
WeMM-Video-35B-A3B เทียบกับ Alibaba Wan 2.7: 22,754 คะแนนโหวต เทียบกับศูนย์
- Orcaใหม่OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 ต่อ 1 ล้านโทเค็น · 182 tok/s
- tencentใหม่Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 ต่อ 1 ล้านโทเค็น · 364 tok/s
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 87 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 148 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 93 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 ต่อ 1 ล้านโทเค็น · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 110 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447ความฉลาด
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 ต่อ 1 ล้านโทเค็น · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
There is exactly one number in this comparison that a third party produced, and it belongs to Alibaba Wan 2.7. On Artificial Analysis' video-editing board the model sits ninth at Elo 1,074 with a confidence interval of ±8, computed from 22,754 pairwise human votes — the smallest interval anywhere on that board. WeMM-Video-35B-A3B has nothing comparable. Its Hugging Face repository was created on 17 November 2026 holding a single .gitattributes file, its 67.39 GiB of BF16 tensors only arrived at 03:57 UTC on 20 November, and as of this writing the page records zero downloads and three likes. The two models are not ranked against each other anywhere, and no amount of careful prose can manufacture that ranking.
What can be done is to separate the three kinds of claim in play: what 22,754 people actually judged, what Tencent's own paper asserts, and what neither side has shown. Most coverage of a fresh checkpoint blurs the second into the first. This piece keeps them apart, because the difference between a measured Elo and a vendor table is the whole decision.
หมายเลขบุคคลที่สามเพียงหมายเลขเดียวที่นี่
แถวการแก้ไขของ Wan 2.7 ได้รับการสนับสนุนอย่างดีเป็นพิเศษ สองหมื่นสองพันโหวตไม่ใช่ตัวอย่างจากกระดานผู้นำที่ปัดทิ้งได้ว่าเป็นเพียงเสียงรบกวน ช่วง ±8 หมายความว่าตำแหน่งอันดับที่เก้ามั่นคงเมื่อเทียบกับทุกอันดับที่ต่ำลงมา และเดือนเปิดตัวที่ระบุไว้ในแถวคือเมษายน 2026 ดังนั้นโหวตจึงมีเวลาสะสมมาแล้วเจ็ดเดือน
ครอบครัวเดียวกันปรากฏเพิ่มอีกสองครั้งบนบอร์ด และทั้งสามแถวไม่สอดคล้องกัน ซึ่งเรื่องนี้เองก็ให้ข้อมูล:
• AA-Video-Editing v1.1 — อันดับ 9, Elo 1,074 ±8, 22,754 ตัวอย่าง, เมษายน 2026, 16.90 ดอลลาร์ต่อนาที
• AA-Video-T2V v2.1 — ระบุเป็น Wan2.7-260612, อันดับที่ 20, Elo 1,035 ±13, ตัวอย่าง 6,965 รายการ, มิถุนายน 2026, $9.00 ต่อนาที ผู้ขายรายเดียวกัน งานต่างกัน จำนวนตัวอย่างเพียงหนึ่งในสาม และราคาต่ำกว่าอัตราค่าตัดต่อ 47%
• AA-Video-I2V v2.1 — ไม่มีรายการในตาราง Wan 3.0 อยู่ในตารางนั้นที่อันดับสิบสองด้วยคะแนน 1,109 ส่วน Wan 2.7 ไม่มี ชุดทดสอบนี้โฆษณาความสามารถด้าน image-to-video ดังนั้นนี่จึงเป็นช่องว่างของอารีนา ไม่ใช่ช่องว่างของผลิตภัณฑ์ แต่หมายความว่าโมเดลนี้ยังไม่เคยถูกจัดอันดับในงานที่คนส่วนใหญ่จะเลือกใช้เป็นอย่างแรก

อ่านทั้งสามอย่างประกอบกัน แล้วข้อสรุปที่ตรงไปตรงมาคือ Wan 2.7 เป็นโมเดลวิดีโอระดับกลางที่วัดผลได้อย่างสมดุล โดยมีฐานหลักฐานที่แข็งแกร่งจริงหนึ่งด้าน (การตัดต่อ) อีกด้านที่บางกว่า (ข้อความเป็นวิดีโอ) และอีกหนึ่งช่องที่ว่างเปล่า ถึงกระนั้นก็ยังมีหลักฐานภายนอกมากกว่าอีกฝ่ายของการเปรียบเทียบนี้อย่างมหาศาล
What Alibaba is selling, and at what rate
Wan 2.7 เป็นผลิตภัณฑ์สี่โหมด ได้แก่ การสร้างวิดีโอจากข้อความ (text-to-video), การสร้างวิดีโอจากภาพ (image-to-video), การสร้างวิดีโอจากภาพอ้างอิง (reference-to-video) และการตัดต่อวิดีโอ ตัวควบคุมที่ระบุไว้ในเอกสารประกอบด้วย การกำหนดเงื่อนไขด้วยคีย์เฟรมแรกและคีย์เฟรมสุดท้าย, ภาพตัวแบบสูงสุดห้าภาพพร้อมคลิปอ้างอิงห้าคลิป, เอาต์พุตตั้งแต่ 720p ถึง 1080p, เสียงในตัว และคลิปความยาวสองถึงสิบห้าวินาที การคิดค่าบริการเป็นรายวินาทีตามอัตราที่ประกาศไว้ ทำให้การสร้างวิดีโอ 1080p ความยาวสิบห้าวินาทีเป็นค่าใช้จ่ายที่คุณคำนวณได้ก่อนกดเริ่ม มากกว่าจะเป็นยอดเครดิตที่คุณเพิ่งมาพบทีหลัง
The awkward fact for anyone budgeting on Wan 2.7 today is that Alibaba has already superseded it. Wan 3.0 leads the text-to-video board at 1,176 and the editing board at 1,197, and it does so at $12.00 per minute — cheaper than Wan 2.7's $9.00 text-to-video rate only when you compare like for like, and cheaper than the $16.90 editing rate outright. Wan 2.7's April release month and its seventh-month-old votes describe a model that is now the previous generation inside its own vendor's lineup. That matters for this comparison because it changes what you are actually weighing: not the best Alibaba can do against the best Tencent can do, but a mature, measured, one-generation-old service against a checkpoint whose weights are hours old.
เช็กพอยต์ที่เพิ่งลงเมื่อเช้านี้
การเปิดตัว WeMM-Video-35B-A3B นั้นอ่านลำดับเหตุการณ์ได้ชัดเจนกว่าการเปิดตัวแบบเงียบ ๆ ส่วนใหญ่ เพราะ Hugging Face ประทับเวลาไว้ตลอดทั้งลำดับ รีโปนี้ปรากฏเมื่อเวลา 08:53:50 UTC วันที่ 17 พฤศจิกายน โดยมีเพียงไฟล์โครงร่าง gitattributes เท่านั้น รายงาน arXiv หมายเลข 2611.26409 ถูกส่งเมื่อวันที่ 19 พฤศจิกายน เวลา 16:58 UTC และได้รับการแก้ไขแล้วหนึ่งครั้ง เมื่อเวลา 06:15 UTC วันที่ 20 พฤศจิกายน คอมมิตน้ำหนัก BF16 ลงวันที่ 2026-11-20T03:57:36Z รีโป GitHub ชื่อ Tencent/WeMM-Video ถูกสร้างเมื่อวันที่ 17 พฤศจิกายน เวลา 02:29 UTC มีดาว 9 ดวง ฟอร์ก 0 และรีลีสที่เผยแพร่ 0 รายการ และยังคงมีการแก้ไข README อยู่เมื่อเวลา 06:34 UTC เช้านี้
เปเปอร์ออกมาก่อนเทนเซอร์ราวสิบเอ็ดชั่วโมง และการ์ดโมเดลยังอยู่ระหว่างการเขียนใหม่ในขณะที่เขียนสิ่งนี้ ลำดับตรงนั้นแหละคือเรื่องราว ไม่มีการโพสต์เปิดตัว ไม่มีหน้าราคา ไม่มีเอนด์พอยต์ที่โฮสต์ไว้ ไม่มีข่าวประชาสัมพันธ์ และไม่มีบัญชีประกาศ — ไม่มีอะไรที่ผู้ขายมักทำเมื่อต้องการให้โมเดลเป็นที่สังเกตเห็น
สิ่งที่รีโพซิทอรีมีอยู่นั้นเฉพาะเจาะจง:
• ขนาด — 36,177,564,536 พารามิเตอร์, BF16, กระจายอยู่บน safetensors shards 17 ไฟล์ รวมทั้งสิ้น 67.39 GiB ป้าย "35B-A3B" นับสิ่งที่แตกต่างจากขนาดไฟล์; ความแตกต่างนี้อธิบายไว้ด้านล่างเพิ่มเติม
• บิลด์ FP8 กลับมาแล้วจริง ๆ ตอนที่เปเปอร์ถูกเผยแพร่ รีโพซิทอรี FP8 Block128 ที่ลิงก์บนการ์ดชี้ไปตอบกลับด้วย 401 — ซึ่งเป็นคำตอบเดียวกับที่ Hub ให้กับชื่อที่ไม่เคยมีอยู่จริง ตอนนี้เข้าถึงได้แล้ว: 36.09 GiB ในไฟล์ safetensors ไฟล์เดียว คอมมิตเมื่อ 05:53:01 UTC สองชั่วโมงหลังการอัปโหลด BF16 โดยมีพารามิเตอร์ 33.6B ใน E4M3 และเหลือ 2.56B ใน BF16 ไม่ว่าสิ่งใดกำลังเกิดขึ้นเมื่อ 16:58 UTC วันที่ 19 พฤศจิกายน การรีลีสก็ยังไม่เสร็จสมบูรณ์
• รูปแบบที่ผ่านการควอนไทซ์อีกสามแบบ — AWQ W4A16 ขนาด 22.72 GiB กระจายอยู่บนแชร์ด์แยกตามเลเยอร์ 52 ชิ้น, NVFP4 W4A16 ขนาด 24.11 GiB ในไฟล์เดียว และบันเดิล GGUF Q4_K_M ขนาด 25.46 GiB ที่แบ่งเป็นไฟล์ภาษา 22.61 GiB, โปรเจกเตอร์ 0.84 GiB และตัวเข้ารหัสเสียง 1.99 GiB สองในสามรายการนี้ระบุในแมนิเฟสต์ของตนเองว่ายังไม่ได้รับการตรวจสอบความถูกต้อง ส่วนรายการ NVFP4 อ้างเพียงว่ามีการอ่านน้ำหนักซ้ำบน CPU ซึ่งเป็นการตรวจสอบเช็กซัม ไม่ใช่การประเมิน
• รันไทม์ — ไม่มีสิ่งใดที่นี่ทำงานบนเอนจินมาตรฐาน รีโปนี้จัดส่งโอเวอร์เลย์ซอร์สโค้ดพร้อมแมนิเฟสต์ SHA-256 สำหรับรีลีสอัปสตรีมสี่รายการพอดี: vLLM 0.18.0 และ 0.31.0, SGLang 0.5.16 และ 0.5.19 ทุกคำสั่งเสิร์ฟที่เผยแพร่ใช้บริบท 8,192 โทเคน การขนานเทนเซอร์ข้าม GPU สองตัว และไปป์ไลน์สื่อที่จำกัดไว้ที่ 16 เฟรมและ 262,144 พิกเซล การค้นหาในตัวติดตามปัญหาของ vLLM ไม่พบคำขออัปสตรีมสำหรับสถาปัตยกรรมนี้

What Tencent measured, and against whom
ตัวเลขคุณภาพทุกตัวที่แนบมากับ WeMM-Video-35B-A3B มาจากทีมที่ฝึกโมเดลนี้ เอกสารระบุไว้เช่นนั้นเอง — “เรารายงานผลลัพธ์อย่างเป็นทางการเมื่อมีให้ใช้ และใช้การประเมินของเราเองในกรณีอื่น” — และตัวเลขหนึ่งตัวบนการ์ดที่ระบุเงื่อนไขไว้ครบถ้วนกลับไม่ใช่ผลลัพธ์วิดีโอด้วยซ้ำ: MMAR1000, เฉพาะเสียง, ถอดรหัสที่ 16 kHz, การถอดรหัสแบบ greedy, H20 สองตัว ส่วนที่เหลือของการ์ดบันทึกการโหลด checkpoint เมื่อเทียบกับ 22,754 โหวต นั่นเป็นหลักฐานคนละประเภท และควรอ่านในฐานะเช่นนั้น
The headline table is a different matter, and it is large. Across 30 single-valued benchmarks, the checkpoint in thinking mode finishes ahead of Qwen3.5-Omni-Flash on 28 and behind on 2; ahead of Seed2.0-Mini-0428 on 26 and behind on 4; and behind Gemini-3.0-Flash on 21 of 30, which Tencent's own summary describes as narrowing a gap rather than closing it. The two rows that carry the most weight for anyone wiring up a describer are the audio-visual ones — 86.4 on Video-MME with audio against 79.3, and an eighteen-point lead on the harder v2 split at 54.9 against 36.6 — because a model that only reads frames cannot post either number.
