
WeMM-Video-35B-A3B vs Runway Gen-4.5: twee ontbrekende rijen
- OrcaNIEUWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 mln tokens · 182 tok/s
- tencentNIEUWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 mln tokens · 749 tok/s
- AlibabaNIEUWQwen: Qwen4 Max2026-11-16$1.50 / $4.50 per 1 mln tokens · 1902 tok/s
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 87 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 149 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 96 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 mln tokens · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 mln tokens · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 109 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligentie
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 mln tokens · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 mln tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligentie
Op de text-to-video-ranglijst van Artificial Analysis, gelezen op 20 november 2026, staan vijfendertig rijen en noch Runway Gen-4.5 noch WeMM-Video-35B-A3B is er een van. De twee afwezigheden zijn niet dezelfde afwezigheid. Gen-4.5 stond op 1 december 2025 bovenaan die ranglijst — 1.247 Elo, vóór Veo 3 met 1.226, Kling 2.5 met 1.225 en Sora 2 Pro met 1.206 — in een lanceringsbericht dat Runway nog steeds publiceert. WeMM-Video-35B-A3B heeft überhaupt nooit op een ranglijst gestaan: Apache-2.0-gewichten die diezelfde ochtend om 03:57 UTC naar Hugging Face zijn gecommit, een technisch rapport dat de dag ervoor is ingediend, en niets van Tencent dat op een aankondiging lijkt.
Dus de ene kant heeft een teruggetrokken kroon en geen huidige rij, en de andere heeft geen kroon, geen rij en geen nummer van een derde partij van welke aard dan ook. Dat is een vreemde combinatie om een vergelijking op te bouwen, en de eerlijke versie ervan is smaller dan een ranglijst. Wat is een vermelding op het bord eigenlijk nog waard nu het veld er voorbij is? Wat publiceert elke kant dat een lezer vandaag kan controleren? En welke van de twee levert een bestand op dat je een cliënt kunt voorleggen?
Een kroon is geen rij
De claim bij de lancering is specifiek, onderbouwd en nog steeds actueel. Runways eigen onderzoekspagina voor Gen-4.5 stelt dat het model eerste stond op de text-to-video-benchmark van Artificial Analysis met 1.247 Elo, waarbij de drie worden genoemd die het voorbij is gegaan. Dat is een echte verwijzing naar een derde partij, gemaakt door de leverancier, op een moment dat de vergelijking nog vers was. Het is ook het laatste onafhankelijk ogende getal dat Runway voor dit model heeft gepubliceerd.
Het kan niet naast de tabel van vandaag worden gelegd zonder rekenwerk dat niemand heeft gepubliceerd. Artificial Analysis verankert zijn Elo-schalen opnieuw tussen boardversies: het huidige AA-Video-T2V V2.1-board zet Kling 3.0 1080p (Pro) op precies 1.000 als referentiepunt, rangschikt al het andere daartegenover en vermeldt op elke rij een 95%-interval. Op 20 november 2026 gelezen, staat koploper Wan 3.0 op 1.176 met 8.243 stemmen, en het anker staat op de 23e plaats. Een cijfer van 1.247 uit december 2025 is gemeten tegen een ander anker, een andere promptset en een ander deelnemersveld; het in deze tabel opnemen zou een precisie suggereren die de twee metingen niet gemeen hebben.
Wat kan worden gecontroleerd, is aanwezigheid, en aanwezigheid heeft een vorm. Op alle drie de videoborden van de arena bij dezelfde uitlezing — tekst-naar-video, afbeelding-naar-video en videobewerking — behoort de enige rij met een Runway-logo toe aan Aleph 2.0, het in-context-bewerkingsmodel van het bedrijf, elfde op het bewerkingsbord met 1.007 Elo over 23.082 stemmen. Gen-4.5 staat in de catalogus van Runway en is vanmiddag aanroepbaar; het staat niet in de huidige lijst van de arena. Een model dat een ranglijst verlaat, verwijdert een marketingartefact, niet een capaciteit — en een model dat er nooit in is gekomen, had het artefact nooit te verliezen.

