
WeMM-Video-4B vs HiDream-O1-Video-1.0: 두 가지 종류의 좁음
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100만 토큰당 · 182 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100만 토큰당 · 356 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100만 토큰당 · 87 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 147 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 92 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100만 토큰당 · 81 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100만 토큰당 · 117 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100만 토큰당 · 110 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100만 토큰당 · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447지능
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100만 토큰당 · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100만 토큰당 · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740지능
HiDream-O1-Video-1.0와 WeMM-Video-4B 둘 다 실제 동작보다 자신을 더 폭넓게 설명합니다. HiDream의 출시 발표 자료는 텍스트, 이미지, 비디오를 입력받아 동기화된 오디오가 포함된 5~20초 분량의 1080p 영상을 반환하는 모델을 홍보하지만, 문서화된 API는 정확히 하나의 참조 이미지와 선택적 프롬프트만 받아들입니다. WeMM-Video-4B는 텍스트, 이미지, 비디오, 오디오를 입력받아 텍스트를 반환하는데, 이는 정확합니다. 다만 이 모델은 어디에서도 서빙되지 않으므로, 이론상 받아들이는 입력은 자체 추론 엔진을 패치한 뒤에야 실제로 얻게 되는 것입니다. 한쪽은 서빙 계약 때문에 범위가 좁아졌고, 다른 쪽은 서빙 계약이 아예 없기 때문에 좁아졌습니다. 그것이 비교의 전부이며, 아래의 모든 내용은 거기에 딸린 세부 사항입니다.
두 모델 중 어느 것도 오늘날 논문이 강조하는 방식으로 호출할 수 있는 모델이 아니다. 그것이 얼마나 중요한지는 그 격차의 절반 중 어느 쪽을 스스로 메울 수 있는지에 달려 있으며, 이는 품질이 아니라 라이선스와 GPU에 관한 문제다.
행과 해당 행이 위치한 버전
HiDream-O1-Video-1.0에는 독립적인 측정 결과가 있습니다. 2026년 11월 20일에 확인한 결과, AA-Video-I2V v2.1 보드에서 6,976표를 기준으로 Elo 1,101로 14위에 올랐으며, 95% 구간은 ±14로 1,087에서 1,115 사이의 범위이고, 2026년 8월 출시로 기록되었으며, 생성 영상 1분당 $5.80입니다.
6주 전, v1.0 보드에서 같은 모델은 3,231표에서 1,175 ±10으로 6위였습니다. 부주의하게 읽으면 그것은 붕괴입니다. 그렇지 않으며, 그 이유는 이 보드들에서 가장 흔히 저지르는 실수이기 때문에 분명히 말할 가치가 있습니다: v1.0과 v2.1은 서로 다른 Elo 척도, 서로 다른 투표 풀, 서로 다른 분류 체계를 가진 서로 다른 도구입니다. 점수는 둘 사이에서 이전되지 않으므로, 1,175와 1,101 사이의 거리는 모델이 얼마나 더 나빠졌는지를 측정한 것이 아닙니다. 실제로 바뀐 것은 사실입니다 — 현재 보드의 규칙에서 14위는 6위보다 더 나쁜 위치입니다 — 하지만 둘을 연결하는 산술은 존재하지 않습니다.
WeMM-Video-4B는 어떤 리더보드에도 행이 없으며, 그 부재는 심사 대기라기보다 구조적이다. AI 비디오 리더보드는 생성된 영상의 순위를 매긴다. 비디오를 읽고 문장을 쓰는 모델은 두 클립 사이의 투표에 출품할 수 없다. 옴니모달 비디오 이해 아레나가 존재하기 전까지, 모든 WeMM-Video-4B 수치는 Tencent 자체의 것이다.
HiDream의 API가 실제로 허용하는 것
서빙 표면은 문서화되어 있으며, 출시 시 내세운 주장과 직접 맞물리는 방식으로 그 범위가 좁습니다.
• 입력 — 공개 URL 또는 40KB~20MB 범위의 Base64로 제공되는 참조 이미지가 정확히 하나 필요합니다. 프롬프트는 선택 사항이며 기본값은 비어 있습니다. 공지사항에는 모델의 입력 항목 중 동영상이 나열되어 있지만, 요청 스키마에는 이에 대한 필드가 없습니다.
• 해상도 — 선택자 없음. 결과는 참조 이미지의 가로세로 비율을 유지합니다. 공지에 언급된 1080p 주장은 요청을 통해 제어할 수 없습니다.
• 기간 — 불리언 하나, force_10s, 기본값은 false입니다. false로 두면 모델이 선택하고, true로 설정하면 10초가 됩니다. 광고된 5~20초 범위에는 숫자 필드가 없습니다.
• 오디오 — 릴리스에서 설명하는 네이티브 동기화 오디오에도 불구하고 오디오 입력이나 오디오 생성 매개변수가 노출되지 않습니다.
• 결과 계약 — 비동기식입니다. 제출하면 task_id를 받고 폴링합니다. result.status = 1은 모든 하위 작업이 종료 상태에 도달했음을 의미하며, 생성이 성공했음을 의미하지는 않습니다. 성공 여부는 sub_task_results[].task_status = 1로 확인하며, 생성 실패는 3, 안전 검토는 4입니다.
따라서 호출할 수 있는 모델은 두 가지 지속 시간 모드를 갖춘 이미지 애니메이터입니다. 릴리스에서 설명된 모델은 계획된 지속 시간을 가진 텍스트-비디오-오디오 공동 생성기입니다. 두 설명 모두 같은 회사에서 문서화한 것이며, 그 차이는 모순이라기보다 로드맵입니다.
WeMM-Video-4B가 구축하도록 요청하는 것
반대편에는 좁아지기로 한 계약이 없습니다. 끝점이 없기 때문입니다. WeMM-Video-4B는 5,611,746,312개 파라미터 — 10.45 GiB의 BF16 가중치 — 를 가진 모델로, 2026년 11월 17일 19분이라는 시간 창 안에 모두 등장한 네 가지 크기 제품군으로 Apache 2.0에 따라 공개되었으며, 기술 보고서인 arXiv 2611.26409가 11월 19일에 뒤이어 나왔습니다.
그것이 답변을 내놓게 하려면 HiDream 사용자들이 결코 보지 못하는 작업이 필요하다. vLLM도 SGLang도 업스트림에서 이 아키텍처를 지원하지 않으며, 저장소는 정확히 네 개의 업스트림 릴리스 — vLLM 0.18.0과 0.31.0, SGLang 0.5.16과 0.5.19 — 를 위한 소스 오버레이 패치를 제공한다. 각 패치는 특정 PyTorch, Transformers, CUDA 12.9 조합에 고정되어 있고, Python 3.12와 FFmpeg, 그리고 SGLang의 최초 사용 시 커널 컴파일을 위한 C++ 툴체인 및 Ninja가 필요하다. GGUF 번들은 llama.cpp용이 아니라 저장소에서 직접 컴파일하는 네이티브 런타임용으로 빌드되며, Tencent는 이를 exported_unvalidated.
그에 대해 얻는 것은 비정상적으로 큰 오디오 스택을 갖춘 설명자입니다. 42억 1천만 개 파라미터의 Qwen3.5-4B 기반 언어 모델, 3억 3천만 개의 비전 타워, 그리고 초당 10개 토큰으로 Q-Former에 입력되는 10억 7천만 개의 Whisper 스타일 오디오 인코더-디코더입니다. 체크포인트의 거의 5분의 1이 귀에 해당하기 때문에, 이 모델의 흥미로운 점은 오디오-시각 결합 점수입니다.
각 모델이 비교되는 모드
여기서 공정한 비교는 '어느 쪽이 더 나은가'가 아니라 '실제로 도달할 수 있는 모드는 어느 쪽인가'이며, 그 두 답은 서로 다른 지점에 귀결된다.
• HiDream-O1-Video-1.0 — 도달 가능 모드: 이미지-투-비디오, 참조 프레임 하나, 고정 종횡비, 10초 또는 모델 선택, 오디오 제어 없음. 채점 모드: 이미지-투-비디오. 보드와 API가 일치합니다.
• WeMM-Video-4B — 접근 가능한 모드: 사운드트랙이 포함된 비디오 입력, 텍스트 출력, 배포 당시 기준 16개 샘플링 프레임 및 8,192개 토큰. 점수 산출 모드: 논문은 비디오 표에서는 Thinking 모드를, 오디오 표에서는 Instruct를, 이미지와 텍스트에서는 다시 Thinking을 보고하며, 사용된 프레임 수나 컨텍스트 길이는 명시하지 않는다.
• 둘 다 — 수치가 있는 경우 벤더가 보고한 것이며, 어느 쪽도 제3자가 재현한 적이 없습니다. HiDream의 장점은 한 구성이 HiDream에서 일하지 않는 사람들의 투표로 평가되었다는 점입니다.


오직 한쪽만 답할 수 있는 오디오 질문
{{1}}HiDream{{/1}}은 오디오를 생성하고 {{2}}WeMM-Video-4B{{/2}}는 이를 이해합니다. 기능 목록에서는 같은 능력처럼 들리지만 그렇지 않으며, 파이프라인을 구축하는 팀에게는 이 구분이 둘 중 어느 것이 관련이 있는지조차 결정합니다.
생성 측면에서 HiDream의 발표는 사운드를 나중에 추가하는 방식이 아니라 텍스트, 비디오, 오디오를 함께 모델링하는 단일 프로세스를 설명하므로, 입술 움직임, 주변음, 신체 동작이 하나의 타임라인을 공유합니다. 그것을 제어할 수 있는지는 별개의 문제입니다. 문서화된 요청에는 오디오 매개변수가 노출되지 않고, 발표에서는 트랙 수를 공개하지 않으므로, 대화, 음악, 효과를 분리 가능한 스템으로 다룰 수 있는지는 두 가지 측면 모두에서 검증되지 않았습니다.
이해력 측면에서 WeMM-Video-4B는 오디오가 포함된 Video-MME에서 83.9점을 기록해 Qwen3-Omni-30B-A3B-Instruct의 77.3점과 MiniCPM-o-4.5-9B의 69.2점을 앞섰고, Daily-Omni에서는 82.5점으로 70.7점과 80.2점을 앞섰다. 순수 오디오 벤치마크에서는 비공개 플래시 모델에 뒤진다 — MMAU 75.2 대 80.4, MMAR 67.3 대 74.0 — 다만 MMAU-Pro에서는 68.1 대 64.8로 한 번 앞섰다. 이는 표 2에 실린 Tencent의 수치로, Thinking 모드에서 실행되었으며, 연구소 외부에서는 아무도 이를 재현하지 못했다.
그래서 솔직히 요약하자면, 한 모델은 아직 검사할 수 없는 소리를 만들고, 다른 모델은 직접 공급해야 하는 소리를 검사한다. 첫 번째가 오디오 파라미터를 갖추고 두 번째가 호스트를 갖추기 전까지는, 어느 쪽도 프로덕션 파이프라인이 원하는 오디오 도구가 아니다.
라우터가 도움이 되는 경우와 그렇지 않은 경우
OrcaRouter는 두 모델 중 어느 것도 제공하지 않습니다. WeMM 엔드포인트는 없으며—카탈로그에 WeMM 체크포인트가 없습니다—HiDream 경로도 없습니다. HiDream-O1-Video-1.0은 HiDream 자체 플랫폼과 여러 타사 플랫폼을 통해 접근할 수 있습니다. 아래 내용 중 어느 것도 우리가 둘 중 하나를 호스팅한다는 주장이 아닙니다.
이번 대결에서 라우터가 존재 가치를 증명하는 지점은 바로 마이그레이션 자체이며, 그를 위한 도구는 모델 목록이 아니라 라우팅 DSL입니다. 이 두 모델은 모두 눈에 띄게 잠정적인 서빙 표면 뒤에 있습니다 — 하나는 2상태 터미널 플래그가 있는 단일 입력 프리뷰이고, 다른 하나는 특정 업스트림 릴리스에 고정된 소스 오버레이입니다 — 그리고 둘 중 하나를 하드코딩하는 스택은 누군가의 릴리스 노트에서 깨지는 스택입니다. 프라이머리와 폴백을 지정하고, 두 통합 대신 한 요청 안에서 두 모델을 비교할 수 있는 라우팅 정책은 그 위험을 구성으로 바꿔 줍니다. 이는 하나의 OpenAI 호환 엔드포인트를 통해 200개가 넘는 모델에 걸쳐 제공업체 정가로 0% 마크업으로 전달되므로, 공급업체 가격 변경이 같은 날 반영됩니다. WeMM 워크로드의 비전 전용 부분에서는 Qwen3-VL-235B-A22B-Thinking과 Qwen3-VL-8B-Thinking이 이제 둘 다 플랫폼에 있습니다 — 이는 누락된 omni 체크포인트를 우회하는 방법이지, 그 오디오 타워를 대체하는 것은 아닙니다.

어떤 좁음이라면 감당할 수 있는지
이번 분기에 영상 소재가 필요하고 참조 이미지 하나로 충분하다면, HiDream-O1-Video-1.0은 둘 중 호출 가능한 엔드포인트가 있는 유일한 모델이며, 그 제약 사항은 반나절 안에 통합할 수 있을 만큼 충분히 문서화되어 있습니다. 분당 $5.80로 예산을 잡고, 10초 또는 모델이 선택한 길이를 계획하며, 터미널 플래그가 아니라 하위 작업 상태를 확인하세요.
이미 보유한 영상에 무엇이 들어 있는지 — 영상에서 들리는 말까지 포함해 — 알아야 한다면, WeMM-Video-4B는 둘 중 답할 수 있는 유일한 모델이며, 그 대가로 패치된 추론 엔진, 10.45 GiB 체크포인트, 그리고 긴 영상 결과를 신뢰하기 전에 조정해야 하는 16프레임 샘플링 예산이 필요합니다.
두 모델 모두 비교 페이지가 흔히 약속하는 것, 즉 둘을 순위 매길 수 있는 공통 작업을 제공하지는 않습니다. 이 둘은 한 가지 질문에 대한 두 가지 답이 아닙니다. 이들은 공개된 표면이 각자의 논문보다 모두 작은 두 모델이며, 유용한 엔지니어링 판단은 그 격차 중 어느 것을 자신의 하드웨어로 메울 수 있느냐 하는 것입니다.
이 글에서 비교한 모델1
이 글에서 자동 인식
