제목 카드에는 'WeMM-Video-9B vs Alibaba Wan 2.7'이 적혀 있고 부제는 '청구서 하나와 체크포인트 하나'이며, vs 원형 디스크로 나뉜 두 패널이 있다. 왼쪽에는 '가중치만' 배지가 붙어 있고 9B dense 파라미터, 19.54 GiB의 BF16 샤드, Apache 2.0, 가격 없음이 나열되며, 오른쪽에는 '종량제 API' 배지가 붙어 있고 AA-Video-Editing v1.1에서의 Elo 1,074와 분당 $16.90이 나열된다.
Guides & Insights

WeMM-Video-9B vs Alibaba Wan 2.7: 청구서와 체크포인트

작성자

jinhao.song

게시일

최신 모델 · 20모든 모델 보기 →
벤치마크: Artificial Analysis · 매일 업데이트
모든 게시물로 돌아가기

청구서부터 시작하죠. Alibaba Wan 2.7은 두 개의 Artificial Analysis 비디오 보드에서 분당 요금이 매겨져 있고 문서화된 길이 범위도 있어서, 코드를 한 줄도 쓰기 전에 비용을 산출할 수 있는 몇 안 되는 비디오 모델 중 하나입니다. WeMM-Video-9B에는 요금이 전혀 없습니다. Tencent의 WeChat Vision 그룹은 2026년 11월 17일에 19.5기가바이트의 Apache-2.0 가중치로 이를 공개했습니다. BF16 샤드 다섯 개, 모델 카드, 그리고 2611.26409번 arXiv 프리프린트까지요. 그리고는 아무 말도 하지 않았습니다. 출시 게시물도, 가격 페이지도, 호스팅 엔드포인트도, 보드 제출도 없습니다. 사흘 뒤에도 저장소들은 모두 다운로드 0회를 보여주고 있습니다. 따라서 정직한 비교는 Wan 2.7과 WeMM-Video-9B의 품질 대결이 아니라, 요금이 매겨진 서비스와 가격이 책정되지 않은 산출물의 비교이며, 나란히 놓고 보고 싶은 그 두 숫자는 양쪽 모두 같은 이유로 존재하지 않습니다.

아래 내용은 세 가지를 구분합니다. Wan 2.7 문서와 두 리더보드가 밝히는 것, WeMM-Video-9B 저장소와 논문이 주장하는 것, 그리고 두 연구실 밖의 누구도 재현하지 못한 것입니다. 세 번째 범주에 WeMM-Video-9B 자료 대부분이 속하며, 그렇지 않은 척하는 것은 이 글을 쓸모없게 만드는 가장 빠른 길일 것입니다.

Wan 2.7은 분 단위로 과금됩니다

Alibaba의 Wan 2.7 요금표는 비디오 모델로서는 이례적으로 알기 쉽게 되어 있습니다. 이 제품군은 텍스트-투-비디오, 이미지-투-비디오, 레퍼런스-투-비디오, 비디오 편집의 네 가지 모드로 구성된 제품이며, 게시판에 표시되는 가격은 역으로 계산해야 하는 크레딧 시스템이 아니라 분당 요금을 그대로 보여주는 방식입니다.

• AA-Video-Editing v1.1 — Wan 2.7은 22,754개 샘플에서 Elo 1,074 ±8로 9위에 올랐으며, 출시 월은 2026년 4월이고 분당 $16.90입니다. 이 구간은 상위 3위 밖에서 보드상 가장 좁은데, 그것이 바로 2만 2천 표가 사주는 것입니다.

• AA-Video-T2V v2.1 — 동일한 제품군이 Wan2.7-260612라는 이름으로 2026년 6월, 6,965개 샘플에서 Elo 1,035 ±13으로 20위에 올라 있으며, 분당 $9.00입니다. 동일한 벤더, 다른 작업, 다른 가격, 그리고 편집 점수로 환산되지 않는 Elo입니다.

• Wan 2.7은 이미지-투-비디오 보드에 전혀 없습니다. Wan 3.0은 있습니다 — 1,109점으로 12위 — 그리고 그 부재는 주의 깊게 읽어볼 가치가 있습니다. 이는 Wan 2.7이 정지 이미지를 애니메이션화할 수 없다는 뜻이 아니라, 아레나가 그곳에서 순위를 매기지 않았다는 뜻입니다. Alibaba 제품군은 첫 및 마지막 키프레임 제어, 최대 5개의 피사체 이미지와 5개의 참조 클립, 그리고 네이티브 오디오가 포함된 720p~1080p 출력을 실제로 홍보합니다. 보드가 점수화하지 않는 역량도 여전히 역량입니다.

