
WeMM-Video-9B vs Wan 3.0: Verkochte seconden, bekeken seconden
- 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
Wan 3.0 verkoopt seconden video. WeMM-Video-9B leest ze terug. Dat is de hele vergelijking, en het is de reden waarom een specificatie-tegen-specificatie-gevecht per dimensie tussen deze twee bijna zinloos zou zijn: de ene is een generatiemodel dat een MP4 oplevert, de andere is een omni-modaal begripsmodel dat een zin oplevert. Het zijn geen rivalen. Het zijn de twee helften van één pijplijn — produceer een clip, controleer die dan — en de interessante vraag is niet welke wint, maar waar elk van beide ophoudt bruikbaar te zijn.
Slechts één ervan is nieuws. Tencent uploadde WeMM-Video-9B en achttien zusterrepositories in een venster van vijf minuten vanaf 08:53:50 UTC op 17 november 2026, publiceerde het technische rapport als arXiv 2611.26409 op 19 november, en heeft er niets van aangekondigd: geen blogpost, geen lanceerpagina, geen betaald niveau. Op het moment van schrijven toont de 9B-repository nul downloads, de collectie een handvol likes, en geen enkele inferentieprovider biedt het model aan. Wan 3.0 is het volledig omgekeerde geval — Alibaba bracht het op 6 augustus 2026 in openbare bèta en lanceerde het officieel op 24 augustus, achtentachtig dagen voor dit artikel, en het staat momenteel bovenaan twee onafhankelijke leaderboards. Alles hieronder over Wan 3.0 is een gelanceerd, geprijsd, onafhankelijk gescoord product. Alles over WeMM-Video-9B komt uit ofwel zijn eigen repository of de PDF van de auteurs, en dat zijn de enige twee plekken waar enig cijfer erover bestaat.
Wat elk ervan daadwerkelijk retourneert
De specificatielijnen zijn juist de moeite waard om naast elkaar te leggen, omdat ze verschillende taken beschrijven.
• Uitvoer — WeMM-Video-9B retourneert tekst, in het Chinees of Engels. Wan 3.0 retourneert een gegenereerde clip van maximaal 30 seconden met native audio.
• Invoer — de 9B neemt videoframes met hun originele soundtrack, stille video, losse audio, afbeeldingen en tekst, en kan over al deze tegelijk redeneren. Wan 3.0 accepteert tekst-, beeld-, video- en audioprompts en, uniek binnen zijn familie, ook documenten: doc, xls, ppt, pdf, md, txt, tot 100 MB of 50 pagina's per bestand, direct omgezet in een video.
• Gewichten — WeMM-Video-9B levert Apache 2.0-gewichten op Hugging Face in BF16 plus vier gekwantiseerde builds (FP8 Block128, AWQ W4A16, GGUF Q4_K_M, NVFP4 W4A16). Wan 3.0 heeft geen gepubliceerde gewichten; het is een gesloten API met gebruiksfacturering.
• Prijs — de 9B heeft geen gehoste prijs, omdat niets hem host; jouw kosten zijn een GPU, een gepatchte runtime en je eigen tijd. Wan 3.0 rekent per seconde output: 0,3, 0,6 en 1,2 yuan per seconde bij 480p, 720p en 1080p — ongeveer $0,05, $0,10 en $0,20 — wat Artificial Analysis normaliseert naar $12,00 per minuut op zijn leaderboards.
• Onafhankelijke scores — geen enkele voor WeMM-Video-9B. Artificial Analysis vermeldt geen enkel WeMM-model op welke ranglijst dan ook. Wan 3.0 staat eerste op de Artificial Analysis-ranglijst voor tekst-naar-video met Elo 1.176 (95%-interval 1.163 tot 1.189, 8.243 samples) en eerste op zijn ranglijst voor videobewerking met 1.197 (1.187 tot 1.207, 9.919 samples), en twaalfde op beeld-naar-video met 1.109.

Het prijsverschil is geen prijsverschil.
Twaalf dollar per minuut is het getal dat mensen zullen noemen, en het is het verkeerde getal om te vergelijken met wat dan ook over de 9B, omdat de twee facturen verschillende grootheden meten. Wan 3.0 rekent per geproduceerde duur. WeMM-Video-9B rekent helemaal geen kosten per eenheid — het rekent in hardware die je al bezit, en de eerlijke manier om het te beprijzen is uit te rekenen hoeveel van een kaart het bezet en hoeveel clips je er per uur doorheen kunt krijgen.
