Kartu judul bertuliskan 'WeMM-Video-9B vs FLUX 3 Video' dengan subjudul 'Siapa menagih untuk apa', dua panel dipisahkan oleh cakram vs: panel kiri berlabel 'hanya bobot' dan mencantumkan parameter dense 9B, 19,54 GiB shard BF16, dan batas 128 frame; panel kanan berlabel 'berbasis meteran' dan mencantumkan Elo 1.137 pada AA-Video-T2V v2.1 dan $17,40 per menit.
Guides & Insights

WeMM-Video-9B vs FLUX 3 Video: Siapa Menagih untuk Apa

Penulis

jinhao.song

Tanggal Terbit

Model terbaru · 20Lihat semua model →
Benchmark: Artificial Analysis · diperbarui setiap hari
Kembali ke semua artikel

Dua model dengan kata video dalam namanya, dan hanya satu di antaranya yang akan pernah memberi Anda video. FLUX 3 Video, dari Black Forest Labs, mencapai ketersediaan umum pada 4 Agustus 2026 dan menjual per detik rekaman 1080p jadi dengan tarif yang dipublikasikan. WeMM-Video-9B, dari grup WeChat Vision milik Tencent, dirilis pada 17 November 2026 sebagai checkpoint Apache-2.0 berukuran 19,54 GiB yang membaca rekaman dan menulis kalimat tentangnya. Tidak ada yang mengumumkannya — tidak ada postingan blog, tidak ada halaman harga, tidak ada demo, tidak ada entri papan — itulah sebabnya pertanyaan yang berguna di sini bukanlah model mana yang lebih baik. Melainkan tagihan mana dari keduanya yang ingin Anda kurangi.

Pembingkaian ulang itu bukanlah pengelakan. Perbandingan antara generator dan pendeskripsi hanya jujur jika Anda menyatakan sejak awal bahwa keduanya bukan pengganti, lalu mencari tempat-tempat di mana keduanya benar-benar bersinggungan: biaya per unit pekerjaan, batas atas seberapa banyak dari sebuah klip yang akan dilihat oleh masing-masing, dan seberapa banyak dari klaim masing-masing yang telah diperiksa oleh orang yang tidak bekerja di perusahaan itu.

Dua kategori produk, bukan dua pesaing

FLUX 3 Video menerima prompt teks, atau gambar diam, atau klip sumber, lalu menghasilkan rekaman baru. Black Forest Labs mendokumentasikan teks-ke-video, gambar-ke-video, video-ke-video, pengondisian dan penyambungan keyframe, keluaran hingga dua puluh detik dalam format MP4 SDR 1080p, dengan audio tersinkronisasi yang dihasilkan dalam proses yang sama. Ini bukan model berbobot terbuka. Tidak ada checkpoint untuk diunduh dan tidak ada lisensi yang memungkinkan Anda menjalankannya di perangkat keras Anda sendiri; Anda menyewanya.

WeMM-Video-9B menerima frame ditambah soundtrack asli, ditambah audio mandiri, ditambah gambar, ditambah teks, dan mengembalikan teks dalam bahasa Inggris atau Mandarin. Model ini berlisensi Apache 2.0 dengan pengecualian pihak ketiga yang tidak dirinci dalam kartu model. Tersedia checkpoint, lima shard BF16 darinya, dan tidak ada endpoint terhosting yang pernah ditemukan siapa pun.

• Arah — FLUX 3 Video: teks atau gambar masuk, video keluar. WeMM-Video-9B: video dan audio masuk, teks keluar.

• Parameter — FLUX 3 Video: belum dipublikasikan. WeMM-Video-9B: backbone bahasa padat 9B, total 10.488.603.384 di seluruh 1.305 tensor.

• Batas atas — FLUX 3 Video: dua puluh detik keluaran. WeMM-Video-9B: enam belas frame yang disampel dan 8.192 token masukan, sebagaimana dirilis.

