
WeMM-Video-4B vs FLUX 3 Video: leggere la clip o crearne una
- 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 · 356 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 · 147 tok/s
- orcaNUOVOOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M di token · 92 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M di token · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M di token · 81 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M di token · 117 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M di token · 110 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M di token · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 42 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
Il modo più rapido per sprecare un pomeriggio è confrontare WeMM-Video-4B con FLUX 3 Video sotto il profilo della qualità. Uno dei due ha un numero e l'altro no, e il numero non è un punteggio di qualità — è un prezzo. FLUX 3 Video, di Black Forest Labs, è diventato disponibile al pubblico il 4 agosto 2026 con una tariffa al minuto pubblicata e righe in entrambe le classifiche video di Artificial Analysis. WeMM-Video-4B, del gruppo WeChat Vision di Tencent, è apparso il 17 novembre 2026 sotto forma di dieci gigabyte e mezzo di pesi Apache-2.0, senza endpoint, senza prezzo e senza alcuna voce in classifica. Quello tra cui stai scegliendo è un generatore a consumo e un descrittore gratuito, e il confronto onesto riguarda quale di queste due cose manca alla tua pipeline.
Il resto di questo articolo tiene distinti tre tipi di fatto: ciò che dichiarano i repository e le due commissioni, ciò che i fornitori affermano nei propri articoli e nella propria documentazione, e ciò che nessuno al di fuori di entrambi i laboratori ha verificato. Al 20 novembre 2026, quella terza categoria costituisce la maggior parte del materiale interessante.
Uno fa parte di due consigli, l'altro di nessuno.
Artificial Analysis valuta FLUX 3 Video due volte e i due punteggi appartengono a scale separate, quindi nessuno dei due è trasferibile all'altro.
• AA-Video-T2V v2.1 — FLUX 3 Video 10º, Elo 1.137 ±13 su 7.406 voti, indicato a 17,40 $ al minuto. Il più grande FLUX 3 Video Max si trova al 7º posto con 1.151 ±14 su 4.708 voti a 8,70 $ al minuto, che è il caso insolito del modello più grande che risulta il più economico della classifica.
• AA-Video-I2V v2.1 — FLUX 3 Video 16º a 1.069 ±14 su 6.838 voti, stesso $17,40. FLUX 3 Video Max è 17º a 1.068 ±14 su 6.848 voti a $8,70.
• WeMM-Video-4B — nessuna riga su nessuna delle due classifiche, e nessuna riga sulla classifica di montaggio video. Non è una misurazione mancante; non è inseribile. Le classifiche video AA ordinano filmati generati, e WeMM-Video-4B non ne genera alcuno.
Leggi gli intervalli anziché le posizioni in classifica. Sessantotto punti separano le due posizioni di FLUX 3 Video nelle classifiche text-to-video e image-to-video — cinque intervalli di distanza — ed è questo il dato utile su un modello valutato con due strumenti che non si convertono l'uno nell'altro: è un generatore competente la cui posizione dipende dal compito che gli si sottopone. Si tratta di una misurazione indipendente reale, anche se modesta — ed è più di quanto abbia l'altra parte di questo confronto.
Cosa si compra con 17,40 dollari al minuto
FLUX 3 Video è un generatore multimodale con un elenco di input più ampio di quanto mostri una singola riga della scheda. Prompt testuali, un'immagine fissa come primo fotogramma, video per video-to-video e continuazione, e keyframe per transizioni controllate. La durata arriva a 20 secondi in una singola generazione, con 5-20 secondi per text-to-video e image-to-video e 5-15 per la continuazione. La risoluzione è venduta in fasce di pixel anziché in rapporti d'aspetto: HD a circa un megapixel per fotogramma, FHD a due, QHD/2K a quattro, UHD/4K a otto. L'audio nativo con dialoghi multilingue, parlato sincronizzato, effetti sonori e ambiente è opzionale e incluso nel prezzo al secondo.
• Draft HD — $0,06 al secondo. Una clip di prova di cinque secondi costa trenta centesimi.
• HD / 720p — $0,17 al secondo, ovvero circa $0,85 per cinque secondi.
• FHD / 1080p — $0,29 al secondo. QHD/2K costa $0,40 e UHD/4K costa $0,80.
• Da video a video e continuazione — 0,12 $ per la bozza, da 0,41 $ a 0,43 $ in HD, da 0,53 $ a 0,54 $ in FHD, 0,65 $ a 2K e 0,95 $ a 4K.