De bezettingswaarde is meetbaar uit de repository. Het BF16-checkpoint bestaat uit 19,54 GiB aan weightbestanden en 10.488.603.384 parameters verdeeld over 1.305 tensors — 10,49 miljard, niet negen, omdat de "9B" in de naam verwijst naar de Qwen3.5-9B-taalbackbone en niet naar de hele stack. De AWQ W4A16-build komt uit op 12,86 GiB. Dat is een reductie van 34% in plaats van de 75% die een vierbitsrecept impliceert, en de reden is zichtbaar in de exportmanifests: alleen de dense feed-forwardmatrices worden gecomprimeerd, terwijl de vision tower, de op Whisper gebaseerde audio-encoder, de embedding, de output head en elk attention-gewicht hun oorspronkelijke precisie behouden. Ongeveer 5,7 miljard parameters blijven op twee bytes per stuk, wat een ondergrens vastlegt waar geen enkel vierbitsrecept onder kan gaan. Wie een deployment op basis van de naam dimensioneert, zit er ongeveer 1,5 GiB en één precisieniveau naast.
De kostenvergelijking die er echt toe doet, is dus niet dollars tegen dollars. Het is: één API-aanroep van $0,20 per seconde eindmateriaal, tegenover een resident model van 13 tot 20 GiB, een gepatchte serving-stack en wat je GPU-uur ook kost. Voor een team dat al inference draait, kan de tweede goedkoper zijn. Voor een team dat vrijdag een clip wil, is de eerste de enige die bestaat.
Waar de 9B uitkomt ten opzichte van een 30B
De enige plek WeMM-Video-9B met harde cijfers komt, is de evaluatie van de auteurs, en de belangrijkste claim in het paper gaat over zijn grotere broer: dat het 35B-A3B-model een nieuwe open-source state of the art zet op omni-modaal video en het gat met Gemini-3.0-Flash dicht. Voor de 9B is er een bescheidener claim: hij presteert beter dan Qwen3-Omni-30B-A3B-Instruct, een model dat ongeveer drie keer zo groot is. In Thinking-modus, op de gecombineerde audio-visuele tabel, is dat ook zo.
• Video-MME met audio — 85,1 voor de 9B, 77,3 voor Qwen3-Omni-30B-A3B-Instruct, 69,2 voor MiniCPM-o-4.5-9B.
• Video-MME-v2 met audio — 51,6 tegenover 36,3, een verschil van 15,3 punten.
• Redeneergerichte rijen — SciVideoBench 64.2 tegen 49.9, MMOU 71.7 tegen 60.5, EvaOmni 50.7 tegen 26.1, OmniReasoningBench 43.9 tegen 24.1.
• Waar het verliest — FutureOmni 53,7 tegen 55,1, en JointAVBench staat gelijk op 64,6.
De interessantere vergelijking is intern, en het is de vergelijking die niemand die het paper citeert, noemt. Zet de 9B tegenover het 35B-A3B-vlaggenschip op dezelfde 17 rijen en de kloof is klein: 85,1 tegen 86,4 op Video-MME met audio, 51,6 tegen 54,9 op Video-MME-v2, 71,7 tegen 74,5 op MMOU. Op één rij wint het kleinere model overtuigend — SVHalluc 86,8 tegen 80,3. Een model dat een fractie van de actieve parameters van het vlaggenschip heeft, zit binnen 1,3 punten op de belangrijkste benchmark. Dat is het sterkste argument in de repository voor specifiek de 9B, en het is een argument over uitrolkosten, niet over capaciteit.
De 9B is ook geen uniforme upgrade ten opzichte van de backbone die hij erft. Een vergelijking met de gewone Qwen3.5-9B in de tabel voor stille video's laat een model zien dat is afgestemd op wanneer en waar iets gebeurde, tegen een meetbare prijs elders: F-16-NBA 88,7 tegen 75,8, TimeLens-QVHighlights 66,8 tegen 64,3, TOMATO 48,5 tegen 45,0 — maar MLVU 82,4 tegen 84,4, LVBench 68,2 tegen 70,0, VSI-Bench 54,5 tegen 58,3, MVBench 71,4 tegen 74,4. Als je taak het samenvatten van lange video's is, heeft de audio-visuele machinerie je iets gekost wat de backbone al beter deed.
Acht seconden dekking, standaard.
Dit is waar de twee modellen direct vergelijkbaar worden, omdat het een limiet op de duur is — en de getallen liggen niet dicht bij elkaar.
Wan 3.0 genereert tot 30 seconden in één run, twee keer het plafond van 15 seconden van Wan 2.7, met een video-extensietool om langere verhalen aan elkaar te rijgen. WeMM-Video-9B, zoals geleverd, kijkt naar acht.
