การ์ดชื่อเรื่องหลักที่ระบุว่า 'WeMM-Video-9B vs Wan 3.0' โดยมีคำโปรยรองว่า 'ตัวหนึ่งขายเป็นรายวินาที อีกตัวอ่านมันกลับมา' พร้อมชิปสถิติสามอันที่ระบุว่า น้ำหนักแบบเปิด 10.49B, การดู 8 วินาทีเป็นค่าเริ่มต้น และเพดานคลิป 30 วินาที และส่วนท้ายที่ระบุว่า ตัวเลขของ WeMM-Video-9B มาจากรีโพซิทอรีของ Tencent และ arXiv 2611.26409 ขณะที่ตัวเลขของ Wan 3.0 มาจาก Alibaba และ Artificial Analysis
Guides & Insights

WeMM-Video-9B เทียบกับ Wan 3.0: วินาทีที่ขายได้ วินาทีที่ถูกชม

ผู้เขียน

Alistair Wren

วันที่เผยแพร่

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

Wan 3.0ขายวิดีโอเป็นรายวินาที WeMM-Video-9Bอ่านวิดีโอเหล่านั้นกลับมา นั่นคือการเปรียบเทียบทั้งหมด และเป็นเหตุผลว่าทำไมการแข่งขันเรื่องสเปกทีละมิติระหว่างสองตัวนี้จึงเกือบไม่มีความหมาย: ตัวหนึ่งเป็นโมเดลสร้างที่คืนไฟล์ MP4 อีกตัวเป็นโมเดลเข้าใจแบบออมนิมอดัลที่คืนประโยคหนึ่งประโยค พวกมันไม่ใช่คู่แข่งกัน แต่เป็นสองครึ่งของไปป์ไลน์เดียว — สร้างคลิป แล้วตรวจสอบ — และคำถามที่น่าสนใจไม่ใช่ใครจะชนะ แต่คือแต่ละตัวหมดความสามารถในการใช้งานตรงไหน

มีเพียงหนึ่งเดียวในนั้นที่เป็นข่าว Tencent อัปโหลด WeMM-Video-9Bและรีโพซิทอรีพี่น้องอีกสิบแปดแห่งในช่วงเวลาห้านาที เริ่มเวลา 08:53:50 UTC ของวันที่ 17 พฤศจิกายน 2026 เผยแพร่รายงานทางเทคนิคในชื่อ arXiv 2611.26409 เมื่อวันที่ 19 พฤศจิกายน และไม่ได้ประกาศเรื่องใด ๆ เลย: ไม่มีโพสต์บล็อก ไม่มีหน้าเปิดตัว ไม่มีแพ็กเกจแบบเสียเงิน ณ เวลาที่เขียน รีโพซิทอรี 9B มียอดดาวน์โหลดเป็นศูนย์ คอลเลกชันมีไลก์เพียงไม่กี่ครั้ง และไม่มีผู้ให้บริการอินเฟอเรนซ์รายใดให้บริการโมเดลนี้ Wan 3.0 เป็นกรณีตรงกันข้ามโดยสิ้นเชิง — Alibaba นำมันเข้าสู่เบต้าสาธารณะเมื่อวันที่ 6 สิงหาคม 2026 และเปิดตัวอย่างเป็นทางการเมื่อวันที่ 24 สิงหาคม ซึ่งเป็นเวลาแปดสิบแปดวันก่อนบทความนี้ และปัจจุบันมันอยู่ในอันดับต้นของกระดานผู้นำอิสระสองแห่ง ทุกอย่างด้านล่างเกี่ยวกับ Wan 3.0 เป็นผลิตภัณฑ์ที่เปิดตัวแล้ว มีการกำหนดราคา และได้รับการให้คะแนนอย่างอิสระ ทุกอย่างเกี่ยวกับ WeMM-Video-9B มาจากรีโพซิทอรีของมันเองหรือ PDF ของผู้เขียน และนั่นเป็นเพียงสองแห่งเดียวที่มีตัวเลขใด ๆ เกี่ยวกับมันอยู่

