การ์ดชื่อเรื่องอ่านว่า 'WeMM-Video-9B vs FLUX 3 Video' พร้อมคำโปรยย่อย 'ใครคิดเงินค่าอะไร' แบ่งเป็นสองแผงคั่นด้วยวงกลมคำว่า vs ด้านซ้ายมีป้ายกำกับว่า 'เฉพาะน้ำหนัก' และระบุถึงพารามิเตอร์แบบ dense จำนวน 9B, BF16 shards จำนวน 19.54 GiB และเพดานที่ 128 เฟรม ส่วนด้านขวามีป้ายกำกับว่า 'คิดตามการใช้งาน' และระบุถึงคะแนน Elo 1,137 บน AA-Video-T2V v2.1 และราคา 17.40 ดอลลาร์ต่อนาที
Guides & Insights

WeMM-Video-9B vs FLUX 3 Video: ใครเรียกเก็บเงินค่าอะไร

ผู้เขียน

jinhao.song

วันที่เผยแพร่

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด →
เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
กลับไปยังโพสต์ทั้งหมด

Two models with video in their name, and only one of them will ever hand you a video. FLUX 3 Video, from Black Forest Labs, went to general availability on 4 August 2026 and sells seconds of finished 1080p footage at a published rate. WeMM-Video-9B, from T​encent's WeChat Vision group, went up on 17 November 2026 as a 19.54 GiB Apache-2.0 checkpoint that reads footage and writes sentences about it. Nobody announced it — no blog post, no pricing page, no demo, no board entry — which is why the useful question here is not which model is better. It is which of the two invoices you are trying to reduce.

การวางกรอบใหม่นั้นไม่ใช่การหลีกเลี่ยง การเปรียบเทียบระหว่างตัวสร้างกับตัวบรรยายจะซื่อสัตย์ได้ก็ต่อเมื่อคุณบอกไว้ตั้งแต่แรกว่า二者ไม่ใช่สิ่งทดแทนกัน แล้วจึงไปมองหาจุดที่ทั้งสองเกี่ยวข้องกันจริง ๆ ได้แก่ ต้นทุนต่อหน่วยงาน เพดานว่าทั้งสองจะดูคลิปได้มากเพียงใด และข้อกล่าวอ้างของแต่ละฝ่ายได้รับการตรวจสอบโดยคนที่ไม่ได้ทำงานในบริษัทนั้นมากแค่ไหน

ผลิตภัณฑ์สองหมวดหมู่ ไม่ใช่คู่แข่งสองราย

FLUX 3 Video รับข้อความพรอมต์ หรือภาพนิ่ง หรือคลิปต้นทาง แล้วสร้างฟุตเทจชุดใหม่ขึ้นมา Black Forest Labs ระบุว่าโมเดลนี้รองรับการแปลงข้อความเป็นวิดีโอ การแปลงภาพเป็นวิดีโอ การแปลงวิดีโอเป็นวิดีโอ การกำหนดคีย์เฟรมและการต่อเนื่อง โดยเอาต์พุตได้นานสูงสุดยี่สิบวินาทีที่ 1080p SDR MP4 พร้อมเสียงที่ซิงโครไนซ์ซึ่งสร้างขึ้นในการประมวลผลรอบเดียวกัน ทั้งหมดนี้ไม่ใช่โมเดลที่เปิดเผยน้ำหนัก ไม่มีเช็กพอยต์ให้ดาวน์โหลด และไม่มีไลเซนส์ใดที่ให้คุณรันมันบนฮาร์ดแวร์ของคุณเอง คุณต้องเช่าใช้งาน

WeMM-Video-9B รับเฟรมภาพพร้อมแทร็กเสียงต้นฉบับ รวมถึงเสียงแบบแยกเดี่ยว ภาพ และข้อความ แล้วส่งคืนข้อความเป็นภาษาอังกฤษหรือภาษาจีน เป็นสัญญาอนุญาต Apache 2.0 พร้อมข้อยกเว้นสำหรับบุคคลภายนอกที่การ์ดโมเดลไม่ได้ระบุรายละเอียดเป็นรายการ มีเช็กพอยต์หนึ่งชุด ซึ่งเป็นไฟล์แบ่งส่วน BF16 จำนวนห้าชิ้น และยังไม่มีปลายทางโฮสต์ใดที่ใครพบเห็น

