Un hero di confronto a due pannelli intitolato WeMM-Video-35B-A3B vs FLUX 3 Video, con il sottotitolo Puoi verificare uno di questi: il pannello di sinistra elenca il file SHA256SUMS, cinque artefatti, manifest autovalutati e Apache 2.0 sotto un badge open-weights, mentre il pannello di destra elenca pesi chiusi, da $0,15 a $0,41 al secondo, FAQ che citano $0,80 ed Elo 1.137 text-to-video sotto un badge closed-API.
Guides & Insights

WeMM-Video-35B-A3B vs FLUX 3 Video: Puoi verificarne uno

Autore

Gideon Frost

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

Apri il WeMM-Video-35B-A3B repository e c'è un file chiamato SHA256SUMS. Apri la variante FP8 e c'è un manifest che dice, con le sue stesse parole, che la quantizzazione è stata ricaricata in modo indipendente ma che l'inferenza nativa è in sospeso. Apri la variante AWQ e il manifest dice quantized_unvalidated. Questi non sono documenti di marketing. Sono la release che descrive le proprie lacune nei test, in pubblico, in un formato leggibile dalle macchine. FLUX 3 Video non ha nulla del genere, perché non c'è nulla da scaricare: Black Forest Labs lo noleggia. Quindi il confronto interessante tra un checkpoint aperto da 36B committato su Hugging Face alle 03:57 UTC del 20 novembre 2026 e un generatore chiuso che è passato in GA il 4 agosto 2026 non riguarda la qualità. Riguarda ciò che puoi verificare prima di impegnarti, e ciò di cui ti stai fidando invece.

Quella impostazione farà arrabbiare chiunque volesse uno scontro sulle specifiche, quindi ecco anche lo scontro sulle specifiche, più avanti, con le citazioni. Ma la questione dell’audit viene prima perché è quella che sopravvive al prossimo cambio di prezzo di un fornitore, e perché le due parti vi rispondono in modi opposti.

Il manifesto che ammette ciò che ha saltato

T​encent ha pubblicato cinque artefatti per questo checkpoint, e la documentazione allegata a ciascuno è insolitamente schietta. La release BF16 è composta da diciassette shard safetensors per 67,39 GiB con un file SHA256SUMS che copre l'intero set. La release FP8 Block128 è un singolo file da 36,09 GiB, committato due ore dopo alle 05:53:01 UTC, con 33,6B dei suoi parametri memorizzati come E4M3 e 2,56B lasciati in BF16. La build AWQ W4A16 è di 22,72 GiB distribuiti su 52 shard per livello. La build NVFP4 W4A16 è di 24,11 GiB in un unico file. Il bundle GGUF Q4_K_M è composto da tre file — 22,61 GiB linguaggio, 0,84 GiB proiettore, 1,99 GiB audio.

Ciò che rende il set degno di essere letto è che i manifest si valutano da soli:

• FP8 — il suo manifest registra i pesi come ricaricati in modo indipendente, con l'inferenza nativa contrassegnata come in sospeso. È l'affermazione più forte delle cinque e comunque non arriva a «funziona».

• AWQ — quantized_unvalidated, dichiarato senza mezzi termini.

• NVFP4 — cpu_NVFP4_weight_artifact_independently_reread. Rileggere i pesi su una CPU è una somma di controllo. Ti dice che il file è intatto. Non ti dice che il modello risponda ancora correttamente.

• GGUF — exported_unvalidated, con il file di scope per tensore che aggiunge quantized_candidate_not_validated. Inoltre funziona solo sul runtime proprietario di T​encent, non su llama.cpp o Ollama, ed è il dettaglio che trae in inganno la maggior parte di chi vede le lettere GGUF e smette di leggere.

L'unica esecuzione completamente specificata nel rilascio è ristretta e descritta con precisione: MMAR1000, solo audio, audio completo decodificato a 16 kHz, modalità instruct, decodifica greedy, un limite di 256 token, vLLM 0.18 con patch distribuito su due H20 — 72,7%, ovvero 727 su 1.000. Si tratta di un benchmark dell'ascolto, non della vista, ed è l'unico punto in cui il rilascio dichiara le proprie condizioni in modo sufficientemente completo perché qualcun altro possa ripeterle.

A screenshot of the Hugging Face model card for Tencent/WeMM-Video-35B-A3B showing the Apache 2.0 licence, the image-text-to-text pipeline tag, the English and Chinese language tags and the overview text describing the 35B-total, 3B-active mixture-of-experts checkpoint with 67.39 GiB of BF16 weights.