สิ่งที่แต่ละรายการส่งคืนจริง ๆ

บรรทัดข้อกำหนดเหล่านั้นคุ้มค่าที่จะนำมาวางเคียงกัน ก็เพราะว่ามันอธิบายถึงงานที่แตกต่างกัน

• ผลลัพธ์ — WeMM-Video-9Bส่งคืนข้อความ เป็นภาษาจีนหรือภาษาอังกฤษ Wan 3.0ส่งคืนคลิปที่สร้างขึ้นความยาวสูงสุด 30 วินาทีพร้อมเสียงแบบเนทีฟ

• อินพุต — รุ่น 9B รับเฟรมวิดีโอพร้อมแทร็กเสียงต้นฉบับ วิดีโอแบบไม่มีเสียง เสียงเดี่ยว รูปภาพ และข้อความ และสามารถให้เหตุผลกับข้อมูลทั้งหมดพร้อมกันได้ Wan 3.0 รับพรอมต์ข้อความ รูปภาพ วิดีโอ และเสียง อีกทั้งยังมีเอกสารซึ่งเป็นเอกลักษณ์ในตระกูลเดียวกัน ได้แก่ doc, xls, ppt, pdf, md, txt ขนาดไม่เกิน 100 MB หรือ 50 หน้าต่อไฟล์ โดยแปลงเป็นวิดีโอโดยตรง

• น้ำหนักโมเดล — WeMM-Video-9B เผยแพร่น้ำหนักภายใต้ Apache 2.0 บน Hugging Face ในรูปแบบ BF16 พร้อมบิลด์แบบควอนไทซ์อีกสี่แบบ (FP8 Block128, AWQ W4A16, GGUF Q4_K_M, NVFP4 W4A16) Wan 3.0 ไม่มีน้ำหนักที่เผยแพร่; เป็น API ปิดแบบคิดค่าบริการตามการใช้งาน

• ราคา — รุ่น 9B ไม่มีราคาแบบโฮสต์ เพราะไม่มีใครโฮสต์มัน ค่าใช้จ่ายของคุณคือ GPU, รันไทม์ที่แพตช์แล้ว และเวลาของคุณเอง Wan 3.0 คิดค่าบริการตามวินาทีของเอาต์พุต: 0.3, 0.6 และ 1.2 หยวนต่อวินาทีที่ 480p, 720p และ 1080p — ประมาณ $0.05, $0.10 และ $0.20 — ซึ่ง Artificial Analysis ปรับให้เป็นมาตรฐานที่ $12.00 ต่อนาทีบนตารางจัดอันดับของมัน

• คะแนนอิสระ — ไม่มีสำหรับ WeMM-Video-9B Artificial Analysis ไม่ได้ระบุโมเดล WeMM ไว้ในกระดานใดเลย Wan 3.0 อยู่อันดับหนึ่งในกระดาน text-to-video ของ Artificial Analysis ที่ Elo 1,176 (ช่วง 95% อยู่ที่ 1,163 ถึง 1,189, 8,243 ตัวอย่าง) และอยู่อันดับหนึ่งในกระดาน video-editing ที่ 1,197 (1,187 ถึง 1,207, 9,919 ตัวอย่าง) และอยู่อันดับที่สิบสองใน image-to-video ที่ 1,109

Two-column scoreboard titled 'WeMM-Video-9B vs Wan 3.0 — the scoreboard'. Left column WeMM-Video-9B: output text in Chinese or English, weights Apache 2.0 open now, price no hosted API, independent Elo none, context declared 262,144, shipped video view 8s at 2 fps. Right column Wan 3.0: output video with audio, weights closed API only, price 0.3-1.2 yuan per second, independent Elo 1,176 text-to-video, context declared not published, shipped clip length 30s single run. Footer states WeMM figures are vendor-reported and unaudited, and the Wan 3.0 Elo is per Artificial Analysis, November 2026.

ช่องว่างราคาไม่ใช่ช่องว่างราคา

สิบสองดอลลาร์ต่อนาทีคือตัวเลขที่ผู้คนจะอ้างถึง และมันเป็นตัวเลขที่ผิดที่จะนำไปเปรียบเทียบกับสิ่งใดก็ตามเกี่ยวกับ 9B เพราะบิลทั้งสองวัดปริมาณที่แตกต่างกัน Wan 3.0 คิดค่าบริการตามความยาวที่ผลิตได้ WeMM-Video-9Bไม่มีการคิดค่าบริการต่อหน่วยเลย — มันคิดค่าใช้จ่ายในรูปฮาร์ดแวร์ที่คุณมีอยู่แล้ว และวิธีคิดราคาอย่างตรงไปตรงมาคือคำนวณว่ามันใช้การ์ดไปมากแค่ไหน และคุณสามารถส่งคลิปผ่านได้กี่คลิปต่อชั่วโมง

ตัวเลขการใช้หน่วยความจำสามารถวัดได้จากรีโพซิทอรี เช็กพอยต์ BF16 มีไฟล์น้ำหนัก 19.54 GiB และมีพารามิเตอร์ 10,488,603,384 ตัว กระจายอยู่ทั่ว 1,305 เทนเซอร์ — 10.49 พันล้านตัว ไม่ใช่เก้าพันล้าน เพราะ "9B" ในชื่อหมายถึงแบ็กโบนภาษา Qwen3.5-9B ไม่ใช่ทั้งสแต็ก บิลด์ AWQ W4A16 อยู่ที่ 12.86 GiB นั่นคือการลดลง 34% ไม่ใช่ 75% ตามที่สูตรสี่บิตบอกเป็นนัย และเหตุผลเห็นได้ชัดในแมนิเฟสต์ของผู้ส่งออก: มีเพียงเมทริกซ์ฟีดฟอร์เวิร์ดแบบเดนส์เท่านั้นที่ถูกบีบอัด ขณะที่วิสชันทาวเวอร์ ตัวเข้ารหัสเสียงที่ใช้ Whisper เอ็มเบดดิง หัวเอาต์พุต และน้ำหนักแอตเทนชันทุกตัวยังคงความแม่นยำเดิม พารามิเตอร์ประมาณ 5.7 พันล้านตัวยังคงอยู่ที่สองไบต์ต่อตัว ซึ่งกำหนดขีดจำกัดขั้นต่ำที่สูตรสี่บิตใด ๆ ไม่สามารถต่ำกว่านี้ได้ ใครก็ตามที่ประเมินขนาดการดีพลอยจากชื่อจะคลาดไปประมาณ 1.5 GiB และผิดไปหนึ่งระดับความแม่นยำ

ดังนั้น การเปรียบเทียบต้นทุนที่สำคัญจริง ๆ จึงไม่ใช่การเทียบดอลลาร์ต่อดอลลาร์ แต่คือ: การเรียก API หนึ่งครั้งในราคา $0.20 ต่อวินาทีของฟุตเทจที่เสร็จแล้ว เทียบกับโมเดลที่โหลดค้างไว้ในหน่วยความจำขนาด 13 ถึง 20 GiB สแต็กการให้บริการที่ถูกแพตช์แล้ว และค่า GPU ต่อชั่วโมงของคุณไม่ว่าจะเป็นเท่าไร สำหรับทีมที่รัน inference อยู่แล้ว ตัวเลือกที่สองอาจมีต้นทุนต่ำกว่า สำหรับทีมที่ต้องการคลิปให้เสร็จภายในวันศุกร์ ตัวเลือกแรกคือทางเดียวที่มีอยู่

9B อยู่ตรงไหนเมื่อเทียบกับ 30B

จุดเดียวที่WeMM-Video-9Bมีตัวเลขที่ชัดเจนคือการประเมินของผู้เขียน และข้ออ้างเด่นในบทความ是关于รุ่นพี่ที่ใหญ่กว่า — คือโมเดล 35B-A3B สร้างมาตรฐานใหม่ระดับโอเพนซอร์สสำหรับวิดีโอแบบออลนิโมดัล และไล่ตาม Gemini-3.0-Flash ได้ใกล้เข้ามา รุ่น 9B ได้ข้ออ้างที่เบากว่า: มันเอาชนะ Qwen3-Omni-30B-A3B-Instruct ซึ่งเป็นโมเดลที่ใหญ่กว่าประมาณสามเท่า ในโหมด Thinking บนตารางเสียงและภาพร่วมกัน มันทำได้

• Video-MME พร้อมเสียง — 85.1 สำหรับ 9B, 77.3 สำหรับ Qwen3-Omni-30B-A3B-Instruct, 69.2 สำหรับ MiniCPM-o-4.5-9B.

• Video-MME-v2 พร้อมเสียง — 51.6 เทียบกับ 36.3 โดยห่างกัน 15.3 คะแนน

• แถวที่เน้นการให้เหตุผล — SciVideoBench 64.2 เทียบกับ 49.9, MMOU 71.7 เทียบกับ 60.5, EvaOmni 50.7 เทียบกับ 26.1, OmniReasoningBench 43.9 เทียบกับ 24.1

• จุดที่แพ้ — FutureOmni 53.7 เทียบกับ 55.1 และ JointAVBench เสมอกันที่ 64.6

การเปรียบเทียบที่น่าสนใจกว่าคือการเปรียบเทียบภายใน และเป็นสิ่งที่ไม่มีใครที่อ้างอิงงานวิจัยนี้พูดถึง เมื่อนำ 9B มาเทียบกับเรือธง 35B-A3B บน 17 แถวเดียวกัน ช่องว่างกลับมีน้อย: 85.1 ต่อ 86.4 บน Video-MME แบบมีเสียง, 51.6 ต่อ 54.9 บน Video-MME-v2, 71.7 ต่อ 74.5 บน MMOU ในแถวหนึ่งโมเดลที่เล็กกว่าชนะอย่างชัดเจน — SVHalluc 86.8 ต่อ 80.3 โมเดลที่แบกพารามิเตอร์แอ็กทีฟเพียงเศษเสี้ยวของเรือธงนั้นห่างอยู่ภายใน 1.3 คะแนนบนเบนช์มาร์กหลัก นั่นคือข้อโต้แย้งที่แข็งแกร่งที่สุดในรีโพซิทอรีสำหรับ 9B โดยเฉพาะ และเป็นข้อโต้แย้งเกี่ยวกับต้นทุนการปรับใช้ ไม่ใช่เกี่ยวกับความสามารถ

9B ก็ไม่ใช่การอัปเกรดที่ครอบคลุมเหนือ backbone ที่มันสืบทอดมาเช่นกัน เมื่อเทียบกับ Qwen3.5-9B แบบธรรมดาในตารางวิดีโอไม่มีเสียง จะเห็นว่าเป็นโมเดลที่ปรับไปในทาง "เมื่อใดและที่ไหนที่บางสิ่งเกิดขึ้น" โดยแลกมาด้วยต้นทุนที่วัดได้ในด้านอื่น: F-16-NBA 88.7 เทียบกับ 75.8, TimeLens-QVHighlights 66.8 เทียบกับ 64.3, TOMATO 48.5 เทียบกับ 45.0 — แต่ MLVU 82.4 เทียบกับ 84.4, LVBench 68.2 เทียบกับ 70.0, VSI-Bench 54.5 เทียบกับ 58.3, MVBench 71.4 เทียบกับ 74.4 หากงานของคุณคือการสรุปวิดีโอยาว กลไกด้านเสียงและภาพทำให้คุณสูญเสียบางสิ่งซึ่ง backbone ทำได้ดีกว่าอยู่แล้ว

ระยะเวลาครอบคลุมแปดวินาที โดยค่าเริ่มต้น

นี่คือจุดที่แบบจำลองทั้งสองเปรียบเทียบกันได้โดยตรง เพราะมันเป็นข้อจำกัดด้านระยะเวลา — และตัวเลขไม่ได้ใกล้เคียงกันเลย

Wan 3.0 สร้างวิดีโอได้สูงสุด 30 วินาทีในการรันครั้งเดียว ซึ่งเป็นสองเท่าของเพดาน 15 วินาทีของ Wan 2.7 พร้อมเครื่องมือขยายวิดีโอสำหรับเชื่อมเรื่องราวให้ยาวขึ้น WeMM-Video-9B เมื่อจัดจำหน่ายจริงจะดูที่แปด

ช่องว่างไม่ได้อยู่ที่ checkpoint โดยโมเดล 9B ประกาศ position embeddings จำนวน 262,144 ตำแหน่งใน text config ของตน ซึ่งเป็นโควตาที่ใหญ่มาก ช่องว่างอยู่ที่ recipes แทน โปรเซสเซอร์ตั้งค่าเริ่มต้นที่ 2 fps โดยมีเฟรมขั้นต่ำ 4 เฟรม สูงสุด 128 เฟรม และพิกเซลรวม 100,663,296 พิกเซล และคำสั่ง vLLM ที่ Tencent เผยแพร่ได้เขียนทับค่าทั้งสี่เป็น 2 fps, 16 เฟรม และ 262,144 พิกเซล ที่ 2 fps 16 เฟรมคิดเป็นความยาวแปดวินาทีที่ตัดมาจากกลางคลิป ทุกคำสั่ง serving ใน repository ยังส่ง --max-model-len 8192 หรือ --context-length 8192 และไม่มีคำอธิบายใดใน repository ว่าทำอย่างไรจึงจะไปถึงตัวเลขที่ประกาศไว้ที่ใหญ่กว่านั้น

• งบประมาณเฟรม — ค่าเริ่มต้นที่จัดส่งคือ 16 เฟรมที่ 2 fps หรือประมาณ 8 วินาที เทียบกับการสร้างครั้งเดียว 30 วินาทีของ Wan 3.0

• ต้นทุนด้านเสียง — ระบบเสียงส่งออก 10 โทเคนต่อวินาที ดังนั้นงบประมาณ 8,192 โทเคนจึงเท่ากับเสียงประมาณสิบสามนาทีโดยไม่มีอย่างอื่นเลย; คลิปที่มีแทร็กเสียงจะใช้งบประมาณเดียวกันนั้นกับทั้งเฟรมและเสียงไปพร้อมกัน

• สื่อต่อคำขอ — รูปภาพสี่รูป วิดีโอสองรายการ และไฟล์เสียงสองรายการ ตามขีดจำกัดที่มาพร้อมกับสูตรการใช้งานของทั้ง vLLM และ SGLang

ไม่มีใครนอก WeChat Vision เปิดเผยว่า benchmark แต่ละครั้งใช้การสุ่มตัวอย่างแบบใด หากคุณกำลังจำลองตัวเลขจากตารางด้านบน นี่คือสิ่งที่ไม่รู้ตัวแรกที่ต้องระบุให้ชัด และค่าเริ่มต้น 16 เฟรมที่มาพร้อมผลิตภัณฑ์ก็เป็นจุดเริ่มต้นที่ผิด แต่เพดานข้อจำกัดนั้นมีจริง สำหรับสิ่งใดก็ตามที่ยาวกว่าหนึ่งเทก 9B เป็นเพียงตัวตรวจสอบแบบสุ่มจุด ไม่ใช่ผู้รีวิว เว้นแต่คุณจะเพิ่มเพดานเฟรมและแลกมาด้วย context ที่เพิ่มขึ้น

Screenshot of the Artificial Analysis text-to-video leaderboard captured in headless Chromium at 1440 pixels wide, showing Wan 3.0 ranked first with an Elo of 1,176 above the rest of the board, with no WeMM model listed anywhere in the ranking.

ตัวเลขที่ยังไม่มีใครเคยวัดมาก่อน

มีข้อเท็จจริงสามประการที่ตั้งอยู่ระหว่างโมเดลนี้กับคำแนะนำใด ๆ ที่มั่นใจ และข้อเท็จจริงเหล่านี้ควรค่าแก่การกล่าวอย่างตรงไปตรงมาแทนที่จะเก็บงำไว้

ประการแรกคือ คะแนนทุกตัวข้างต้นเป็นข้อมูลที่ผู้ขายรายงานเอง ไม่มีการประเมินที่เป็นอิสระของ WeMM-Video-9B ที่ใดเลย — ไม่มี Elo ของอารีนา ไม่มีการทำซ้ำโดยบุคคลที่สาม ไม่มีรายการบนกระดานผู้นำ ตารางเหล่านี้มาจากผู้เขียนชุดเดียวกับที่ฝึกโมเดล บนเบนช์มาร์กกว่า 120 รายการที่พวกเขาเลือกเอง และหลายรายการในนั้นใช้ผู้ตัดสินที่แตกต่างกัน: การประเมินในบทความใช้ GPT-6.1-Sol, GPT-4o และ Qwen3-235B-A22B ขึ้นอยู่กับงาน ดังนั้น การเปรียบเทียบข้ามโมเดลภายในบทความจึงเป็นการเปรียบเทียบตัวเลขที่ผลิตขึ้นภายใต้ผู้ให้คะแนนที่ต่างกัน ซึ่งเป็นข้อควรระวังที่บทความระบุไว้ และเป็นสิ่งที่ใครก็ตามที่อ้างอิงตารางมักละเลย

ข้อที่สองคือการแยกโหมดซึ่งทำให้สองแถวไม่สามารถเปรียบเทียบกันได้ ตารางวิดีโอแบบโอมนิมอดัลรันโมเดล WeMM ในโหมด Thinking ส่วนตารางเสียงรันโมเดลเหล่านี้ในโหมด Instruct โดยอิงดุลยพินิจของผู้เขียนที่ว่า benchmark เสียงมาตรฐานเป็นงานการรับรู้โดยตรง นั่นเป็นแนวทางที่สมเหตุสมผลได้ และยังหมายความว่าแถว WeMM ในตารางหนึ่งไม่สามารถนำมาเทียบเคียงกับแถวของคู่แข่งในอีกตารางหนึ่งได้

ข้อที่สามคือการกระจาย การมียอดดาวน์โหลดเป็นศูนย์ไม่ใช่หลักฐานเรื่องคุณภาพในทางใดทางหนึ่ง แต่ก็หมายความว่าไม่มีชุดรายงานจากผู้ใช้งานจริง ไม่มีโหมดความล้มเหลว ไม่มีคำว่า “มันหลอนในมิวสิกวิดีโอ” และไม่มีกระทู้ที่ผู้คนค้นพบขีดจำกัดเฟรมด้วยวิธีเจ็บตัว Wan 3.0 มีช่วงเวลาแบบนั้นมาแปดสิบแปดวันแล้ว บวกกับการผสานรวมตอนเปิดตัวใน ComfyUI, Leonardo.Ai และ Envato สำหรับคำถามที่ว่า “อะไรกันแน่ที่ผิดพลาดในการใช้งานจริงในโปรดักชัน” หนึ่งในโมเดลเหล่านี้มีคำตอบ ส่วนอีกตัวมีเพียงรีโพซิทอรี

Screenshot of the Hugging Face repository page for tencent/WeMM-Video-9B, showing the model card at the top of the page and the repository tab bar, for a repository with no linked launch announcement.

วันนี้จะรันทั้งคู่

หากคุณต้องการทั้งสองอย่าง สิ่งเหล่านี้ถูกติดตั้งด้วยวิธีที่แตกต่างกันโดยสิ้นเชิง และไม่มีสิ่งใดอยู่บนแพลตฟอร์มการจัดเส้นทาง

Wan 3.0 เป็นการเรียก API แบบคิดค่าตามการใช้งาน เข้าถึงได้ผ่านคอนโซลของ Alibaba เองและผ่านเครื่องมือสร้างสรรค์ของบุคคลที่สาม โดยคิดค่าบริการเป็นรายวินาทีในอัตรา 0.3, 0.6 และ 1.2 หยวน สำหรับ 480p, 720p และ 1080p และคำถามด้านการจัดซื้อที่แท้จริงเพียงข้อเดียวคือขั้นตอนการตรวจทานของคุณต้องการความละเอียดใด เพราะนั่นคือตัวคูณ

WeMM-Video-9B เป็นงานที่ต้องโฮสต์เอง คุณต้องมี Python 3.12, NVIDIA GPU บนไดรเวอร์ CUDA 12.9, FFmpeg และไลบรารีที่ใช้ร่วมกันของ TorchCodec จากนั้นจึงใช้แพตช์รันไทม์ของรีพอซิทอรี: vLLM 0.18.0 ที่แพตช์แล้ว หรือ 0.31.0 สำหรับ BF16 หรือ SGLang 0.5.16 หรือ 0.5.19 ที่แพตช์แล้ว โดยตรึงกับชุดค่าผสมของ PyTorch, Transformers และ CUDA ที่แน่นอนตามที่แมนิเฟสต์ของแพตช์ระบุสำหรับเวอร์ชันเอนจินของคุณ การโหลดยังต้องใช้ trust_remote_code เนื่องจากโมเดลมาพร้อมโค้ดการสร้างแบบจำลองและโปรเซสเซอร์แบบกำหนดเอง Tencent ตรวจสอบแล้วว่า vLLM ที่แพตช์แล้วโหลดเช็กพอยต์และผ่านการตรวจสอบการสร้างข้อความ รูปภาพ เสียง และวิดีโอพร้อมแทร็กเสียงบน H20 ซึ่งเป็นการตรวจสอบแบบโหลดและรัน ไม่ใช่การยืนยันความแม่นยำ เส้นทาง GGUF ต้องสร้างรันไทม์เนทีฟจากซอร์ส

OrcaRouter ไม่ให้บริการWeMM-Video-9B และแคตตาล็อกของมันไม่มีรายการเช็กพอยต์ WeMM เลยแม้แต่รายการเดียว จึงไม่มีราคาแบบโฮสต์ให้เสนอราคาและไม่มีเอนด์พอยต์ให้เรียกใช้ สิ่งที่แพลตฟอร์มมีให้บริการคือครึ่งด้านภาพของงานเดียวกัน — Qwen3-VL-8B-Thinking และ Qwen3-VL-235B-A22B-Thinking ทั้งคู่รองรับภาพและเฟรมวิดีโอ — อยู่เบื้องหลังคีย์เดียวที่เข้ากันได้กับ OpenAI ควบคู่กับโมเดลอื่นอีก 200+ โมเดล โดยคิดตามราคาตามรายการของผู้ให้บริการที่ส่งผ่านโดยมาร์กอัป 0% ทั้งสองตัวไม่ได้ยินเสียงใด ๆ ดังนั้นจึงไม่มีตัวใดใช้แทนครึ่งด้านเสียงและภาพได้ หากแผนคือการลองใช้ 9B ที่โฮสต์เองโดยไม่วางเส้นทางโปรดักชันไว้บนนั้น การกำหนดเส้นทางไว้หลังกฎ failover คือวิธีที่ประหยัดในการตรวจสอบว่ารันไทม์ที่แพตช์แล้วรองรับโหลดที่ระดับ concurrency ของคุณได้หรือไม่ ก่อนที่คุณจะผูกการ์ดให้กับมัน

การจับคู่กันนี้เป็นเวิร์กโฟลว์ ไม่ใช่เบนช์มาร์ก สร้างด้วย Wan 3.0 แล้วส่งคลิปให้โมเดลที่คืนคำอธิบายแทนพิกเซล: ฉากตรงกับพรอมต์หรือไม่ คำพูดฟังเข้าใจได้หรือไม่ เสียงลงจังหวะกับการกระทำหรือไม่ ไม่มีสิ่งใดตรงนี้วัดว่า WeMM-Video-9Bเก่งในงานนั้นเมื่อเทียบกับเอาต์พุตของ Wan 3.0 เองโดยเฉพาะหรือไม่ — ยังไม่มีใครรันมัน ข้อจำกัดงบเฟรมแปดวินาทีคือสิ่งที่ต้องทดสอบก่อน เพราะถ้าคลิปของคุณยาวสามสิบวินาที ผู้ตรวจจะดูเพียงหนึ่งในสี่ของแต่ละคลิป

อะไรจะเปลี่ยนคำตอบ

สามสิ่งที่ระบุวันที่ได้ โดยเรียงตามระดับที่สิ่งเหล่านั้นจะส่งผลต่อคำแนะนำ

คะแนนที่เป็นอิสระสำหรับ WeMM-Video-9B การปรากฏเพียงครั้งเดียวใน Artificial Analysis หรือผลลัพธ์จากอารีนาเพียงรายการเดียวจากฝ่ายที่ไม่ได้มีนายจ้างร่วมกับผู้เขียน จะเปลี่ยนตารางด้านบนจากข้อกล่าวอ้างให้เป็นการวัดผล จนถึงตอนนั้น การตีความอย่างตรงไปตรงมาคือ checkpoint ขนาด 10.49B ที่มีแบ็กโบน 9B ทำคะแนนได้ใกล้เคียงกับเรือธง 35B-A3B ของตัวเองบน benchmark ของ Tencent เอง และนั่นคือทั้งหมดที่สามารถกล่าวได้

ปลายทางที่โฮสต์ไว้ โมเดลต้องใช้รันไทม์ที่แพตช์แล้ว โค้ดกำหนดเอง และพื้นที่หน่วยความจำที่ต้องคงอยู่ในเครื่อง 13–20 GiB; เมื่อถึงวันที่ผู้ให้บริการรายใดเปิดให้ใช้ผ่าน API การเปรียบเทียบราคาในบทความนี้ก็จะเลิกเป็นการเปรียบเทียบผิดประเภท และกลายเป็นการคิดเลขธรรมดา

สูตรที่ใช้บริบทซึ่งประกาศไว้ จุดตรวจสอบ (checkpoint) อ้างว่ามี 262,144 ตำแหน่งอยู่แล้ว หาก Tencent เปิดตัวโปรไฟล์การให้บริการที่เพิ่มเพดานเฟรมและใช้งานมันจริง ค่าเริ่มต้นแปดวินาทีก็จะกลายเป็นเพียงรายละเอียดการตั้งค่า ไม่ใช่เพดานอีกต่อไป — และ 9B ก็จะเลิกเป็นตัวตรวจสอบแบบสุ่มสำหรับคลิปสั้น

ตอนนี้การแบ่งบทบาทชัดเจน เลือก Wan 3.0 เมื่อคุณต้องการฟุตเทจ; มันเปิดตัวแล้ว ตั้งราคาแล้ว อยู่อันดับต้นของบอร์ดจัดอันดับอิสระสองแห่ง และเป็นตัวเดียวในสองตัวที่คุณเรียกใช้ได้บ่ายนี้ เลือก WeMM-Video-9B เมื่อคุณต้องการโมเดลที่ได้ยินซาวด์แทร็กพอ ๆ กับที่มองเห็นเฟรม คุณมีการ์ดเหลือพอ และคุณยินดีเป็นคนแรกที่ได้รู้ว่าสูตรแปดวินาทีนั้นเป็นค่าเริ่มต้นหรือข้อจำกัด สองตัวนี้ไม่ได้แข่งขันกันเพื่อการตัดสินใจเดียวกัน

การเปรียบเทียบในบทความนี้2

ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube