Een hero-vergelijking met twee panelen met als kop WeMM-Video-35B-A3B vs Alibaba Wan 2.7 en de ondertitel 22.754 stemmen tegen nul: het linkerpaneel vermeldt 36,18B parameters, 67,39 GiB BF16, 0 downloads en geen rij op de ranglijst onder een open-weights-badge, en het rechterpaneel vermeldt Elo 1.074 voor editing, 22.754 stemmen, $16,90 per minuut en een 9e plaats op de ranglijst onder een metered-API-badge.
Guides & Insights

WeMM-Video-35B-A3B vs Alibaba Wan 2.7: 22.754 stemmen vs nul

Auteur

Alistair Wren

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

There is exactly one number in this comparison that a third party produced, and it belongs to A​libaba Wan 2.7. On Artificial Analysis' video-editing board the model sits ninth at Elo 1,074 with a confidence interval of ±8, computed from 22,754 pairwise human votes — the smallest interval anywhere on that board. WeMM-Video-35B-A3B has nothing comparable. Its Hugging Face repository was created on 17 November 2026 holding a single .gitattributes file, its 67.39 GiB of BF16 tensors only arrived at 03:57 UTC on 20 November, and as of this writing the page records zero downloads and three likes. The two models are not ranked against each other anywhere, and no amount of careful prose can manufacture that ranking.

What can be done is to separate the three kinds of claim in play: what 22,754 people actually judged, what T​encent's own paper asserts, and what neither side has shown. Most coverage of a fresh checkpoint blurs the second into the first. This piece keeps them apart, because the difference between a measured Elo and a vendor table is the whole decision.

Het enige nummer van derden hier

De bewerkingsrij van Wan 2.7 is ongewoon goed onderbouwd. Tweeëntwintigduizend stemmen vormen geen steekproef van de ranglijst die je als ruis kunt wegwuiven; het interval van ±8 betekent dat de negende plaats stabiel is ten opzichte van alles eronder, en de release-maand die aan de rij is gekoppeld is april 2026, dus de stemmen hebben zeven maanden de tijd gehad om zich op te stapelen.

Dezelfde familie komt nog twee keer voor op de borden, en de drie rijen stemmen niet met elkaar overeen, wat op zichzelf al informatief is:

• AA-Video-Editing v1.1 — 9e, Elo 1.074 ±8, 22.754 samples, april 2026, $16,90 per minuut.

• AA-Video-T2V v2.1 — vermeld als Wan2.7-260612, 20e, Elo 1.035 ±13, 6.965 samples, juni 2026, $9,00 per minuut. Dezelfde leverancier, een andere taak, een derde van het aantal samples, en een prijs die 47% lager is dan het tarief voor bewerken.

• AA-Video-I2V v2.1 — geen rij. Wan 3.0 staat op dat bord op de twaalfde plaats met 1.109; Wan 2.7 niet. De suite adverteert met image-to-video-mogelijkheden, dus dit is een gat in de arena in plaats van een gat in het product, maar het betekent wel dat het model nooit is gerangschikt op de taak waar de meeste mensen als eerste naar zouden grijpen.

A screenshot of the Artificial Analysis AA-Video-Editing v1.1 leaderboard, showing Wan 3.0 first at 9,919 votes for $12.00 a minute and Wan 2.7 ninth with Elo 1,074 plus or minus 8 over 22,754 votes, April 2026, $16.90 per minute.

Lees je die drie samen, dan is de eerlijke samenvatting dat Wan 2.7 een afgewogen videomodel in de middenmoot is met één echt sterke bewijsbasis (editing), één dunnere (tekst-naar-video) en één lege cel. Dat is nog steeds enorm veel meer extern bewijs dan de andere kant van deze vergelijking heeft.

