
WeMM-Video-35B-A3B vs Runway Gen-4.5: Due righe mancanti
- OrcaNUOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M di token · 182 tok/s
- tencentNUOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M di token · 749 tok/s
- AlibabaNUOVOQwen: Qwen4 Max2026-11-16$1.50 / $4.50 per 1M di token · 1902 tok/s
- GoogleNUOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M di token · 87 tok/s
- AnthropicNUOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M di token · 149 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M di token · 96 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M di token · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M di token · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M di token · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M di token · 109 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M di token · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenza
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M di token · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenza
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M di token · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenza
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M di token · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenza
Sulla classifica text-to-video di Artificial Analysis, consultata il 20 novembre 2026, ci sono trentacinque righe e non compaiono né Runway Gen-4.5 né WeMM-Video-35B-A3B tra queste. Le due assenze non sono la stessa assenza. Gen-4.5 è stato collocato in cima a quella classifica il 1° dicembre 2025 — 1.247 Elo, davanti a Veo 3 a 1.226, Kling 2.5 a 1.225 e Sora 2 Pro a 1.206 — in un post di lancio che Runway pubblica ancora. WeMM-Video-35B-A3B non è mai comparso in una classifica: pesi Apache-2.0 caricati su Hugging Face alle 03:57 UTC di quella stessa mattina, un rapporto tecnico presentato il giorno prima e nulla da parte di Tencent che somigli a un annuncio.
Da un lato c’è una corona ritirata e nessuna riga attuale, dall’altro nessuna corona, nessuna riga e nessun numero di terze parti di alcun tipo. È un abbinamento strano su cui costruire un confronto, e la versione onesta è più ristretta di una classifica. Quanto vale davvero una voce in un albo una volta che il settore l’ha superata? Che cosa pubblica ciascuna delle due parti che un lettore possa verificare oggi? E quale delle due restituisce un file che puoi mettere davanti a un cliente?
Una corona non è una fila
L'affermazione di lancio è specifica, documentata e ancora valida. La pagina di ricerca di Runway dedicata a Gen-4.5 afferma che il modello è stato classificato primo nel benchmark text-to-video di Artificial Analysis con 1.247 Elo, citando i tre modelli che ha superato. Si tratta di una citazione reale di una terza parte, fatta dal fornitore, in un momento in cui il confronto era recente. È anche l'ultimo numero dall'aspetto indipendente che Runway ha pubblicato per questo modello.
Non lo si può affiancare alla tabella di oggi senza un'aritmetica che nessuno ha pubblicato. Artificial Analysis riancora le proprie scale Elo tra versioni della classifica: l'attuale classifica AA-Video-T2V V2.1 fissa Kling 3.0 1080p (Pro) esattamente a 1.000 come punto di riferimento, classifica tutto il resto rispetto a esso e riporta un intervallo del 95% su ogni riga. Alla lettura del 20 novembre 2026, il leader è Wan 3.0 a 1.176 con 8.243 voti, e l'ancora si trova al 23º posto. Un valore di 1.247 di dicembre 2025 è stato misurato rispetto a un'ancora diversa, a un diverso set di prompt e a un diverso campo; inserirlo in questa tabella implicherebbe una precisione che le due letture non condividono.
Ciò che si può verificare è la presenza, e la presenza ha una forma. Su tutte e tre le board video dell'arena nella stessa lettura — text-to-video, image-to-video e video editing — l'unica riga che riporta un logo Runway appartiene ad Aleph 2.0, il modello di editing in contesto dell'azienda, 11º nella board di editing con 1.007 Elo su 23.082 voti. Gen-4.5 è nel catalogo di Runway ed è invocabile questo pomeriggio; non è nell'elenco attuale dell'arena. Un modello che esce da una classifica rimuove un artefatto di marketing, non una capacità — e un modello che non vi è mai entrato non ha mai avuto l'artefatto da perdere.

Quello che il catalogo dice davvero
La documentazione per sviluppatori di Runway è più ricca di informazioni rispetto alla sua pagina di ricerca. L'identificatore gen4.5 è presente su Runway Dev dal 10 febbraio 2026, genera da due a dieci secondi per richiesta a partire da testo o da un'immagine statica, e viene fatturato a 12 crediti al secondo — 0,12 $ al tasso del portale di un centesimo per credito. Si tratta di una tariffa fissa al secondo, il che rende il budget di un'inquadratura una moltiplicazione anziché una simulazione, ed è la cosa più utile in assoluto della pagina.
La consegna è il punto in cui la scala si rivela. L'output ProRes e in sequenza PNG aggiunge 5 crediti al secondo ai 12. I profili a 10 bit e superiori, inclusi i fotogrammi OpenEXR half-float, aggiungono 20, che salgono a 40 quando l'output supera circa quattro megapixel. I master HDR10, HLG e PQ a 12 bit e le sequenze PNG a 16 bit bit-exact sono disponibili per gen4.5 dal 20 agosto 2026, sottoposti a color grading in BT.2020 con metadati HDR10 misurati anziché tone-mappati a posteriori. Niente di tutto ciò è la risoluzione di generazione — è il formato in cui il render viene confezionato in uscita.