Het gat zit niet in de checkpoint. De 9B declareert 262,144 position embeddings in zijn tekstconfiguratie, wat een zeer groot budget is. Het zit in de recepten. De processor gebruikt standaard 2 fps met een minimum van vier frames, een maximum van 128 frames en een totaal van 100,663,296 pixels, en de vLLM-opdracht die Tencent publiceert, zet alle vier op 2 fps, 16 frames en 262,144 pixels. Bij 2 fps staat zestien frames gelijk aan acht seconden beeldmateriaal uit het midden van een clip. Elke serving-opdracht in de repository geeft ook --max-model-len 8192 of --context-length 8192 mee, en niets in de repository legt uit hoe je de grotere gedeclareerde waarde bereikt.
• Framebudget — standaard 16 frames bij 2 fps, d.w.z. ongeveer 8 seconden, tegenover de 30 seconden durende enkele generatie van Wan 3.0.
• Audiokosten — de audiostream produceert 10 tokens per seconde, dus een budget van 8.192 tokens is ongeveer dertien minuten audio en niets anders; een clip met een soundtrack besteedt datzelfde budget aan frames en audio samen.
• Media per verzoek — vier afbeeldingen, twee video's en twee audio-items, volgens de meegeleverde limieten in zowel de vLLM- als de SGLang-recepten.
Niemand buiten WeChat Vision heeft gepubliceerd welke sampling de benchmarkruns gebruikten. Als je een getal uit de bovenstaande tabel reproduceert, is dat de eerste onbekende die je moet vastpinnen, en de meegeleverde standaard van 16 frames is het verkeerde beginpunt. Maar het plafond is reëel: voor alles langer dan één take is de 9B een steekproefcontroleur, geen reviewer, tenzij je de framelimiet verhoogt en daar in context voor betaalt.

Het getal dat nog niemand heeft gemeten
Tussen dit model en een stellige aanbeveling staan drie feiten, en die zijn het waard om ronduit te worden genoemd in plaats van begraven.
Het eerste punt is dat elke score hierboven door de leverancier is gerapporteerd. Er bestaat geen onafhankelijke evaluatie van WeMM-Video-9B die ergens te vinden is — geen arena-Elo, geen reproductie door derden, geen vermelding op een leaderboard. De tabellen zijn afkomstig van dezelfde auteurs die het model hebben getraind, op meer dan 120 benchmarks van hun eigen keuze, en een aantal van die benchmarks gebruikt verschillende beoordelaars: de evaluatie in het paper maakt, afhankelijk van de taak, gebruik van GPT-6.1-Sol, GPT-4o en Qwen3-235B-A22B. Vergelijkingen tussen modellen in het paper zijn daarom vergelijkingen van getallen die onder verschillende beoordelaars tot stand zijn gekomen, een caveat die het paper vermeldt en die iedereen die de tabel citeert doorgaans weglaat.
Het tweede is een modusopsplitsing waardoor twee rijen niet vergelijkbaar zijn. De omnimodale videotabel draait de WeMM-modellen in Thinking-modus; de audiotabel draait ze in Instruct-modus, op basis van het oordeel van de auteurs dat standaard audiobenchmarks directe perceptuele taken zijn. Dat is verdedigbaar, en het betekent ook dat een WeMM-rij in de ene tabel niet kan worden afgezet tegen een concurrerende rij in de andere.
Het derde punt is distributie. Nul downloads zijn op zichzelf geen bewijs van kwaliteit, in geen van beide richtingen, maar het betekent wel dat er geen verzameling praktijkverslagen is — geen faalwijzen, geen "het hallucineert bij muziekvideo's", geen thread waarin mensen er op de harde manier achter komen dat er een framelimiet is. Wan 3.0 heeft achtentachtig dagen de tijd gehad om dat op te bouwen, plus integraties bij de lancering in ComfyUI, Leonardo.Ai en Envato. Op de vraag "wat er in productie daadwerkelijk misgaat", heeft een van deze modellen een antwoord en het andere een repository.

Vandaag het paar draaien
Als je beide wilt, worden ze op volledig verschillende manieren geïnstalleerd, en geen van beide bevindt zich op een routeringsplatform.
Wan 3.0 is een API-aanroep die per gebruik wordt afgerekend. Het is bereikbaar via Alibaba's eigen consoles en via creatieve tools van derden, het rekent per seconde af tegen 0,3, 0,6 en 1,2 yuan voor 480p, 720p en 1080p, en de enige echte inkoopvraag is welke resolutie je beoordelingsstap nodig heeft, want dat is de vermenigvuldiger.
WeMM-Video-9B is een taak die je zelf host. Je hebt Python 3.12 nodig, een NVIDIA-GPU op een CUDA 12.9-stuurprogramma, FFmpeg en de gedeelde bibliotheken van TorchCodec, en dan de runtimepatch uit de repository: gepatchte vLLM 0.18.0, of 0.31.0 voor BF16, of gepatchte SGLang 0.5.16 of 0.5.19, vastgepind op de exacte combinatie van PyTorch, Transformers en CUDA die het patchmanifest noemt voor jouw engineversie. Laden vereist bovendien trust_remote_code, omdat het model aangepaste modelleer- en processorcode meelevert. Tencent heeft gevalideerd dat gepatchte vLLM het checkpoint laadt en de generatiecontroles voor tekst, afbeelding, audio en video met soundtrack voltooit op een H20; dat is een validatie van laden en uitvoeren, geen nauwkeurigheidsclaim. De GGUF-route vereist dat de native runtime vanaf de broncode wordt gebouwd.
OrcaRouter biedt geen WeMM-Video-9B aan, en de catalogus vermeldt helemaal geen WeMM-checkpoint, dus er is geen gehoste prijs om op te geven en geen endpoint om aan te roepen. Wat het platform wel biedt, is de visiehelft van dezelfde taak — Qwen3-VL-8B-Thinking en Qwen3-VL-235B-A22B-Thinking verwerken beide afbeeldingen en videoframes — achter één OpenAI-compatibele sleutel naast 200+ andere modellen, gefactureerd tegen de lijstprijs van de provider, doorgegeven tegen 0% opslag. Geen van beide hoort iets, dus geen van beide vervangt de audiovisuele helft. Als het plan is om een zelfgehoste 9B uit te proberen zonder er een productiepad op te zetten, is het routeren ervan achter een failover-regel de goedkope manier om erachter te komen of de gepatchte runtime standhoudt bij jouw concurrency voordat je er een kaart aan toewijst.
De combinatie zelf is een workflow, geen benchmark. Genereer met Wan 3.0 en geef de clip vervolgens aan een model dat een beschrijving teruggeeft in plaats van pixels: komt de scène overeen met de prompt, is de spraak verstaanbaar, loopt de audio synchroon met de actie. Niets hier meet of WeMM-Video-9B specifiek goed is in die taak ten opzichte van de eigen outputs van Wan 3.0 — niemand heeft het uitgevoerd. Het framebudget van acht seconden is de beperking die je eerst moet testen, want als je clips dertig seconden zijn, kijkt de reviewer naar een kwart van elke clip.
Wat zou het antwoord veranderen
Drie dateerbare zaken, in volgorde van hoeveel ze de aanbeveling zouden beïnvloeden.
Een onafhankelijke score voor WeMM-Video-9B. Eén enkele vermelding in Artificial Analysis, of één arenaresultaat van een partij die niet dezelfde werkgever heeft als de auteurs, zou de bovenstaande tabel van een bewering in een meting veranderen. Tot dan is de eerlijke lezing dat een 10,49B-checkpoint met een 9B-backbone op de eigen benchmarks van Tencent bijna net zo goed scoort als zijn eigen 35B-A3B-vlaggenschip, en dat is alles wat er gezegd kan worden.
Een gehost endpoint. Het model vereist een gepatchte runtime, aangepaste code en een residente voetafdruk van 13 tot 20 GiB; op de dag dat een provider het achter een API aanbiedt, is de prijsvergelijking in dit artikel geen categoriefout meer, maar wordt het simpelweg rekenen.
Een recept dat de gedeclareerde context gebruikt. Het checkpoint claimt al 262.144 posities. Als Tencent een servingprofiel uitbrengt dat de framelimiet verhoogt en daar ook daadwerkelijk gebruik van maakt, wordt de standaardwaarde van acht seconden een configuratiedetail in plaats van een plafond — en is de 9B geen steekproefcontroleur meer voor korte opnames.
Voorlopig is de tweedeling helder. Kies Wan 3.0 wanneer je beeldmateriaal nodig hebt; het is gelanceerd, geprijsd, staat bovenaan twee onafhankelijke ranglijsten en is van de twee de enige die je vanmiddag kunt aanroepen. Kies WeMM-Video-9Bwanneer je een model nodig hebt dat de soundtrack net zo goed hoort als het de frames ziet, je een kaart kunt missen, en je bereid bent de eerste te zijn die ontdekt of het recept van acht seconden een standaardwaarde of een limiet is. De twee concurreren niet om dezelfde beslissing.
Vergeleken in dit artikel2
Herkend uit dit artikel · Benchmarks: Artificial Analysis · dagelijks bijgewerkt