Il valore di 17,40 $ al minuto del board è una cifra normalizzata per il 1080p, ed è per questo che non si scompone in modo netto in quella scheda. È un’unità di confronto, non una ricevuta. Diverse sintesi di terze parti riportano inoltre che le fasce 2K e 4K sono in fase di distribuzione anziché universalmente disponibili, quindi considera la parte alta della scheda come una questione a livello di account.
Cosa ti offre gratis WeMM-Video-4B
L'altro lato del confronto non costa nulla per chiamata e non può essere acquistato affatto. WeMM-Video-4B è 5.611.746.312 parametri — 10,45 GiB in BF16 — in un repository intitolato al suo backbone linguistico Qwen3.5-4B anziché alla sua dimensione effettiva. L'eccedenza è il punto: 4,21 miliardi di parametri di modello linguistico, 0,33 miliardi di torre visiva e 1,07 miliardi di stack audio in stile Whisper con un Q-Former che emette 10 token audio al secondo da audio a 16 kHz in blocchi da 30 secondi.
Prende in input testo, immagini, video e video con la relativa colonna sonora originale, e restituisce testo. Nella tabella audio-visiva congiunta degli autori supera Qwen3-Omni-30B-A3B-Instruct su Video-MME con audio, 83,9 contro 77,3, e su Video-MME v2, 48,1 contro 36,3. Sul video silenzioso è in testa su LVBench con 65,3 contro 50,2 e su LongVideoBench con 74,8 contro 63,5. Contro Qwen3.5-Omni-Flash perde sui benchmark audio — MMAU 75,2 contro 80,4, MMAR 67,3 contro 74,0 — ed è indietro su OCRBench 85,7 contro 89,1 e GPQA 73,2 contro 76,4.
Ognuno di questi è una misurazione di Tencent stessa. Il documento afferma che riporta i risultati ufficiali ove disponibili e, in caso contrario, le proprie valutazioni, e nessuna terza parte ha riprodotto alcuna riga. Il numero di frame, i budget di pixel e la lunghezza del contesto per le esecuzioni del benchmark non sono indicati — il che è importante perché la ricetta vLLM distribuita limita il video a 16 frame e 262.144 pixel totali, rispetto a un valore predefinito del processore di 128 frame.

Due orologi che non si incontrano mai
Nessuno dei due modelli può sostituire l’altro, e i vincoli che rendono vero ciò sono entrambi vincoli di budget, non di capacità.
• Budget di output — FLUX 3 Video produce fino a 20 secondi di filmato per chiamata a risoluzione fino a 4K con audio. WeMM-Video-4B non produce alcun frame, quindi il suo budget di output è un budget di token: 8.192 token per richiesta nella configurazione fornita, con l'audio che consuma 10 token al secondo prima che i frame vengano conteggiati.
• Budget di input — WeMM-Video-4B accetta quattro immagini, due video e due elementi audio per richiesta, a 2 fotogrammi al secondo con un limite massimo di 16 fotogrammi. FLUX 3 Video accetta un prompt, un primo fotogramma, un video di riferimento o un insieme di fotogrammi chiave e nessun input audio di alcun tipo.
• Forma del costo — FLUX 3 Video addebita al secondo di output, quindi il costo scala con l'ambizione. WeMM-Video-4B addebita per GPU-ora del tuo hardware, quindi il costo scala con la dimensione del batch e non importa quanto sia lungo il clip sorgente, ma solo quante frame sopravvivono al campionamento.
• Licenza — Apache 2.0 sulla collezione WeMM, con un'esclusione non dettagliata per i componenti di terze parti; un'API commerciale ospitata sul lato FLUX senza pesi pubblicati.
Detto in parole semplici: uno è un costo al secondo con un tabellone, l'altro è un costo di capitale fisso con un documento. Un team che ha bisogno di un'inquadratura finita non può usare WeMM-Video-4B, e un team che ha bisogno di un indice ricercabile di diecimila clip esistenti non può usare FLUX 3 Video — non perché sia costoso, ma perché non ha modo di rispondere a una domanda su materiale che non ha prodotto.
L'audio è il punto in cui il confronto cambia
FLUX 3 Video genera audio. WeMM-Video-4B comprende l'audio. Sono capacità diverse che in un elenco di funzionalità suonano simili, e la differenza decide la pipeline.
L'audio di FLUX è un output di generazione: dialogo multilingue, parlato sincronizzato, effetti sonori e ambienza, opzionali e inclusi nel prezzo al secondo. Ciò che Black Forest Labs non pubblica è un numero di tracce, quindi se hai bisogno di dialogo, musica ed effetti come stem separabili, né il listino prezzi né la documentazione ti dicono se li otterrai. Prevedi una seconda passata in un DAW.
