Titelkaart met 'WeMM-Video-9B vs HiDream-O1-Video-1.0' en de ondertitel 'Twee nauwe tailles', twee panelen gescheiden door een vs-schijf: links met als kop WeMM-Video-9B met een badge 'open gewichten' en regels die luiden 'geen Elo, geen ranglijst', 'leest video, geeft tekst terug', '19.54 GiB BF16', 'Apache 2.0', 'niet aangekondigd'; rechts met als kop HiDream-O1-Video-1.0 met een badge 'API met verbruiksmeting' en regels die luiden 'Elo 1.101, rang 14', '6.976 stemmen', '$5,80 per minuut', 'één referentieafbeelding', 'maximaal 10 s'.
Guides & Insights

WeMM-Video-9B vs HiDream-O1-Video-1.0: Twee smalle tailles

Auteur

jinhao.song

Publicatiedatum

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

Both of these models are narrower in production than they are on paper, and they are narrowed by different things. HiDream-O1-Video-1.0 is narrowed by its own API: the announcement describes text, image and video input with five-to-twenty-second 1080p output and natively synchronised audio, and the HiHarness endpoint that actually exists accepts exactly one reference image, an optional prompt, and a boolean. WeMM-Video-9B is narrowed by having no serving contract at all — T​encent's WeChat Vision group published it on 17 November 2026 as Apache-2.0 weights and an arXiv preprint, 2611.26409, with no endpoint, no price and no announcement, so the sixteen-frame limit in its shipped vLLM recipe is not a policy anyone can appeal, it is just what the repository does when you follow its instructions.

De vergelijking die volgt gaat dus niet over capaciteit. Het gaat erom om welke beperking je heen kunt ontwerpen, en het antwoord blijkt ervan af te hangen of je liever betaalt voor een gedocumenteerd plafond of een ongedocumenteerd plafond host.

Wat het paper zegt en wat de API accepteert

HiDream-O1-Video-1.0 is op 28 augustus 2026 uitgebracht en bereikte op 10 september de image-to-video-ranglijst. De aankondiging van de leverancier is breed: tekst-, beeld- en video-invoer, vijf tot twintig seconden 1080p-uitvoer, native gesynchroniseerde audio, een volgens het verhaal geplande duur en natuurkundige beperkingen.

De HiHarness API is niet uitgebreid. Hij neemt één referentieafbeelding — een URL of Base64, niet groter dan 20 MB en niet kleiner dan 40 KB — plus een optionele tekstprompt, plus een force_10s-boolean. Er is geen resolutiekeuze. Er is geen veld voor referentievideo. Er is geen audiobesturing. Wil je vijf seconden, dan krijg je er tien; wil je twintig, dan krijg je er tien. De kloof tussen het paper en het endpoint is het meest concrete feit over dit model en het feit dat het meest waarschijnlijk je architectuur zal veranderen.

• Invoer — HiDream-O1-Video-1.0: één referentieafbeelding plus optionele prompt. WeMM-Video-9B: video, audio, afbeeldingen en tekst, tot vier afbeeldingen, twee video's en twee audioclips per verzoek.

• Uitvoer — HiDream-O1-Video-1.0: 1080p-video met gesynchroniseerde audio, in de praktijk tien seconden. WeMM-Video-9B: tekst in het Engels of Chinees.

• Beperking — HiDream-O1-Video-1.0: het API-oppervlak. WeMM-Video-9B: het meegeleverde samplingrecept, 16 frames bij 2 fps.

Two-column scoreboard headed 'WeMM-Video-9B vs HiDream-O1-Video-1.0 — the scoreboard', six shared dimensions in rows: Price ('$0.00, no endpoint' against '$5.80 per minute'), Board position ('none, unrankable' against 'Elo 1,101, I2V rank 14'), Input ('video, audio, images' against 'one reference image'), Output length ('text only' against '10 s in practice'), Audio ('reads the soundtrack' against 'synchronised in-pass'), Release ('17 Nov 2026' against '28 Aug 2026'), with a footer reading 'Artificial Analysis AA-Video-I2V v2.1 read 20 November 2026; WeMM-Video-9B figures vendor-reported.'

