Titelkaart met de tekst 'WeMM-Video-9B vs Alibaba Wan 2.7' en de ondertitel 'Een rekening en een checkpoint', twee panelen gescheiden door een vs-schijf: links met de badge 'alleen gewichten' en met vermelding van 9B dichte parameters, 19,54 GiB aan BF16-shards, Apache 2.0 en geen prijs; rechts met de badge 'API met verbruiksmeting' en met vermelding van Elo 1.074 op AA-Video-Editing v1.1 en $16,90 per minuut.
Guides & Insights

WeMM-Video-9B vs Alibaba Wan 2.7: Een rekening en een checkpoint

Auteur

jinhao.song

Publicatiedatum

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

Begin met de factuur. Alibaba Wan 2.7 heeft een tarief per minuut op twee videoleaderboards van Artificial Analysis en een gedocumenteerd duurbereik, waardoor het een van de weinige videomodellen is waarvan je de kosten kunt berekenen voordat je een regel code schrijft. WeMM-Video-9B heeft helemaal geen tarief. De WeChat Vision-groep van Tencent publiceerde het op 17 november 2026 als negentien en een half gigabyte Apache-2.0-gewichten — vijf BF16-shards, een modelkaart en een arXiv-preprint met nummer 2611.26409 — en zei daarna niets. Geen lanceerbericht, geen prijspagina, geen gehoste endpoint, geen inzending voor een leaderboard. Drie dagen later tonen de repositories samen nog steeds nul downloads. De eerlijke vergelijking is dus niet Wan 2.7 versus WeMM-Video-9B op kwaliteit; het is een dienst met tarief per gebruik tegenover een artefact zonder prijs, en de twee getallen die je naast elkaar zou willen zetten, bestaan om dezelfde reden aan beide kanten niet.

Alles hieronder onderscheidt drie dingen: wat de Wan 2.7-documentatie en de twee leaderboards stellen, wat de WeMM-Video-9B-repository en het paper beweren, en wat niemand buiten beide labs heeft gereproduceerd. In die derde categorie zit het meeste WeMM-Video-9B-materiaal, en doen alsof dat anders is, zou de snelste manier zijn om dit stuk nutteloos te maken.

Wan 2.7 wordt per minuut gefactureerd

De tariefkaart van Alibaba voor Wan 2.7 is ongewoon overzichtelijk voor een videomodel. De suite is een product met vier modi — tekst-naar-video, afbeelding-naar-video, referentie-naar-video en videobewerking — en de prijsstelling die op de tariefborden verschijnt, is een rechtstreeks bedrag per minuut in plaats van een creditsysteem dat je moet reverse-engineeren.

• AA-Video-Editing v1.1 — Wan 2.7 staat negende met Elo 1.074 ±8 over 22.754 samples, een releasedatum van april 2026 en $16,90 per minuut. Het interval is het smalste op het bord buiten de top drie, en dat is wat tweeëntwintigduizend stemmen je oplevert.

• AA-Video-T2V v2.1 — dezelfde familie verschijnt als Wan2.7-260612 op de 20e plaats op Elo 1.035 ±13 over 6.965 samples, juni 2026, $9,00 per minuut. Dezelfde leverancier, een andere taak, een andere prijs, en een Elo die zich niet laat omrekenen naar de montagescore.

• Wan 2.7 staat helemaal niet op het image-to-video-bord. Wan 3.0 wel — op de 12e plaats met 1.109 — en dat ontbreken is het zorgvuldig lezen waard. Het betekent niet dat Wan 2.7 een stilstaand beeld niet kan animeren; het betekent dat de arena het daar niet heeft gerangschikt. De Alibaba-suite adverteert wel met first-and-last keyframe-besturing, tot vijf subject-afbeeldingen en vijf referentieclips, en 720p tot 1080p-uitvoer met native audio. Vermogen dat het bord niet scoort, is nog steeds vermogen.

Eén contextuele opmerking die van belang is voor de budgettering: Wan 2.7 is de vorige generatie. Wan 3.0 leidt nu zowel de tekst-naar-video-ranglijst (1.176) als de montageranglijst (1.197), en het is de goedkopere van de twee voor tekst-naar-video, met $12,00 per minuut tegenover het montagetarief van $9,00 van Wan 2.7. Als je vandaag een Alibaba-model kiest in plaats van er een te vergelijken, is de beslissing al achterhaald.

