
WeMM-Video-4B versus FastFrames-videogeneratie: een stille naad
- 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 · 356 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 · 147 tok/s
- orcaNIEUWOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 92 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 mln tokens · 81 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 mln tokens · 117 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 110 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 42 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
FastFrames Video Generation verscheen op 16 november 2026 en WeMM-Video-4B op 17 november, beide als downloads van gewichten met een bijgevoegd paper en geen van beide met een lanceringsbericht dat de naam waard is. Dat toeval is de enige reden om ze tegen elkaar af te zetten, want ze doen niet hetzelfde werk: FastFrames verandert een zin in 81 frames stille video, en WeMM-Video-4B verandert video in een beschrijving, inclusief een beschrijving van wat erover gezegd wordt. De interessante vraag is niet welke beter is. Het is wat er gebeurt als je de een achter de ander zet — en het antwoord is dat de naad tussen hen stil is, waardoor het duurste deel van de WeMM-checkpoint geruisloos wordt uitgeschakeld.
Alles hieronder is hetzij meetbaar in de twee repositories, hetzij gerapporteerd door de auteurs van de twee papers. Geen van beide modellen is gedraaid door iemand die de evaluatiesectie ervan niet heeft geschreven, en geen van beide heeft een gehoste prijs, een arena-rij of een reproductie door een derde partij. Waar een cijfer uit een leverancierstabel komt, is dat als zodanig gelabeld.
Wat FastFrames op schijf zet
FastFrames is een autoregressief videodiffusiemodel dat is gedistilleerd uit Wan2.1, gepubliceerd door Apple en Cornell als arXiv 2611.23226 op 17 november, waarbij de gewichten een dag eerder beschikbaar kwamen. Het is er in twee maten — FastFrames-S met 1,3 miljard parameters en FastFrames-L met 14 miljard — en de insteek is latentie in plaats van getrouwheid. Op één B200 produceert het kleine model een frame in 36 milliseconden, wat sneller is dan de clip wordt afgespeeld: een generatie van 5,06 seconden duurt ongeveer 2,9 seconden. Het grote model haalt 45 milliseconden per frame verdeeld over acht B200's, en zakt naar 158 milliseconden op één GPU, wat langzamer is dan realtime. Apple meldt ook een prestatieverlies van 25 tot 50 procent op H100's in plaats van B200's.
Het uitvoerformaat is vast en beperkt. 832×480, 16 frames per seconde, 81 frames per generatie — net iets meer dan vijf seconden — uitsluitend aangestuurd door een tekstprompt. Er is geen beeldconditionering, geen keyframe-invoer, geen vervolgmodus en geen camerabesturing in de vrijgegeven configuratie. Er is ook geen audio: geen audiodecoder, geen audio-latent, geen soundtrack. De auteurs rapporteren VBench-totalen van 84,23 voor het kleine model en 84,44 voor het grote model bij 480p op overeenkomende prompts en seeds, wat een respectabele score is voor een model waarvan het verkoopargument is dat het snel is, en het is het enige kwaliteitscijfer in de release.
Waar 1,07 miljard parameters naartoe gaan
WeMM-Video-4B is het middelste kind van een familie met vier formaten uit de WeChat Vision-groep van Tencent — 2B, 4B en 9B dense, plus een 35B-A3B mixture-of-expertsmodel — allemaal geüpload binnen een venster van negentien minuten op 17 november, met het technische rapport, arXiv 2611.26409, dat op 19 november volgde. De naam is een understatement: volgens de safetensors-metadata bedraagt het aantal parameters 5.611.746.312, oftewel 10,45 GiB in BF16, omdat "4B" verwijst naar de Qwen3.5-4B-taalbackbone en niet naar de checkpoint.
Het lezen van de tensorindex verklaart waarom. Van de 1.268 tensors bevat het taalmodel 4,21 miljard parameters, de visiontoren 0,33 miljard en de audiostack 1,07 miljard. Bijna een vijfde van deze checkpoint is een Whisper-achtige encoder-decoder — 32 encoder- en 32 decoderlagen met breedte 1.280, met een Q-Former op vensterniveau die vensters van 0,1 seconde comprimeert tot 10 audiotokens per seconde, gevoed op 16 kHz in stukken van 30 seconden. Die stack is geïnitialiseerd vanuit Qwen2.5-Omni.

• FastFrames-videogeneratie — tekst erin, frames eruit, geen geluid in de hele pipeline.
• WeMM-Video-4B — frames en geluid erin, tekst eruit, waarbij het geluid wordt verwerkt door een aparte 1,07B-toren in plaats van te worden afgeleid uit pixels.
• Overlap — geen op modelniveau. Beide zijn gewichtenbundels onder Apache- of Apple-licentie zonder endpoint erachter, en beide verwachten dat je de accelerator zelf bezit.
De enige clip die FastFrames maakt, is stil.
Als je dat doortrekt, wordt het compositieprobleem concreet. Als je WeMM-Video-4B achter FastFrames Video Generation schakelt — een shot rendert en dat vervolgens beschrijft zodat je het kunt indexeren, filteren of er QA op kunt uitvoeren — heeft elke clip die je aan de beschrijver geeft geen audiotrack. De audiotoren met 1,07 miljard parameters heeft niets om naar te luisteren. De Q-Former produceert niets, en de fusiefase reduceert tot het visuele pad.
Dat is geen defect in een van beide modellen; het is een feit over de pipeline, en het heeft een meetbare consequentie, omdat het WeMM-paper de benchmarks voor stille video afzonderlijk rapporteert. Op alleen visie scoort WeMM-Video-4B 75,7 op Video-MME, 65,3 op LVBench, 74,8 op LongVideoBench en 74,2 op EgoSchema. De gecombineerde audio-visuele cijfers — 83,9 op Video-MME met audio, 82,5 op Daily-Omni — zijn de cijfers die de bestandsgrootte rechtvaardigen, en het zijn precies de cijfers die een pipeline die door FastFrames wordt gevoed niet kan bereiken.
De eerlijke manier om deze combinatie te typeren is dat FastFrames ongeveer 80 procent van de WeMM-checkpoint benut. Als je doel een captioning-lus over gegenereerde footage is, zou een vision-only model dat half zo groot is hetzelfde werk doen; als je doel is footage met geluid erin te begrijpen, kan FastFrames de input niet leveren. De twee tools komen samen op een punt waar een van beide half inactief is.

Twee snelheidsgetallen, zonder gedeelde eenheden
Beide releases beginnen met een latentieclaim, en die claims zijn niet onderling vergelijkbaar; dat is de meest voorkomende manier waarop deze vergelijking op internet wordt verhaspeld.
De 36 milliseconden van FastFrames zijn per uitvoerframe op één B200, gemeten ten opzichte van weergave. WeMM-Video-4B produceert geen frames; de kosten ervan zijn de kosten van het decoderen van tekst binnen een begrensd mediabudget. Dat budget is krapper dan de processorstandaardwaarden suggereren. Het vLLM-recept in de repository stelt max_frames 16 in, ten opzichte van een processorstandaardwaarde van 128, fps 2, en een totale pixellimiet van 262.144, met een contextlengte van 8.192 tokens. Audio verbruikt 10 tokens per seconde voordat er ook maar één frame wordt geteld.
De praktische lezing: een clip van 20 seconden en een clip van 5 seconden komen allebei als zestien frames bij de beschrijver aan, en een clip met een soundtrack besteedt zijn context aan twee streams tegelijk. FastFrames geeft je beweging bij 16 frames per seconde output; WeMM-Video-4B ziet een diavoorstelling en leidt de beweging af. Geen van beide getallen zegt iets over het andere, en een pagina die "36 ms" naast "8K context" zet, vergelijkt een renderbudget met een leesbudget.

Licenties beslissen hier meer dan scores.
Voor een vergelijking met zo weinig onafhankelijk bewijs weegt de licentieregel zwaarder mee in de besluitvorming dan welke benchmark dan ook in een van beide papers, en de twee staan aan tegenovergestelde uiteinden van het spectrum.
• FastFrames Video Generation — Apple's AMLR-voorwaarden voor de gewichten, met de democomponenten van LingBot-World v2 onder CC BY-NC-SA 4.0. De "NC" is de beperking die ertoe doet: open gewichten, niet open voor commercieel gebruik.
• WeMM-Video-4B — Apache 2.0 voor de hele collectie, met een licentiebestand van Tencent waarin staat dat componenten van derden "onderworpen blijven aan hun respectieve oorspronkelijke voorwaarden". De uitzondering wordt niet per onderdeel gespecificeerd, wat een reëel hiaat is en niet louter een formaliteit, aangezien de audiostack afstamt van Qwen2.5-Omni en de backbone van Qwen3.5, beide Apache 2.0.
• Beide — volledige checkpoints van de trainingsfase en een evaluatiepijplijn in de repository, wat ongewoon reproduceerbaar is voor dit soort releases en de best beschikbare vervanging is voor de onafhankelijke evaluatie die geen van beide heeft.
Een beschrijver achter een renderer aansluiten
Als je de loop toch bouwt, is de technische vraag waar het tekstmodel komt, want er zijn drie tekststappen en slechts één daarvan is optioneel.
• Promptuitbreiding — een shotnotitie wordt een FastFrames-prompt. Noodzakelijk, omdat een gedistilleerd diffusiemodel van 1,3B geen ruimte heeft om een vage instructie te interpreteren.
• Beschrijving — de gerenderde clip gaat naar WeMM-Video-4B en komt terug als proza, wat de stap is die de beelden doorzoekbaar maakt.
• Selectie — de prozatekst beslist of de clip behouden blijft, de stap die goedkoop moet zijn, omdat je ervoor betaalt bij elke kandidaat en niet alleen bij elke overlevende.
Die twee buitenste hops zijn gewone tekstaanvullingen, en dat is het deel van deze stack dat OrcaRouter daadwerkelijk dekt: één OpenAI-compatibele sleutel voor meer dan 200 modellen, lijstprijzen van providers doorgegeven met 0% opslag, zodat een prijswijziging van een leverancier dezelfde dag doorwerkt, en automatische failover zodat een rate limit midden in een batch van duizend clips een nieuwe poging wordt in plaats van een gat. Noch FastFrames Video Generation noch WeMM-Video-4B staat op het platform — beide zijn downloads van modelgewichten, en geen enkele routeringslaag maakt van een checkpoint een endpoint. Wat de router wegneemt, is het integratiewerk rond de twee modellen die je zelf host.
Wat is er nog onbevestigd?
• Onafhankelijke kwaliteit — geen Artificial Analysis-rij, geen arena-vermelding en voor geen van beide modellen een reproductie door derden. VBench 84.44 en Video-MME 83.9 zijn door de auteurs gerapporteerd en zijn niet door iemand anders uitgevoerd.
• Evaluatieomstandigheden — het WeMM-paper vermeldt niet het aantal frames, het pixelbudget of de contextlengte die voor de videobenchmarks wordt gebruikt, en het meegeleverde recept gebruikt 16 frames waar de processor standaard op 128 staat. Die kloof is groot genoeg om van belang te zijn voor de lange-videorijen.
• Prijs — geen van beide heeft er een. Geen gehost eindpunt, geen tarief per seconde, geen partnerlijst. De kosten zijn de GPU die je bezit, plus de gepatchte vLLM- of SGLang-overlay die de WeMM-repository vereist, aangezien geen van beide engines de architectuur upstream ondersteunt.
• Commerciële bruikbaarheid aan de Apple-kant — AMLR plus een niet-commerciële demolicentie betekent dat de renderer, en niet de beschrijver, het onderdeel van deze pipeline is waar een juridische beoordeling een stokje voor steekt.
De vraag die er één kiest
Vraag wat je artefact is. Als het een bestand is, kan alleen FastFrames dat produceren, en dan reken je op 480p, vijf seconden, stilte en een niet-commerciële licentie. Als het een bewering is over beelden die je al hebt — wat er gebeurt, wie er spreekt, wat hoorbaar is — kan alleen WeMM-Video-4B die produceren, en dan reken je op zestien gesamplede frames en achtduizend tokens.
Als het beide is, bouw je een systeem met twee modellen waarvan de naad stil is, en de goedkoopste correcte versie van dat systeem gebruikt geen 5.61B omni-checkpoint om stille output van bijschriften te voorzien. Gebruik een visiemodel voor de gerenderde clips en houd WeMM-Video-4B voor bronmateriaal dat geluid bevat. Dat is een minder elegante architectuur dan één model voor alles, en het is degene die de cijfers ondersteunen.
Wat geen van beide releases tot nu toe biedt, is juist hetgeen dat de knoop zou doorhakken: een run door iemand die het paper niet heeft geschreven. Twee labs brachten in dezelfde week serieus videowerk uit zonder aankondiging, wat een interessanter feit over november 2026 is dan welke afzonderlijke benchmarkcel dan ook.