Un listino prezzi che si contraddice

Il problema di FLUX 3 Video è l'immagine speculare. Nessuno può verificare i pesi, quindi l'unica cosa da verificare è la documentazione, e la documentazione non concorda con se stessa.

Black Forest Labs pubblica un tariffario al secondo: 0,15 $ per HD, 0,24 $ per Full HD, 0,28 $ per QHD e 0,41 $ per UHD su text-to-video e image-to-video, con una scala separata e più ripida per video-to-video a 0,21 $, 0,27 $, 0,31 $ e 0,45 $, oltre a un livello Draft a 0,06 $. Le FAQ della pagina del modello, online nello stesso momento, indicano 0,17 $, 0,29 $, 0,40 $ e 0,80 $ per gli stessi quattro livelli. Ai livelli superiori quei due numeri differiscono di quasi un fattore due. Entrambi sono del fornitore. Nessuno dei due è contrassegnato come superato.

Quello che riportano le classifiche è ancora una terza cifra: 17,40 $ al minuto, su entrambe le classifiche video di Artificial Analysis in cui compare FLUX 3. Sono 0,29 $ al secondo, un valore che non corrisponde esattamente a nessuno dei due scaglioni e si colloca tra le voci Full HD e QHD. Tre numeri, un fornitore, un modello.

Questa non è uno scandalo: è l'aspetto di una pagina prezzi live quando un'azienda rilascia più in fretta di quanto modifichi. Ma è esattamente il punto del confronto: il rilascio di WeMM-Video ti permette di calcolare l'hash di ciò che hai scaricato, mentre il rilascio di FLUX 3 ti lascia a confrontare una FAQ con un tariffario. Tipi diversi di incertezza, e solo uno dei due è verificabile dalla tua shell.

A full-page screenshot of the Artificial Analysis AA-Video-T2V v2.1 leaderboard, showing the ranked text-to-video models with their Elo scores, vote counts, release dates and per-minute prices.

Dove si posiziona davvero FLUX 3

FLUX 3 Video occupa due righe indipendenti, separate da 68 punti Elo, che è il singolo fatto più utile al riguardo. La sua posizione in classifica è un'affermazione sul compito, non sul modello.

• AA-Video-T2V v2.1 — 10°, Elo 1.137 ±13 su 7.406 campioni, luglio 2026, 17,40 $ al minuto.

• AA-Video-I2V v2.1 — 16º, Elo 1.069 ±14 su 6.838 campioni, luglio 2026, 17,40 $ al minuto.

• FLUX 3 Max — una voce separata, 7° nel text-to-video con 1.151 e 17° nell'image-to-video con 1.068, a 8,70 $ al minuto. Più veloce, più economico e migliore su una classifica rispetto al modello base, il che non corrisponde all'ordine che la denominazione lascia intendere.

• Copertura — FLUX 3 è documentato per text-to-video, image-to-video, video-to-video, keyframe conditioning e continuation, fino a venti secondi a 1080p SDR MP4 con audio generato nello stesso passaggio. È assente dalla scheda di editing, quindi video-to-video è una capacità senza un rank.

WeMM-Video-35B-A3B non ha una riga in nessuna di esse e non può averla. Tutte e tre le classifiche ordinano i filmati generati in base alla preferenza umana a coppie, e questo checkpoint genera testo. Quella è una cella vuota, non un punteggio basso, e resterà vuota finché qualcuno non costruirà un'arena per la comprensione video.

Venti secondi contro otto

Il limite massimo di generazione e la finestra di comprensione sono i due numeri che decidono se questi possono entrare in un'unica pipeline, e non coincidono.

• Il limite massimo di FLUX 3 è di venti secondi a 1080p, con fatturazione al secondo, con condizionamento tramite keyframe e continuazione disponibili per unire sequenze più lunghe.

• La finestra fornita con WeMM-Video-35B-A3B è di circa otto secondi. Le impostazioni predefinite del processore consentono due fotogrammi al secondo fino a 128 fotogrammi e un budget di 100.663.296 pixel. La ricetta vLLM nella scheda del modello sovrascrive tutti questi valori impostando due fotogrammi al secondo, sedici fotogrammi e 262.144 pixel. Sedici fotogrammi a due al secondo equivalgono a otto secondi, campionati intorno alla parte centrale della clip.

Ogni comando di serving pubblicato include 8.192 token di contesto, quattro immagini, due video e due clip audio per richiesta. Dieci token audio al secondo significano che quel budget è poco più di tredici minuti di suono, oppure otto secondi di video sottocampionato, oppure una miscela che il modello deve bilanciare da solo — e il bilanciamento è un problema del chiamante, non del modello.