Eén rij op het bord, één lege cel

HiDream-O1-Video-1.0 heeft precies één onafhankelijke meting, en het is een goede waar je over kunt twisten.

• AA-Video-I2V v2.1 — 14e met Elo 1.101 ±14 over 6.976 samples, release in augustus 2026, $5,80 per minuut. Dat is een nauw interval op een grote steekproef, en het ligt tussen Wan 3.0 op 1.109 en Agnes-Video-2.5 op 1.105 — een drukke band waarin veertien punten één interval is.

• Afwezig in AA-Video-T2V v2.1 en AA-Video-Editing v1.1. De afwezigheid van tekst-naar-video is de interessante, omdat de eigen aankondiging van de leverancier begint met tekstinvoer. Een model zonder rij voor tekst-naar-video en zonder veld voor referentievideo heeft een tekst-naar-video-verhaal dat alleen in proza bestaat.

• WeMM-Video-9B — geen rij op een van de drie boards, om de structurele reden: alle drie rangschikken ze gegenereerd beeldmateriaal, en het genereert er geen. Een lege cel, geen lage score.

Voor $5,80 per minuut is HiDream-O1-Video-1.0 een van de goedkopere deelnemers op het image-to-video-leaderboard. Alleen Pika H3 Flex voor $2,10, HeyGen Video 1 voor $2,40, Agnes-Video-2.5 voor $2,40, Vidu Q4 Preview voor $5,04 en P-Video-2-Pro voor $5,70 liggen binnen het gerangschikte veld onder die prijs, en het verslaat verschillende modellen die drie tot vier keer zo duur zijn.

Screenshot of the Artificial Analysis image-to-video leaderboard, AA-Video-I2V v2.1, with ranked rows carrying Elo, confidence interval, vote count, release month and per-minute price, including HiDream-O1-Video-1.0 at rank 14 on Elo 1,101 over 6,976 samples at $5.80 per minute, between Wan 3.0 at 1,109 and Agnes-Video-2.5 at 1,105.

Negentien en een halve gigabyte aan detail

Waarin WeMM-Video-9B ruimhartig is, is in wat het je over zichzelf vertelt. Het Hugging Face-record vermeldt 10.488.603.384 parameters over 1.305 tensors — een taalbackbone van 7,94B met een token-embedding van 1,02B, een niet-gekoppelde output-head van 1,02B, een audiotoren van 1,08B met 32 lagen in Whisper-stijl met een breedte van 1.280 achter een Q-Former met twee lagen bij tien audiotokens per seconde, en een visietoren van 0,46B met 27 blokken met een verborgen dimensie van 1.152, patchgrootte 16 en een 2×2 ruimtelijke merge.

Die precisie is een vorm van eerlijkheid die de HiDream-kant niet biedt: Black Forest Labs en HiDream weigeren allebei parameteraantallen te publiceren, en geen van beide is daartoe verplicht. Maar het zet ook een val, want een gedetailleerde architectuur nodigt uit tot de aanname dat de geleverde configuratie daarmee overeenkomt. Dat is niet zo.

• Standaardwaarden processor — 2 fps, minimaal 4 frames, maximaal 128 frames, 100.663.296 totale pixels.

• vLLM-recept uitgebracht — 2 fps, 16 frames, 262.144 pixels, gesampled rond het midden van de clip.

• Context — 8.192 tokens bij elk serveercommando, tegenover 262.144 positie-embeddings in de architectuur.

Zestien frames bij twee per seconde is acht seconden dekking, en de bemonstering begint in het midden. Een clip van zestig seconden verliest zijn eerste en laatste zesentwintig seconden. De architectuur zou veel meer toelaten; het recept niet, en het recept is wat er wordt uitgeleverd.

Screenshot of the Hugging Face model page for tencent/WeMM-Video-9B showing the image-text-to-text pipeline tag, Transformers and Safetensors libraries, English and Chinese languages, the arXiv identifier 2611.26409, an Apache 2.0 licence, a model card overview stating 19.54 GiB of BF16 weight files, and a file panel reading 10B params and BF16 tensor type.

