Cartão de título com o texto 'WeMM-Video-9B vs FLUX 3 Video' e o subtítulo 'Quem cobra pelo quê', dois painéis separados por um disco 'vs': o da esquerda com a etiqueta 'somente pesos' e listando 9B parâmetros densos, 19,54 GiB de shards BF16 e um limite de 128 quadros; o da direita com a etiqueta 'cobrado por uso' e listando Elo 1.137 no AA-Video-T2V v2.1 e US$ 17,40 por minuto.
Guides & Insights

WeMM-Video-9B vs FLUX 3 Video: Quem cobra o quê

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

Two models with video in their name, and only one of them will ever hand you a video. FLUX 3 Video, from Black Forest Labs, went to general availability on 4 August 2026 and sells seconds of finished 1080p footage at a published rate. WeMM-Video-9B, from T​encent's WeChat Vision group, went up on 17 November 2026 as a 19.54 GiB Apache-2.0 checkpoint that reads footage and writes sentences about it. Nobody announced it — no blog post, no pricing page, no demo, no board entry — which is why the useful question here is not which model is better. It is which of the two invoices you are trying to reduce.

Essa reformulação não é uma esquiva. Uma comparação entre um gerador e um descritor só é honesta se você disser desde o início que eles não são substitutos e, em seguida, procurar os pontos em que eles realmente se tocam: custo por unidade de trabalho, o limite máximo de quanto de um clipe cada um vai analisar e quanto de qualquer uma das alegações foi verificado por alguém que não trabalha na empresa.

Duas categorias de produtos, não dois concorrentes

O FLUX 3 Video recebe um prompt de texto, uma imagem estática ou um clipe de origem e retorna novas filmagens. A Black Forest Labs documenta texto para vídeo, imagem para vídeo, vídeo para vídeo, condicionamento por keyframe e continuação, com saída de até vinte segundos em MP4 1080p SDR, com áudio sincronizado gerado na mesma passada. Não é de pesos abertos. Não há checkpoint para baixar nem licença que permita executá-lo no seu próprio hardware; você o aluga.

O WeMM-Video-9B recebe quadros, além da trilha sonora original, além de áudio independente, além de imagens, além de texto, e retorna texto em inglês ou chinês. É Apache 2.0 com uma exceção de terceiros que a ficha do modelo não detalha. Há um checkpoint, cinco fragmentos BF16 dele, e nenhum endpoint hospedado que alguém tenha encontrado.

• Direção — FLUX 3 Video: texto ou imagem na entrada, vídeo na saída. WeMM-Video-9B: vídeo e áudio na entrada, texto na saída.

• Parâmetros — FLUX 3 Video: não publicado. WeMM-Video-9B: backbone de linguagem denso de 9B, 10.488.603.384 no total em 1.305 tensores.

• Teto — FLUX 3 Video: vinte segundos de saída. WeMM-Video-9B: dezesseis quadros amostrados e 8.192 tokens de entrada, como enviado.

• Acesso — FLUX 3 Video: API com cobrança por uso. WeMM-Video-9B: baixe e hospede por conta própria, com um overlay vLLM ou SGLang.

Two-column contrast headed 'WeMM-Video-9B vs FLUX 3 Video', the left listing 10.49B parameters, 16 sampled frames in, text out and Apache 2.0, the right listing Elo 1,137 on AA-Video-T2V v2.1, up to 20 seconds and $17.40 per minute, with a footer reading 'Artificial Analysis figures read 20 November 2026; WeMM-Video-9B figures vendor-reported.'

Lendo os $17,40

A Artificial Analysis precifica o FLUX 3 Video em US$ 17,40 por minuto nos dois rankings em que ele aparece, e essa consistência merece uma pausa, porque é o único número neste artigo sobre o qual ambos os lados do mercado concordam.

A tabela por segundo na documentação da Black Forest Labs é mais granular e menos lisonjeira: $0.15 por segundo para HD, $0.24 para Full HD, $0.28 para QHD e $0.41 para UHD em texto ou imagem para vídeo, com uma escala separada e mais alta para vídeo para vídeo, a $0.21, $0.27, $0.31 e $0.45, e um nível Draft a $0.06. O FAQ da página do modelo ainda cita $0.17, $0.29, $0.40 e $0.80 para os mesmos quatro níveis. Dois documentos do mesmo fornecedor, ambos ativos, divergindo em até um fator de dois no extremo superior. Faça o orçamento com base na tabela por segundo e mantenha o FAQ como evidência de que páginas de preços apodrecem.

É aqui que uma camada de roteamento se justifica em vez de apenas enfeitar a peça. O OrcaRouter repassa o preço de tabela do provedor com 0% de margem, então quando um fornecedor revisa uma tabela de preços — ou publica duas que se contradizem — o valor que você paga acompanha o valor que eles publicam, não uma cópia em cache de um revendedor. Para uma carga de trabalho cobrada por segundo em quatro níveis de resolução, essa é a diferença entre um modelo de custo que sobrevive a uma mudança de preço e um que se desvia silenciosamente.

O que significam os números no quadro

O FLUX 3 Video é classificado duas vezes, em dois instrumentos que não se convertem entre si.