• Stato — Gen-4.5: prodotto commerciale dal 1° dicembre 2025, API dal 10 febbraio 2026, nessuna riga attuale nell'arena. WeMM-Video-35B-A3B: pesi sull'Hub, zero download, nessun annuncio, mai presente in una classifica.
• Direzione — Gen-4.5: testo o un'immagine in ingresso, MP4, ProRes, sequenza PNG o EXR in uscita. WeMM: fotogrammi più colonna sonora in ingresso, testo in uscita.
• Shape — Gen-4.5: da due a dieci secondi, una generazione per richiesta, con prezzo al secondo di output. WeMM: un contesto congiunto da 8.192 token, sedici frame campionati per clip, con prezzo in gigabyte di pesi residenti.
• Prezzo — Gen-4.5: 12 crediti, $0,12, per secondo generato, più 5 per ProRes o PNG e da 20 a 40 per colori più profondi. WeMM: 67,39 GiB di BF16, o 24,11 GiB in NVFP4, e le GPU per contenerlo.
Il limite superiore scritto nei flag della shell
La divergenza comincia da dove ciascuno tronca, ma si decide sul se riesci a trovare il numero. Runway ha pubblicato i propri limiti per mesi: da due a dieci secondi, quattro livelli di output, una tariffa al secondo. Tencent ha pubblicato una configurazione e distribuito comandi che la contraddicono. La configurazione indica 262.144 posizioni; le invocazioni dicono tutte --max-model-len 8192, sia in vLLM sia in SGLang. Tra 8.192 e 262.144 non c'è alcuna via di mezzo supportata. Il numero lungo è margine di riserva, e i flag di serving sono il prodotto.
Converti e non è più astratto. Dieci token audio al secondo — uno stack a forma di Whisper, 32 layer encoder e 32 layer decoder con ampiezza 1.280, poi un Q-Former a livello di finestra con ampiezza 4.104 — fanno entrare circa tredici minuti di colonna sonora in 8.192 token, e questo prima ancora di contare un singolo frame, l'istruzione o la risposta.
Passiamo ora al budget per le immagini. I valori predefiniti del processore sono 2 fps e fino a 128 frame; la ricetta di serving li sostituisce entrambi con 16 frame entro un budget di 262.144 pixel. Su una clip di dieci secondi questo equivale a meno di due frame al secondo: una trascrizione fedele della stanza e uno schizzo di com'era la stanza. Non è indicato da nessuna parte quali frame abbiano usato le tabelle del report stesso, quindi la distanza tra i suoi punteggi e la tua configurazione è un numero che non puoi calcolare.
Cosa ti consente di modificare il checkpoint
Qui le due soluzioni divergono per natura. Le scalette di output di Runway, la sua tariffa base di 12 crediti e la sua finestra da due a dieci secondi sono decisioni di prodotto; o si acquista il pacchetto o no. La finestra da 8.192 token di WeMM è un flag del server, la sua ricetta da 16 frame è una riga in un comando shell, e la sua quantizzazione è una scelta tra 67,39 GiB di BF16, 22,69 GiB di AWQ W4A16 e 24,11 GiB di NVFP4. Tutti e tre li puoi spostare, sull'hardware che possiedi, con la latenza che puoi permetterti.
L'unica cosa che il download non ti fornisce è un motore supportato. Tencent non ha integrato l'architettura upstream; ha invece distribuito il diff. La directory delle patch contiene un overlay per ogni release supportata — vLLM 0.18.0, vLLM 0.31.0, SGLang 0.5.16, SGLang 0.5.19, e nessun'altra — con un manifest SHA-256 accanto a ciascuna, e la superficie di compatibilità sottostante è talmente ristretta da essere fragile: una sola toolchain CUDA 12.9, una sola build PyTorch, una sola build Transformers, Python 3.12, FFmpeg nel PATH, e un primo avvio di SGLang che compila i kernel prima di rispondere a qualsiasi cosa. Porta una versione che non è nell'elenco e il porting è affar tuo. L'esecuzione di riferimento di Tencent distribuiva BF16 su due H20; la build NVFP4 entra in una singola scheda da 48 GB con --max-num-seqs 1.
Il peso è un artefatto del lavoro. Hugging Face conta 36,177,564,536 parametri negli shard BF16, di cui gli esperti instradati costituiscono la stragrande maggioranza — 40 layer per 256 esperti con larghezza intermedia 512, selezione top-8, più un esperto condiviso di larghezza 512 attraverso cui passa ogni token — mentre circa 1,0 miliardi vengono toccati per token. Quasi 36 miliardi di capacità mantenuti in memoria, 3 miliardi di calcolo spesi. Leggere il video invece di renderizzarlo significa pagare per memorizzare conoscenza che il forward pass visita raramente.

