
WeMM-Video-9B vs Kandinsky 6.0 Video: 둘 다 오픈, 그러나 어느 쪽도 측정되지 않음
- 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 · 364 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 · 148 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 93 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 · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100만 토큰당 · 118 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
This is a matchup where both models are open weights and both are free, which removes price from the comparison entirely and leaves two much harder questions: what each one will actually let you do, and whether anyone has checked. Kandinsky 6.0 Video, from Sber's Kandinsky Lab, was open-sourced on 6 October 2026 under MIT in two sizes — Pro at 29 billion parameters, Lite at 3 billion — with five-second clips, 44 kHz synchronised audio and lip-sync, and day-one support in Diffusers, ComfyUI, vLLM-Omni and SGLang. WeMM-Video-9B, from Tencent's WeChat Vision group, appeared six weeks later on 17 November 2026 under Apache 2.0 as 19.54 GiB of BF16 weights, unannounced, with no endpoint and no deployment story beyond a patched vLLM or SGLang overlay. Neither has an independent Elo anywhere. Neither will get one soon, for reasons that are worth separating.
다음 글은 두 릴리스를 있는 그대로 다룹니다. 하나는 생태계를 갖춘 프로덕션급 오픈 모델이고, 다른 하나는 논문을 동반한 연구용 릴리스입니다. 두 설명은 모두 칭찬이자 한계이며, 이 설명들을 읽는 순서에 따라 어떤 것을 다운로드해야 할지가 결정됩니다.
훈련된 길이는 5초입니다.
Kandinsky 6.0 Video는 5초 클립을 생성하며, 중요한 단어는 "기본값"이 아니라 "훈련됨"입니다. 121프레임의 5초는 모델이 학습한 길이이며, 더 긴 길이를 요청하는 것은 설정이 아니라 외삽이고, Sber는 이를 다른 무엇으로도 제시하지 않습니다. 그 5초 안에서 립싱크 정렬과 함께 같은 패스에서 생성된 44 kHz 오디오를 얻을 수 있는데, 이는 이 라이선스와 이 규모에서 진정으로 이례적인 역량입니다.
배포 표면은 두 릴리스가 가장 뚜렷하게 갈리는 부분이다. 첫날 Kandinsky 6.0 Video는 Diffusers 번들, 명령줄 진입점, 두 개의 ComfyUI 노드, 두 개의 Spaces를 출시했다. 그런 다음 외부 기여자가 풀 리퀘스트 8537을 vLLM-Omni에 병합하여 해당 파이프라인을 Kandinsky6TI2VAPipeline으로 등록하고, 하나의 DiT에서 텍스트-투-비디오-앤-오디오와 이미지-투-비디오-앤-오디오를 서빙했다.
WeMM-Video-9B shipped a patched vLLM or SGLang overlay and a set of manifests. The only validation Tencent claims is that the patched runtime loaded the checkpoint on an H20 and completed a forward pass. Getting from there to a service is a day of toolchain work, and the repository is candid about it in the only way that matters: the status strings.
• FP8 Block128, 13.10 GiB — quantized_and_independently_reloaded_native_inference_pending, native_inference_validated 및 native_low_precision_gemm_validated가 모두 false입니다.
• AWQ W4A16, 12.86 GiB — 양자화_미검증.
• NVFP4 W4A16, 13.07 GiB — cpu_NVFP4_weight_artifact_independently_reread, native FP4 GEMM, PRO5000 추론 및 vLLM 검증이 모두 false이고, 0.35 한도 대비 평균 상대 RMSE 0.095에 대한 수치적 증명도 포함합니다.
• GGUF Q4_K_M, 13.28 GiB — exported_unvalidated, and it runs only on Tencent's own runtime, not llama.cpp or Ollama.
네 개의 압축 빌드는 모두 서로 0.42GiB 이내 차이이며, 그중 어느 것도 네이티브 추론용으로 검증되지 않았습니다. MIT 라이선스와 네 개의 독립적인 프런트 엔드를 갖춘 Kandinsky 6.0 Video와 비교해 보십시오. 여기서는 검증 문제가 이미 Sber가 아닌 사람들에게 분산되어 있습니다.