• Akses — FLUX 3 Video: API berbayar sesuai pemakaian. WeMM-Video-9B: unduh dan hosting mandiri, dengan overlay vLLM atau 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.'

Membaca $17.40

Artificial Analysis menetapkan harga FLUX 3 Video sebesar $17,40 per menit di kedua papan peringkat tempatnya muncul, dan konsistensi itu patut direnungkan, karena ini adalah satu-satunya angka dalam artikel ini yang disepakati oleh kedua sisi pasar.

Kartu per detik dalam dokumentasi Black Forest Labs lebih terperinci dan kurang menguntungkan: $0,15 per detik untuk HD, $0,24 untuk Full HD, $0,28 untuk QHD, dan $0,41 untuk UHD pada text-or-image-to-video, dengan tangga terpisah dan lebih tinggi untuk video-to-video pada $0,21, $0,27, $0,31, dan $0,45, serta tier Draft seharga $0,06. FAQ halaman model masih mencantumkan $0,17, $0,29, $0,40, dan $0,80 untuk empat tier yang sama. Dua dokumen dari vendor yang sama, keduanya masih aktif, tidak konsisten hingga faktor dua di ujung atas. Anggarkan dari kartu per detik dan simpan FAQ sebagai bukti bahwa halaman harga membusuk.

Di sinilah lapisan routing membuktikan nilainya, bukan sekadar menjadi penghias.markup 0%, sehingga ketika vendor merevisi kartu tarif — atau menerbitkan dua kartu yang saling bertentangan — angka yang ditagihkan kepada Anda mengikuti angka yang mereka terbitkan, bukan salinan cache reseller. Untuk beban kerja yang ditagih per detik di empat tingkat resolusi, itulah perbedaan antara model biaya yang bertahan saat harga berubah dan model yang diam-diam melenceng.

Apa arti angka-angka di papan itu

FLUX 3 Video diberi peringkat dua kali, pada dua instrumen yang tidak dapat dikonversi satu sama lain.

• AA-Video-T2V v2.1 — peringkat ke-10 pada Elo 1.137 ±13 dari 7.406 sampel, Juli 2026, $17,40 per menit.

• AA-Video-I2V v2.1 — ke-16 pada Elo 1.069 ±14 dari 6.838 sampel, harga sama. Saudaranya yang lebih besar, FLUX 3 Video Max, berada di peringkat ke-7 untuk text-to-video pada 1.151 dan ke-17 untuk image-to-video pada 1.068, dengan $8,70 per menit.

Enam puluh delapan poin memisahkan baris text-to-video dan image-to-video — setara lima interval — dan itulah satu fakta paling berguna tentang sebuah model yang dinilai pada dua papan: peringkatnya adalah pernyataan tentang tugasnya, bukan tentang modelnya. Tidak ada satu pun papan yang memiliki baris untuk WeMM-Video-9B, dan tidak akan pernah ada, karena keduanya memeringkat rekaman yang dihasilkan sementara WeMM-Video-9B tidak menghasilkan apa pun. Itu bukan skor rendah. Itu sel kosong.

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.

Apa yang tidak dapat dilihat oleh enam belas frame

Konfigurasi bawaan WeMM-Video-9B adalah bagian repositori yang paling mungkin mengecewakan orang yang hanya membaca sekilas makalah. Default prosesor memungkinkan 2 frame per detik, minimum 4 frame, maksimum 128 frame, dan anggaran 100,663,296 piksel. Resep vLLM yang disertakan dalam repo menimpa semuanya menjadi 2 fps, 16 frame, dan 262,144 piksel, yang disampel di sekitar titik tengah klip. Enam belas frame pada 2 fps berarti cakupan delapan detik, dan pengambilan sampel dimulai di tengah, jadi bagian awal dan akhir klip yang lebih panjang sama sekali tidak ada dalam input.