예산 책정에 중요한 맥락 하나를 짚자면, Wan 2.7은 이전 세대입니다. Wan 3.0은 이제 텍스트-투-비디오 보드(1,176)와 편집 보드(1,197) 모두에서 선두이며, 텍스트-투-비디오에서 분당 $12.00로 Wan 2.7의 편집 요금 $9.00보다 두 모델 중 더 저렴합니다. 오늘 알리바바 모델을 비교하는 것이 아니라 하나를 고르는 상황이라면, 결정은 이미 다음 단계로 넘어갔습니다.

9B 체크포인트가 실제로 무엇인지

WeMM-Video-9B는 비디오 생성기가 아니며, 이 한 문장이 이 비교에서 거의 모든 것을 말해줍니다. 이는 비디오 이해 모델입니다: 프레임과 원본 사운드트랙을 넘겨주면 텍스트를 반환합니다. 설명, 전사, 시간적 추론, 이미 보유한 영상에 대한 질의응답.

저장소는 내부에 무엇이 들어 있는지 유난히 구체적으로 밝히고 있는데, 바로 이 지점에서 조용한 릴리스가 요란한 릴리스보다 낫습니다. Hugging Face 기록에는 1,305개 텐서에 걸쳐 10,488,603,384개 파라미터가 나열되어 있으며, BF16, 19.54 GiB가 다섯 개 샤드로 분할되어 있습니다. 분할 내역은 항목별로 제시됩니다: 1.02B 토큰 임베딩을 포함한 7.94B 언어 백본, 가중치가 공유되지 않는 1.02B 출력 헤드, 2계층 Q-Former 뒤에 너비 1,280의 32개 레이어를 갖춘 1.08B Whisper 스타일 오디오 타워, 그리고 패치 크기 16과 2×2 공간 병합을 갖춘 은닉 너비 1,152의 27개 블록으로 구성된 0.46B 비전 타워. 언어 스택은 은닉 차원 4,096의 32개 레이어, 헤드 차원 256에서 4개 키-값 헤드에 대응하는 16개 어텐션 헤드로 구성되며, 하이브리드 선형 어텐션 — 선형 레이어 세 개당 전체 어텐션 레이어 하나 — 과 262,144개 위치 임베딩을 갖습니다.

실제로 그것이 제공하는 것은 넓은 입력과 좁은 출력입니다. 동영상, 오디오, 이미지, 텍스트가 입력되고, 텍스트가 영어 또는 중국어로 출력됩니다. 아키텍처 어디에도 프레임 합성은 없으며, 아무리 프롬프트를 넣어도 프레임 합성은 생성되지 않습니다.

Two-column contrast headed 'WeMM-Video-9B vs Alibaba Wan 2.7', the left listing 9B dense parameters, 19.54 GiB of BF16 shards, Apache 2.0 and no price, the right listing Elo 1,074 on AA-Video-Editing v1.1, $16.90 per minute and 2 to 15 seconds per clip, with a footer reading 'Artificial Analysis figures read 20 November 2026; WeMM-Video-9B figures from the repository.'Screenshot of the Hugging Face model page for tencent/WeMM-Video-9B showing the image-text-to-text pipeline tag, Transformers and Safetensors libraries, the arXiv identifier 2611.26409, an Apache 2.0 licence, and model card text stating 19.54 GiB of BF16 weight files.

만나지 않는 두 시계

실제로 판가름을 짓는 비교는 시간과 돈에 관한 것이며, 양쪽 모두 한도가 있다.

• Wan 2.7의 최대치는 길이입니다. 생성당 2~15초, 720p~1080p, 초당 과금. 15초 1080p 클립은 시작을 누르기 전에 이미 예측 가능한 값입니다.

• WeMM-Video-9B의 상한은 컨텍스트입니다. 프로세서의 기본값은 초당 2프레임이고, 최소 4프레임, 최대 128프레임, 총 100,663,296픽셀 예산입니다. 배포된 vLLM 레시피는 이 모든 값을 2fps, 16프레임, 262,144픽셀로 낮춥니다 — 클립 중간 지점에서 샘플링한 약 8초 분량의 커버리지입니다. 저장소의 모든 서빙 명령은 또한 8,192토큰 컨텍스트 길이를 전달하며, 초당 오디오 토큰 10개 기준으로 예산을 오디오에만 쓰면 약 13분 분량의 오디오에 해당합니다.

• 불일치.Wan 2.7은 15초 분량의 영상을 생성합니다. WeMM-Video-9B는 기본 제공 상태로 8초를 봅니다. 파이프라인이 클립을 생성한 다음 모델에게 그 안에서 무슨 일이 있었는지 묻는다면, 설명 모델은 출력의 절반만 샘플링하는 셈입니다. 이는 두 제품 중 어느 쪽의 결함도 아닙니다. 의도적으로 바꿔야 하는 구성이며, 저장소의 자체 예시도 이를 대신 바꿔주지 않습니다.

그들 중 누구도 속해 있지 않은 위원회

이 맞대결의 구조적 문제를 분명히 말하면 이렇습니다. 모든 Artificial Analysis 비디오 보드는 생성된 영상을 순위로 매깁니다. 텍스트-투-비디오, 이미지-투-비디오, 비디오 편집 — 이 세 가지 모두 픽셀을 출력하는 모델을 대상으로 삼아 쌍별 인간 선호도로 순위를 매깁니다. WeMM-Video-9B는 토큰을 출력합니다.

WeMM-Video-9B가 나쁜 점수를 받은 것은 아니다. 애초에 출전할 수 없다. Wan 2.7에는 두 개의 행이 있고, 둘 다 논쟁이 가능할 만큼 구간이 좁다. WeMM-Video-9B에는 그런 행이 없으며, 누군가 비디오 이해 아레나를 만들기 전까지는 생기지 않을 것이다. 즉, 이 글의 주제에 대한 유일한 품질 증거는 저자들의 자체 표뿐이다.

그 표는 결코 아무것도 아니다. 오디오-비주얼 결합 과제의 사고 모드에서 9B 체크포인트는 37개 공통 수치 중 35개에서 Qwen3-Omni-30B-A3B-Instruct를 앞선다 — 오디오 포함 Video-MME 85.1 대 77.3, Daily-Omni 83.6 대 70.7, SciVideoBench 64.2 대 49.9, OmniReasoningBench 43.9 대 24.1 — 그리고 정확히 한 개, FutureOmni에서 53.7 대 55.1로 진다. 자체 Qwen3.5-9B 백본과 비교한 무음 비디오에서는 F-16-NBA(88.7 대 75.8)와 TimeLens에서 앞서고, MLVU, LVBench, VideoVista, VSI-Bench, MVBench에서는 뒤진다. 논문은 “가능한 경우 공식 결과를, 그렇지 않은 경우 자체 평가를 보고한다”고 밝히는데, 이는 올바른 공개 방식이며 동시에 이 결과 중 어느 것도 독립적이지 않은 이유이기도 하다.

Screenshot of the Artificial Analysis video-editing leaderboard, AA-Video-Editing v1.1, with ranked rows carrying Elo, confidence interval, sample count, release month and per-minute price, including Wan 2.7 at rank 9 on Elo 1,074 over 22,754 samples at $16.90 per minute.

OrcaRouter가 적합한 위치

어느 모델도 OrcaRouter를 통해 제공되지 않으며, 이 글은 그렇지 않은 척하지 않을 것입니다. Wan 2.7은 Alibaba 자체 API와 여러 타사 플랫폼을 통해 접근할 수 있고, WeMM-Video-9B는 다운로드하여 접근할 수 있습니다.

여기에 속하는 것은 청구 측면입니다. 팀들이 생성기와 설명기를 비교하게 되는 이유는 둘 다 같은 파이프라인에 연결되기 때문입니다. OrcaRouter는 공급자 정가를 거쳐 0% 마크업으로 전달하므로, 공급업체의 요금 인하가 리셀러가 가격을 다시 책정할 때가 아니라 공급업체의 청구서에 반영되는 날 바로 귀하의 청구서에 반영됩니다. Wan 2.7의 편집 요율 $16.90이 Wan 3.0의 경우처럼 $12.00이 되면 다음 청구서에서 확인할 수 있습니다. 한 쪽은 초당 과금되고 다른 쪽은 직접 호스팅하는 체크포인트인 워크로드에서, 과금되는 절반이 원가로 보고되는 것은 예측 가능한 예산과 그렇지 않은 예산의 차이입니다.

어느 것에 예산을 배정해야 할까요?

산출물이 푸티지라면, Wan 2.7은 둘 중 그것을 생성할 수 있는 유일한 모델이며, 결정은 편집 기준 분당 $16.90 또는 텍스트-투-비디오 기준 분당 $9.00가 나머지 보드 대비 경쟁력이 있는지로 귀결됩니다. 각각 9위와 20위로, 둘 모두 중위권입니다.

산출물이 이미 보유한 영상에 대한 설명문이라면, WeMM-Video-9B는 둘 중 그것을 생성할 수 있는 유일한 모델이며, 결정은 패치된 vLLM 또는 SGLang 설치본과 19.54 GiB 체크포인트, 8초 샘플링 윈도를 감당해 진정으로 강력한 시청각 수치를 갖춘 9B급 설명 모델을 확보할 수 있는지의 문제로 좁혀진다.

함정은 $16.90과 $0.00을 같은 수량으로 읽는 것이다. 하나는 오늘 오후에 호출할 수 있는 서비스의 종량 요금이다. 다른 하나는 서비스의 부재이며, 그 부재의 대가는 통합 작업과 Tencent 외부의 누구도 그 숫자가 성립하는지 알려주지 않았다는 사실로 치러진다.