Tien seconden tegen acht

Zet de twee mogelijkheden naast elkaar en de vorm van de beslissing tekent zich af. HiDream-O1-Video-1.0 levert je tien seconden kant-en-klare 1080p met gesynchroniseerde audio, wat je ook vraagt. WeMM-Video-9B bekijkt acht seconden beeldmateriaal dat je al hebt, hoe lang het ook is.

Beide getallen zijn arbitrair. HiDreams tien seconden is een productbeslissing die in een boolean is vastgelegd; de acht van WeMM-Video-9B is een standaardwaarde in een receptbestand. Geen van beide is een natuurwet. Maar slechts één ervan komt van een leverancier die je vertelt wat er op de grens gebeurt, en dat is niet degene die als checkpoint wordt gedistribueerd.

Als je een clip van tien seconden genereert met HiDream-O1-Video-1.0 en vervolgens WeMM-Video-9B vraagt wat erin is gebeurd, neemt de beschrijver acht van die tien seconden uit het midden. Twee seconden — de eerste en de laatste — bereiken het model nooit. Dat is een coördinatieprobleem dat je met een configuratiewijziging oplost, en het is precies het soort coördinatieprobleem dat dit paar veroorzaakt en dat geen van beide leveranciers documenteert.

Modelfusie, en waar het de zin verdient

Geen van beide modellen wordt gehost bij OrcaRouter. HiDream-O1-Video-1.0 is bereikbaar via het eigen platform van HiDream en verschillende platformen van derden; WeMM-Video-9B is bereikbaar door het te downloaden.

De reden dat een vergelijking als deze in een gesprek over orchestratie terechtkomt, is dat de twee helften op verschillende manieren falen. De gehoste helft faalt luidruchtig — een rate limit, een timeout, een foutcode — en daar is automatische failover voor bedoeld. De zelfgehoste helft faalt stil: hij geeft een zelfverzekerde beschrijving van acht seconden beeldmateriaal en zegt niets over de zesentwintig seconden die hij nooit heeft gezien. Modelfusie is hier het interessantere instrument, want een tweede model dat dezelfde clip onder een ander samplingbeleid leest, zal het aan de randen oneens zijn, en die onenigheid is het enige signaal dat je krijgt dat het venster te klein was.

Voor het gehoste deel wordt de lijstprijs van de provider doorgegeven tegen 0% opslag, wat bij $5,80 per minuut meer dan gebruikelijk uitmaakt: een prijswijziging van een leverancier bij een goedkoop model is een grotere procentuele schommeling dan bij een duur model, en het volgen van het gepubliceerde tarief in plaats van een gecachte kopie houdt een prognose voor een batch van honderd clips eerlijk.

In welke beperking kun je leven?

Kies HiDream-O1-Video-1.0 als één referentieafbeelding en tien seconden de opdracht zijn. Je krijgt een gedocumenteerd endpoint, gesynchroniseerde audio, een tarief van $5.80 en een notering op de 14e plaats op de image-to-video-ranglijst. Je levert text-to-video, resolutiecontrole en elke andere duur dan tien seconden in.

Kies WeMM-Video-9B als het beschrijven van beeldmateriaal de taak is. Je krijgt een 9B omni-modale beschrijver met sterke gerapporteerde audiovisuele cijfers, een Apache-2.0-licentie en een parameteraantal dat je kunt auditen. Je geeft een servicecontract, onafhankelijke verificatie en elke garantie op dat het venster van acht seconden breed genoeg is voor de clips die je daadwerkelijk hebt.

Wat je niet moet doen, is de twee op kwaliteit vergelijken. Geen van beide is met hetzelfde instrument geëvalueerd, en een van de twee kan dat ook niet. De vergelijking die loont, is die tussen twee nauwe tailles — een boolean en een receptbestand — en welke je eromheen kunt bouwen zonder tegen jezelf te liegen over wat hij ziet.