What A​libaba is selling, and at what rate

Wan 2.7 is een product met vier modi: tekst-naar-video, afbeelding-naar-video, referentie-naar-video en videobewerking. De gedocumenteerde bedieningselementen zijn conditionering op het eerste en laatste keyframe, tot vijf onderwerpafbeeldingen plus vijf referentieclips, uitvoer van 720p tot 1080p, native audio en clips van twee tot vijftien seconden. De facturering gebeurt per seconde tegen het tarief op de prijslijst, waardoor een generatie van vijftien seconden in 1080p een kostenpost is die je kunt berekenen voordat je op start drukt, in plaats van een tegoed dat je achteraf ontdekt.

The awkward fact for anyone budgeting on Wan 2.7 today is that A​libaba has already superseded it. Wan 3.0 leads the text-to-video board at 1,176 and the editing board at 1,197, and it does so at $12.00 per minute — cheaper than Wan 2.7's $9.00 text-to-video rate only when you compare like for like, and cheaper than the $16.90 editing rate outright. Wan 2.7's April release month and its seventh-month-old votes describe a model that is now the previous generation inside its own vendor's lineup. That matters for this comparison because it changes what you are actually weighing: not the best A​libaba can do against the best T​encent can do, but a mature, measured, one-generation-old service against a checkpoint whose weights are hours old.

De checkpoint die vanochtend is geland

De release van WeMM-Video-35B-A3B is navolgbaar op een manier waarop de meeste stille releases dat niet zijn, omdat Hugging Face de hele reeks van tijdstempels voorziet. De repository verscheen op 17 november om 08:53:50 UTC met niets anders erin dan een gitattributes-stub. Het arXiv-rapport, 2611.26409, werd ingediend op 19 november om 16:58 UTC en is al één keer herzien, op 20 november om 06:15 UTC. De commit met BF16-gewichten is gedateerd op 2026-11-20T03:57:36Z. De GitHub-repository Tencent/WeMM-Video werd aangemaakt op 17 november om 02:29 UTC, heeft negen sterren, nul forks en nul gepubliceerde releases, en de README werd vanochtend om 06:34 UTC nog steeds bewerkt.

Het artikel verscheen ongeveer elf uur vóór de tensors, en de modelkaart wordt op het moment van schrijven nog steeds herschreven. Die volgorde is het verhaal. Er was geen lanceerbericht, geen prijspagina, geen gehoste endpoint, geen persbericht en geen aankondigingsaccount — niets van wat een leverancier normaal doet wanneer die wil dat een model wordt opgemerkt.

Wat de repository wel bevat, is specifiek:

• Grootte — 36.177.564.536 parameters, BF16, verdeeld over zeventien safetensors-shards met een totale omvang van 67,39 GiB. Het label "35B-A3B" telt iets anders dan de bestandsgrootte; het verschil wordt verderop beschreven.

• De FP8-build is wel degelijk teruggekomen. Toen de paper online kwam, gaf de FP8 Block128-repository waarnaar de kaart linkt 401 — hetzelfde antwoord dat de Hub geeft voor een naam die nooit heeft bestaan. Nu is het wel bereikbaar: 36,09 GiB in één safetensors-bestand, gecommit om 05:53:01 UTC, twee uur na de BF16-upload, met 33,6B parameters in E4M3 en 2,56B nog in BF16. Wat er op 19 november om 16:58 UTC ook aan de hand was, de release was niet afgerond.

• Nog drie gequantiseerde varianten — AWQ W4A16 op 22,72 GiB verdeeld over 52 laagshards, NVFP4 W4A16 op 24,11 GiB in één bestand, en een GGUF Q4_K_M-bundel op 25,46 GiB opgesplitst in een taalbestand van 22,61 GiB, een projector van 0,84 GiB en een audio-encoder van 1,99 GiB. Twee van die drie beschrijven zichzelf in hun eigen manifests als niet-gevalideerd. De NVFP4-variant beweert alleen dat de gewichten opnieuw op de CPU zijn gelezen, wat een checksum is en geen evaluatie.

• Runtime-omgevingen — niets hiervan draait op een standaardengine. De repository levert bronoverlays met SHA-256-manifesten voor precies vier upstream-releases: vLLM 0.18.0 en 0.31.0, SGLang 0.5.16 en 0.5.19. Elk gepubliceerd serving-commando hanteert een context van 8.192 tokens, tensorparallellisme over twee GPU's en een mediapipeline met een maximum van 16 frames en 262.144 pixels. Een zoekopdracht in de vLLM-issuetracker levert geen upstream-verzoek voor deze architectuur op.

A screenshot of the Hugging Face model card for Tencent/WeMM-Video-35B-A3B: image-text-to-text, Transformers and Safetensors, English and Chinese, Apache 2.0, with the overview describing a 35B-total, 3B-active mixture-of-experts checkpoint and 67.39 GiB of BF16 weights.

What T​encent measured, and against whom

Elk kwaliteitscijfer dat bij WeMM-Video-35B-A3B hoort, is afkomstig van het team dat het model heeft getraind. Dat staat ook zo in de paper — "we rapporteren officiële resultaten waar beschikbaar en anders onze eigen evaluaties" — en het enige cijfer op de kaart waarvan de voorwaarden volledig worden vermeld, is niet eens een videoresultaat: MMAR1000, alleen audio, gedecodeerd op 16 kHz, greedy decoding, twee H20's. De rest van de kaart documenteert het laden van de checkpoint. Afgezet tegen 22.754 stemmen is dat een andere categorie bewijs, en zo moet het ook worden gelezen.

The headline table is a different matter, and it is large. Across 30 single-valued benchmarks, the checkpoint in thinking mode finishes ahead of Qwen3.5-Omni-Flash on 28 and behind on 2; ahead of Seed2.0-Mini-0428 on 26 and behind on 4; and behind Gemini-3.0-Flash on 21 of 30, which T​encent's own summary describes as narrowing a gap rather than closing it. The two rows that carry the most weight for anyone wiring up a describer are the audio-visual ones — 86.4 on Video-MME with audio against 79.3, and an eighteen-point lead on the harder v2 split at 54.9 against 36.6 — because a model that only reads frames cannot post either number.

De twee verliezen wijzen de andere kant op en zijn het waard om te herhalen: JointAVBench op 65,9 achter Qwen's 69,0, en MUSIC-AVQA op 79,5 achter Qwen's 82,1. Beide leunen zwaar op audio. Een grotere checkpoint wint niet overal, en de plekken waar die niet wint, zijn de plekken waar de audiostack van Qwen langer de tijd heeft gehad om volwassen te worden.

Niets daarvan is gereproduceerd. Noch Artificial Analysis noch LMArena vermeldt een WeMM-model van welke grootte dan ook, en de drie likes op de repository zijn geen peer review. Als je tussen deze twee modellen kiest om een taak uit te voeren, vergelijk je 22.754 stemmen met een tabel die door de auteurs is ondertekend.

Beide nemen video op, slechts één geeft het terug.

Het structurele verschil is eenvoudig te benoemen en moeilijk te overdrijven. Wan 2.7 accepteert tekst, afbeeldingen, referentieclips en video, en levert video op. WeMM-Video-35B-A3B accepteert tekst, afbeeldingen, audio en video met de bijbehorende soundtrack, en levert tekst op. De bewerkingsmodus van Wan 2.7 komt het dichtst bij de andere kant — het neemt beeldmateriaal op en geeft beeldmateriaal terug — maar de uitvoer bestaat nog steeds uit pixels, en er is geen instelling die het laat beschrijven wat het heeft bewerkt.

De limieten aan elke kant begrenzen de pipeline die je kunt bouwen:

• De limiet van Wan 2.7 is de duur. Twee tot vijftien seconden per generatie, 720p tot 1080p, per seconde gefactureerd. Een clip van vijftien seconden kost tegen het montagetarief ongeveer $ 4,23 vóór eventuele nieuwe pogingen.

