Плоский векторный hero-баннер на угольно-сером фоне с заголовком WeMM-Video-35B-A3B vs Runway Gen-4.5 и подзаголовком «две недостающие строки»: вертикальная колонка грифельных рейтинговых полос разной ширины с небольшими квадратными маркерами рядом с ними, две позиции оставлены как пустые слоты с пунктирным контуром, сквозь которые виден фон, и пунктирный разделитель.
Engineering & Research

WeMM-Video-35B-A3B против Runway Gen-4.5: две недостающие строки

Автор

jinhao.song

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

В таблице лидеров Artificial Analysis в категории text-to-video по состоянию на 20 ноября 2026 года тридцать пять строк, и ни Runway Gen-4.5, ни WeMM-Video-35B-A3Bсреди них нет. Эти два отсутствия — не одно и то же. Gen-4.5 возглавил эту таблицу 1 декабря 2025 года — 1 247 Elo, впереди Veo 3 с 1 226, Kling 2.5 с 1 225 и Sora 2 Pro с 1 206 — в анонсовом посте, который Runway публикует до сих пор. WeMM-Video-35B-A3B вообще никогда не было ни в одной таблице: веса Apache-2.0, выложенные на Hugging Face в 03:57 UTC тем же утром, технический отчёт, поданный днём ранее, и ничего от Tencent, похожего на анонс.

Итак, с одной стороны — вышедшая из употребления корона и отсутствие текущей строки, а с другой — ни короны, ни строки, ни стороннего номера какого бы то ни было рода. Странная пара для построения сравнения, и честная её версия уже, чем рейтинг. Чего на самом деле стоит запись в таблице, когда поле уже ушло дальше неё? Что каждая сторона публикует такого, что читатель может проверить сегодня? И какая из двух возвращает файл, который можно положить перед клиентом?

Корона — не ряд.

Заявление на старте конкретно, имеет источник и по-прежнему актуально. На собственной исследовательской странице Runway, посвящённой Gen-4.5, указано, что модель заняла первое место в бенчмарке текст-в-видео от Artificial Analysis с результатом 1 247 Elo, причём названы три модели, которые она обошла. Это настоящая ссылка на третью сторону, сделанная поставщиком в тот момент, когда сравнение было свежим. Это также последнее похожее на независимое число, которое Runway опубликовала для этой модели.

Его нельзя поставить рядом с сегодняшней таблицей без арифметики, которую никто не публиковал. Artificial Analysis заново привязывает свои шкалы Elo между версиями рейтинга: текущий рейтинг AA-Video-T2V V2.1 фиксирует Kling 3.0 1080p (Pro) ровно на 1,000 как точку отсчёта, ранжирует всё остальное относительно неё и печатает 95%-й интервал в каждой строке. По состоянию на 20 ноября 2026 г. лидер — Wan 3.0 с 1,176 при 8,243 голосах, а якорь занимает 23-е место. Показатель 1,247 за декабрь 2025 г. был измерен относительно другого якоря, другого набора промптов и другого поля; если вставить его в эту таблицу, это подразумевало бы точность, которой у двух измерений нет.

То, что можно проверить, — это присутствие, а у присутствия есть форма. Во всех трёх видеотабло арены при одном и том же срезе — текст-в-видео, изображение-в-видео и видеомонтаж — единственная строка с логотипом Runway принадлежит Aleph 2.0, модели компании для редактирования в контексте, занимающей 11-е место на табло видеомонтажа с 1 007 Elo при 23 082 голосах. Gen-4.5 есть в каталоге Runway и доступна для вызова сегодня днём; её нет в текущем списке арены. Уход модели из таблицы лидеров убирает маркетинговый артефакт, а не способность, — а модель, никогда в неё не входившая, никогда не имела артефакта, который можно потерять.

A tall headless screenshot of the Artificial Analysis AA-Video-T2V V2.1 leaderboard as read on 20 November 2026, listing thirty-five ranked text-to-video models with Elo scores, 95% intervals, sample counts and per-minute prices, from Wan 3.0 at 1,176 over 8,243 samples down to Boreal at 827, with Kling 3.0 1080p (Pro) fixed at 1,000 as the board anchor, Veo 3.1 at 963 and $24.00 a minute in 26th place, and no Runway row anywhere on the list.