Setiap perintah serving juga meneruskan panjang konteks 8.192 token. Pada sepuluh token audio per detik, menara audio dapat menampung sekitar tiga belas menit suara; sisi video jauh lebih cepat habis. Arsitektur ini mendukung 262.144 penyematan posisi, jadi batas atasnya adalah pilihan resep, bukan batas keras — tetapi itulah pilihan yang dikirim vendor, dan itulah yang Anda dapatkan jika mengikuti instruksinya.

Dibandingkan dengan keluaran dua puluh detik FLUX 3 Video, itu adalah ketidakcocokan di kedua arah. Dua puluh detik rekaman yang dihasilkan lebih banyak daripada delapan detik pengamatan. Jika pipeline Anda menghasilkan lalu mendeskripsikan, pendeskripsi hanya mengambil sampel sebagian kecil dari apa yang dihasilkan generator, dan menutup celah itu adalah pekerjaan konfigurasi yang harus Anda lakukan sendiri.

Kesenjangan bukti bersifat asimetris

FLUX 3 Video memiliki dua baris Elo independen dan satu harga. Yang tidak dimilikinya adalah pemeriksaan pihak ketiga atas klaim pemasarannya: halaman FLUX 3 Max mengklaim "video 10 detik dalam 12 detik," "22x lebih cepat daripada Seedance 2.5," dan posisi imbang di tempat pertama untuk image-to-video, tanpa menyebut dewan peringkat mana pun, tanpa baris harga Max pada kartu per detik, dan tanpa endpoint Max. Itu semua adalah klaim vendor dan seharusnya dibaca sebagai demikian.

WeMM-Video-9B memiliki masalah yang sebaliknya. Tabel tolok ukurnya terperinci — Video-MME dengan audio 85,1 berbanding 77,3 milik Qwen3-Omni-30B-A3B-Instruct, Daily-Omni 83,6 berbanding 70,7, SciVideoBench 64,2 berbanding 49,9, OmniReasoningBench 43,9 berbanding 24,1, dengan satu-satunya kekalahan pada FutureOmni di angka 53,7 berbanding 55,1 — dan tidak ada satu pun dari itu yang telah direproduksi di luar kerangka evaluasi milik para penulis sendiri. Makalah tersebut mengungkapkan hal ini: "hasil resmi jika tersedia dan evaluasi kami sendiri untuk sisanya." Kalimat itu memikul banyak beban, dan jumlah unduhan nol pada kesembilan belas repositori WeMM-Video tiga hari setelah publikasi menunjukkan bahwa belum ada yang mulai memeriksanya.

Keputusan, masing-masing dalam satu baris.

Beli FLUX 3 Video jika Anda membutuhkan footage dan $17,40 per menit dapat diterima dibandingkan papan peringkat tempat alat ini berada di urutan ke-10 untuk text-to-video dan ke-16 untuk image-to-video. Anda mendapatkan API yang terdokumentasi, harga yang dipublikasikan, dan skor independen, tetapi Anda melepaskan kemampuan untuk menjalankannya sendiri.

{{1}}Unduh WeMM-Video-9B{{/1}} jika {{2}}Anda memerlukan deskripsi rekaman yang sudah Anda miliki{{/2}} dan {{3}}dapat memuat checkpoint 19,54 GiB plus runtime yang telah ditambal{{/3}}. {{4}}Anda mendapatkan pendeskripsi 9B dengan angka audio-visual yang kuat dan lisensi Apache-2.0{{/4}}, dan {{5}}Anda melepaskan verifikasi independen, kontrak penyajian, dan jaminan apa pun tentang seberapa banyak klip panjang yang benar-benar akan diperiksanya{{/5}}.

Yang tidak boleh Anda lakukan adalah memperlakukan $17.40 dan unduhan gratis sebagai item baris yang sama. Yang satu adalah tarif. Yang lainnya adalah rilis riset yang biaya sebenarnya baru muncul kemudian, dalam jam integrasi dan dalam ketiadaan pendapat kedua.