirinci untuk komponen pihak ketiga; API komersial yang dihosting di sisi FLUX tanpa bobot yang dipublikasikan.
Sederhananya: yang satu adalah biaya per detik dengan papan skor, yang lain adalah biaya modal tetap dengan dokumen. Tim yang membutuhkan bidikan jadi tidak dapat menggunakan WeMM-Video-4B, dan tim yang membutuhkan indeks yang dapat dicari dari sepuluh ribu klip yang sudah ada tidak dapat menggunakan FLUX 3 Video — bukan karena mahal, tetapi karena tidak ada cara untuk menjawab pertanyaan tentang rekaman yang tidak dibuatnya.
Audio adalah bagian tempat perbandingan itu berbelok.
FLUX 3 Video menghasilkan audio. WeMM-Video-4B memahami audio. Itu adalah kemampuan berbeda yang terdengar mirip dalam daftar fitur, dan perbedaannya menentukan pipeline.
Audio FLUX adalah keluaran generasi: dialog multibahasa, ucapan tersinkronisasi, efek suara, dan ambiens, bersifat opsional dan dibundel ke dalam harga per detik. Yang tidak dipublikasikan Black Forest Labs adalah jumlah trek, jadi jika Anda memerlukan dialog, musik, dan efek sebagai stem yang dapat dipisahkan, baik kartu tarif maupun dokumentasi tidak memberi tahu apakah Anda akan mendapatkannya. Siapkan anggaran untuk pass kedua di DAW.
Audio WeMM adalah jalur masukan: menara berparameter 1,07 miliar yang mengubah soundtrack menjadi 10 token per detik dan memfusikannya dengan token visual dalam urutan kronologis, dengan stempel waktu tekstual yang eksplisit. Itulah yang diukur oleh 83,9 pada Video-MME dengan audio dan yang diukur oleh 75,2 pada MMAU — seberapa baik ia mendengar, bukan seberapa baik ia berbicara.
Jadi alur kerja yang menulis sebuah scene, merendernya dengan suara, lalu perlu mengetahui apakah dialognya benar-benar tersampaikan membutuhkan kedua bagian itu, dan tidak ada satu pun model yang mencakup bagian model lainnya. Itulah satu-satunya tempat dalam perbandingan ini di mana keduanya benar-benar saling melengkapi, bukan sekadar berbeda.
Pertanyaan routing, yang dinyatakan dengan jujur
OrcaRouter tidak menyediakan kedua model tersebut. Tidak ada endpoint WeMM-Video-4B — katalog platform sama sekali tidak memiliki checkpoint WeMM — dan juga tidak ada rute FLUX 3 Video. FLUX 3 Video tersedia melalui API milik Black Forest Labs sendiri dan beberapa platform pihak ketiga; WeMM-Video-4B tersedia sebagai unduhan, dengan overlay vLLM atau SGLang yang telah dipatch, karena kedua engine tersebut tidak mendukung arsitektur itu di upstream.
Yang dicakup platform ini adalah lapisan teks yang mengelilingi salah satu dari kedua alur kerja, dan dalam perbandingan ini bagian yang berguna adalah fusi model, bukan sekadar perutean. Keputusan "apakah klip ini layak disimpan" adalah penilaian, dan panggilan gabungan yang menempatkan pengklasifikasi murah dan penalar mahal pada prompt yang sama dapat melakukannya dengan sebagian kecil dari biaya menjalankan yang mahal pada setiap kandidat. Itu berjalan pada satu kunci yang kompatibel dengan OpenAI di lebih dari 200 model, dengan harga daftar penyedia tanpa markup 0%, sehingga ketika vendor menurunkan harga, penurunan itu berlaku pada hari yang sama alih-alih pada siklus penagihan berikutnya. Khusus untuk separuh pekerjaan WeMM yang hanya berbasis visi, Qwen3-VL-235B-A22B-Thinking dan Qwen3-VL-8B-Thinking keduanya menerima gambar dan bingkai video dan sudah tersedia di platform saat ini — yang merupakan jalur untuk mengakali model omni yang tidak ada, bukan pengganti menara audio-nya.


Apa yang sebenarnya akan menyelesaikannya
Tiga perkembangan akan membuat perbandingan ini tidak lagi bertumpu pada dasar yang dilaporkan vendor seperti saat ini.
Pertama, entri WeMM-Video-4B di papan independen mana pun. Tidak ada satu pun, dan alasannya bersifat struktural, bukan konspiratif: papan video AA memeringkat rekaman yang dihasilkan, dan model pemahaman tidak dapat diikutsertakan. Arena pemahaman video omni-modal adalah instrumen yang hilang, dan sampai arena itu ada, setiap angka WeMM hanyalah klaim Tencent.
Kedua, rilis bobot FLUX 3 Video. Black Forest Labs memiliki reputasi sebagai perilis terbuka dan checkpoint ini tidak memiliki lisensi untuk diunduh, sehingga perbandingannya saat ini adalah antara model terbuka dan model tertutup, sebuah perbedaan yang tidak dapat ditangkap oleh baris benchmark mana pun.
Ketiga, harga hosting untuk keluarga WeMM. Jika host yang kompatibel mulai menyajikan bobot ini pada harga daftar penyedia dengan markup 0% yang diteruskan, sisi biaya artikel ini berubah bentuk dalam waktu seminggu. Itu adalah syarat, bukan fakta saat ini, dan tidak ada di sini yang boleh dibaca sebagai klaim bahwa kami menghostingnya.
Yang mana yang sebenarnya kamu butuhkan?
Jika hasil yang harus diserahkan adalah rekaman video, FLUX 3 Video adalah satu-satunya dari keduanya yang dapat menghasilkannya, dan keputusannya bermuara pada apakah $0.17 per detik untuk 720p dapat diterima dibandingkan generator alternatif di papan yang sama — yang, pada peringkat ke-10 untuk text-to-video, harganya berada di kisaran menengah.
Jika hasil yang harus diserahkan adalah pernyataan tentang rekaman yang sudah Anda miliki, WeMM-Video-4B adalah satu-satunya dari keduanya yang dapat menghasilkannya, dan keputusannya bermuara pada apakah Anda dapat membawa overlay sumber untuk vLLM atau SGLang dan checkpoint 10,45 GiB untuk mendapatkan pendeskripsi kelas 4B dengan angka video panjang yang luar biasa bagus.
Jebakannya adalah memperlakukan $17.40 dan $0.00 sebagai kuantitas yang sama. Yang satu adalah tarif bermeter untuk sebuah layanan; yang lain adalah ketiadaan layanan. WeMM-Video-4B gratis sebagaimana rilis riset gratis — Anda membayarnya dalam integrasi, dalam bundel GGUF yang belum tervalidasi, dan dalam ketiadaan pendapat orang lain tentang apakah itu berfungsi.
Dibandingkan dalam artikel ini1
Terdeteksi dari artikel ini
