
WeMM-Video-9B kontra Hailuo 2.3: Sześć sekund ciszy
- OrcaNOWOŚĆOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 za 1 mln tokenów · 182 tok/s
- tencentNOWOŚĆTencent: Hy4 Flash2026-11-16$0.02 / $0.07 za 1 mln tokenów · 366 tok/s
- GoogleNOWOŚĆGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 za 1 mln tokenów · 87 tok/s
- AnthropicNOWOŚĆAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 za 1 mln tokenów · 147 tok/s
- orcaNOWOŚĆOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 92 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 za 1 mln tokenów · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 za 1 mln tokenów · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 za 1 mln tokenów · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 110 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencja
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 za 1 mln tokenów · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 za 1 mln tokenów · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencja
Both of these models will let you down in exactly one place, and it is the same place. Hailuo 2.3 produces six seconds of 1080p video and no sound at all. WeMM-Video-9B reads sixteen sampled frames of video, which at the shipped sampling rate is about eight seconds of coverage, and returns text. Neither one is a general-purpose video system, and neither is on a leaderboard you can point at. MiniMax shipped Hailuo 2.3 in April 2026 and has since moved on to a model that does appear on those boards; Tencent's WeChat Vision group put WeMM-Video-9B on Hugging Face on 17 November 2026 with no announcement, no endpoint and no price. That leaves two releases that are each, in their own way, a bounded tool — and the boundary is the interesting part.
A note on sourcing before anything else, because this piece leans on it. The Hailuo 2.3 numbers come from MiniMax's own pricing and documentation plus third-party per-second trackers, since the model has no independent Elo. The WeMM-Video-9B numbers come from the repository manifests, the model card and arXiv 2611.26409. Nothing here has been reproduced outside the labs that published it, and where a figure is vendor-reported the text says so.
Te sześć sekund nie jest wartością domyślną
Limit czasu trwania w Hailuo 2.3 to wyuczona właściwość, a nie ustawienie. Sześć sekund przy 1080p. Dziesięć sekund, jeśli zejdziesz do 768p. Nie ma warunkowania na klatkę końcową, więc nie możesz poprosić go, aby trafił w konkretną końcową kompozycję tak jak w przypadku modelu opartego na klatkach kluczowych, i nie ma w ogóle natywnej ścieżki audio — wynik jest niemy, a każdy dźwięk, którego chcesz, trzeba dodać później albo wygenerować osobno.
Rozliczenia opierają się na przedpłaconych punktach, a nie na publikowanej stawce za sekundę, co sprawia, że porównywanie kosztów jest trudniejsze, niż powinno być. Sześć sekund przy 768p w standardowym planie to jeden punkt; dziesięć sekund przy 768p lub sześć sekund przy 1080p to dwa. Wariant Fast wynosi około 0,7 punktu w krótkim przypadku i od 1,1 do 1,3 w długim. Zewnętrzne narzędzia śledzące, które przeliczyły to na dolary, podają około 0,08 USD za sekundę, czyli mniej więcej 0,48 USD za sześciosekundowy klip.
• Czas trwania — Hailuo 2.3: 6 s przy 1080p, 10 s przy 768p. WeMM-Video-9B: brak czasu trwania na wyjściu, ponieważ nie generuje wideo.
• Audio — Hailuo 2.3: brak, na wyjściu cisza. WeMM-Video-9B: wieża w stylu Whisper o 1,08 mld parametrów, która transkrybuje i rozumuje na podstawie dostarczonej ścieżki dźwiękowej.
• Sterowanie — Hailuo 2.3: brak warunkowania na klatce końcowej. WeMM-Video-9B: konfigurowalny zakres od 4 do 128 klatek, domyślne próbkowanie 2 fps.
Hailuo 2.3 naprawdę błyszczy w tym, o czym mówią jego użytkownicy: filmowy ruch kamery, ruch postaci i mikroekspresja oraz stylizowany, bliski animacji wygląd, który lepiej się sprawdza niż u większości modeli w zleceniach nie-fotorealistycznych. To prawdziwa mocna strona, której nie da się zmierzyć na tablicy wyników — i częściowo dlatego ten model nigdy się na żadnej nie pojawił.

Tablica nie ma wiersza dla żadnego z nich.
Odczytane 20 listopada 2026 r. wszystkie trzy tablice wideo Artificial Analysis — AA-Video-T2V v2.1, AA-Video-I2V v2.1, AA-Video-Editing v1.1 — nie zwracają nic dla Hailuo 2.3. To nie niska pozycja. Brak wpisu.
Ta nieobecność ma dwie różne przyczyny i warto je rozdzielić. WeMM-Video-9B nie podlega rankingowi: rankingi oceniają wygenerowany materiał wideo na podstawie preferencji parami, a model generujący tokeny nie ma czego zgłosić. Hailuo 2.3 teoretycznie mógłby zostać sklasyfikowany, ale nie został — materiał 1080p, który oceniający mógłby obejrzeć, brak zgłoszenia, brak wiersza z ceną, brak liczby próbek.
Zatem jedyny dowód jakościowy w tym zestawieniu znajduje się po stronie bez produktu. Praca o WeMM-Video-9B podaje, że w trybie myślenia na wspólnych testach audio-wizualnych odnosi zwycięstwa nad Qwen3-Omni-30B-A3B-Instruct w 35 z 37 wspólnych wyników — Video-MME z dźwiękiem 85,1 wobec 77,3, Daily-Omni 83,6 wobec 70,7, EvaOmni 50,7 wobec 26,1 — oraz jedną porażkę, FutureOmni 53,7 wobec 55,1. Wobec własnego backbone'u Qwen3.5-9B na niemym wideo zyskuje na F-16-NBA i TimeLens, a przegrywa na MLVU, LVBench, VideoVista i MVBench. Wszystko to pochodzi z własnego harnessu autorów, co ujawniono jako takie w pracy.