• ทิศทาง — FLUX 3 Video: ข้อความหรือรูปภาพเข้า, วิดีโอออก WeMM-Video-9B: วิดีโอและเสียงเข้า, ข้อความออก

• พารามิเตอร์ — FLUX 3 Video: ยังไม่เผยแพร่ WeMM-Video-9B: แบ็กโบนภาษาขนาด 9B แบบ dense มีจำนวนรวม 10,488,603,384 พารามิเตอร์กระจายอยู่ใน 1,305 เทนเซอร์

• Ceiling — FLUX 3 Video: เอาต์พุตยี่สิบวินาที WeMM-Video-9B: สิบหกเฟรมที่สุ่มและ 8,192 โทเคนของอินพุต ตามที่จัดส่ง

• การเข้าถึง — FLUX 3 Video: API แบบคิดตามการใช้งาน WeMM-Video-9B: ดาวน์โหลดและโฮสต์เอง พร้อมโอเวอร์เลย์ vLLM หรือ 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.'

อ่าน $17.40

Artificial Analysis กำหนดราคา FLUX 3 Video ไว้ที่ $17.40 ต่อนาทีบนกระดานทั้งสองที่มันปรากฏอยู่ และความสอดคล้องนั้นก็ชวนให้หยุดคิด เพราะมันเป็นตัวเลขเดียวในบทความนี้ที่ทั้งสองฝ่ายของตลาดเห็นตรงกัน

ตารางราคาต่อวินาทีในเอกสารของ Black Forest Labs ให้รายละเอียดมากกว่าและดูไม่ดีเท่า: $0.15 ต่อวินาทีสำหรับ HD, $0.24 สำหรับ Full HD, $0.28 สำหรับ QHD และ $0.41 สำหรับ UHD สำหรับการแปลงข้อความหรือภาพเป็นวิดีโอ โดยมีอัตราที่แยกต่างหากและสูงกว่าสำหรับการแปลงวิดีโอเป็นวิดีโอที่ $0.21, $0.27, $0.31 และ $0.45 และระดับ Draft ที่ $0.06 FAQ ของหน้ารุ่นโมเดลยังระบุราคา $0.17, $0.29, $0.40 และ $0.80 สำหรับสี่ระดับเดียวกัน เอกสารสองฉบับจากผู้ขายรายเดียวกันซึ่งเผยแพร่อยู่ทั้งคู่ ต่างกันถึงสองเท่าในระดับสูงสุด ให้ตั้งงบประมาณจากตารางราคาต่อวินาที และเก็บ FAQ ไว้เป็นหลักฐานว่าหน้าเว็บราคาเน่าเปื่อยได้

นี่คือจุดที่เลเยอร์การกำหนดเส้นทางพิสูจน์คุณค่าของตัวเอง แทนที่จะเป็นเพียงของประดับชิ้นงาน OrcaRouter ส่งต่อราคาตามรายการของผู้ให้บริการโดยคิดมาร์กอัป 0% ดังนั้นเมื่อผู้ขายปรับปรุงตารางราคา — หรือเผยแพร่ตารางสองฉบับที่ขัดแย้งกัน — จำนวนเงินที่คุณถูกเรียกเก็บจะเป็นไปตามจำนวนที่พวกเขาเผยแพร่ ไม่ใช่สำเนาที่แคชไว้ของตัวแทนจำหน่าย สำหรับเวิร์กโหลดที่คิดค่าบริการเป็นรายวินาทีครอบคลุมสี่ระดับความละเอียด นั่นคือความแตกต่างระหว่างโมเดลต้นทุนที่ยังใช้ได้แม้ราคาเปลี่ยนแปลง กับโมเดลที่ค่อย ๆ คลาดเคลื่อนไปอย่างเงียบ ๆ