• AA-Video-T2V v2.1 — 10º no Elo 1.137 ±13 em 7.406 amostras, julho de 2026, US$ 17,40 por minuto.

• AA-Video-I2V v2.1 — 16º com Elo 1.069 ±14 em 6.838 amostras, mesmo preço. Sua versão maior, FLUX 3 Video Max, está em 7º em texto para vídeo com 1.151 e em 17º em imagem para vídeo com 1.068, a US$ 8,70 por minuto.

Sessenta e oito pontos separam as linhas de texto para vídeo e de imagem para vídeo — o equivalente a cinco intervalos —, o que é o fato mais útil sobre um modelo avaliado em duas tabelas de classificação: sua posição é uma afirmação sobre a tarefa, não sobre o modelo. Nenhuma das tabelas tem uma linha para o WeMM-Video-9B, e nenhuma jamais terá, porque ambas classificam material gerado e o WeMM-Video-9B não gera nenhum. Isso não é uma pontuação baixa. É uma célula vazia.

Screenshot of the Artificial Analysis text-to-video leaderboard, AA-Video-T2V v2.1, showing ranked rows with Elo, confidence interval, sample counts, release month and per-minute pricing, with FLUX 3 Video at rank 10 on Elo 1,137 over 7,406 samples at $17.40 per minute and FLUX 3 Video Max at rank 7 on 1,151.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 cost per minute, including FLUX 3 Video at Elo 1,069 and FLUX 3 Video Max at 1,068.

O que dezesseis quadros não podem ver

A configuração entregue do WeMM-Video-9B é a parte do repositório com maior probabilidade de decepcionar alguém que folheou o artigo rapidamente. Os padrões do processador permitem 2 quadros por segundo, um mínimo de 4 quadros, um máximo de 128 quadros e um orçamento de 100.663.296 pixels. A receita do vLLM que acompanha o repositório substitui tudo isso por 2 fps, 16 quadros e 262.144 pixels, amostrados em torno do ponto médio do clipe. Dezesseis quadros a 2 fps equivalem a oito segundos de cobertura, e a amostragem começa no meio, então o início e o fim de um clipe mais longo simplesmente não estão na entrada.

Todo comando de serving também passa um comprimento de contexto de 8.192 tokens. A dez tokens de áudio por segundo, a torre de áudio consegue armazenar aproximadamente treze minutos de som; o lado de vídeo esgota muito antes. A arquitetura suporta 262.144 embeddings de posição, então o teto é uma escolha de receita, e não um limite rígido — mas é a escolha que o fornecedor entregou, e é a que você obtém se seguir as instruções.

Em comparação com a saída de vinte segundos do FLUX 3 Video, isso é uma incompatibilidade nas duas direções. Vinte segundos de filmagem gerada é mais do que oito segundos de observação. Se seu pipeline gera e depois descreve, o descritor está amostrando uma fração do que o gerador produziu, e fechar essa lacuna é um trabalho de configuração que você mesmo precisa fazer.

A lacuna de evidências é assimétrica

O FLUX 3 Video tem duas linhas Elo independentes e um preço. O que ele não tem é uma verificação de terceiros sobre o marketing: a página do FLUX 3 Max afirma "vídeo de 10 segundos em 12 segundos", "22x mais rápido que o Seedance 2.5" e um empate em primeiro lugar em imagem para vídeo, sem um ranking nomeado, sem linha de preço do Max no cartão por segundo e sem endpoint do Max. Essas são alegações do fornecedor e devem ser lidas como tal.

O WeMM-Video-9B tem o problema oposto. Sua tabela de benchmarks é detalhada — Video-MME com áudio 85,1 contra 77,3 do Qwen3-Omni-30B-A3B-Instruct, Daily-Omni 83,6 contra 70,7, SciVideoBench 64,2 contra 49,9, OmniReasoningBench 43,9 contra 24,1, com uma única perda no FutureOmni, 53,7 contra 55,1 — e nada disso foi reproduzido fora do próprio harness de avaliação dos autores. O artigo revela isto: "resultados oficiais quando disponíveis e nossas próprias avaliações nos demais casos." Essa frase carrega muito peso, e a contagem de downloads zero em todos os dezenove repositórios WeMM-Video três dias após a publicação sugere que ninguém começou a verificar.

A decisão, em uma linha cada

Compre o FLUX 3 Video se você precisa de footage e US$ 17,40 por minuto é aceitável diante de um ranking em que ele ocupa o 10º lugar em texto para vídeo e o 16º em imagem para vídeo. Você obtém uma API documentada, um preço publicado e uma pontuação independente, e abre mão da possibilidade de executá-lo por conta própria.

Baixe o WeMM-Video-9B se precisar de uma descrição de filmagem que você já tem e puder carregar um checkpoint de 19,54 GiB mais um runtime corrigido. Você obtém um descritor 9B com fortes métricas audiovisuais e licença Apache-2.0, e abre mão de verificação independente, de um contrato de serviço e de qualquer garantia sobre quanto de um clipe longo ele realmente examinará.

O que você não deve fazer é tratar os $17.40 e o download gratuito como o mesmo item de linha. Um é uma tarifa. O outro é um lançamento de pesquisa cujo custo real aparece depois, em horas de integração e na ausência de uma segunda opinião.