19.5기가바이트, 항목별 내역
WeMM-Video-9B는 배포 관련 설명이 빈약한 점을 이례적으로 완전한 자기 설명으로 보완한다. 파라미터 수는 1,305개 텐서에 걸쳐 총 10,488,603,384개다. 구성 분할도 공개되어 있다. 1.02B 토큰 임베딩을 포함한 7.94B 언어 백본, 1.02B 비결합 출력 헤드, 1.08B 오디오 타워 — 너비 1,280의 Whisper 스타일 32개 레이어가 2계층 Q-Former 뒤에 위치하며 초당 오디오 토큰 10개 — 그리고 27개 블록, 히든 1,152, 패치 16, 2×2 공간 병합을 사용하는 0.46B 비전 타워다.
압축 빌드에서는 dense FFN만 양자화됩니다. 즉 32개 레이어에 걸쳐 레이어당 3개씩인 96개의 언어 행렬이 4,096 x 12,288 크기로, 10.49B 중 4,831,838,208개 요소입니다. 어텐션은 BF16으로 복원됩니다. 152개의 투영 행렬과 32개의 입력 norm이 모두 SHA-256 해시를 포함하며, 1,209개의 텐서는 비트 단위로 정확히 유지됩니다. 대략 3.57B 파라미터, 약 7.1GB에 해당하는 비전 타워, 오디오 타워, 임베딩 및 출력 헤드는 양자화기에 전혀 들어가지 않습니다. 이것이 AWQ가 이름이 시사하는 70%가 아니라 BF16 대비 34%를 절감하는 이유입니다.
이 모든 것만으로는 그 모델이 얼마나 좋은지 알 수 없다. 그것이 알려주는 것은 그 릴리스가 감사 가능하다는 점이며, 이는 색다르고 과소평가된 미덕이다.
둘 다 독립적인 점수가 없습니다.
Kandinsky 6.0 Video는 세 개의 Artificial Analysis 비디오 보드 중 어디에도 나타나지 않습니다. WeMM-Video-9B도 마찬가지입니다. 이 두 가지 부재는 원인이 다르며 그 차이가 중요합니다.
Kandinsky 6.0 Video는 아레나 제출이 없고, 텍스트-투-비디오 보드는 모델을 등재하려면 API 가격을 요구합니다 — 상업 요금이 없는 5초짜리 오픈 웨이트 출력은 차지할 행이 없습니다. WeMM-Video-9B는 더 근본적인 의미에서 순위를 매길 수 없습니다: 보드는 생성된 영상을 채점하는데, 이 모델은 텍스트를 생성합니다.
각 연구소가 대신 제공하는 것은 자체 평가이며, 둘 다 같은 회의적 태도로 읽어야 한다.
• Kandinsky 6.0 Video — 벤더가 보고한 VABench 결과와 랩에서 실시한 인간 평가(기준당 약 200건의 쌍대 비교)입니다. 또한 RL 사후 학습 후 생성 음성의 단어 오류율이 47% 감소했다고 보고되었습니다. 마지막 수치에는 주의가 필요합니다. 이는 Whisper-large-v3로 측정되었지만, 비교 대상인 VABench WER 수치는 Qwen3-ASR-1.7B를 사용합니다. 서로 다른 두 인식기, 서로 다른 두 오류율이므로 유효한 차이 계산이 아닙니다. 개선은 실제일 수 있지만, 제시된 수치는 비교 가능하지 않습니다.
• WeMM-Video-9B — 저자들이 직접 만든 평가 도구를 공개하며 "가능한 경우 공식 결과를, 그 외에는 자체 평가를 사용했다"고 밝혔습니다. 사고 모드에서 공동 오디오-비주얼 작업을 수행할 때 공유된 37개 지표 중 35개에서 Qwen3-Omni-30B-A3B-Instruct를 앞서며, 오디오가 포함된 Video-MME에서 85.1 대 77.3, SciVideoBench에서 64.2 대 49.9를 기록했고, FutureOmni에서는 53.7 대 55.1로 한 항목에서 뒤졌습니다. 무음 비디오에서는 자사의 Qwen3.5-9B 백본과 비교해 F-16-NBA에서 88.7 대 75.8로 앞서고 TimeLens에서도 앞섰지만, MLVU, LVBench, VideoVista, VSI-Bench, MVBench에서는 뒤졌습니다.
두 개의 공개 릴리스, 두 개의 자체 평가, 제3자 없음. 그것이 두 가지 모두에 대한 솔직한 현황이다.

5초 대비 16프레임
두 상한이 만나는 지점은 어느 한쪽만 볼 때보다 더 흥미롭습니다. WeMM-Video-9B는 자체 프로세서 기본값—2 fps, 최소 4프레임, 최대 128프레임, 100,663,296픽셀—을 2 fps, 262,144픽셀에서 16프레임으로 낮추고 클립 중간 지점 부근에서 샘플링하는 vLLM 레시피를 제공합니다. 초당 2프레임으로 16프레임이면 8초 분량을 커버하며, 모든 서빙 명령은 또한 아키텍처의 262,144개 위치 임베딩에 대해 8,192토큰 컨텍스트를 전달합니다.
• Kandinsky 6.0 Video — 5초 입력, 5초 출력, 121프레임, 44kHz 오디오. 엄격하게 훈련된 길이입니다.
• WeMM-Video-9B — 8초 분량의 샘플링된 입력, 텍스트 출력, 초당 10토큰으로 최대 약 13분까지의 전체 오디오 트랙.
• 연결 지점 — 5초짜리 Kandinsky 클립은 WeMM-Video-9B의 8초 윈도에 3초의 여유를 두고 들어가며, 이는 생성된 클립을 설명기로 보내는 것이 깔끔한 유일한 구성입니다.
• 결합 비용 — Sber는 Full-HD 클립당 대략 7분의 H100 시간이 소요된다고 보고하므로, 5초 생성은 로컬 하드웨어에서 어떤 설명 작업도 이루어지기 전에 7분을 예약하는 셈입니다.
클립 길이별 라우팅
두 모델 모두 OrcaRouter를 통해 서빙되지 않으며, 앞으로도 그럴 예정이 없습니다. 둘 다 직접 호스팅하는 오픈 웨이트이기 때문입니다. 이런 파이프라인에서 라우팅 계층이 하는 일은 어느 구간이 어디서 실행될지 결정하는 것이며, 라우팅 DSL은 8초 경계를 두기에 가장 정직한 위치입니다. 이를 정책으로 표현해 보세요. 8초 미만 클립은 로컬 WeMM-Video-9B 설명기로, 더 긴 클립은 호스팅된 omni 모델로 보내도록 하면, 그 경계는 아무도 읽지 않는 구성 파일 속 주석이기를 그칩니다. 60초 클립이 8초짜리 조각으로 설명되어 돌아오기 전까지는요.
해당 정책의 호스팅 측면에서는, 하나의 API200개 이상의 모델을 0% 마크업으로 제공업체 정가에 적용하므로, 자체 호스팅 설명 모델과 임대한 설명 모델에 걸친 파이프라인도 여전히 하나의 청구서와 하나의 키로 유지됩니다. 제공업체의 요금 인하는 제공업체에 도달하는 당일 여러분에게도 적용되는데, 이는 워크로드의 호스팅 절반을 가격으로 선택할 때 중요합니다.

둘 다 다운로드하거나, 아니면 둘 다 하지 마세요
이번 주에 바로 작동하는 파이프라인이 필요하다면 답은 Kandinsky 6.0 Video이며, 다른 선택과는 비교가 되지 않습니다. MIT 라이선스, 첫날부터 제공되는 네 가지 배포 표면, 립싱크가 포함된 동기화 44 kHz 오디오, 그리고 계획에 반영할 수 있는 5초 학습 길이를 제공합니다. 대신 지속 시간과 독립적 검증은 포기해야 합니다.
감사 가능한 9B 옴니모달 설명기를 원한다면 WeMM-Video-9B가 답이며, 핵심은 감사입니다: 전체 파라미터 산정, 항목별 양자화 적용 범위, 검증되지 않은 네 개 빌드에 대한 솔직한 상태 문자열. 대신 서빙 계약, 생태계, 그리고 저자 자신의 표 외의 어떤 증거도 포기하게 됩니다.
실수는 '오픈 웨이트'를 하나의 속성으로 읽는 것이다. 이런 공개물 중 하나는 라이선스가 붙은 제품처럼 작동한다. 다른 하나는 체크포인트가 붙은 논문처럼 작동하며, 어느 쪽이 필요한지는 전적으로 당신이 영상물을 배포하려는지 아니면 이해하려는지에 달려 있다.
