Титульная карточка с надписью «WeMM-Video-9B vs FLUX 3 Video» и подзаголовком «Кто за что выставляет счёт»: две панели, разделённые круглым значком «vs»; слева бейдж «только веса» со списком: 9B плотных параметров, 19.54 GiB BF16-шардов и потолок в 128 кадров; справа бейдж «по тарифу» со списком: Elo 1,137 на AA-Video-T2V v2.1 и $17.40 за минуту.
Guides & Insights

WeMM-Video-9B против FLUX 3 Video: кто за что выставляет счета

Автор

jinhao.song

Дата публикации

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

Две модели, в названии которых есть слово video, и только одна из них когда-либо выдаст вам видео. FLUX 3 Video от Black Forest Labs стал общедоступным 4 августа 2026 года и продаёт секунды готового 1080p-видеоматериала по опубликованному тарифу. WeMM-Video-9B от группы WeChat Vision компании T​encent появился 17 ноября 2026 года как чекпойнт Apache-2.0 размером 19,54 ГиБ, который анализирует видеоматериал и пишет о нём предложения. Никто его не анонсировал — ни поста в блоге, ни страницы с ценами, ни демо, ни записи в лидерборде — поэтому полезный вопрос здесь не в том, какая модель лучше. А в том, какой из двух счетов вы пытаетесь уменьшить.

Такая переформулировка — не уловка. Сравнение генератора и описателя будет честным, только если сразу оговорить, что они не заменяют друг друга, а затем искать места, где они действительно соприкасаются: стоимость единицы работы, предел того, какую часть клипа просмотрит каждый из них, и то, насколько каждое из этих утверждений проверено кем-то, кто не работает в компании.

Две категории продуктов, а не два конкурента

FLUX 3 Video принимает текстовую подсказку, стоп-кадр или исходный клип и возвращает новый видеоматериал. Black Forest Labs документирует преобразование текста в видео, изображения в видео и видео в видео, обусловливание ключевыми кадрами и продолжение, вывод до двадцати секунд в формате 1080p SDR MP4 с синхронизированным аудио, генерируемым в том же проходе. Это не открытые веса. Нет ни контрольной точки для скачивания, ни лицензии, позволяющей запускать его на собственном оборудовании; вы арендуете его.

WeMM-Video-9B принимает кадры плюс оригинальную звуковую дорожку, плюс отдельное аудио, плюс изображения, плюс текст и возвращает текст на английском или китайском языке. Это Apache 2.0 с исключением для сторонних компонентов, которое не перечислено в карточке модели. Есть контрольная точка, пять её BF16-шардов, и ни одного размещённого эндпоинта, который кто-либо обнаружил.

• Направление — FLUX 3 Video: на входе текст или изображение, на выходе видео. WeMM-Video-9B: на входе видео и аудио, на выходе текст.

• Параметры — FLUX 3 Video: не опубликовано. WeMM-Video-9B: 9B плотный языковой бэкбон, 10,488,603,384 всего по 1,305 тензорам.

• Потолок — FLUX 3 Video: двадцать секунд выходного видео. WeMM-Video-9B: шестнадцать выбранных кадров и 8,192 токена входных данных — в стандартной поставке.

• Доступ — FLUX 3 Video: API с оплатой по факту использования. WeMM-Video-9B: скачайте и разверните самостоятельно, с оверлеем vLLM или 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.'

Чтение $17.40

Artificial Analysis оценивает FLUX 3 Video в $17,40 за минуту в обеих таблицах, где он фигурирует, и на этой согласованности стоит задержаться, потому что это единственная цифра в этой статье, по которой сходятся обе стороны рынка.

Карточка с ценой за секунду в документации Black Forest Labs более детализирована и менее привлекательна: $0,15 за секунду для HD, $0,24 для Full HD, $0,28 для QHD и $0,41 для UHD при преобразовании текста или изображения в видео, с отдельной и более высокой шкалой для видео-в-видео — $0,21, $0,27, $0,31 и $0,45, а также тариф Draft за $0,06. В FAQ на странице модели по-прежнему указаны $0,17, $0,29, $0,40 и $0,80 для тех же четырёх уровней. Два документа одного и того же поставщика, оба действующие, расходятся в верхнем диапазоне вплоть до двукратного размера. Планируйте бюджет по карточке с ценой за секунду, а FAQ сохраните как доказательство того, что страницы с ценами имеют свойство устаревать.

Именно здесь слой маршрутизации оправдывает своё существование, а не служит украшением. OrcaRouter передаёт цену из прайс-листа провайдерас наценкой 0%, поэтому, когда поставщик пересматривает тарифную сетку — или публикует две, противоречащие друг другу, — сумма, которую с вас списывают, следует за суммой, которую публикует поставщик, а не за кэшированной копией реселлера. Для нагрузки, тарифицируемой посекундно по четырём уровням разрешения, это разница между моделью затрат, которая переживает изменение цены, и той, что незаметно уплывает.

Что означают числа на доске

FLUX 3 Video занимает место в рейтинге дважды — по двум инструментам, которые не пересчитываются друг в друга.

• AA-Video-T2V v2.1 — 10-е место по Elo 1 137 ±13 на 7 406 образцах, июль 2026 г., 17,40 $ за минуту.

• AA-Video-I2V v2.1 — 16-е место с рейтингом Elo 1 069 ±14 по 6 838 образцам, по той же цене. Его более крупный собрат FLUX 3 Video Max занимает 7-е место в преобразовании текста в видео с показателем 1 151 и 17-е место в преобразовании изображения в видео с 1 068 при цене $8,70 за минуту.

Шестьдесят восемь пунктов разделяют строки text-to-video и image-to-video — целых пять интервалов, — и это самый полезный факт о модели, оцениваемой по двум таблицам: её место в рейтинге говорит о задаче, а не о модели. Ни в одной из таблиц нет строки для WeMM-Video-9B, и никогда не будет, потому что обе ранжируют сгенерированные видеозаписи, а WeMM-Video-9B не генерирует ни одной. Это не низкий балл. Это пустая ячейка.

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.

То, чего не видят шестнадцать кадров

Поставляемая конфигурация WeMM-Video-9B — это та часть репозитория, которая с наибольшей вероятностью разочарует того, кто лишь бегло просмотрел статью. Настройки процессора по умолчанию допускают 2 кадра в секунду, минимум 4 кадра, максимум 128 кадров и бюджет в 100 663 296 пикселей. Рецепт vLLM, поставляемый в репозитории, переопределяет всё это на 2 fps, 16 кадров и 262 144 пикселя, с выборкой около середины клипа. Шестнадцать кадров при 2 fps — это восемь секунд покрытия, а выборка начинается с середины, поэтому начало и конец более длинного клипа просто отсутствуют во входных данных.

Каждая команда обслуживания также передаёт длину контекста в 8 192 токена. При десяти аудиотокенах в секунду аудиомодуль может вместить примерно тринадцать минут звука; видеомодуль исчерпывается гораздо раньше. Архитектура поддерживает 262 144 позиционных эмбеддинга, так что этот потолок — выбор конфигурации, а не жёсткое ограничение, но именно этот выбор поставил производитель, и именно его вы получите, если будете следовать инструкциям.

По сравнению с двадцатисекундным выводом FLUX 3 Video это несоответствие в обе стороны. Двадцать секунд сгенерированного видео — это больше, чем восемь секунд просмотра. Если ваш конвейер сначала генерирует, а затем описывает, описывающий компонент берёт лишь долю того, что произвёл генератор, и закрыть этот разрыв — задача настройки, которую вам нужно выполнить самостоятельно.

Разрыв в доказательствах асимметричен

У FLUX 3 Video есть две независимые строки Elo и цена. Чего у него нет — так это сторонней проверки маркетинга: на странице FLUX 3 Max заявлены «10-секундное видео за 12 секунд», «в 22 раза быстрее Seedance 2.5» и дележ первого места в категории «изображение в видео», при этом не указано название рейтинга, в карточке цены за секунду отсутствует строка цены Max, а также нет эндпоинта Max. Это заявления производителя, и их следует воспринимать именно так.

У WeMM-Video-9B противоположная проблема. Его таблица бенчмарков подробна — Video-MME со звуком: 85.1 против 77.3 у Qwen3-Omni-30B-A3B-Instruct, Daily-Omni: 83.6 против 70.7, SciVideoBench: 64.2 против 49.9, OmniReasoningBench: 43.9 против 24.1, с единственным проигрышем на FutureOmni — 53.7 против 55.1 — и ничего из этого не было воспроизведено за пределами собственного оценочного стенда авторов. В статье это раскрывается: «официальные результаты, где они доступны, и в остальных случаях наши собственные оценки». Эта фраза несёт большую нагрузку, а нулевое число загрузок у всех девятнадцати репозиториев WeMM-Video через три дня после публикации говорит о том, что никто ещё не начал проверять.

Решение, каждое в одну строку

Купите FLUX 3 Video, если вам нужны видеоматериалы и цена $17.40 в минуту приемлема с учетом таблицы лидеров, где он занимает 10-е место по преобразованию текста в видео и 16-е место по преобразованию изображения в видео. Вы получаете API с документацией, опубликованную цену и независимую оценку, но отказываетесь от возможности запускать его самостоятельно.

Скачайте WeMM-Video-9B, если вам нужно описание уже имеющихся у вас материалов и вы можете позволить себе контрольную точку на 19.54 GiB плюс среду выполнения с патчами. Вы получаете 9B-описатель с сильными аудиовизуальными показателями и лицензией Apache-2.0, но отказываетесь от независимой проверки, контракта на обслуживание и каких-либо гарантий того, какую часть длинного клипа он действительно просмотрит.

Чего вам не следует делать, так это считать $17.40 и бесплатное скачивание одной и той же позицией. Одно — это тариф. Другое — исследовательский релиз, реальная стоимость которого проявится позже: в часах на интеграцию и в отсутствии второго мнения.