
WeMM-Video-9B vs FLUX 3 Video: Quem cobra o quê
- OrcaNOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 182 tok/s
- tencentNOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 366 tok/s
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 87 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 147 tok/s
- orcaNOVOOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 92 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 110 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
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 Tencent'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.

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.


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.