• De bovengrens van WeMM-Video-35B-A3B is context en sampling. De processor gebruikt standaard twee frames per seconde, minimaal vier frames, maximaal zestien en een totaalbudget van 262.144 pixels — ongeveer acht seconden dekking met het meegeleverde recept. De serveercommando's beperken de context tot 8.192 tokens en staan vier afbeeldingen, twee video's en twee audioclips per verzoek toe. Bij tien audiotokens per seconde is die context ongeveer dertien minuten audio als je die alleen aan geluid besteedt.

• {{3}}De mismatch.{{/3}}De mismatch.

Twee providers, één model, één sleutel

Neither of these models is served through OrcaRouter. The catalogue lists no WeMM checkpoint of any size, and it lists no video generator at all — of the 183 model IDs available today, 51 accept video as input and not one returns video. Wan 2.7 is reachable through A​libaba's own API; WeMM-Video-35B-A3B is reachable by downloading 67 GiB and applying a source patch.

What the routing layer does offer is a way to stop paying for a single provider's bad afternoon. Qwen3.6-35B-A3B — the dense-ish backbone T​encent built this MoE on, and the model you would reach for if you want "watch the clip and reason about it" without the 67 GiB download — is in the catalogue twice: once at $0.248 per million input and $1.485 per million output with a 262,144-token context, and once, through a second provider serving the same weights, at $0.31 and $4.21. That is the same model at two prices, and the routing DSL lets you express the preference once — cheapest first, fail over on a 5xx or a timeout — instead of hard-coding a base URL into your client and hoping.

Automatic failover is the part that matters for video work specifically, because video requests are long. A 40-minute audio track at ten tokens per second consumes most of an 8,192-token budget, which means a single job occupies a connection for a long time, and a provider incident mid-request is expensive rather than annoying. Passing provider list price through at 0% markup matters for the other half of this comparison: when A​libaba cuts Wan 3.0 to $12.00 or a successor undercuts it again, a pass-through bill shows the cut on the next invoice rather than whenever a reseller re-prices.

A two-column evidence card headed WeMM-Video-35B-A3B vs Alibaba Wan 2.7: under 'Wan 2.7 - third party' it lists 22,754 pairwise human votes, Elo 1,074 plus or minus 8 and rank 9 on AA-Video-Editing v1.1; under 'WeMM-Video-35B-A3B - first party' it lists 28 of 30 shared figures won, 86.4 on Video-MME with audio and 0 external reproductions.

Welk nummer je eigenlijk kiest

Als het opleverproduct beeldmateriaal is, is Wan 2.7 de enige van de twee die dat oplevert, en komt de beslissing neer op de vraag of $16,90 per minuut voor montage of $9,00 per minuut voor tekst-naar-video verdedigbaar is tegenover een bestuur waar de huidige koploper $12,00 rekent en het op beide taken verslaat. Negende en twintigste zijn respectabele posities in de middenmoot. Ze zijn geen reden om voor de vorige generatie te kiezen.

Als het op te leveren resultaat een uitspraak is over beeldmateriaal dat je al in bezit hebt, is WeMM-Video-35B-A3B de enige van de twee die zo'n uitspraak oplevert, en komt de beslissing neer op de vraag of je een gepatchte inference-engine, een download van 67,39 GiB of een FP8-download van 36,09 GiB, twee GPU's voor tensorparallellisme en een samplingvenster van acht seconden aankunt — om een beschrijver van de 36B-klasse te krijgen waarvan de audiovisuele cijfers sterk en volledig first-party zijn.

De valkuil is om "Elo 1.074 over 22.754 stemmen" en "86,4 op Video-MME met audio" als onderling vergelijkbaar te behandelen. Het ene is een publieksmeting van een dienst die iedereen kan aanroepen. Het andere is een leverancierstabel over een checkpoint dat tot vanochtend geen gewichten bevatte. Beide zijn het lezen waard. Slechts één ervan is bewijs.