
WeMM-Video-4B vs FLUX 3 Video: распознать клип или создать свой
- OrcaНОВИНКАOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 за 1 млн токенов · 182 tok/s
- tencentНОВИНКАTencent: Hy4 Flash2026-11-16$0.02 / $0.07 за 1 млн токенов · 356 tok/s
- GoogleНОВИНКАGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 за 1 млн токенов · 87 tok/s
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 147 tok/s
- orcaНОВИНКАOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 за 1 млн токенов · 92 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 за 1 млн токенов · 81 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 за 1 млн токенов · 117 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 за 1 млн токенов · 110 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 за 1 млн токенов · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Интеллект
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 за 1 млн токенов · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 за 1 млн токенов · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Интеллект
Самый быстрый способ впустую потратить полдня — это сравнить WeMM-Video-4B с FLUX 3 Video по качеству. У одного из них есть число, а у другого нет, и это число — не оценка качества, а цена. FLUX 3 Video от Black Forest Labs стал общедоступным 4 августа 2026 года с опубликованной ценой за минуту и строками в обеих видеотаблицах Artificial Analysis. WeMM-Video-4B от группы WeChat Vision компании Tencent появился 17 ноября 2026 года в виде десяти с половиной гигабайт весов Apache-2.0 — без эндпоинта, без цены и вообще без записи в таблице лидеров. Вы выбираете между платным генератором с тарификацией и бесплатным описателем, и честное сравнение состоит в том, чего именно не хватает вашему конвейеру.
Остальная часть статьи разграничивает три вида фактов: то, что утверждают репозитории и два совета, то, что поставщики заявляют в собственных статьях и документации, и то, что никто за пределами обеих лабораторий не проверял. По состоянию на 20 ноября 2026 года на эту третью категорию приходится большая часть интересного материала.
Один входит в два совета, а другой — ни в один.
Artificial Analysis оценивает FLUX 3 Video дважды, причём эти две оценки относятся к разным шкалам, поэтому ни одна из них не переносится на другую.
• AA-Video-T2V v2.1 — FLUX 3 Video занимает 10-е место, Elo 1,137 ±13 по 7,406 голосам, указана цена $17.40 за минуту. Более крупная FLUX 3 Video Max занимает 7-е место с показателем 1,151 ±14 по 4,708 голосам по $8.70 за минуту — необычный случай, когда более крупная модель оказывается дешевле в рейтинге.
• AA-Video-I2V v2.1 — FLUX 3 Video на 16-м месте с результатом 1 069 ±14 по итогам 6 838 голосов, при той же цене $17,40. FLUX 3 Video Max — на 17-м месте с результатом 1 068 ±14 по итогам 6 848 голосов при цене $8,70.
• WeMM-Video-4B — ни в одной из таблиц нет строки, и нет строки в таблице видеомонтажа. Это не пропущенное измерение; её нельзя внести. Видеотаблицы AA ранжируют сгенерированные видеоматериалы, а WeMM-Video-4B не генерирует ни одного.
Читайте интервалы, а не ранги. Шестьдесят восемь баллов разделяют два места FLUX 3 Video в таблицах текст-в-видео и изображение-в-видео — это пять интервалов, — и в этом заключается полезный факт о модели, оценённой по двум инструментам, которые не переводятся друг в друга: перед нами компетентный генератор, чья позиция зависит от того, какую задачу ему поставить. Это пусть скромное, но реальное независимое измерение — и это больше того, что есть у другой стороны этого противостояния.
Что можно купить за $17.40 в минуту
FLUX 3 Video — мультимодальный генератор с более широким списком входных данных, чем показывает любая отдельная строка таблицы. Текстовые промпты, неподвижное изображение в качестве первого кадра, видео для video-to-video и продолжения, а также ключевые кадры для управляемых переходов. Длительность — до 20 секунд за одну генерацию, при этом 5–20 секунд для text-to-video и image-to-video и 5–15 для продолжения. Разрешение продаётся диапазонами пикселей, а не соотношениями сторон — HD около одного мегапикселя на кадр, FHD — два, QHD/2K — четыре, UHD/4K — восемь. Нативное аудио с многоязычными диалогами, синхронизированной речью, звуковыми эффектами и атмосферой опционально и включено в цену за секунду.
• Draft HD — 0,06 доллара за секунду. Пятисекундный тестовый клип стоит тридцать центов.
• HD / 720p — $0,17 за секунду или около $0,85 за пять секунд.
• FHD / 1080p — $0,29 за секунду. QHD/2K — $0,40, UHD/4K — $0,80.
• Видео-в-видео и продолжение — $0.12 за черновик, $0.41–$0.43 за HD, $0.53–$0.54 за FHD, $0.65 за 2K и $0.95 за 4K.
Тариф совета в $17.40 за минуту — это нормализованный показатель для 1080p, поэтому он не укладывается ровно в эту карточку. Это единица сравнения, а не чек. В нескольких сторонних сводках также сообщается, что диапазоны 2K и 4K внедряются постепенно, а не являются общедоступными, поэтому верхнюю часть карточки следует рассматривать как вопрос уровня аккаунта.
Что WeMM-Video-4B даёт вам бесплатно
Другая сторона этого сравнения ничего не стоит за вызов, и её вообще нельзя купить. WeMM-Video-4B — это 5,611,746,312 параметров — 10.45 ГиБ в BF16 — в репозитории, названном по её языковому бэкбону Qwen3.5-4B, а не по фактическому размеру. Весь смысл именно в избытке: 4.21 млрд параметров языковой модели, 0.33 млрд — визуальной башни и 1.07 млрд — аудиостека в стиле Whisper с Q-Former, выдающим 10 аудиотокенов в секунду из 16-кГц аудио фрагментами по 30 секунд.
Модель принимает текст, изображения, видео и видео с оригинальной звуковой дорожкой, а возвращает текст. В совместной аудиовизуальной таблице авторов она превосходит Qwen3-Omni-30B-A3B-Instruct на Video-MME со звуком — 83,9 против 77,3 — и на Video-MME v2 — 48,1 против 36,3. На немом видео она лидирует в LVBench — 65,3 против 50,2 — и в LongVideoBench — 74,8 против 63,5. В сравнении с Qwen3.5-Omni-Flash она проигрывает по аудиобенчмаркам — MMAU 75,2 против 80,4, MMAR 67,3 против 74,0 — и уступает по OCRBench 85,7 против 89,1 и GPQA 73,2 против 76,4.
Каждый из этих показателей — собственное измерение Tencent. В статье говорится, что она приводит официальные результаты там, где они доступны, а в остальных случаях — собственные оценки, и ни одна третья сторона не воспроизвела ни одну строку. Количество кадров, бюджеты пикселей и длина контекста для прогонов бенчмарка не указаны — а это важно, поскольку поставляемый рецепт vLLM ограничивает видео 16 кадрами и 262 144 суммарными пикселями при значении по умолчанию для процессора в 128 кадров.

Двое часов, которые никогда не встречаются
Ни одна из моделей не может заменить другую, и оба ограничения, которые делают это верным, — это бюджеты, а не возможности.
• Бюджет вывода — FLUX 3 Video создаёт до 20 секунд видеоматериала за вызов с разрешением до 4K и со звуком. WeMM-Video-4B вообще не создаёт кадров, поэтому её бюджет вывода — это бюджет токенов: 8,192 токена на запрос в текущей конфигурации, причём аудио потребляет 10 токенов в секунду до подсчёта кадров.
• Лимит входных данных — WeMM-Video-4B принимает четыре изображения, два видео и два аудиоэлемента на запрос, при 2 кадрах в секунду с ограничением в 16 кадров. FLUX 3 Video принимает промпт, один первый кадр, одно референсное видео или набор ключевых кадров и никаких аудиовходов любого рода.
• Характер затрат — FLUX 3 Video тарифицирует за каждую секунду выходного видео, поэтому затраты растут вместе с амбициями. WeMM-Video-4B тарифицирует по GPU-часу вашего собственного оборудования, поэтому затраты зависят от размера батча и не зависят от длительности исходного клипа — только от того, сколько кадров сохраняется после сэмплирования.
• Лицензия — Apache 2.0 для коллекции WeMM, с недетализированным исключением для сторонних компонентов; коммерческий API с хостингом на стороне FLUX, без опубликованных весов.
Проще говоря: один — это расход за каждую секунду со счётчиком, другой — фиксированные капитальные затраты с бумагой. Команда, которой нужен готовый кадр, не может использовать WeMM-Video-4B, а команда, которой нужен доступный для поиска индекс десяти тысяч существующих клипов, не может использовать FLUX 3 Video — не потому, что он дорогой, а потому, что он не умеет отвечать на вопрос о материале, который не создавал.
Звук — это та область, где сравнение даёт осечку.
FLUX 3 Video генерирует аудио. WeMM-Video-4B понимает аудио. Это разные возможности, которые звучат похоже в списке функций, и эта разница определяет выбор пайплайна.
Аудио FLUX — это результат генерации: многоязычные диалоги, синхронизированная речь, звуковые эффекты и эмбиент, опционально и включено в цену за секунду. Чего Black Forest Labs не публикует — это количество дорожек, поэтому если вам нужны диалоги, музыка и эффекты в виде отдельных стемов, ни тарифная сетка, ни документация не говорят, получите ли вы их. Заложите в бюджет второй проход в DAW.
Аудио WeMM — это входной путь: башня с 1,07 млрд параметров, которая превращает звуковую дорожку в 10 токенов в секунду и объединяет их с визуальными токенами в хронологическом порядке, с явными текстовыми временными метками. Именно это измеряют 83,9 на Video-MME с аудио и 75,2 на MMAU — насколько хорошо она слышит, а не насколько хорошо говорит.
Итак, рабочий процесс, который пишет сцену, рендерит её со звуком, а затем должен понять, действительно ли сработал диалог, требует обе половины, и ни одна модель не покрывает половину другой. Это единственное место в этом противостоянии, где две модели по-настоящему дополняют друг друга, а не просто различаются.
Вопрос маршрутизации, честно сформулированный
OrcaRouter не обслуживает ни одну из этих моделей. Эндпоинта WeMM-Video-4B не существует — в каталоге платформы вообще нет чекпоинта WeMM — и маршрута FLUX 3 Video тоже нет. FLUX 3 Video доступна через собственный API Black Forest Labs и несколько сторонних платформ; WeMM-Video-4B можно скачать вместе с пропатченным оверлеем для vLLM или SGLang, поскольку ни один из этих движков не поддерживает эту архитектуру в upstream.
Что платформа действительно охватывает — так это текстовый слой, окружающий любой из этих рабочих процессов, и в этом сравнении полезной частью является слияние моделей, а не просто маршрутизация. Решение «стоит ли сохранять этот клип» — это вопрос суждения, и объединённый вызов, который ставит дешёвый классификатор и дорогую модель-рассуждатель на один и тот же промпт, может вынести его за долю стоимости запуска дорогой модели на каждом кандидате. Это работает на одном ключе, совместимом с OpenAI для более чем 200 моделей, по прайс-листовым ценам провайдеров с наценкой 0%, поэтому когда поставщик снижает цену, снижение действует в тот же день, а не в следующем расчётном периоде. Что касается конкретно vision-части работы WeMM, Qwen3-VL-235B-A22B-Thinking и Qwen3-VL-8B-Thinking обе принимают изображения и видеокадры и уже доступны на платформе сегодня — это обходной путь вокруг отсутствующей omni-модели, а не замена её аудиобашни.


Что бы это на самом деле решило?
Три события позволили бы вывести это сравнение из той основанной на данных поставщиков плоскости, на которой оно сейчас находится.
Во-первых, запись WeMM-Video-4B в любом независимом лидерборде. Её нет, и причина структурная, а не конспирологическая: видео-лидерборды AA ранжируют сгенерированные материалы, а модель понимания нельзя заявить. Омнимодальная арена понимания видео — недостающий инструмент, и пока её не существует, каждая цифра WeMM — это лишь слово Tencent.
Во-вторых, релиз весов FLUX 3 Video. Black Forest Labs известна своей репутацией открытых релизов, а у этого чекпоинта нет лицензии для скачивания, поэтому сейчас сравнение идёт между открытой и закрытой моделью — и эту разницу не отражает ни одна строка бенчмарка.
В-третьих, цена хостинга для семейства WeMM. Если совместимый хостинг-провайдер начнёт предоставлять эти веса по прайс-листовой цене провайдера с переданной нулевой наценкой, экономическая сторона этой статьи изменится в течение недели. Это условие, а не текущий факт, и ничто здесь не должно восприниматься как утверждение, что мы его хостим.
Какой из них вам на самом деле нужен
Если требуемый результат — видеоматериал, FLUX 3 Video — единственный из двух, кто может его создать, и решение сводится к тому, приемлема ли цена $0,17 за секунду для 720p по сравнению с альтернативными генераторами в том же рейтинге, — а при 10-м месте в категории text-to-video его цена находится в середине диапазона.
Если результат — это утверждение о видеоматериале, который у вас уже есть, то WeMM-Video-4B — единственный из двух, способный его сформировать, и решение сводится к тому, сможете ли вы задействовать оверлей исходников для vLLM или SGLang и чекпоинт на 10.45 GiB, чтобы получить описатель класса 4B с необычно хорошими показателями на длинных видео.
Ловушка — считать $17.40 и $0.00 одной и той же величиной. Первое — тарифицируемая ставка за услугу; второе — отсутствие услуги. WeMM-Video-4B бесплатен так же, как бесплатен исследовательский релиз: вы платите интеграцией, непроверенными GGUF-пакетами и отсутствием чьего-либо мнения о том, работает ли это.
Сравнение в этой статье1
Определено по этой статье
