히어로 타이틀 카드에는 'WeMM-Video-9B vs Wan 3.0', 부제는 '하나는 초를 팔고, 다른 하나는 그 초를 읽어낸다.'이며, 세 개의 수치 칩에는 10.49B 오픈 가중치, 기본 8초 보기, 30초 클립 상한이 표시되고, 푸터에는 WeMM-Video-9B 수치는 Tencent 저장소와 arXiv 2611.26409에서, Wan 3.0 수치는 Alibaba와 Artificial Analysis에서 나온다고 적혀 있다.
Guides & Insights

WeMM-Video-9B vs Wan 3.0: 판매된 초, 시청된 초

작성자

Alistair Wren

게시일

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

Wan 3.0 비디오 몇 초 분량을 판매합니다. WeMM-Video-9B 그 초들을 다시 읽어냅니다. 그것이 이 비교의 전부이며, 이 둘 사이에서 차원별로 사양을 따지는 싸움이 거의 무의미할 수밖에 없는 이유입니다. 하나는 MP4를 반환하는 생성 모델이고, 다른 하나는 문장을 반환하는 옴니모달 이해 모델입니다. 이들은 경쟁자가 아닙니다. 이들은 하나의 파이프라인, 즉 클립을 생성한 다음 검사하는 파이프라인의 두 절반이며, 흥미로운 질문은 어느 쪽이 이기는가가 아니라 각각이 어디서부터 사용할 수 없게 되는가입니다.

그중 하나만이 뉴스다. 텐센트는 WeMM-Video-9B와 18개의 형제 저장소를 2026년 11월 17일 08:53:50 UTC부터 5분간의 시간대에 업로드했고, 11월 19일 arXiv 2611.26409로 기술 보고서를 출판했으며, 이 중 어느 것도 발표하지 않았다. 블로그 글도, 출시 페이지도, 유료 티어도 없다. 이 글을 쓰는 시점에 9B 저장소는 다운로드 0회를 보여 주고, 컬렉션은 좋아요 몇 개를 받았으며, 어떤 추론 제공자도 이 모델을 제공하지 않는다. Wan 3.0은 완전히 반대 사례다 — 알리바바는 2026년 8월 6일 공개 베타에 넣었고 8월 24일 공식 출시했는데, 이는 이 글보다 88일 전이며, 현재 두 개의 독립 리더보드 상단에 있다. 아래에서 Wan 3.0에 관한 모든 내용은 출시되었고 가격이 책정되었으며 독립적으로 점수가 매겨진 제품에 관한 것이다. WeMM-Video-9B에 관한 모든 내용은 자체 저장소나 저자들의 PDF에서 나오며, 그것에 관한 어떤 수치가 존재하는 곳은 이 두 곳뿐이다.

각각이 실제로 반환하는 것

사양 라인들은 서로 다른 역할을 설명하기 때문에 바로 그 점에서 나란히 놓고 볼 가치가 있다.

• 출력 — WeMM-Video-9B는 중국어 또는 영어로 텍스트를 반환합니다. Wan 3.0은 최대 30초 길이의 네이티브 오디오가 포함된 생성 클립을 반환합니다.

• 입력 — 9B는 원본 사운드트랙이 포함된 비디오 프레임, 무음 비디오, 독립형 오디오, 이미지 및 텍스트를 입력받아 이 모든 것을 한 번에 추론할 수 있습니다. Wan 3.0은 텍스트, 이미지, 비디오 및 오디오 프롬프트를 입력받으며, 제품군 중 유일하게 문서(doc, xls, ppt, pdf, md, txt)도 지원합니다. 파일당 최대 100MB 또는 50페이지까지 가능하며, 곧바로 비디오로 변환됩니다.

• 가중치 — WeMM-Video-9B는 Hugging Face에서 BF16와 네 가지 양자화 빌드(FP8 Block128, AWQ W4A16, GGUF Q4_K_M, NVFP4 W4A16)로 Apache 2.0 가중치를 제공합니다. Wan 3.0은 공개된 가중치가 없으며, 종량제 폐쇄형 API입니다.

• 가격 — 9B에는 호스팅 가격이 없습니다. 호스팅하는 곳이 없기 때문입니다. 비용은 GPU, 패치된 런타임, 그리고 여러분의 시간입니다. Wan 3.0은 출력 1초당 요금을 부과합니다. 480p, 720p, 1080p에서 초당 0.3, 0.6, 1.2위안 — 대략 $0.05, $0.10, $0.20 —이며, Artificial Analysis는 이를 리더보드에서 분당 $12.00로 정규화합니다.

• 독립적인 점수 — WeMM-Video-9B에 대한 점수는 없습니다. Artificial Analysis는 어떤 보드에도 WeMM 모델을 등재하지 않습니다. Wan 3.0은 Artificial Analysis 텍스트-투-비디오 보드에서 Elo 1,176(95% 구간 1,163~1,189, 8,243개 샘플)으로 1위이고, 비디오 편집 보드에서 1,197(1,187~1,207, 9,919개 샘플)로 1위이며, 이미지-투-비디오에서 1,109로 12위입니다.

Two-column scoreboard titled 'WeMM-Video-9B vs Wan 3.0 — the scoreboard'. Left column WeMM-Video-9B: output text in Chinese or English, weights Apache 2.0 open now, price no hosted API, independent Elo none, context declared 262,144, shipped video view 8s at 2 fps. Right column Wan 3.0: output video with audio, weights closed API only, price 0.3-1.2 yuan per second, independent Elo 1,176 text-to-video, context declared not published, shipped clip length 30s single run. Footer states WeMM figures are vendor-reported and unaudited, and the Wan 3.0 Elo is per Artificial Analysis, November 2026.

가격 격차는 가격 격차가 아니다

분당 12달러는 사람들이 인용할 숫자이지만, 두 요금제는 서로 다른 양을 측정하기 때문에 9B에 관한 그 어떤 것과 비교하기에도 잘못된 숫자입니다. Wan 3.0은 생성된 길이에 대해 과금합니다. WeMM-Video-9B는 단위당 요금이 전혀 없습니다 — 이미 보유한 하드웨어로 비용을 지불하는 셈이며, 정직하게 가격을 매기는 방법은 카드를 얼마나 차지하는지, 시간당 몇 개의 클립을 처리할 수 있는지 계산하는 것입니다.

점유 규모는 리포지토리에서 측정할 수 있다. BF16 체크포인트는 19.54GiB의 가중치 파일과 1,305개 텐서에 걸친 10,488,603,384개 파라미터, 즉 104.9억 개다. 90억 개가 아닌 이유는 이름의 "9B"가 전체 스택이 아니라 Qwen3.5-9B 언어 백본을 가리키기 때문이다. AWQ W4A16 빌드는 12.86GiB다. 이는 4비트 레시피가 함의하는 75%가 아니라 34% 감소이며, 그 이유는 익스포터 매니페스트에서 드러난다. 조밀한 피드포워드 행렬만 압축되고, 비전 타워, Whisper 기반 오디오 인코더, 임베딩, 출력 헤드, 그리고 모든 어텐션 가중치는 원래 정밀도를 유지한다. 약 57억 개 파라미터가 각각 2바이트로 남아, 어떤 4비트 레시피도 밑돌 수 없는 하한을 설정한다. 이름만 보고 배포 규모를 산정하는 사람은 대략 1.5GiB와 정밀도 한 단계만큼 빗나가게 된다.

그래서 실제로 중요한 비용 비교는 달러 대 달러가 아닙니다. 그것은 완성된 영상 1초당 $0.20인 API 호출 한 번 대 13~20GiB 상주 모델, 패치된 서빙 스택, 그리고 GPU 시간당 비용이 얼마든 그에 대한 비교입니다. 이미 추론을 운영 중인 팀이라면 후자가 더 저렴할 수 있습니다. 금요일까지 클립을 원하는 팀이라면 전자만이 존재합니다.

9B가 30B와 비교해 어디에 위치하는지

가 확실한 수치를 내놓는 유일한 곳WeMM-Video-9B논문의 대표 주장은 한 단계 더 큰 형제 모델에 관한 것이다. 즉 35B-A3B 모델이 옴니모달 비디오에서 새로운 오픈소스 최첨단 성능을 세우고 Gemini-3.0-Flash에 근접한다는 것이다. 9B는 좀 더 조용한 주장을 내세운다. 약 세 배 크기의 모델인 Qwen3-Omni-30B-A3B-Instruct를 능가한다는 것이다. Thinking 모드에서, 오디오-비주얼 통합 표에서 그것은 실제로 그렇게 해낸다.

• 오디오 포함 Video-MME — 9B의 경우 85.1, Qwen3-Omni-30B-A3B-Instruct의 경우 77.3, MiniCPM-o-4.5-9B의 경우 69.2.

• 오디오가 포함된 Video-MME-v2 — 51.6 대 36.3, 15.3점 차이입니다.

• 추론 성향을 띤 행 — SciVideoBench 64.2 대 49.9, MMOU 71.7 대 60.5, EvaOmni 50.7 대 26.1, OmniReasoningBench 43.9 대 24.1.

• 뒤처지는 부분 — FutureOmni는 53.7 대 55.1이며, JointAVBench는 64.6으로 동점입니다.

더 흥미로운 비교는 내부 비교이며, 논문을 인용하는 사람 중 아무도 언급하지 않는 비교다. 같은 17개 행에서 9B를 35B-A3B 플래그십과 비교해 보면 격차는 작다. 오디오 포함 Video-MME에서 85.1 대 86.4, Video-MME-v2에서 51.6 대 54.9, MMOU에서 71.7 대 74.5다. 한 행에서는 더 작은 모델이 완전히 이긴다 — SVHalluc 86.8 대 80.3. 플래그십 활성 파라미터의 일부만 가진 모델이 대표 벤치마크에서 1.3점 이내에 있다. 그것이 저장소에서 특히 9B를 위한 가장 강력한 논거이며, 이는 성능이 아니라 배포 비용에 관한 논거다.

9B는 또한 자신이 물려받은 백본에 대한 일률적인 업그레이드도 아니다. 무음 비디오 표에서 일반 Qwen3.5-9B와 비교해 보면, 이 모델은 언제 어디서 무슨 일이 일어났는지 쪽으로 조정되었고 다른 곳에서는 측정 가능한 비용을 치렀다: F-16-NBA 88.7 대 75.8, TimeLens-QVHighlights 66.8 대 64.3, TOMATO 48.5 대 45.0 — 그러나 MLVU 82.4 대 84.4, LVBench 68.2 대 70.0, VSI-Bench 54.5 대 58.3, MVBench 71.4 대 74.4. 당신의 작업이 긴 비디오 요약이라면, 오디오-비주얼 기제는 백본이 이미 더 잘했던 무언가를 당신에게서 앗아간 것이다.

기본 설정으로 8초의 커버리지

바로 여기에서 두 모델이 직접 비교 가능해집니다. 지속 시간에 대한 한계이기 때문인데, 그 수치들은 큰 차이가 납니다.

Wan 3.0은 한 번 실행으로 최대 30초를 생성하며, 이는 Wan 2.7의 15초 상한의 두 배이고, 더 긴 내러티브를 연결하기 위한 비디오 확장 도구를 갖추고 있습니다. WeMM-Video-9B는 출하 상태 그대로 8개를 바라봅니다.

격차는 체크포인트에 있지 않습니다. 9B는 텍스트 구성에서 262,144개의 위치 임베딩을 선언하는데, 이는 매우 큰 예산입니다. 격차는 레시피에 있습니다. 프로세서는 기본값으로 2 fps, 최소 4프레임, 최대 128프레임, 총 100,663,296픽셀을 사용하며, Tencent가 공개한 vLLM 명령은 이 네 가지 설정 모두를 2 fps, 16프레임, 262,144픽셀로 재정의합니다. 2 fps에서 16프레임은 클립 중간에서 가져온 8초 분량의 커버리지입니다. 저장소의 모든 서빙 명령은 또한 --max-model-len 8192 또는 --context-length 8192를 전달하며, 저장소 어디에도 더 큰 선언 수치에 도달하는 방법은 설명되어 있지 않습니다.

• 프레임 예산 — 출시 기본값은 2fps에서 16프레임, 즉 약 8초로, Wan 3.0의 30초 단일 생성과 대조됩니다.

• 오디오 비용 — 오디오 스택은 초당 10개의 토큰을 생성하므로, 8,192토큰 예산은 약 13분 분량의 오디오에만 쓰이고 그 외에는 아무것도 할 수 없습니다. 사운드트랙이 있는 클립은 같은 예산을 프레임과 오디오에 함께 사용합니다.

• 요청당 미디어 — vLLM 및 SGLang 레시피에 명시된 제공 한도에 따라 이미지 4개, 비디오 2개, 오디오 2개입니다.

WeChat Vision 외부에서는 벤치마크 실행에 어떤 샘플링이 사용됐는지 공개한 곳이 없습니다. 위 표의 수치를 재현하려 한다면 그것이 가장 먼저 확정해야 할 미지수이며, 기본 제공되는 16프레임 기본값은 출발점으로 적절하지 않습니다. 하지만 한계는 분명합니다. 테이크 한 편보다 긴 입력에서는 프레임 상한을 올리고 그 대가를 컨텍스트로 치르지 않는 한, 9B는 검토자가 아니라 점검자일 뿐입니다.

