Titelkaart met de tekst 'WeMM-Video-4B vs HiDream-O1-Video-1.0' en de ondertitel 'Twee soorten beperktheid', twee panelen gescheiden door een vs-schijf, links met de ondertitel 'open gewichten, geen endpoint' en met vermelding van 5,61B parameters, Apache 2.0 en gepatchte vLLM of SGLang, rechts met de ondertitel 'gehost, één invoer' en met vermelding van niet-gepubliceerde parameters, één referentieafbeelding en $5,80 per minuut, met een voettekst met de tekst 'Uitlezing van het Artificial Analysis-board op 20 november 2026.'
Guides & Insights

WeMM-Video-4B vs HiDream-O1-Video-1.0: Twee soorten beperktheid

Auteur

jinhao.song

Publicatiedatum

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

HiDream-O1-Video-1.0 en WeMM-Video-4B beschrijven zichzelf allebei breder dan hun gedrag rechtvaardigt. De lanceringrelease van HiDream adverteert een model dat tekst, afbeeldingen en video aanneemt en vijf tot twintig seconden 1080p-beeld met gesynchroniseerde audio retourneert; de gedocumenteerde API accepteert precies één referentieafbeelding en een optionele prompt. WeMM-Video-4B neemt tekst, afbeeldingen, video en audio aan en retourneert tekst, wat klopt — en het model wordt nergens geserveerd, dus wat het in theorie accepteert, krijg je pas nadat je je eigen inference-engine hebt gepatcht. Het ene wordt beperkt door zijn serveercontract, het andere doordat het helemaal geen serveercontract heeft. Dat is de hele vergelijking, en alles hieronder is detail dat daaraan hangt.

Geen van beide modellen kun je vandaag aanroepen in de modus die het eigen paper benadrukt. Hoeveel dat uitmaakt, hangt af van welke helft van de kloof je zelf kunt dichten, en dat is eerder een kwestie van licenties en GPU's dan van kwaliteit.

De rij, en de versie waarop deze zich bevindt

HiDream-O1-Video-1.0 heeft een onafhankelijke meting. Afgelezen op 20 november 2026, op de AA-Video-I2V v2.1-ranglijst, staat het op de 14e plaats met een Elo van 1.101, met een 95%-interval van ±14, wat een bereik van 1.087 tot 1.115 is, op basis van 6.976 stemmen, geregistreerd als een release uit augustus 2026, tegen $5,80 per minuut gegenereerde video.

Zes weken eerder, op de v1.0 ranglijst stond hetzelfde model zesde met 1.175 ±10 over 3.231 stemmen. Slordig gelezen is dat een ineenstorting. Dat is het niet, en de reden is het waard om ronduit te zeggen, want het is de meest voorkomende fout die met deze ranglijsten wordt gemaakt: v1.0 en v2.1 zijn verschillende instrumenten met verschillende Elo-schalen, verschillende stemmenpools en een andere taxonomie. Een score wordt niet tussen beide overgedragen, dus de afstand tussen 1.175 en 1.101 is geen maat voor hoeveel slechter het model is geworden. Wat wél is veranderd, is reëel — de 14e plaats is een slechtere plek dan de 6e volgens de regels van de huidige ranglijst — maar de rekenkundige verbinding daartussen bestaat niet.

WeMM-Video-4B has no row on any board, and the absence is structural rather than a pending review. The AI video boards rank generated footage. A model that reads video and writes sentences cannot be entered in a vote between two clips. Until an omni-modal video-understanding arena exists, every WeMM-Video-4B number is T​encent's own.

Wat de API van HiDream daadwerkelijk accepteert

Het serviceoppervlak is gedocumenteerd en het is smal, op manieren die direct aansluiten bij de lanceerclaims.

• Invoer — precies één referentieafbeelding, opgegeven als een openbare URL of Base64 tussen 40 KB en 20 MB. De prompt is optioneel en is standaard leeg. De aankondiging vermeldt video bij de invoer van het model; het aanvraagschema heeft er geen veld voor.

• Resolutie — geen selector. Het resultaat behoudt de beeldverhouding van de referentieafbeelding. De 1080p-bewering in de aankondiging is niet aanstuurbaar vanuit het verzoek.

• Duur — één boolean, force_10s, standaard false. Blijft het false, dan kiest het model; zet je het op true, dan krijg je tien seconden. Het geadverteerde bereik van vijf tot twintig seconden heeft geen numeriek veld.

• Audio — er wordt geen audio-invoer of parameter voor audiogeneratie aangeboden, ondanks de native gesynchroniseerde audio die de release beschrijft.

• Resultaatcontract — asynchroon. Je dient in, krijgt een task_id, en pollt. result.status = 1 betekent dat elke subtaak een terminale status heeft bereikt, niet dat de generatie is geslaagd; succes is sub_task_results[].task_status = 1, met 3 voor generatiefout en 4 voor veiligheidsbeoordeling.

Dus het model dat je kunt aanroepen is een beeldanimator met twee duurmodi. Het model dat in de release wordt beschreven is een gecombineerde tekst-video-audiogenerator met een geplande duur. Beide uitspraken zijn door hetzelfde bedrijf gedocumenteerd, en het verschil is veeleer een roadmap dan een tegenspraak.

Wat WeMM-Video-4B van je vraagt te bouwen

De andere kant heeft geen contract om smal te zijn, omdat er geen eindpunt is. WeMM-Video-4B heeft 5.611.746.312 parameters — 10,45 GiB aan BF16-gewichten — en is onder Apache 2.0 uitgebracht in een familie van vier maten die allemaal binnen een tijdsvenster van negentien minuten op 17 november 2026 verschenen, met het technische rapport, arXiv 2611.26409, dat op 19 november volgde.

Getting it to answer takes work that HiDream's users never see. Neither vLLM nor SGLang supports the architecture upstream; the repository ships source-overlay patches for four exact upstream releases — vLLM 0.18.0 and 0.31.0, SGLang 0.5.16 and 0.5.19 — each pinned to a specific PyTorch, Transformers and CUDA 12.9 combination, with Python 3.12, FFmpeg, and a C++ toolchain plus Ninja for SGLang's first-use kernel compilation. The GGUF bundle is built for a native runtime you compile from the repository, not for llama.cpp, and T​encent labels it exported_unvalidated.

Daarvoor krijg je een beschrijver met een ongewoon grote audio-stack: 4,21 miljard parameters van een van Qwen3.5-4B afgeleid taalmodel, 0,33 miljard van een visietoren, en 1,07 miljard van een Whisper-achtige audio-encoder-decoder die een Q-Former aanstuurt met 10 tokens per seconde. Bijna een vijfde van de checkpoint bestaat uit oren, en daarom zijn juist de gezamenlijke audio-visuele scores ervan interessant.

De modi waarin elk model wordt vergeleken

Een eerlijke vergelijking hier is niet ‘welke is beter’, maar ‘welke modus is degene die je daadwerkelijk kunt bereiken’, en de twee antwoorden komen op verschillende plekken uit.

• HiDream-O1-Video-1.0 — bereikbare modus: afbeelding-naar-video, één referentieframe, vaste beeldverhouding, tien seconden of keuze van het model, geen audiobesturing. Beoordeelde modus: afbeelding-naar-video. Het scorebord en de API zijn het eens.

• WeMM-Video-4B — bereikbare modus: video met soundtrack als invoer, tekst als uitvoer, bij 16 gesamplede frames en 8.192 tokens zoals geleverd. Beoordeelde modus: het paper rapporteert Thinking-modus in de videotabellen, Instruct in de audiotabel en opnieuw Thinking bij afbeelding en tekst, en vermeldt niet het aantal frames of de gebruikte contextlengte.

• Beide — door de leverancier gerapporteerd waar een cijfer beschikbaar is, en geen enkele derde partij heeft een van beide gereproduceerd. Het voordeel van HiDream is dat over één configuratie is gestemd door mensen die niet voor HiDream werken.

Two-column contrast headed 'WeMM-Video-4B vs HiDream-O1-Video-1.0', the left listing open weights under Apache 2.0, video and audio in with text out, a patched vLLM or SGLang overlay and no independent score, the right listing a hosted API, one reference image with ten seconds or the model's choice, vendor-hosted runtime and 14th at Elo 1,101, with a footer reading 'Artificial Analysis board read 20 November 2026; WeMM figures vendor-reported.'Screenshot of the Artificial Analysis image-to-video leaderboard, AA-Video-I2V v2.1, with HiDream-O1-Video-1.0 at rank 14 on Elo 1,101 with a plus-or-minus 14 interval over 6,976 votes, an August 2026 release and $5.80 per minute.

De audiovraag, die alleen door één kant beantwoord kan worden.

HiDream genereert audio en WeMM-Video-4B begrijpt het. In een functielijst klinken die twee als dezelfde capaciteit, maar dat zijn ze niet, en voor een team dat een pipeline bouwt, bepaalt dat onderscheid welke van de twee überhaupt relevant is.

Aan de generatiekant beschrijft HiDreams release één enkel proces dat tekst, video en audio samen modelleert in plaats van achteraf geluid toe te voegen, zodat lipbewegingen, omgevingsgeluid en fysieke actie een tijdlijn delen. Of je dat kunt aansturen, is een aparte kwestie: het gedocumenteerde verzoek bevat geen audioparameter, en de aankondiging publiceert geen aantal tracks, dus dialoog, muziek en effecten als afzonderlijke stems zijn op beide punten niet geverifieerd.

On the understanding side, WeMM-Video-4B scores 83.9 on Video-MME with audio against Qwen3-Omni-30B-A3B-Instruct's 77.3 and MiniCPM-o-4.5-9B's 69.2, and 82.5 on Daily-Omni against 70.7 and 80.2. It loses the pure-audio benchmarks to a proprietary flash model — MMAU 75.2 against 80.4, MMAR 67.3 against 74.0 — with one win on MMAU-Pro at 68.1 against 64.8. Those are T​encent's numbers from Table 2, run in Thinking mode, and nobody outside the lab has repeated them.

Dus de eerlijke samenvatting is dat het ene model geluid maakt dat je nog niet kunt inspecteren en het andere geluid inspecteert dat je zelf moet aanleveren. Geen van beide is de audiotool die een productiepipeline wil, totdat het eerste een audioparameter krijgt en het tweede een host.

Waar een router helpt en waar niet

OrcaRouter bedient geen van beide modellen. Er is geen WeMM-endpoint — de catalogus bevat geen WeMM-checkpoint — en ook geen HiDream-route; HiDream-O1-Video-1.0 is bereikbaar via HiDream's eigen platform en verschillende platforms van derden. Niets hieronder is een bewering dat we een van beide hosten.

De plek waar een router in deze vergelijking zijn waarde bewijst, is de migratie zelf, en het hulpmiddel daarvoor is de routing DSL in plaats van de modellenlijst. Beide modellen zitten achter een serveeroppervlak dat zichtbaar voorlopig is — het ene is een preview met één invoer en een terminale vlag met twee standen, het andere is een source-overlay die vastgepind is op specifieke upstream-releases — en een stack die een van beide hardcodeert, is een stack die breekt op de release notes van iemand anders. Een routingbeleid dat een primaire en een fallback benoemt, en dat twee modellen binnen één request kan vergelijken in plaats van twee integraties, verandert dat risico in configuratie. Dat draait over één OpenAI-compatibel endpoint met meer dan tweehonderd modellen tegen de lijstprijzen van de provider, doorgegeven met 0% markup, zodat een prijswijziging van een leverancier dezelfde dag doorwerkt. Voor het vision-only deel van de WeMM-workload staan Qwen3-VL-235B-A22B-Thinking en Qwen3-VL-8B-Thinking nu beide op het platform — wat een omweg is rond het ontbrekende omni-checkpoint, geen vervanging voor de audiotoren ervan.

Screenshot of the OrcaRouter models catalogue showing a filter rail for input modalities, context length, input price, status, access tier, series, supported parameters, privacy and inference region, with a header reading 229 models across 17 providers on one API key and one bill.

Met welke beperktheid je kunt leven

Als je dit kwartaal footage nodig hebt en één referentieafbeelding volstaat, is HiDream-O1-Video-1.0 de enige van de twee met een aanroepbaar endpoint, en de beperkingen ervan zijn goed genoeg gedocumenteerd om er binnen een middag tegen te integreren. Reken op $5,80 per minuut, plan op tien seconden of de keuze van het model, en lees de subtaakstatus in plaats van de terminalvlag.

Als je wilt weten wat er in beeldmateriaal staat dat je al bezit — inclusief wat eroverheen gezegd wordt — is WeMM-Video-4B de enige van de twee die antwoord kan geven, en de toegangsprijs is een gepatchte inference-engine, een checkpoint van 10,45 GiB en een samplingbudget van 16 frames dat je moet afstemmen voordat je een resultaat voor lange video's vertrouwt.

Wat geen van beide je biedt, is precies wat een vergelijkingspagina meestal belooft: een gedeelde taak waarop je ze kunt rangschikken. Het zijn niet twee antwoorden op één vraag. Het zijn twee modellen waarvan de publieke oppervlakken allebei kleiner zijn dan hun papers, en de nuttige technische afweging is welke van die hiaten je met je eigen hardware kunt dichten.

Vergeleken in dit artikel1

Herkend uit dit artikel