Następna generacja po Hailuo 2.3
Hailuo 2.3 is not MiniMax's current model, and pretending otherwise would be a disservice to anyone budgeting this quarter. The successor, MiniMax H3, was released on 31 July 2026 and does appear on the boards.
• AA-Video-T2V v2.1 — MiniMax H3 at 768p ranks 3rd on Elo 1,161 ±13 over 8,386 samples, listed July 2026 at $4.80 per minute.
• AA-Video-I2V v2.1 — 5. miejsce z Elo 1 134 ±14 na 6 594 próbkach, ten sam wskaźnik.
• AA-Video-Editing v1.1 — 6. miejsce przy Elo 1 126 ±10 na podstawie 9 688 próbek, 9,60 USD za minutę.
Third on text-to-video and fifth on image-to-video at $4.80 a minute is a different conversation from Hailuo 2.3's unranked, point-priced, six-second offering. If you are choosing a MiniMax model rather than comparing one, H3 has already won that argument inside the vendor's own lineup.

Dlaczego te osiem sekund ma większe znaczenie, niż się wydaje
Dostarczany przepis WeMM-Video-9B nadpisuje własne hojne wartości domyślne procesora — 2 fps, minimum 4 klatki, maksimum 128, budżet 100 663 296 pikseli — na 2 fps i 16 klatek przy 262 144 pikselach, próbkowanych w okolicach środka klipu. Szesnaście klatek przy dwóch na sekundę to osiem sekund pokrycia, a pokrycie zaczyna się w środku.
Postaw to obok sześciu sekund Hailuo 2.3, a coś się wyklaruje. Hailuo 2.3 tworzy mniej materiału, niż WeMM-Video-9B jest w stanie obejrzeć — w pewnym sensie sześciosekundowy klip Hailuo mieści się w oknie opisującego z zapasem. Ale dziesięciosekundowy tryb 768p już się nie mieści, podobnie jak cokolwiek, co wygenerujesz innym modelem i przekażesz WeMM-Video-9B do przeglądu. Wideo w potoku ma limit około ośmiu sekund, podczas gdy audio pomieści około trzynastu minut przy dziesięciu tokenach na sekundę, a każde polecenie serwowania w repozytorium przekazuje długość kontekstu 8 192 tokenów, co sprawia, że ta asymetria jest wiążącym ograniczeniem.
• Jeśli generujesz — Hailuo 2.3 daje Ci sześć sekund, bez dźwięku, z intensywnym ruchem kamery i szczegółami postaci ludzkich.
• Jeśli dokonujesz przeglądu — WeMM-Video-9B daje Ci osiem sekund próbkowanych klatek oraz pełną ścieżkę audio z opisem w języku angielskim lub chińskim.
• Połączenie — sześciosekundowa cicha generacja mieści się w obu oknach, co stanowi jedyną konfigurację, w której to zestawienie jest czyste.
Failover to ta część, która nie jest teoretyczna.
Neither model is served through OrcaRouter, and that is stated here rather than buried. Hailuo 2.3 is reachable through MiniMax's own platform and several third-party platforms; WeMM-Video-9B is reachable by downloading 19.54 GiB of Apache-2.0 weights.
W potoku, który łączy generator i komponent opisujący, liczy się to, co się dzieje, gdy jedno z ogniw zawiedzie. W OrcaRouterzeprzełączanie awaryjne omija model, który ma limit zapytań lub zwraca błędy, bez konieczności przepisywania klienta przez wywołującego, a DSL routingu pozwala wyrazić to jako politykę, a nie stos logiki ponawiania. W przypadku obciążenia, w którym krok opisujący to lokalny punkt kontrolny, a krok generujący to hostowane API, hostowana połowa jest tą, która pada — a to, że przełącza się awaryjnie na porównywalny model, zamiast kończyć się niepowodzeniem zadania, jest warte więcej niż marginalna różnica w cenie.
Sześć sekund albo wystarcza, albo nie.
Jeśli sześć sekund cichego, kinowo pewnego 1080p to produkt końcowy, Hailuo 2.3 to zapewnia, a jedyne naprawdę istotne pytanie brzmi, czy cena w punktach bije alternatywy rozliczane za sekundę przy wolumenie, którego potrzebujesz. Sprawdź poziom dziesięciu sekund w 768p, zanim ustandaryzujesz krótszy wariant; koszt w punktach się podwaja, a nie stawka za sekundę.
If the deliverable is a written account of footage, WeMM-Video-9B does that with the strongest audio-visual numbers in the family and no independent confirmation of any of them. Budget for a patched vLLM or SGLang install and for the fact that you will be the first person outside Tencent to run it in anger.
Żaden z nich nie jest ogólną platformą wideo. To dwa wąskie narzędzia z ośmiosekundową i sześciosekundową przewagą, a wybór między nimi to pytanie o to, którą przewagę możesz sobie pozwolić wykorzystać.