Screenshot of the Artificial Analysis text-to-video leaderboard captured in headless Chromium at 1440 pixels wide, showing Wan 3.0 ranked first with an Elo of 1,176 above the rest of the board, with no WeMM model listed anywhere in the ranking.

아직 아무도 측정하지 않은 숫자

이 모델과 어떤 확신 있는 추천 사이에는 세 가지 사실이 놓여 있으며, 그것들은 묻어두기보다 분명히 말할 가치가 있습니다.

첫째, 위의 모든 점수는 벤더가 보고한 것입니다.WeMM-Video-9B에 대한 독립적 평가는 어디에도 없습니다. 아레나 Elo도, 제3자 재현도, 리더보드 등재도 없습니다. 표는 모델을 훈련시킨 바로 그 저자들이 자체적으로 선정한 120개 이상의 벤치마크를 바탕으로 만든 것이며, 그중 여러 벤치마크는 서로 다른 심사자를 사용합니다. 논문의 평가는 과제에 따라 GPT-6.1-Sol, GPT-4o, Qwen3-235B-A22B를 활용합니다. 따라서 논문 내부의 모델 간 비교는 서로 다른 채점자 아래에서 산출된 수치들을 비교한 것이며, 이는 논문이 명시한 유의점이지만 표를 인용하는 사람들은 대개 빠뜨리는 부분입니다.

두 번째는 두 행을 비교 불가능하게 만드는 모드 분할입니다. 옴니모달 비디오 표에서는 WeMM 모델들을 Thinking 모드로 실행하고, 오디오 표에서는 Instruct 모드로 실행하는데, 이는 표준 오디오 벤치마크가 직접적인 지각 과제라는 저자들의 판단에 따른 것입니다. 이는 타당한 판단이며, 동시에 한 표의 WeMM 행을 다른 표의 경쟁 모델 행과 나란히 비교할 수 없다는 뜻이기도 합니다.

세 번째는 배포입니다. 다운로드 수가 0이라는 것은 어느 쪽으로도 품질의 증거는 되지 않지만, 실무자들의 보고가 전혀 없다는 뜻이기는 합니다 — 실패 유형도 없고, "뮤직비디오에서 환각을 일으킨다"는 말도 없고, 사람들이 프레임 상한을 시행착오로 알게 된 스레드도 없습니다. Wan 3.0은 그런 것이 88일 동안 있었고, ComfyUI, Leonardo.Ai, Envato의 출시 통합도 있었습니다. "프로덕션에서 실제로 무엇이 잘못되는가"라는 질문에 대해, 이 모델들 중 하나는 답을 갖고 있고 다른 하나는 리포지토리를 갖고 있습니다.

Screenshot of the Hugging Face repository page for tencent/WeMM-Video-9B, showing the model card at the top of the page and the repository tab bar, for a repository with no linked launch announcement.

오늘 그 페어를 돌리는 중

둘 다 원하신다면, 그것들은 완전히 다른 방식으로 설치되며, 어느 쪽도 라우팅 플랫폼에 있지 않습니다.

Wan 3.0은 종량제 API 호출입니다. Alibaba 자체 콘솔과 타사 크리에이티브 도구를 통해 접근할 수 있으며, 480p, 720p, 1080p에 대해 초당 0.3, 0.6, 1.2위안으로 청구됩니다. 유일한 실질적 구매 질문은 검토 단계에 어떤 해상도가 필요한가이며, 그것이 배수이기 때문입니다.

WeMM-Video-9B는 자체 호스팅 작업입니다. Python 3.12, CUDA 12.9 드라이버가 설치된 NVIDIA GPU, FFmpeg 및 TorchCodec 공유 라이브러리가 필요하며, 그다음 저장소의 런타임 패치가 필요합니다: 패치된 vLLM 0.18.0 또는 BF16의 경우 0.31.0, 또는 패치된 SGLang 0.5.16 또는 0.5.19를 사용하되, 엔진 버전에 대해 패치 매니페스트가 지정한 정확한 PyTorch, Transformers 및 CUDA 조합에 고정해야 합니다. 또한 로딩하려면 trust_remote_code가 필요합니다. 모델에 사용자 지정 모델링 및 프로세서 코드가 포함되어 있기 때문입니다. Tencent는 패치된 vLLM이 체크포인트를 로드하고 H20에서 텍스트, 이미지, 오디오 및 사운드트랙이 포함된 비디오 생성 검사를 완료함을 검증했으며, 이는 로드 앤 런 검증이지 정확도 주장은 아닙니다. GGUF 경로에는 소스에서 빌드한 네이티브 런타임이 필요합니다.

OrcaRouter는 WeMM-Video-9B를 제공하지 않으며, 카탈로그에도 WeMM 체크포인트가 전혀 등록되어 있지 않습니다. 따라서 제시할 호스팅 가격도, 호출할 엔드포인트도 없습니다. 이 플랫폼이 실제로 갖춘 것은 동일한 작업의 비전 절반입니다 — Qwen3-VL-8B-Thinking과 Qwen3-VL-235B-A22B-Thinking 둘 다 이미지와 비디오 프레임을 처리하며, 하나의 OpenAI 호환 키 뒤에서 200개 이상의 다른 모델과 함께 제공되고, 요금은 제공업체 정가를 0% 마크업으로 그대로 적용합니다. 두 모델 모두 소리를 듣지 못하므로 어느 것도 시청각 절반을 대체하지 못합니다. 프로덕션 경로를 올리지 않은 채 자체 호스팅 9B를 시험해 볼 계획이라면, 카드에 투자하기 전에 패치된 런타임이 해당 동시성 수준에서 견디는지 확인하는 저렴한 방법은 failover 규칙 뒤에 라우팅하는 것입니다.

이 조합 자체는 벤치마크가 아니라 워크플로입니다. Wan 3.0으로 생성한 다음, 픽셀 대신 설명을 반환하는 모델에 클립을 넘기세요. 장면이 프롬프트와 일치하는지, 음성이 알아듣기 쉬운지, 오디오가 동작에 맞게 붙는지 확인하는 겁니다. 여기서는 다음을 측정하지 않습니다: WeMM-Video-9B가 Wan 3.0 자체 출력과 비교해 그 작업을 잘하는지 — 아무도 실행해 보지 않았습니다. 8초 프레임 예산이 먼저 시험해야 할 제약입니다. 클립이 30초라면 검토자는 각 클립의 4분의 1만 보게 되기 때문입니다.

무엇이 답을 바꿀까요?

추천을 얼마나 크게 바꿀지 순서대로, 날짜를 특정할 수 있는 세 가지 사항.

독립적인 평가 점수 대상: WeMM-Video-9B. 단일 Artificial Analysis 항목 또는 저자들과 고용주를 공유하지 않는 당사자의 아레나 결과 하나만으로도 위 표를 주장에서 측정값으로 바꿀 수 있습니다. 그때까지 정직한 해석은 9B 백본을 갖춘 10.49B 체크포인트가 Tencent 자체 벤치마크에서 자체 35B-A3B 플래그십에 가까운 점수를 낸다는 것이며, 말할 수 있는 것은 그것뿐입니다.

호스팅된 엔드포인트. 이 모델에는 패치된 런타임과 사용자 지정 코드, 그리고 13~20GiB의 상주 메모리 풋프린트가 필요하다. 어떤 공급자가 이를 API 뒤에 제공하는 날이 오면, 이 글의 가격 비교는 범주 오류가 아니라 산수가 된다.

선언된 컨텍스트를 사용하는 레시피. 체크포인트는 이미 262,144개 위치를 주장한다. Tencent가 프레임 상한을 높이고 실제로 그것을 활용하는 서빙 프로파일을 출시한다면, 8초 기본값은 한계가 아니라 설정 세부 사항이 되고 — 9B는 짧은 테이크를 위한 표본 검사기가 아니게 된다.

지금으로서는 구분이 명확합니다. 영상이 필요할 때는 Wan 3.0을 선택하세요. 이 모델은 출시되었고 가격이 책정되었으며, 두 개의 독립적인 리더보드에서 최상위권에 올라 있고, 둘 중 오늘 오후에 바로 호출할 수 있는 유일한 모델입니다. WeMM-Video-9B는 프레임을 보는 것만큼 사운드트랙도 듣는 모델이 필요하고, 카드 한 장을 여유롭게 쓸 수 있으며, 8초 레시피가 기본값인지 한계인지 가장 먼저 알아볼 의향이 있을 때 선택하세요. 두 모델은 같은 결정을 두고 경쟁하는 것이 아닙니다.

이 글에서 비교한 모델2

이 글에서 자동 인식 · 벤치마크: Artificial Analysis · 매일 업데이트