Le trascrizioni non hanno un preset di esportazione
La differenza nel deliverable dovrebbe decidere un acquisto prima di qualsiasi benchmark. Runway vende un file finito in un intermedio editabile: ProRes per la color grade, PNG o EXR per il comp, metadati HDR allegati, un editor attorno. WeMM-Video-35B-A3B non vende nulla del genere. Ciò che esce è un paragrafo — un resoconto di cosa è successo, chi ha parlato, cosa è stato detto — che finisce in un indice, in una coda di moderazione, in un report QA o in una casella di ricerca, non in una timeline.
Il report di Tencent afferma che quel paragrafo è il migliore disponibile tra i pesi aperti. Rispetto a Qwen3.5-Omni-Flash, ottiene 86,4 contro 79,3 su Video-MME con audio e 54,9 contro 36,6 su Video-MME v2 con audio; rispetto alla propria backbone, Qwen3.6-35B-A3B, vince 20 di 31 benchmark su video silenziosi. Perde anche — JointAVBench 65,9 contro 69,0, MUSIC-AVQA 79,5 contro 82,1, EgoSchema 74,2 contro 77,2. Ogni cifra è di chi ha addestrato il modello, il report lo dice apertamente, e passa tra la modalità Instruct e Thinking tabella per tabella man mano che le divulga. Nessuna terza parte ha riprodotto nulla di tutto ciò. Ciò che renderebbe verificabile l'affermazione è un merge upstream in vLLM per porre fine alle patch e una prima esecuzione indipendente su Video-MME v2 con audio.
Il rapporto afferma inoltre che la famiglia è «distribuita su più servizi video principali all'interno di WeChat», citando il commercio in live streaming, l'analisi dei drammi in formato breve e il video interattivo. Questa è l'affermazione di adozione più forte in questo articolo e la meno verificabile: nessun dato di latenza, throughput, concorrenza o memoria compare da nessuna parte nel comunicato. È una frase che puoi citare e non puoi mettere alla prova.

Dove una trascrizione si adatta a uno studio
Metti insieme le due cose e la pipeline si scrive da sola, anche se nessuno l’ha pubblicata: renderizza l’inquadratura, poi fai rileggere il render a qualcosa — il prodotto è apparso? il dialogo corrispondeva alla sceneggiatura? questa clip è sicura da pubblicare? Runway non vende la seconda metà. Un checkpoint WeMM self-hosted potrebbe farlo, al prezzo di un download da 67 GiB e di un overlay del codice sorgente.
Per la metà che puoi avere questa settimana, il backbone è il punto di ingresso sensato. Qwen3.6-35B-A3B è il modello su cui è stato costruito WeMM-Video-35B-A3B, come afferma il rapporto, ed è disponibile su OrcaRouter a 0,25 $ per milione di token di input e 1,48 $ per milione di token di output su un contesto di 262.144 token con input testuali, immagini e video. Non dispone di uno stack audio, quindi non può dirti chi ha parlato. Può dirti se il fotogramma contiene ciò che il prompt richiedeva, rispetto agli stessi clip che renderizzi, oggi.
OrcaRouter non offre né Gen-4.5 né WeMM-Video-35B-A3B, e il contenuto di questo articolo sarebbe una menzogna se dicesse il contrario. Ciò che la piattaforma ti fornisce è l'infrastruttura per il confronto: un'unica chiave compatibile con OpenAI, il prezzo di listino del provider trasferito con 0% di ricarico, e failover automatico quando un endpoint si degrada. Nota anche che Gen-4.5 fattura in crediti su un abbonamento anziché in token, il che non è un'unità che un router può normalizzare — il credito è il contatore, e il contatore è quello di Runway.
Scegli in base ai risultati, non al livello
Prendi Runway Gen-4.5 quando l'output deve uscire dallo studio come file: una ripresa da due a dieci secondi, consegnata in ProRes, sequenza PNG o HDR con metadati allegati, dentro un editor che qualcun altro mantiene. Sappi fin da subito che il numero sulla sua pagina di lancio ha quasi un anno ed è stato misurato su una classifica che non lo elenca più, che le scale cromatiche da 20 a 40 crediti si sommano rapidamente e che la tariffa è fissa perché il pacchetto è fisso.
Scegli WeMM-Video-35B-A3B quando l'output è un resoconto di filmati anziché filmati, quando Apache 2.0 conta per la revisione legale e quando preferiresti alzare un tetto con un flag piuttosto che aprire una richiesta di funzionalità. Entra sapendo che i pesi risalgono a pochi giorni fa, che ogni numero sulla qualità a essi associato appartiene al team che ha addestrato il modello, che tre delle quattro varianti quantizzate si descrivono come non validate e che l'installazione è un overlay di patch su un motore di inferenza che non ha integrato l'architettura.
Mancano due righe dal tabellone per motivi opposti, e nessuna delle due assenze è un verdetto. Un modello è stato misurato, incoronato e da allora è stato riancorato fuori dall'elenco; l'altro non è mai stato misurato da nessuno che non lo abbia addestrato. Un confronto costruito su questo deve riguardare ciò che ciascuna parte ti consente di fare e ciò che ciascuna ti restituisce — perché il tabellone dei punteggi, per una volta, è davvero vuoto da entrambe le parti.