Wat de catalogus wél zegt
De ontwikkelaarsdocumentatie van Runway is informatiever dan de onderzoekspagina. De identifier gen4.5 staat sinds 10 februari 2026 op Runway Dev, genereert per verzoek twee tot tien seconden op basis van tekst of een stilstaand beeld, en rekent 12 credits per seconde — $0,12 tegen het portaaltarief van één cent per credit. Dat is een vast tarief per seconde, waardoor een shotbudget een vermenigvuldiging wordt in plaats van een simulatie, en het is het nuttigste gegeven op de pagina.
Oplevering is waar de ladder zichzelf laat zien. ProRes- en PNG-sequentie-uitvoer voegen 5 credits per seconde toe aan de 12. Profielen van tien bit en dieper, inclusief half-float OpenEXR-frames, voegen 20 toe, oplopend tot 40 zodra de uitvoer ruwweg vier megapixels overschrijdt. HDR10, HLG, 12-bits PQ-masters en bit-exacte 16-bits PNG-sequenties zijn beschikbaar voor gen4.5 sinds 20 augustus 2026, gegradeerd naar BT.2020 met gemeten HDR10-metadata in plaats van achteraf tone-mapped. Niets daarvan is generatieresolutie — het is de verpakking waarin de render naar buiten gaat.
• Status — Gen-4.5: commercieel product sinds 1 december 2025, API sinds 10 februari 2026, geen huidige arena-rij. WeMM-Video-35B-A3B: gewichten op de Hub, nul downloads, geen aankondiging, nooit op een leaderboard.
• Regie — Gen-4.5: tekst of een afbeelding erin, MP4, ProRes, PNG-sequentie of EXR eruit. WeMM: frames plus soundtrack erin, tekst eruit.
• Shape — Gen-4.5: twee tot tien seconden, één generatie per verzoek, afgerekend per seconde output. WeMM: een gezamenlijke context van 8.192 tokens, zestien frames per clip bemonsterd, afgerekend in gigabytes aan residente gewichten.
• Prijs — Gen-4.5: 12 credits, $0,12, per gegenereerde seconde, plus 5 voor ProRes of PNG en 20 tot 40 voor diepere kleur. WeMM: 67,39 GiB aan BF16, of 24,11 GiB in NVFP4, en de GPU's om het vast te houden.
Het plafond geschreven in shell-vlaggen
De divergentie begint bij waar elk van beide afkapt, maar eindigt bij de vraag of je het getal kunt vinden. Runway publiceert al maanden zijn limieten: twee tot tien seconden, vier output-ladders, een tarief per seconde. Tencent publiceerde een configuratie en leverde commando's die daarmee in tegenspraak zijn. De config zegt 262.144 posities; de aanroepen zeggen allemaal --max-model-len 8192, zowel in vLLM als in SGLang. Tussen 8.192 en 262.144 is er geen ondersteunde tussenweg. Het lange getal is reservecapaciteit, en de serving-flags zijn het product.
Zet het om, en het houdt op abstract te zijn. Tien audiotokens per seconde — een Whisper-vormige stack, 32 encoder- en 32 decoderlagen met breedte 1.280, dan een Q-Former op vensterniveau met breedte 4.104 — stoppen ongeveer dertien minuten soundtrack in 8.192 tokens, en dat is nog voordat ook maar één frame, de instructie of het antwoord is meegeteld.
Nu is het beeldbudget aan de beurt. De standaardwaarden van de processor zijn 2 fps en maximaal 128 frames; het servingrecept vervangt beide door 16 frames binnen een budget van 262.144 pixels. Bij een clip van tien seconden komt dat neer op minder dan twee frames per seconde: een getrouw transcript van de ruimte en een schets van hoe de ruimte eruitzag. Welke frames de eigen tabellen van het rapport gebruikten, staat nergens vermeld, dus de afstand tussen de scores en jouw configuratie is een getal dat je niet kunt berekenen.
Wat je met het checkpoint kunt wijzigen
Hier verschillen de twee in aard. De outputladders van Runway, het basistarief van 12 credits en het venster van twee tot tien seconden zijn productbeslissingen; je koopt het pakket of niet. Het venster van 8.192 tokens bij WeMM is een serverflag, het recept van 16 frames is een regel in een shellcommando, en de kwantisatie is een keuze tussen 67,39 GiB BF16, 22,69 GiB AWQ W4A16 en 24,11 GiB NVFP4. Alle drie kun je zelf aanpassen, op hardware die je bezit, tegen welke latentie je je ook maar kunt veroorloven.
Het enige wat de download je niet oplevert, is een ondersteunde engine. Tencent heeft de architectuur niet upstream samengevoegd; in plaats daarvan heeft het de diff geleverd. De patchmap bevat een overlay per ondersteunde release — vLLM 0.18.0, vLLM 0.31.0, SGLang 0.5.16, SGLang 0.5.19, en geen andere — met naast elk daarvan een SHA-256-manifest, en het compatibiliteitsoppervlak eronder is zo smal dat het broos is: één CUDA 12.9-toolchain, één PyTorch-build, één Transformers-build, Python 3.12, FFmpeg in de PATH, en een eerste SGLang-start die kernels compileert voordat hij iets beantwoordt. Kom je met een versie die niet op de lijst staat, dan is de port van jou. Tencents referentie-run verdeelde BF16 over twee H20's; de NVFP4-build past op één 48GB-kaart bij --max-num-seqs 1.
Het gewicht is een artefact van de taak. Hugging Face telt 36,177,564,536 parameters in de BF16-shards, waarvan de gerouteerde experts het overgrote deel voor hun rekening nemen — 40 lagen maal 256 experts met een tussenbreedte van 512, top-8-selectie, plus een gedeelde expert met breedte 512 waar elk token doorheen gaat — terwijl per token ongeveer 1,0B worden aangeraakt. Bijna 36B aan capaciteit vastgehouden in het geheugen, 3B aan rekenwerk verbruikt. Video lezen in plaats van het te renderen betekent betalen om kennis op te slaan die de forward pass zelden aandoet.

Transcripten hebben geen exportpreset
Het verschil in wat er wordt opgeleverd zou een aankoop moeten bepalen, nog vóór welke benchmark dan ook. Runway verkoopt een afgewerkt bestand in een bewerkbaar intermediair formaat: ProRes voor de grading, PNG of EXR voor de compositing, HDR-metadata eraan toegevoegd, een editor eromheen. WeMM-Video-35B-A3B verkoopt niets van dien aard. Wat eruit komt, is een alinea — een verslag van wat er gebeurde, wie er sprak en wat er werd gezegd — die in een index, een moderatiewachtrij, een QA-rapport of een zoekvak terechtkomt, niet in een tijdlijn.
Het rapport van Tencent beweert dat die alinea de best beschikbare is met open weights. Tegenover Qwen3.5-Omni-Flash scoort het 86,4 tegen 79,3 op Video-MME met audio en 54,9 tegen 36,6 op Video-MME v2 met audio; tegen zijn eigen backbone, Qwen3.6-35B-A3B, wint het 20 van de 31 benchmarks voor stille video. Het verliest ook — JointAVBench 65,9 tegen 69,0, MUSIC-AVQA 79,5 tegen 82,1, EgoSchema 74,2 tegen 77,2. Elk cijfer is van de trainer, dat zegt het rapport ook, en het schakelt per tabel tussen de Instruct- en Thinking-modus terwijl het de gegevens vrijgeeft. Geen enkele derde partij heeft iets ervan gereproduceerd. Wat de bewering verifieerbaar zou maken, is een upstream-merge in vLLM om het patchen te beëindigen en een eerste onafhankelijke run op Video-MME v2 met audio.