Wat de 9B-checkpoint eigenlijk is

WeMM-Video-9B is geen videogenerator, en die ene zin doet het meeste werk in deze vergelijking. Het is een videobegripsmodel: je geeft het frames plus de oorspronkelijke soundtrack, en het geeft tekst terug. Beschrijving, transcriptie, temporele redenering, vraagbeantwoording over beeldmateriaal dat je al hebt.

De repository is ongewoon specifiek over wat erin zit, en dat is de enige plek waar een stille release het wint van een luide. Het Hugging Face-record vermeldt 10.488.603.384 parameters over 1.305 tensoren, BF16, 19,54 GiB verdeeld over vijf shards. De verdeling is uitgesplitst: een taalbackbone van 7,94B inclusief een token-embedding van 1,02B, een losgekoppelde output-head van 1,02B, een Whisper-achtige audiotoren van 1,08B met 32 lagen op breedte 1.280 achter een Q-Former van twee lagen, en een visietoren van 0,46B met 27 blokken op verborgen breedte 1.152 met patchgrootte 16 en een ruimtelijke merge van 2×2. De taalstack bestaat uit 32 lagen op hidden 4.096, 16 attention-heads tegenover 4 key-value-heads met head-dimensie 256, met hybride lineaire attention — één full-attention-laag per drie lineaire lagen — en 262.144 positie-embeddings.

Wat dat in de praktijk oplevert, is een brede invoer en een smalle uitvoer. Video, audio, afbeeldingen en tekst gaan erin. Tekst komt eruit, in het Engels of Chinees. Nergens in de architectuur vindt framesynthese plaats, en geen enkele prompt zal er een voortbrengen.

Two-column contrast headed 'WeMM-Video-9B vs Alibaba Wan 2.7', the left listing 9B dense parameters, 19.54 GiB of BF16 shards, Apache 2.0 and no price, the right listing Elo 1,074 on AA-Video-Editing v1.1, $16.90 per minute and 2 to 15 seconds per clip, with a footer reading 'Artificial Analysis figures read 20 November 2026; WeMM-Video-9B figures from the repository.'Screenshot of the Hugging Face model page for tencent/WeMM-Video-9B showing the image-text-to-text pipeline tag, Transformers and Safetensors libraries, the arXiv identifier 2611.26409, an Apache 2.0 licence, and model card text stating 19.54 GiB of BF16 weight files.

Twee klokken die niet samenkomen

De vergelijking die daadwerkelijk ergens over beslist, gaat over tijd en geld, en aan beide kanten zit een limiet.

• De limiet van Wan 2.7 is de duur. Twee tot vijftien seconden per generatie, 720p tot 1080p, gefactureerd per seconde. Een clip van vijftien seconden in 1080p is een bekend gegeven voordat je op start drukt.

• De limiet van WeMM-Video-9B is context. De processor gebruikt standaard 2 frames per seconde, met een minimum van 4 frames, een maximum van 128 frames en een totale begroting van 100.663.296 pixels. Het meegeleverde vLLM-recept zet dat allemaal terug naar 2 fps en 16 frames bij 262.144 pixels — ongeveer acht seconden dekking, bemonsterd vanaf het midden van de clip. Elk serveercommando in de repository geeft ook een contextlengte van 8.192 tokens door, en bij tien audiotokens per seconde is dat ongeveer dertien minuten audio als je de begroting alleen aan geluid besteedt.

• De mismatch.Wan 2.7 produceert vijftien seconden beeldmateriaal. WeMM-Video-9B kijkt, zoals geleverd, naar acht. Als je pipeline een clip genereert en vervolgens een model vraagt wat erin is gebeurd, bemonstert de beschrijver de helft van de uitvoer. Dat is geen fout in een van beide producten; het is een configuratie die je bewust moet wijzigen, en het eigen voorbeeld van de repository wijzigt die niet voor je.

Het bestuur waar geen van beiden in zit

Dit is het structurele probleem met deze onderlinge vergelijking, simpel gezegd. Elk Artificial Analysis-videobord rangschikt gegenereerd beeldmateriaal. Tekst-naar-video, afbeelding-naar-video en videobewerking: alle drie nemen ze een model dat pixels oplevert en rangschikken dat op basis van paarsgewijze menselijke voorkeur. WeMM-Video-9B levert tokens op.

Het is niet dat WeMM-Video-9B slecht scoorde. Het kan niet worden ingevoerd. Wan 2.7 heeft twee rijen, beide met intervallen die nauw genoeg zijn om over te discussiëren; WeMM-Video-9B heeft er geen en zal er geen hebben totdat iemand een arena voor videobegrip bouwt. Wat betekent dat het enige bewijs van kwaliteit voor het onderwerp van dit artikel de eigen tabel van de auteurs is.

Die tabel is niet niks. In de denkmodus bij gecombineerde audio-visuele taken verslaat de 9B-checkpoint Qwen3-Omni-30B-A3B-Instruct op 35 van de 37 gedeelde cijfers — Video-MME met audio 85,1 tegen 77,3, Daily-Omni 83,6 tegen 70,7, SciVideoBench 64,2 tegen 49,9, OmniReasoningBench 43,9 tegen 24,1 — en verliest er precies één, FutureOmni met 53,7 tegen 55,1. Op stille video wint het ten opzichte van zijn eigen Qwen3.5-9B-backbone op F-16-NBA (88,7 vs. 75,8) en TimeLens, en verliest het op MLVU, LVBench, VideoVista, VSI-Bench en MVBench. Het artikel zegt dat het „officiële resultaten rapporteert waar beschikbaar en anders onze eigen evaluaties”, wat de correcte vermelding is en ook de reden dat niets ervan onafhankelijk is.

Screenshot of the Artificial Analysis video-editing leaderboard, AA-Video-Editing v1.1, with ranked rows carrying Elo, confidence interval, sample count, release month and per-minute price, including Wan 2.7 at rank 9 on Elo 1,074 over 22,754 samples at $16.90 per minute.

Waar OrcaRouter past

Geen van beide modellen wordt via OrcaRouter aangeboden, en dit stuk gaat niet doen alsof dat wel het geval is. Wan 2.7 is bereikbaar via Alibaba's eigen API en diverse platformen van derden; WeMM-Video-9B is bereikbaar door het te downloaden.

Wat hier wél thuishoort, is de factureringskant, want de reden dat teams uiteindelijk een generator met een beschrijver gaan vergelijken, is dat beide in dezelfde pipeline worden aangesloten. OrcaRouter geeft de leverancierslijstprijs door tegen 0% opslag, wat betekent dat een tariefverlaging van een leverancier dezelfde dag in jouw factuur terechtkomt als in die van hen, in plaats van pas wanneer een reseller de prijs opnieuw vaststelt. Als het bewerkingstarief van $16,90 voor Wan 2.7 $12,00 wordt, zoals dat bij Wan 3.0 gebeurde, zie je dat op de volgende factuur. Voor een werklast waarbij het ene deel per seconde wordt afgerekend en het andere deel een checkpoint is dat je zelf host, is het feit dat de afgerekende helft tegen kostprijs wordt gerapporteerd het verschil tussen een budget dat je kunt voorspellen en een dat je niet kunt voorspellen.

Voor welke moet ik een budget uittrekken?

Als het eindproduct beeldmateriaal is, is Wan 2.7 de enige van de twee die het kan produceren, en komt de beslissing neer op de vraag of $16,90 per minuut voor montage of $9,00 per minuut voor tekst-naar-video concurrerend is ten opzichte van de rest van het scorebord. Met respectievelijk een 9e en 20e plaats zit het bij beide in de middenmoot.

Als de oplevering een uitspraak is over beeldmateriaal dat je al hebt, is WeMM-Video-9B de enige van de twee die die kan produceren, en komt de beslissing neer op de vraag of je een gepatchte vLLM- of SGLang-installatie, een checkpoint van 19,54 GiB en een samplingvenster van acht seconden kunt meenemen om een beschrijver van de 9B-klasse te krijgen met werkelijk sterke audio-visuele cijfers.

De valkuil is dat je $16,90 en $0,00 als dezelfde hoeveelheid leest. Het ene is een verbruikstarief voor een dienst die je vanmiddag kunt aanroepen. Het andere is de afwezigheid van een dienst, en de prijs van die afwezigheid wordt betaald in integratiewerk en in het feit dat niemand buiten Tencent je heeft verteld of de cijfers kloppen.