Что каталог всё же говорит

Документация Runway для разработчиков откровеннее, чем её страница исследований. Идентификатор gen4.5 присутствует в Runway Dev с 10 февраля 2026 года, генерирует от двух до десяти секунд за запрос из текста или из неподвижного изображения и тарифицируется по 12 кредитов в секунду — $0.12 по тарифу портала в один цент за кредит. Это фиксированная ставка за секунду, которая превращает бюджет съёмки в умножение, а не в симуляцию, и это самое полезное, что есть на странице.

Именно на этапе вывода лестница раскрывается. Вывод ProRes и PNG-последовательностей добавляет 5 кредитов в секунду к 12. Профили с глубиной 10 бит и выше, включая кадры OpenEXR с половинной точностью, добавляют 20, а когда выход превышает примерно четыре мегапикселя, ставка возрастает до 40. Мастер-файлы HDR10, HLG, 12-битные PQ и бит-точные 16-битные PNG-последовательности доступны для gen4.5 с 20 августа 2026 года, с грейдингом в BT.2020 и измеренными метаданными HDR10, а не с последующим тональным отображением. Ничего из этого не относится к разрешению генерации — это то, во что рендер упаковывается при выводе.

• Статус — Gen-4.5: коммерческий продукт с 1 декабря 2025 года, API с 10 февраля 2026 года, в текущем рейтинге арены не значится. WeMM-Video-35B-A3B: веса на Hub, ноль загрузок, без анонса, никогда не попадал в таблицу.

• Направление — Gen-4.5: на входе текст или изображение, на выходе MP4, ProRes, последовательность PNG или EXR. WeMM: на входе кадры и звуковая дорожка, на выходе текст.

• Shape — Gen-4.5: от двух до десяти секунд, одна генерация на запрос, оплата за секунду выходных данных. WeMM: совместный контекст на 8 192 токена, шестнадцать кадров, отбираемых на клип, цена в гигабайтах резидентных весов.

• Цена — Gen-4.5: 12 кредитов, $0,12 за сгенерированную секунду, плюс 5 за ProRes или PNG и от 20 до 40 за более глубокий цвет. WeMM: 67,39 ГиБ в BF16 или 24,11 ГиБ в NVFP4, а также графические процессоры, чтобы это вместить.

Потолок, записанный во флагах оболочки

Расхождение начинается с того, где именно каждый обрезает, но заканчивается тем, можно ли отыскать это число. Runway месяцами публиковал свои ограничения: от двух до десяти секунд, четыре ступени выходных данных, тариф за секунду. Tencent опубликовал конфигурацию и выпустил команды, которые ей противоречат. В конфигурации указано 262 144 позиции; во всех вызовах указано --max-model-len 8192, как в vLLM, так и в SGLang. Между 8 192 и 262 144 нет поддерживаемой середины. Длинное число — это запас, а флаги обслуживания — это продукт.

Преобразуйте — и это перестанет быть абстрактным. Десять аудиотокенов в секунду — стек в духе Whisper, 32 слоя энкодера и 32 слоя декодера при ширине 1 280, затем Q-Former оконного уровня при ширине 4 104 — помещает около тринадцати минут звуковой дорожки в 8 192 токена, и это ещё до того, как учтён хотя бы один кадр, инструкция или ответ.

Теперь о бюджете кадров. По умолчанию процессор использует 2 кадра/с и до 128 кадров; рецепт обслуживания заменяет оба значения на 16 кадров в рамках бюджета в 262 144 пикселя. На десятисекундном клипе это даёт менее двух кадров в секунду: точную запись комнаты и набросок того, как комната выглядела. Нигде не указано, какие кадры использовались в собственных таблицах отчёта, поэтому разрыв между его оценками и вашей конфигурацией — это число, которое вы не можете вычислить.

Что можно изменить с помощью контрольной точки

Здесь эти два подхода расходятся принципиально. Ступенчатые варианты вывода Runway, её базовая ставка в 12 кредитов и окно от двух до десяти секунд — это продуктовые решения; вы либо покупаете пакет, либо нет. Окно WeMM в 8 192 токена — это серверный флаг, рецепт WeMM на 16 кадров — строка в shell-команде, а квантование — выбор между 67.39 GiB BF16, 22.69 GiB AWQ W4A16 и 24.11 GiB NVFP4. Все три можно менять — на собственном оборудовании и с любой задержкой, которую вы можете себе позволить.

Единственное, чего загрузка вам не даёт, — это поддерживаемый движок. Tencent не влил архитектуру в upstream; вместо этого он приложил diff. patch — это каталог, содержащий оверлей для каждой поддерживаемой версии — vLLM 0.18.0, vLLM 0.31.0, SGLang 0.5.16, SGLang 0.5.19, и никаких других — с манифестом SHA-256 рядом с каждым, а поверхность совместимости под ним достаточно узка, чтобы быть хрупкой: один инструментарий CUDA 12.9, одна сборка PyTorch, одна сборка Transformers, Python 3.12, FFmpeg в PATH, и первый запуск SGLang, который компилирует ядра, прежде чем ответить хоть на что-то. Принесите версию, которой нет в списке, и порт ваш. Референсный запуск Tencent распределил BF16 по двум H20; сборка NVFP4 помещается на одну карту 48 ГБ при --max-num-seqs 1.

Вес — это артефакт задачи. Hugging Face насчитывает 36 177 564 536 параметров в шардах BF16, из которых подавляющую долю занимают маршрутизируемые эксперты — 40 слоёв × 256 экспертов при промежуточной ширине 512, выбор top-8, плюс общий эксперт шириной 512, через который проходит каждый токен — тогда как на каждый токен задействуется около 1,0 млрд. Почти 36 млрд ёмкости удерживается в памяти, 3 млрд арифметики расходуется. Чтение видео вместо его рендеринга означает, что приходится платить за хранение знаний, к которым прямой проход обращается редко.

A headless screenshot of the Hugging Face file listing for Tencent/WeMM-Video-35BA3B showing the Image-Text-to-Text tag, English and Chinese language tags, the arxiv:2611.26409 and apache-2.0 badges, the wemm_qwen3_5_moe architecture, LICENSE and SHA256SUMS files, a repository history of four commits, and BF16 safetensors shards from model-00001-of-00017 at 4.33 GB onward, uploaded about four hours earlier.

У расшифровок нет предустановки экспорта

Разница в конечном результате должна определять покупку раньше, чем любой бенчмарк. Runway продаёт готовый файл в редактируемом промежуточном формате: ProRes для цветокоррекции, PNG или EXR для композитинга, прикреплённые метаданные HDR, редактор в придачу. WeMM-Video-35B-A3B не продаёт ничего подобного. На выходе получается абзац — описание того, что произошло, кто говорил и что было сказано, — который попадает в индекс, очередь модерации, отчёт QA или поисковую строку, а не на таймлайн.

В отчёте Tencent утверждается, что эта модель — лучшая среди доступных моделей с открытыми весами. В сравнении с Qwen3.5-Omni-Flash она набирает 86,4 против 79,3 в Video-MME с аудио и 54,9 против 36,6 в Video-MME v2 с аудио; против собственной базовой модели, Qwen3.6-35B-A3B, она выигрывает в 20 из 31 бенчмарка беззвучного видео. Она также проигрывает — JointAVBench 65,9 против 69,0, MUSIC-AVQA 79,5 против 82,1, EgoSchema 74,2 против 77,2. Все показатели — от разработчика, отчёт прямо об этом говорит, и он переключается между режимами Instruct и Thinking таблица за таблицей по мере раскрытия данных. Ни одна третья сторона не воспроизвела ничего из этого. Сделать утверждение проверяемым могли бы слияние в upstream vLLM, положившее конец патчам, и первый независимый запуск на Video-MME v2 с аудио.