Het rapport stelt ook dat de familie "is ingezet voor meerdere kernvideodiensten binnen WeChat", waarbij livestreamcommerce, kortdrama-analyse en interactieve video worden genoemd. Dat is de sterkste adoptieclaim in dit stuk en de minst verifieerbare: nergens in het bericht staat een cijfer voor latentie, doorvoer, gelijktijdigheid of geheugen. Het is een zin die je kunt citeren en niet kunt testen.

Waar een transcript bij een studio past
Zet de twee samen en de pipeline schrijft zichzelf, zelfs al heeft niemand die gepubliceerd: render de shot en laat dan iets de render teruglezen — kwam het product in beeld, klopte de dialoog met het script, is deze clip veilig om te publiceren. Runway verkoopt de tweede helft niet. Een zelfgehost WeMM-checkpoint zou dat kunnen, voor de prijs van een download van 67 GiB en een source-overlay.
Voor de helft die je deze week kunt krijgen, is de backbone het verstandige instappunt. Qwen3.6-35B-A3B is het model waarop WeMM-Video-35B-A3B is gebouwd, zoals in het rapport staat, en het is beschikbaar op OrcaRouter voor $0,25 per miljoen inputtokens en $1,48 per miljoen output binnen een context van 262.144 tokens met tekst-, beeld- en video-invoer. Het heeft geen audio-stack, dus het kan je niet vertellen wie er sprak. Het kan je wel vertellen of het frame bevat wat de prompt vroeg, aan de hand van dezelfde clips die je vandaag rendert.
OrcaRouter levert noch Gen-4.5 noch WeMM-Video-35B-A3B, en de inhoud van dit stuk zou een leugen zijn als er iets anders in stond. Wat het platform je biedt, is het testharnas voor de vergelijking: één OpenAI-compatibele sleutel, de lijstprijs van de provider doorgegeven tegen 0% opslag, en automatische failover wanneer een endpoint degradeert. Let er ook op dat Gen-4.5 in credits afrekent via een abonnement in plaats van in tokens, wat geen eenheid is die een router kan normaliseren — de credit is de meter, en de meter is van Runway.
Kies op basis van deliverables, niet op basis van rang
Kies Runway Gen-4.5 wanneer de output het pand als bestand moet verlaten: een shot van twee tot tien seconden, geleverd in ProRes, als PNG-sequentie of HDR met metadata eraan gekoppeld, in een editor die iemand anders onderhoudt. Ga er met de wetenschap in dat het getal op de lanceringspagina bijna een jaar oud is en is gemeten op een board dat het niet meer vermeldt, dat de kleurladders van 20 tot 40 credits snel oplopen, en dat het tarief vast is omdat het pakket vaststaat.
Kies WeMM-Video-35B-A3B wanneer de output een verslag van beeldmateriaal is in plaats van beeldmateriaal, wanneer Apache 2.0 van belang is voor juridische beoordeling, en wanneer je liever een plafond met een vlag verlegt dan een feature request indient. Weet bij voorbaat dat de gewichten een paar dagen oud zijn, dat elk kwaliteitscijfer dat eraan hangt toebehoort aan het team dat het model heeft getraind, dat drie van de vier gequantiseerde varianten zichzelf als niet-gevalideerd omschrijven, en dat de installatie een patch-overlay is op een inferentie-engine die de architectuur nog niet heeft gemerged.
Twee rijen ontbreken op de ranglijst om tegenovergestelde redenen, en geen van beide afwezigheden is een eindoordeel. Het ene model is gemeten, gekroond en sindsdien opnieuw verankerd buiten de lijst; het andere is nooit gemeten door iemand die het niet heeft getraind. Een vergelijking die daarop voortbouwt, moet gaan over wat elke kant je laat doen en wat elk van beide teruggeeft — want het scorebord is dit keer echt leeg aan beide kanten.