สองความพ่ายแพ้นี้ชี้ไปในทางตรงกันข้าม และควรค่าแก่การกล่าวซ้ำ: JointAVBench อยู่ที่ 65.9 เป็นรอง Qwen ที่ 69.0 และ MUSIC-AVQA อยู่ที่ 79.5 เป็นรอง Qwen ที่ 82.1 ทั้งสองงานเน้นเสียงเป็นหลัก เช็กพอยต์ที่ใหญ่กว่าไม่ได้ชนะทุกที่ และจุดที่มันไม่ชนะก็คือจุดที่สแตกด้านเสียงของ Qwen มีเวลาพัฒนาให้สมบูรณ์มากกว่า
ไม่มีสิ่งใดในนั้นได้รับการทำซ้ำเลย ทั้ง Artificial Analysis และ LMArena ต่างก็ไม่ได้ระบุถึงโมเดล WeMM ไม่ว่าจะขนาดใด และการกดถูกใจสามครั้งบนรีโปนั้นไม่ถือเป็นการตรวจสอบโดยผู้เชี่ยวชาญ หากคุณกำลังเลือกระหว่างสองโมเดลนี้เพื่อทำงานหนึ่ง คุณกำลังเปรียบเทียบคะแนนเสียง 22,754 เสียงกับตารางที่ลงนามโดยผู้เขียน
ทั้งสองรับวิดีโอ แต่มีเพียงหนึ่งเดียวที่ส่งคืนวิดีโอกลับมา
ความแตกต่างเชิงโครงสร้างนี้บอกได้ง่ายแต่ยากที่จะกล่าวเกินจริง Wan 2.7 รับข้อความ รูปภาพ คลิปอ้างอิง และวิดีโอ แล้วส่งออกเป็นวิดีโอ ส่วน WeMM-Video-35B-A3B รับข้อความ รูปภาพ เสียง และวิดีโอพร้อมแทร็กเสียง แล้วส่งออกเป็นข้อความ โหมดแก้ไขของ Wan 2.7 ถือว่าใกล้เคียงฝั่งตรงข้ามที่สุด — โดยรับฟุตเทจเข้าและคืนฟุตเทจออกมา — แต่ผลลัพธ์ยังคงเป็นพิกเซล และไม่มีตัวตั้งค่าใดที่ทำให้มันอธิบายสิ่งที่มันแก้ไขได้
ฝาปิดแต่ละด้านกำหนดขอบเขตของไปป์ไลน์ที่คุณสามารถสร้างได้:
• ข้อจำกัดของ Wan 2.7 อยู่ที่ความยาว สองถึงสิบห้าวินาทีต่อการสร้างหนึ่งครั้ง, 720p ถึง 1080p, คิดค่าบริการเป็นรายวินาที คลิปความยาวสิบห้าวินาทีในอัตราสำหรับงานตัดต่ออยู่ที่ประมาณ $4.23 ก่อนจะมีการลองใหม่ใด ๆ
• ขีดจำกัดของ WeMM-Video-35B-A3B อยู่ที่ context และการสุ่มตัวอย่าง ตัวประมวลผลมีค่าเริ่มต้นที่สองเฟรมต่อวินาที ขั้นต่ำสี่เฟรม สูงสุดสิบหกเฟรม และงบรวม 262,144 พิกเซล — ครอบคลุมประมาณแปดวินาทีตามสูตรที่มาพร้อมการใช้งาน คำสั่งสำหรับการให้บริการจำกัด context ไว้ที่ 8,192 โทเคน และอนุญาตให้มีสี่ภาพ สองวิดีโอ และสองคลิปเสียงต่อคำขอ ด้วยอัตราสิบโทเคนเสียงต่อวินาที context ดังกล่าวรองรับเสียงได้ประมาณสิบสามนาที หากใช้กับเสียงเพียงอย่างเดียว
• ความไม่สอดคล้องกัน Wan 2.7 สามารถสร้างฟุตเทจได้สิบห้าวินาที ขณะที่สูตร WeMM ที่จัดส่งมาดูเพียงแปดวินาที หากไปป์ไลน์ของคุณเรนเดอร์คลิปแล้วถามโมเดลว่าเกิดอะไรขึ้นในคลิป ตัวอธิบายตามการตั้งค่าปัจจุบันจะสุ่มตัวอย่างประมาณครึ่งหนึ่งของเอาต์พุต นั่นคือการตั้งค่าที่คุณต้องเปลี่ยนแปลงอย่างตั้งใจ ไม่ใช่ข้อจำกัดของสถาปัตยกรรม — ค่าเริ่มต้นของโปรเซสเซอร์เองอนุญาตถึง 128 เฟรม
ผู้ให้บริการสองราย โมเดลเดียว คีย์เดียว
Neither of these models is served through OrcaRouter. The catalogue lists no WeMM checkpoint of any size, and it lists no video generator at all — of the 183 model IDs available today, 51 accept video as input and not one returns video. Wan 2.7 is reachable through Alibaba's own API; WeMM-Video-35B-A3B is reachable by downloading 67 GiB and applying a source patch.
What the routing layer does offer is a way to stop paying for a single provider's bad afternoon. Qwen3.6-35B-A3B — the dense-ish backbone Tencent built this MoE on, and the model you would reach for if you want "watch the clip and reason about it" without the 67 GiB download — is in the catalogue twice: once at $0.248 per million input and $1.485 per million output with a 262,144-token context, and once, through a second provider serving the same weights, at $0.31 and $4.21. That is the same model at two prices, and the routing DSL lets you express the preference once — cheapest first, fail over on a 5xx or a timeout — instead of hard-coding a base URL into your client and hoping.
Automatic failover is the part that matters for video work specifically, because video requests are long. A 40-minute audio track at ten tokens per second consumes most of an 8,192-token budget, which means a single job occupies a connection for a long time, and a provider incident mid-request is expensive rather than annoying. Passing provider list price through at 0% markup matters for the other half of this comparison: when Alibaba cuts Wan 3.0 to $12.00 or a successor undercuts it again, a pass-through bill shows the cut on the next invoice rather than whenever a reseller re-prices.

คุณกำลังเลือกหมายเลขไหนกันแน่
หากสิ่งที่ต้องส่งมอบคือฟุตเทจ Wan 2.7 คือตัวเดียวในสองตัวนี้ที่ผลิตออกมาได้ และการตัดสินใจจะเหลือเพียงว่า $16.90 ต่อนาทีสำหรับการตัดต่อ หรือ $9.00 ต่อนาทีสำหรับการแปลงข้อความเป็นวิดีโอ จะป้องกันได้หรือไม่ต่อคณะกรรมการที่ผู้นำตลาดปัจจุบันคิดราคา $12.00 และเอาชนะมันได้ในทั้งสองงาน อันดับที่เก้าและที่ยี่สิบเป็นตำแหน่งกลางตารางที่น่านับถือ สิ่งเหล่านี้ไม่ใช่เหตุผลที่จะเลือกเจเนอเรชันก่อนหน้า
หากสิ่งที่ต้องส่งมอบคือคำอธิบายเกี่ยวกับฟุตเทจที่คุณมีอยู่แล้ว WeMM-Video-35B-A3B คือตัวเดียวในสองตัวที่สร้างมันออกมาได้ และการตัดสินใจก็เหลือเพียงว่าคุณจะแบกรับเอนจิน inference ที่ผ่านการแพตช์แล้ว ไฟล์ดาวน์โหลดขนาด 67.39 GiB หรือแบบ FP8 ขนาด 36.09 GiB GPU สองตัวสำหรับ tensor parallelism และหน้าต่างการสุ่มตัวอย่างแปดวินาทีได้หรือไม่ — เพื่อให้ได้ตัวอธิบายระดับ 36B ที่มีตัวเลขด้านภาพและเสียงที่แข็งแกร่งและเป็น first-party ทั้งหมด
กับดักคือการมองว่า “Elo 1,074 จาก 22,754 โหวต” กับ “86.4 บน Video-MME แบบมีเสียง” เป็นสิ่งที่เทียบกันได้ อย่างหนึ่งคือการวัดจากฝูงชนต่อบริการที่ใครก็เรียกใช้ได้ อีกอย่างคือตารางจากผู้ขายเกี่ยวกับ checkpoint ที่ยังไม่มีน้ำหนักโมเดลอยู่ในนั้นจนถึงเช้านี้ ทั้งสองอย่างน่าอ่าน มีเพียงอย่างเดียวเท่านั้นที่เป็นหลักฐาน
