Scheda del titolo con la scritta "WeMM-Video-9B vs FLUX 3 Video" e il sottotitolo "Chi addebita cosa", due pannelli divisi da un disco "vs": quello a sinistra contrassegnato "solo pesi" ed elenca 9B parametri densi, 19,54 GiB di shard BF16 e un limite di 128 frame, quello a destra contrassegnato "a consumo" ed elenca Elo 1.137 su AA-Video-T2V v2.1 e 17,40 $ al minuto.
Guides & Insights

WeMM-Video-9B vs FLUX 3 Video: chi fattura cosa

Autore

jinhao.song

Data di pubblicazione

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

Due modelli con la parola video nel nome, e solo uno dei due ti consegnerà mai un video. FLUX 3 Video, di Black Forest Labs, è passato alla disponibilità generale il 4 agosto 2026 e vende secondi di footage 1080p finito a una tariffa pubblicata. WeMM-Video-9B, del gruppo WeChat Vision di Tencent, è stato reso disponibile il 17 novembre 2026 come checkpoint Apache-2.0 da 19,54 GiB che legge filmati e scrive frasi al loro riguardo. Nessuno lo ha annunciato — nessun post sul blog, nessuna pagina dei prezzi, nessuna demo, nessuna voce in classifica — ed è per questo che la domanda utile qui non è quale modello sia migliore. È quale delle due fatture stai cercando di ridurre.

Quella riformulazione non è un espediente. Un confronto tra un generatore e un descrittore è onesto solo se dici fin dall'inizio che non sono sostituti, e poi vai a cercare i punti in cui effettivamente si toccano: il costo per unità di lavoro, il limite massimo di quanto di una clip ciascuno dei due prenderà in esame, e quanto di ciascuna delle due affermazioni sia stato verificato da qualcuno che non lavora per l'azienda.

Due categorie di prodotto, non due concorrenti

FLUX 3 Video accetta un prompt testuale, un'immagine fissa o una clip di partenza e restituisce nuovo footage. Black Forest Labs documenta text-to-video, image-to-video, video-to-video, keyframe conditioning e continuation, output fino a venti secondi in MP4 1080p SDR, con audio sincronizzato generato nello stesso passaggio. Non è open weights. Non c'è nessun checkpoint da scaricare e nessuna licenza che ti consenta di eseguirlo sul tuo hardware; lo noleggi.

WeMM-Video-9B accetta frame più la colonna sonora originale, più audio autonomo, più immagini, più testo, e restituisce testo in inglese o in cinese. È distribuito con licenza Apache 2.0, con un'esclusione di terze parti che la scheda del modello non dettaglia. Esiste un checkpoint, cinque shard BF16 dello stesso, e nessun endpoint ospitato che qualcuno abbia trovato.

• Direzione — FLUX 3 Video: testo o immagine in input, video in output. WeMM-Video-9B: video e audio in input, testo in output.

• Parametri — FLUX 3 Video: non pubblicato. WeMM-Video-9B: backbone linguistico denso da 9B, 10.488.603.384 totali su 1.305 tensori.

• Limite massimo — FLUX 3 Video: venti secondi di output. WeMM-Video-9B: sedici frame campionati e 8.192 token di input, così come distribuito.

• Accesso — FLUX 3 Video: API a consumo. WeMM-Video-9B: scarica e ospita autonomamente, con un overlay vLLM o 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.'

Leggendo i $17.40

Artificial Analysis fissa il prezzo di FLUX 3 Video a 17,40 dollari al minuto su entrambe le board in cui compare, e questa coerenza merita una pausa di riflessione, perché è l'unico numero in questo articolo su cui entrambe le parti del mercato concordano.

La scheda dei prezzi al secondo nella documentazione di Black Forest Labs è più dettagliata e meno lusinghiera: $0.15 al secondo per HD, $0.24 per Full HD, $0.28 per QHD e $0.41 per UHD nella modalità da testo o immagine a video, con una scala separata e più alta per la modalità da video a video a $0.21, $0.27, $0.31 e $0.45, e un livello Draft a $0.06. Le FAQ della pagina del modello riportano ancora $0.17, $0.29, $0.40 e $0.80 per gli stessi quattro livelli. Due documenti dello stesso fornitore, entrambi online, divergono fino a un fattore due nel livello più alto. Imposta il budget sulla base della scheda dei prezzi al secondo e tieni le FAQ come prova che le pagine dei prezzi si deteriorano.

È qui che un livello di routing dimostra il proprio valore invece di essere solo un elemento decorativo. OrcaRouter trasmette il prezzo di listino del provider con 0% di ricarico, così quando un fornitore rivede un listino prezzi — o ne pubblica due che si contraddicono — l'importo che ti viene fatturato segue il numero che pubblicano, non una copia memorizzata nella cache di un rivenditore. Per un carico di lavoro fatturato al secondo su quattro livelli di risoluzione, questa è la differenza tra un modello di costo che sopravvive a una variazione di prezzo e uno che deriva silenziosamente.

Che cosa significano i numeri sulla lavagna

FLUX 3 Video è classificato due volte, su due strumenti che non si convertono l'uno nell'altro.

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

• AA-Video-I2V v2.1 — 16º con Elo 1.069 ±14 su 6.838 campioni, allo stesso prezzo. Il suo fratello maggiore FLUX 3 Video Max si trova al 7º posto nella generazione da testo a video con 1.151 e al 17º posto nella generazione da immagine a video con 1.068, a $8,70 al minuto.

Sessantotto punti separano le righe testo-a-video e immagine-a-video — il valore di cinque intervalli — ed è il fatto singolo più utile su un modello valutato su due classifiche: la sua posizione è un'affermazione sul compito, non sul modello. Nessuna delle due classifiche ha una riga per WeMM-Video-9B, e nessuna ce l'avrà mai, perché entrambe classificano filmati generati e WeMM-Video-9B non ne genera alcuno. Non è un punteggio basso. È una cella vuota.

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.

Ciò che sedici fotogrammi non riescono a vedere

La configurazione rilasciata di WeMM-Video-9B è la parte del repository che più probabilmente deluderà chi ha dato solo un'occhiata al paper. Le impostazioni predefinite del processore consentono 2 fotogrammi al secondo, un minimo di 4 fotogrammi, un massimo di 128 fotogrammi e un budget di 100.663.296 pixel. La ricetta vLLM inclusa nel repo sovrascrive tutto a 2 fps, 16 fotogrammi e 262.144 pixel, campionati intorno al punto centrale della clip. Sedici fotogrammi a 2 fps equivalgono a otto secondi di copertura, e il campionamento inizia a metà, quindi l'inizio e la fine di una clip più lunga semplicemente non fanno parte dell'input.

Ogni comando di serving passa anche una lunghezza di contesto di 8.192 token. A dieci token audio al secondo, la torre audio può contenere circa tredici minuti di suono; il lato video si esaurisce molto prima. L'architettura supporta 262.144 embedding di posizione, quindi il tetto è una scelta di ricetta più che un limite rigido — ma è la scelta che il fornitore ha distribuito, ed è quella che ottieni se segui le istruzioni.

Rispetto all'output di venti secondi di FLUX 3 Video, si tratta di una discrepanza in entrambe le direzioni. Venti secondi di girato generato sono più di otto secondi di osservazione. Se la tua pipeline genera e poi descrive, il descrittore sta campionando una frazione di ciò che il generatore ha prodotto, e colmare questo divario è un lavoro di configurazione che devi fare da solo.

Il divario probatorio è asimmetrico.

FLUX 3 Video ha due righe Elo indipendenti e un prezzo. Ciò che non ha è una verifica di terze parti sul marketing: la pagina di FLUX 3 Max dichiara "video da 10 secondi in 12 secondi", "22 volte più veloce di Seedance 2.5" e un pari merito al primo posto nell'image-to-video, senza alcuna classifica nominata, nessuna riga di prezzo Max sulla scheda per-secondo e nessun endpoint Max. Queste sono dichiarazioni del fornitore e vanno lette come tali.

WeMM-Video-9B ha il problema opposto. La sua tabella di benchmark è dettagliata — Video-MME con audio 85,1 contro 77,3 di Qwen3-Omni-30B-A3B-Instruct, Daily-Omni 83,6 contro 70,7, SciVideoBench 64,2 contro 49,9, OmniReasoningBench 43,9 contro 24,1, con un'unica sconfitta su FutureOmni a 53,7 contro 55,1 — e nulla di tutto ciò è stato riprodotto al di fuori dell'harness di valutazione degli stessi autori. Il paper lo dichiara: "risultati ufficiali ove disponibili e, altrimenti, nostre valutazioni". Quella frase si fa carico di molto, e il conteggio di download pari a zero su tutti e diciannove repository WeMM-Video tre giorni dopo la pubblicazione suggerisce che nessuno ha iniziato a verificare.

La decisione, in una riga ciascuna

Acquista FLUX 3 Video se ti servono filmati e $17.40 al minuto sono accettabili rispetto a una classifica in cui si posiziona 10º nel text-to-video e 16º nell'image-to-video. Ottieni un'API documentata, un prezzo pubblicato e un punteggio indipendente, e rinunci alla possibilità di eseguirlo autonomamente.

Scarica WeMM-Video-9B se ti serve una descrizione di un filmato che hai già e riesci a gestire un checkpoint da 19,54 GiB più un runtime modificato. Ottieni un descrittore da 9B con solidi valori audio-visivi e una licenza Apache-2.0, e rinunci alla verifica indipendente, a un contratto di serving e a qualsiasi garanzia su quanta parte di una clip lunga esaminerà davvero.

Quello che non dovresti fare è trattare i $17,40 e il download gratuito come la stessa voce. Uno è una tariffa. L'altro è un rilascio di ricerca il cui costo reale emerge più tardi, nelle ore di integrazione e nell'assenza di una seconda opinione.