Un clip FLUX 3 di venti secondi descritto da un WeMM-Video-35B-A3B con configurazione di serie viene descritto a partire dal suo terzo centrale. Al processore si può indicare di guardare di più — il suo valore predefinito è 128 frame — ma la ricetta che si ottiene seguendo le istruzioni non lo consente. Se la tua pipeline genera e poi verifica, quel divario tocca a te colmarlo.

Due modelli, una chiamata

OrcaRouter non offre nessuno dei due. Il catalogo contiene 183 ID modello, 51 dei quali accettano video come input e nessuno dei quali emette video; non è presente alcun checkpoint WeMM di alcuna dimensione, né alcun generatore video. FLUX 3 Video è un'API Black Forest Labs. WeMM-Video-35B-A3B è un download più una patch al sorgente per vLLM 0.18.0, 0.31.0, SGLang 0.5.16 o 0.5.19 — quattro overlay con versioni fissate, ciascuno legato a una specifica combinazione di PyTorch, Transformers e CUDA 12.9.

Quello che c'è sulla piattaforma è la metà descrittiva di quella pipeline, senza il download. Qwen3.6-35B-A3B è il backbone su cui è stato costruito questo MoE, ed è servito a $0.248 per milione di token in input e $1.485 per milione in output su un contesto di 262,144 token, accettando testo, immagini e video. Se il compito è "guarda questa clip e dimmi cos'è successo", si tratta della stessa famiglia di capacità che sta dietro a una chiave compatibile con OpenAI, disponibile subito, senza overlay da compilare.

Il routing DSL è ciò che rende componibili le due metà. Puoi dichiarare una regola che invia ogni richiesta a un modello denominato, esegue il failover su un secondo in caso di 5xx o timeout e lascia invariato il codice client — così il rendering FLUX 3 resta dov'è e si sposta solo la fase di descrizione. La fusione di modelli va oltre e consente a una singola richiesta di attingere a più di un modello invece di scegliere un vincitore prima di iniziare, che è la forma desiderata da un ciclo genera-poi-critica: l'output di un modello esaminato dal giudizio di un altro all'interno della stessa catena di chiamate anziché in due script e una directory temporanea.

Il prezzo di listino del fornitore viene trasferito con un ricarico dello 0%. Per una pipeline in cui una tratta viene fatturata al secondo a una tariffa che il fornitore pubblica due volte con numeri diversi, avere l'altra tratta su una fattura che segue il prezzo di listino è la differenza tra una previsione e una supposizione.

A two-column comparison card headed WeMM-Video-35B-A3B vs FLUX 3 Video: the left column lists 67.39 GiB BF16, hashable on disk, 3 of 5 artefacts unvalidated and no price, no endpoint; the right column lists rented API, weights never published, $17.40 per minute and 10th on text-to-video.

Con quale incertezza puoi convivere

Acquista FLUX 3 Video se hai bisogno di filmati: venti secondi bastano e 17,40 $ al minuto sono accettabili per un modello text-to-video al decimo posto con una modalità video-to-video non classificata. Ottieni un'API, tre prezzi pubblicati con cui discutere e due righe Elo indipendenti. Rinunci a qualsiasi possibilità di ispezionare ciò che stai chiamando.

Scarica WeMM-Video-35B-A3B se ti serve una descrizione di filmati che già possiedi e puoi gestire 67,39 GiB di BF16 o 36,09 GiB di FP8, due GPU in tensor parallelism e una build del motore con patch. Ottieni un checkpoint Apache-2.0 di cui puoi calcolare l'hash, manifest che ti dicono quali quantizzazioni non sono mai state eseguite, e una tabella di benchmark che supera Qwen3.5-Omni-Flash su 28 delle 30 metriche condivise in modalità thinking — Video-MME con audio 86,4 contro 79,3, Video-MME v2 con audio 54,9 contro 36,6 — indicando anche le perdite: JointAVBench 65,9 contro 69,0, MUSIC-AVQA 79,5 contro 82,1. Rinunci del tutto alla verifica indipendente. Nessuno al di fuori di T​encent ha riprodotto neanche uno di quei numeri, e il repository mostra ancora zero download.

I due rischi non sono equivalenti. Un modello chiuso con un listino prezzi contraddittorio può aumentare la propria tariffa con trenta giorni di preavviso e tu non puoi fare altro che rifare il budget. Un checkpoint aperto che autodichiara tre dei suoi cinque artefatti non convalidati può essere sottoposto a audit, rieseguito e, se delude, sostituito — da te, sul tuo hardware, senza chiedere permesso. Questo vale più di 68 punti Elo, oppure no, a seconda che tu stia comprando un tentativo o un secondo parere.