ตัวเลขบนกระดานหมายความว่าอะไร

FLUX 3 Video ถูกจัดอันดับสองครั้ง บนเครื่องมือสองชนิดที่ไม่สามารถแปลงเป็นกันและกันได้

• AA-Video-T2V v2.1 — อันดับ 10 ที่ Elo 1,137 ±13 จาก 7,406 ตัวอย่าง กรกฎาคม 2026 ราคา $17.40 ต่อนาที

• AA-Video-I2V v2.1 — อยู่อันดับที่ 16 ใน Elo 1,069 ±14 จาก 6,838 ตัวอย่าง ในราคาเดียวกัน รุ่นพี่ที่ใหญ่กว่าอย่าง FLUX 3 Video Max อยู่อันดับที่ 7 ในการแปลงข้อความเป็นวิดีโอที่ 1,151 และอันดับที่ 17 ในการแปลงภาพเป็นวิดีโอที่ 1,068 ในราคา $8.70 ต่อนาที

หกสิบแปดคะแนนคั่นระหว่างแถวข้อความเป็นวิดีโอกับภาพเป็นวิดีโอ — คิดเป็นห้าช่วง — ซึ่งเป็นข้อเท็จจริงที่มีประโยชน์ที่สุดเพียงข้อเดียวเกี่ยวกับโมเดลที่ได้คะแนนบนตารางสองตาราง: อันดับของมันเป็นข้อความเกี่ยวกับงาน ไม่ใช่เกี่ยวกับโมเดล ไม่มีตารางใดมีแถวสำหรับ WeMM-Video-9B และจะไม่มีวันมี เพราะทั้งสองจัดอันดับฟุตเทจที่สร้างขึ้น และ WeMM-Video-9B ไม่ได้สร้างฟุตเทจใดเลย นั่นไม่ใช่คะแนนต่ำ แต่เป็นเซลล์ว่าง

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.

สิ่งที่สิบหกเฟรมมองไม่เห็น

การกำหนดค่าที่จัดส่งมาพร้อม WeMM-Video-9B คือส่วนของรีโพซิทอรีที่มีแนวโน้มจะทำให้คนที่อ่านเปเปอร์ผ่าน ๆ ผิดหวังมากที่สุด ค่าเริ่มต้นของโปรเซสเซอร์อนุญาต 2 เฟรมต่อวินาที ขั้นต่ำ 4 เฟรม สูงสุด 128 เฟรม และงบพิกเซล 100,663,296 พิกเซล สูตร vLLM ที่มาพร้อมรีโพซิทอรีจะเขียนทับทั้งหมดเป็น 2 fps, 16 เฟรม และ 262,144 พิกเซล โดยสุ่มตัวอย่างรอบจุดกึ่งกลางของคลิป สิบหกเฟรมที่ 2 fps คือระยะครอบคลุมแปดวินาที และการสุ่มตัวอย่างเริ่มที่ตรงกลาง ดังนั้นหัวและท้ายของคลิปที่ยาวกว่าจึงไม่อยู่ในอินพุตเลย

ทุกคำสั่ง serving ยังส่งความยาวคอนเท็กซ์ 8,192 โทเคนไปด้วย ที่อัตราสิบโทเคนเสียงต่อวินาที audio tower จะเก็บเสียงได้ประมาณสิบสามนาที ส่วนฝั่งวิดีโอจะหมดเร็วกว่ามาก สถาปัตยกรรมรองรับ position embedding 262,144 ตำแหน่ง เพดานจึงเป็นทางเลือกในสูตรมากกว่าขีดจำกัดตายตัว — แต่เป็นทางเลือกที่ผู้ขายส่งออกมา และเป็นสิ่งที่คุณจะได้หากทำตามคำแนะนำ

เมื่อเทียบกับเอาต์พุตความยาวยี่สิบวินาทีของ FLUX 3 Video นี่คือความไม่สอดคล้องกันในทั้งสองทิศทาง ฟุตเทจที่สร้างขึ้นยาวยี่สิบวินาทีนั้นมากกว่าการดูเพียงแปดวินาที หากไปป์ไลน์ของคุณสร้างก่อนแล้วจึงอธิบาย ตัวอธิบายจะสุ่มตัวอย่างเพียงเศษเสี้ยวของสิ่งที่ตัวสร้างผลิตออกมา และการปิดช่องว่างนั้นเป็นงานตั้งค่าคอนฟิกที่คุณต้องทำเอง