L'audio di WeMM è un percorso di input: una torre da 1,07 miliardi di parametri che trasforma una traccia audio in 10 token al secondo e li fonde con i token visivi in ordine cronologico, con timestamp testuali espliciti. Questo è ciò che misura l'83,9 su Video-MME con audio e ciò che misura il 75,2 su MMAU: quanto bene sente, non quanto bene parla.
Quindi un workflow che scrive una scena, la renderizza con l'audio e poi deve sapere se il dialogo ha davvero colto nel segno richiede entrambe le metà, e nessuno dei due modelli copre la metà dell'altro. Questo è l'unico punto di questo confronto in cui i due sono davvero complementari, e non semplicemente diversi.
La questione del routing, detta onestamente
OrcaRouter non serve nessuno dei due modelli. Non esiste alcun endpoint WeMM-Video-4B — il catalogo della piattaforma non contiene alcun checkpoint WeMM — né alcuna route per FLUX 3 Video. FLUX 3 Video è disponibile tramite l'API di Black Forest Labs e diverse piattaforme di terze parti; WeMM-Video-4B è disponibile come download, con un overlay patchato di vLLM o SGLang, poiché nessuno dei due motori supporta l'architettura upstream.
Ciò che la piattaforma copre effettivamente è lo strato di testo che circonda l'uno o l'altro workflow, e in questo confronto l'elemento utile è la fusione di modelli piuttosto che il semplice routing. La decisione «questo clip vale la pena di essere tenuto?» è una questione di giudizio, e una chiamata in fusione che mette un classificatore economico e un reasoner costoso sullo stesso prompt può prendere quella decisione a una frazione del costo di eseguire quello costoso su ogni candidato. Tutto questo si basa su una singola chiave compatibile con OpenAI per oltre 200 modelli, ai prezzi di listino dei provider con 0% di markup, così quando un fornitore riduce un prezzo la riduzione è attiva lo stesso giorno anziché al ciclo di fatturazione successivo. Per la metà solo visiva del lavoro WeMM nello specifico, Qwen3-VL-235B-A22B-Thinking e Qwen3-VL-8B-Thinking accettano sia immagini sia fotogrammi video e sono già sulla piattaforma oggi — il che è un modo per aggirare il modello omni mancante, non un sostituto della sua torre audio.


Cosa lo risolverebbe davvero
Tre sviluppi sposterebbero questo confronto dalla base di dati dichiarati dai fornitori su cui attualmente si fonda.
Primo, una voce WeMM-Video-4B su qualsiasi classifica indipendente. Non ce n'è alcuna, e il motivo è strutturale anziché cospirativo: le classifiche video di AA valutano filmati generati, e un modello di comprensione non può essere iscritto. Un'arena omni-modale di comprensione video è lo strumento mancante, e finché non ne esiste una, ogni numero di WeMM è solo una dichiarazione di Tencent.
In secondo luogo, un rilascio dei pesi di FLUX 3 Video. Black Forest Labs ha una reputazione di rilasci aperti e questo checkpoint non ha una licenza per il download, quindi il confronto è attualmente tra un modello aperto e uno chiuso, una differenza che nessuna riga di benchmark cattura.
Terzo, un prezzo in hosting per la famiglia WeMM. Se un host compatibile inizia a servire questi pesi al prezzo di listino del provider con uno 0% di ricarico trasferito, il lato dei costi di questo articolo cambia forma nel giro di una settimana. Questa è una condizione, non un fatto attuale, e nulla di quanto qui scritto va letto come un'affermazione che lo ospitiamo.
Quale ti serve davvero
Se il risultato finale è materiale video, FLUX 3 Video è l'unico dei due in grado di produrlo, e la decisione si riduce a stabilire se $0.17 al secondo per 720p sia accettabile rispetto ai generatori alternativi nella stessa classifica — dove, al 10º posto nel text-to-video, si colloca a metà campo quanto a prezzo.
Se il risultato da consegnare è una dichiarazione su un filmato che già possiedi, WeMM-Video-4B è l'unico dei due in grado di produrla, e la decisione si riduce a stabilire se puoi mantenere un overlay del codice sorgente per vLLM o SGLang e un checkpoint da 10,45 GiB per ottenere un descrittore di classe 4B con metriche insolitamente buone sui video lunghi.
La trappola è trattare $17.40 e $0.00 come la stessa quantità. Uno è una tariffa a consumo per un servizio; l'altro è l'assenza di un servizio. WeMM-Video-4B è gratuito nel modo in cui è gratuito un rilascio di ricerca — paghi in integrazione, in bundle GGUF non validati e nell'assenza del parere di chiunque altro sul fatto che funzioni.
Confrontati in questo articolo1
Rilevato da questo articolo