В отчёте также утверждается, что это семейство «развёрнуто в нескольких ключевых видеосервисах WeChat», с указанием на торговлю в прямых эфирах, анализ короткометражных драм и интерактивное видео. Это самое сильное утверждение о внедрении в данном материале и при этом наименее проверяемое: ни в релизе нигде не приводится ни показателей задержки, ни пропускной способности, ни конкурентности, ни объёма памяти. Это фраза, которую можно процитировать, но нельзя проверить.

A stacked flat vector evidence card on a charcoal background headed What each side has on the record: the bone-white Runway Gen-4.5 panel reads no row on any of the three AA video boards, 1,247 Elo at launch on 1 December 2025, 1,000 as the board anchor has since moved, and an API since 10 February 2026; the muted teal WeMM-Video-35B-A3B panel reads no entry on Artificial Analysis or LMArena, benchmarks reported by Tencent only, no third-party reproduction, and weights committed 20 November 2026. A grey footer reads 'Boards read 20 November 2026; the two absences are not the same absence.'

Где расшифровка подходит студии

{{1}}Соедините эти две части — и пайплайн сложится сам собой, хотя никто его не публиковал: отрендерите кадр, а затем пусть что-то прочитает результат рендера обратно — появился ли продукт, совпал ли диалог со сценарием, безопасно ли публиковать этот клип.{{/1}} Runway не продаёт вторую половину. {{2}Самостоятельно размещённый чекпоинт WeMM мог бы это сделать — ценой загрузки 67 GiB и наложения исходников.{{/2}}

Для той половины, которую можно получить на этой неделе, backbone — разумная отправная точка. Qwen3.6-35B-A3B — это модель, на которой была построена WeMM-Video-35B-A3B, как указано в отчёте, и она доступна на OrcaRouter за $0,25 за миллион входных токенов и $1,48 за миллион выходных при контексте 262 144 токена с вводом текста, изображений и видео. У неё нет аудиостека, поэтому она не может сказать, кто говорил. Она может сказать, содержит ли кадр то, что запрашивалось в промпте, на тех же клипах, которые вы рендерите, уже сегодня.

OrcaRouter не обслуживает ни Gen-4.5, ни WeMM-Video-35B-A3B, и основной текст этой статьи был бы ложью, если бы утверждал обратное. Платформа даёт вам инструментарий для сравнения: один ключ, совместимый с OpenAI, цена провайдера по прайс-листу передаётся с наценкой 0%, и автоматическое переключение при сбое, когда конечная точка деградирует. Также обратите внимание, что Gen-4.5 выставляет счета в кредитах по подписке, а не в токенах; это не единица, которую роутер может нормализовать — кредит является счётчиком, и счётчик принадлежит Runway.

Выбирайте по результату, а не по рангу.

Выбирайте Runway Gen-4.5, когда результат должен покинуть пределы компании в виде файла: кадр длительностью от двух до десяти секунд, сдаваемый в ProRes, последовательности PNG или HDR с прикреплёнными метаданными, в монтажном редакторе, который поддерживает кто-то другой. Учитывайте, что цифра на странице его запуска почти годовалая и была измерена на табло, где его больше не числят, что цветовые лестницы за 20–40 кредитов быстро накапливаются и что тариф фиксированный, поскольку пакет фиксирован.

Берите WeMM-Video-35B-A3B, когда на выходе получается описание видеоматериала, а не сам видеоматериал, когда Apache 2.0 важен для юридической проверки и когда вы предпочтёте сдвинуть потолок флагом, а не оформить запрос на новую функцию. Приступайте, зная, что весам несколько дней, что каждый показатель качества, привязанный к ним, принадлежит команде, обучившей модель, что три из четырёх квантованных вариантов называют себя непроверенными и что установка представляет собой слой патчей поверх движка вывода, в который эта архитектура ещё не влита.

Две строки отсутствуют на табло по противоположным причинам, и ни одно из этих отсутствий не является приговором. Одну модель измерили, короновали, а затем в результате перепривязки убрали из списка; другую же никогда не измерял никто, кто её не обучал. Сравнение, построенное на этом, должно касаться того, что каждая сторона позволяет вам делать и что каждая из них возвращает, — потому что табло, на этот раз, действительно пусто с обеих сторон.