ช่องว่างของหลักฐานนั้นไม่สมมาตร

FLUX 3 Video มีสองแถว Elo ที่เป็นอิสระต่อกันและมีราคา สิ่งที่ไม่มีคือการตรวจสอบจากบุคคลที่สามเกี่ยวกับการตลาด: หน้า FLUX 3 Max อ้างว่า "วิดีโอ 10 วินาทีใน 12 วินาที" "เร็วกว่า Seedance 2.5 ถึง 22 เท่า" และได้อันดับหนึ่งร่วมในหมวด image-to-video โดยไม่มีการระบุชื่อคณะกรรมการจัดอันดับ ไม่มีแถวราคาของ Max บนการ์ดราคาต่อวินาที และไม่มี endpoint ของ Max เหล่านั้นเป็นคำกล่าวอ้างของผู้ขาย และควรอ่านในลักษณะนั้น

WeMM-Video-9B มีปัญหาตรงกันข้าม ตาราง benchmark ของมันละเอียดมาก — Video-MME with audio 85.1 เทียบกับ 77.3 ของ Qwen3-Omni-30B-A3B-Instruct, Daily-Omni 83.6 เทียบกับ 70.7, SciVideoBench 64.2 เทียบกับ 49.9, OmniReasoningBench 43.9 เทียบกับ 24.1 โดยแพ้เพียงรายการเดียวบน FutureOmni ที่ 53.7 เทียบกับ 55.1 — และไม่มีส่วนไหนเลยที่ถูกทำซ้ำนอก evaluation harness ของผู้เขียนเอง บทความเปิดเผยเรื่องนี้ว่า “official results where available and our own evaluations otherwise” ประโยคนั้นทำงานหนักมาก และยอดดาวน์โหลดเป็นศูนย์บนทุก nineteen WeMM-Video repositories สามวันหลังการเผยแพร่ บ่งชี้ว่ายังไม่มีใครเริ่มตรวจสอบ

การตัดสินใจ สรุปเป็นบรรทัดละหนึ่งข้อ

ซื้อ FLUX 3 Video หากคุณต้องการฟุตเทจและยอมรับราคา $17.40 ต่อนาทีได้ เมื่อเทียบกับบอร์ดจัดอันดับที่มันอยู่อันดับ 10 ในหมวด text-to-video และอันดับ 16 ในหมวด image-to-video คุณจะได้ API ที่มีเอกสารประกอบ ราคาที่ประกาศไว้ และคะแนนจากแหล่งอิสระ แต่คุณต้องแลกกับการไม่สามารถรันมันด้วยตัวเองได้

ดาวน์โหลด WeMM-Video-9B หากคุณต้องการคำอธิบายสำหรับฟุตเทจที่คุณมีอยู่แล้ว และสามารถรับมือกับเช็กพอยต์ขนาด 19.54 GiB พร้อมรันไทม์ที่ต้องแพตช์ได้ คุณจะได้ตัวสร้างคำอธิบายขนาด 9B ที่มีตัวเลขประสิทธิภาพด้านเสียงและภาพที่แข็งแกร่งและสัญญาอนุญาต Apache-2.0 แลกกับการที่คุณต้องเสียการตรวจสอบอย่างอิสระ ข้อตกลงด้านการให้บริการ และการรับประกันใด ๆ เกี่ยวกับว่ามันจะดูคลิปยาวได้มากแค่ไหนจริง ๆ

สิ่งที่คุณไม่ควรทำคือมองว่า $17.40 กับดาวน์โหลดฟรีเป็นรายการเดียวกัน รายการหนึ่งคืออัตราค่าบริการ อีกอันคือการเผยแพร่งานวิจัย ซึ่งต้นทุนที่แท้จริงจะปรากฏภายหลัง ในชั่วโมงการผสานรวม และในการไม่มีเสียงเห็นที่สอง

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube