
WeMM-Video-9B vs FLUX 3 Video: Vem tar betalt för vad
- OrcaNYOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M tokens · 182 tok/s
- tencentNYTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M tokens · 366 tok/s
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 87 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 147 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 92 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M tokens · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M tokens · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 110 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
Två modeller med video i namnet, och bara en av dem kommer någonsin att ge dig en video. FLUX 3 Video, från Black Forest Labs, blev allmänt tillgänglig den 4 augusti 2026 och säljer sekunder av färdig 1080p-film till ett publicerat pris. WeMM-Video-9B, från Tencents WeChat Vision-grupp, lades upp den 17 november 2026 som en Apache-2.0-checkpoint på 19,54 GiB som läser filmmaterial och skriver meningar om det. Ingen annonserade det – inget blogginlägg, ingen prissida, ingen demo, ingen post på en resultattavla – vilket är anledningen till att den användbara frågan här inte är vilken modell som är bättre. Det är vilken av de två fakturorna du försöker minska.
Den där omformuleringen är ingen undanmanöver. En jämförelse mellan en generator och en beskrivare är bara ärlig om man redan från början säger att de inte är utbytbara, och sedan letar efter de punkter där de faktiskt möts: kostnad per arbetsenhet, taket för hur stor del av ett klipp som endera av dem kommer att titta på, och hur mycket av vartdera påståendet som har granskats av någon som inte arbetar på företaget.
Två produktkategorier, inte två konkurrenter
FLUX 3 Video tar en textprompt, en stillbild eller ett källklipp och returnerar nytt videomaterial. Black Forest Labs dokumenterar text-till-video, bild-till-video, video-till-video, nyckelbildskonditionering och fortsättning, utdata på upp till tjugo sekunder i 1080p SDR MP4, med synkroniserat ljud genererat i samma pass. Det är inte öppna vikter. Det finns ingen checkpoint att ladda ner och ingen licens som låter dig köra det på din egen hårdvara; du hyr det.
WeMM-Video-9B tar emot bildrutor plus det ursprungliga ljudspåret, plus fristående ljud, plus bilder, plus text, och returnerar text på engelska eller kinesiska. Det är Apache 2.0 med ett undantag för tredjepart som modellkortet inte specificerar. Det finns en checkpoint, fem BF16-shards av den, och ingen värdbaserad slutpunkt som någon har hittat.
• Riktning — FLUX 3 Video: text eller bild som indata, video som utdata. WeMM-Video-9B: video och ljud som indata, text som utdata.
• Parametrar — FLUX 3 Video: inte publicerad. WeMM-Video-9B: 9B tät språkbackbone, 10,488,603,384 totalt över 1,305 tensorer.
• Tak — FLUX 3 Video: tjugo sekunder utdata. WeMM-Video-9B: sexton samplade bildrutor och 8 192 token indata, i levererat utförande.
• Åtkomst — FLUX 3 Video: mätarbaserat API. WeMM-Video-9B: ladda ner och självhosta, med ett vLLM- eller SGLang-overlay.

Läser $17.40
Artificial Analysis prissätter FLUX 3 Video till 17,40 dollar per minut på båda de listor där det förekommer, och den konsistensen är värd att stanna upp inför, eftersom det är det enda talet i den här artikeln som båda sidorna av marknaden är överens om.
Per-sekund-kortet i Black Forest Labs dokumentation är mer detaljerat och mindre smickrande: $0.15 per sekund för HD, $0.24 för Full HD, $0.28 för QHD och $0.41 för UHD för text- eller bild-till-video, med en separat och högre stege för video-till-video på $0.21, $0.27, $0.31 och $0.45, samt en Draft-nivå på $0.06. FAQ:n på modellsidan anger fortfarande $0.17, $0.29, $0.40 och $0.80 för samma fyra nivåer. Två dokument från samma leverantör, båda aktuella, skiljer sig med upp till en faktor två i toppen. Budgetera utifrån per-sekund-kortet och behåll FAQ:n som bevis på att prissidor ruttnar.
Det är här ett routinglager förtjänar sin plats i stället för att bara vara utsmyckning. OrcaRouter för vidare leverantörens listpris till 0 % påslag, så när en leverantör reviderar en prislista – eller publicerar två som motsäger varandra – följer det belopp du faktureras det belopp de publicerar, inte en återförsäljares cachade kopia. För en arbetsbelastning som faktureras per sekund över fyra upplösningsnivåer är det skillnaden mellan en kostnadsmodell som överlever en prisändring och en som tyst glider iväg.
Vad siffrorna på tavlan betyder
FLUX 3 Video rankas två gånger, på två instrument som inte kan konverteras till varandra.
• AA-Video-T2V v2.1 — 10:e plats med Elo 1 137 ±13 över 7 406 prover, juli 2026, 17,40 USD per minut.
• AA-Video-I2V v2.1 — 16:e plats med Elo 1 069 ±14 över 6 838 sampel, till samma pris. Dess större syskon FLUX 3 Video Max ligger på 7:e plats för text-till-video med 1 151 och på 17:e plats för bild-till-video med 1 068, till $8,70 per minut.
Sextioåtta poäng skiljer raderna för text-till-video och bild-till-video åt – fem intervall i skillnad – vilket är det enskilt mest användbara faktumet om en modell som poängbedömts på två resultattavlor: dess placering är ett uttalande om uppgiften, inte om modellen. Ingen av tavlorna har en rad för WeMM-Video-9B, och ingen av dem kommer någonsin att få det, eftersom båda rangordnar genererat videomaterial och WeMM-Video-9B genererar inget. Det är inte en låg poäng. Det är en tom cell.


Vad sexton bildrutor inte kan se
Den medföljande konfigurationen för WeMM-Video-9B är den del av repot som mest sannolikt gör någon besviken som bara skummat igenom artikeln. Processorns standardvärden tillåter 2 bildrutor per sekund, minst 4 bildrutor, högst 128 bildrutor och en pixelbudget på 100 663 296 pixlar. vLLM-receptet som följer med i repot skriver över allt detta till 2 fps, 16 bildrutor och 262 144 pixlar, samplade runt mitten av klippet. Sexton bildrutor vid 2 fps är åtta sekunders täckning, och sampleningen börjar i mitten, så början och slutet av ett längre klipp finns helt enkelt inte med i indata.
Varje serveringskommando skickar också med en kontextlängd på 8 192 token. Med tio ljudtoken per sekund kan ljudtornet rymma ungefär tretton minuter ljud; videosidan tar slut mycket tidigare. Arkitekturen har stöd för 262 144 positionsembeddingar, så taket är ett val i receptet snarare än en hård gräns – men det är valet leverantören levererade, och det är det du får om du följer instruktionerna.
Mot FLUX 3 Videos tjugosekundersutdata är det en missmatchning åt båda hållen. Tjugo sekunder genererat videomaterial är mer än åtta sekunder av tittande. Om din pipeline genererar och sedan beskriver, samplar beskrivaren bara en bråkdel av det som generatorn producerade, och att täppa igen det gapet är ett konfigurationsjobb som du måste göra själv.
Evidensgapet är asymmetriskt
FLUX 3 Video har två oberoende Elo-rader och ett pris. Det den inte har är en oberoende tredjepartskontroll av marknadsföringen: sidan för FLUX 3 Max hävdar "10-sekundersvideo på 12 sekunder", "22 gånger snabbare än Seedance 2.5" och delad förstaplats i bild-till-video, utan namngiven resultattavla, utan prisrad för Max på per-sekund-kortet och utan Max-slutpunkt. Det är leverantörens påståenden och bör läsas som sådana.
WeMM-Video-9B har det motsatta problemet. Dess benchmarktabell är detaljerad – Video-MME med ljud 85,1 mot Qwen3-Omni-30B-A3B-Instructs 77,3, Daily-Omni 83,6 mot 70,7, SciVideoBench 64,2 mot 49,9, OmniReasoningBench 43,9 mot 24,1, med en enda förlust på FutureOmni på 53,7 mot 55,1 – och inget av det har reproducerats utanför författarnas eget utvärderingsramverk. Artikeln redovisar detta: "officiella resultat där sådana finns och våra egna utvärderingar i övrigt." Den meningen får bära mycket, och att nedladdningsantalet är noll för alla nitton WeMM-Video-repon tre dagar efter publiceringen tyder på att ingen har börjat kontrollera.
Beslutet, en rad vardera.
Köp FLUX 3 Video om du behöver filmmaterial och $17.40 per minut är acceptabelt mot en resultattavla där den rankas 10:a på text-till-video och 16:e på bild-till-video. Du får ett dokumenterat API, ett publicerat pris och ett oberoende betyg, men du avstår från möjligheten att köra det själv.
Ladda ner WeMM-Video-9B om du behöver en beskrivning av material du redan har och kan hantera en kontrollpunkt på 19,54 GiB plus en patchad runtime. Du får en 9B-beskrivare med starka audiovisuella siffror och en Apache-2.0-licens, och du avstår från oberoende verifiering, ett servingkontrakt och någon garanti för hur mycket av ett långt klipp den faktiskt tittar på.
Det du inte bör göra är att behandla $17.40 och den gratis nedladdningen som samma radpost. Det ena är en taxa. Det andra är en forskningsutgåva vars verkliga kostnad visar sig senare, i integrationstimmar och i avsaknaden av en andra åsikt.
