
WeMM-Video-9B so với FLUX 3 Video: Ai thu phí cho việc gì
- OrcaMỚIOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 trên 1 triệu token · 182 tok/s
- tencentMỚITencent: Hy4 Flash2026-11-16$0.02 / $0.07 trên 1 triệu token · 366 tok/s
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 87 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 147 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 92 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 trên 1 triệu token · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 trên 1 triệu token · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 110 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Trí tuệ
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 trên 1 triệu token · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 trên 1 triệu token · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
Hai mô hình có chữ video trong tên, và chỉ một trong số chúng sẽ thực sự đưa cho bạn một video. FLUX 3 Video, đến từ Black Forest Labs, đã được phát hành rộng rãi vào ngày 4 tháng 8 năm 2026 và bán từng giây cảnh quay 1080p hoàn thiện theo mức giá được công bố. WeMM-Video-9B, đến từ nhóm WeChat Vision của Tencent, đã được đăng tải vào ngày 17 tháng 11 năm 2026 dưới dạng checkpoint Apache-2.0 dung lượng 19,54 GiB, có khả năng đọc cảnh quay và viết ra các câu mô tả về chúng. Không ai công bố nó — không có bài đăng blog, không có trang giá, không có bản demo, không có mục nào trên bảng xếp hạng — đó là lý do câu hỏi hữu ích ở đây không phải là mô hình nào tốt hơn. Mà là bạn đang cố giảm hóa đơn nào trong hai hóa đơn.
Cách đóng khung lại đó không phải là né tránh. Một so sánh giữa một bên tạo sinh và một bên mô tả chỉ trung thực nếu bạn nói ngay từ đầu rằng chúng không thay thế cho nhau, rồi sau đó đi tìm những điểm chúng thực sự chạm nhau: chi phí trên mỗi đơn vị công việc, giới hạn về lượng nội dung của một clip mà mỗi bên sẽ xem xét, và mức độ mỗi tuyên bố đã được ai đó không làm việc tại công ty kiểm chứng đến đâu.
Hai danh mục sản phẩm, không phải hai đối thủ cạnh tranh
FLUX 3 Video nhận một câu lệnh văn bản, hoặc một ảnh tĩnh, hoặc một clip nguồn, và trả về cảnh quay mới. Black Forest Labs ghi rõ các tính năng text-to-video, image-to-video, video-to-video, điều kiện hóa bằng keyframe và nối tiếp, đầu ra tối đa hai mươi giây ở 1080p SDR MP4, với âm thanh đồng bộ được tạo trong cùng một lượt xử lý. Đây không phải là mô hình trọng số mở. Không có checkpoint nào để tải xuống và không có giấy phép nào cho phép bạn chạy nó trên phần cứng của riêng mình; bạn phải thuê nó.
WeMM-Video-9B nhận các khung hình cùng với âm thanh gốc, cùng với âm thanh độc lập, cùng với hình ảnh và văn bản, rồi trả về văn bản bằng tiếng Anh hoặc tiếng Trung. Nó dùng Apache 2.0 với một ngoại lệ dành cho bên thứ ba mà model card không liệt kê chi tiết. Có một checkpoint, năm shard BF16 của nó, và không có endpoint được host nào mà bất kỳ ai đã tìm thấy.
• Hướng — FLUX 3 Video: văn bản hoặc hình ảnh đầu vào, video đầu ra. WeMM-Video-9B: video và âm thanh đầu vào, văn bản đầu ra.
• Tham số — FLUX 3 Video: chưa công bố. WeMM-Video-9B: backbone ngôn ngữ dense 9B, tổng cộng 10,488,603,384 trên 1,305 tensor.
• Mức trần — FLUX 3 Video: đầu ra hai mươi giây. WeMM-Video-9B: mười sáu khung hình được lấy mẫu và 8,192 token đầu vào, như khi xuất xưởng.
• Truy cập — FLUX 3 Video: API tính phí theo mức sử dụng. WeMM-Video-9B: tải xuống và tự vận hành, với overlay vLLM hoặc SGLang.

Đọc $17.40
Artificial Analysis định giá FLUX 3 Video ở mức $17.40 mỗi phút trên cả hai bảng mà nó xuất hiện, và sự nhất quán đó đáng để dừng lại suy ngẫm, bởi đây là con số duy nhất trong bài viết này mà cả hai phía của thị trường đều đồng tình.
Bảng giá theo giây trong tài liệu của Black Forest Labs chi tiết hơn và kém thuận mắt hơn: $0.15 mỗi giây cho HD, $0.24 cho Full HD, $0.28 cho QHD và $0.41 cho UHD ở chế độ văn bản hoặc ảnh sang video, với một thang giá riêng và cao hơn cho video sang video ở mức $0.21, $0.27, $0.31 và $0.45, cùng một hạng Draft ở mức $0.06. Phần FAQ trên trang mô hình vẫn ghi $0.17, $0.29, $0.40 và $0.80 cho cùng bốn hạng. Hai tài liệu từ cùng một nhà cung cấp, đều đang trực tuyến, mâu thuẫn với nhau tới gấp đôi ở mức cao nhất. Hãy lập ngân sách dựa trên bảng giá theo giây và giữ FAQ làm bằng chứng rằng các trang giá sẽ lỗi thời.
Đây là lúc một lớp định tuyến chứng minh giá trị thực sự của nó chứ không chỉ để trang trí. OrcaRouter chuyển thẳng giá niêm yết của nhà cung cấp với mức cộng thêm 0%, nên khi một nhà cung cấp sửa đổi biểu giá — hoặc công bố hai biểu giá mâu thuẫn với nhau — con số bạn bị tính tiền sẽ bám theo con số họ công bố, chứ không phải bản sao lưu đệm của một nhà bán lại. Đối với một khối lượng công việc được tính tiền theo giây trên bốn bậc độ phân giải, đó là khác biệt giữa một mô hình chi phí đứng vững qua thay đổi giá và một mô hình âm thầm trôi lệch.
Những con số trên bảng có ý nghĩa gì
FLUX 3 Video được xếp hạng hai lần, trên hai công cụ không thể quy đổi sang nhau.
• AA-Video-T2V v2.1 — Đứng thứ 10 với Elo 1.137 ±13 trên 7.406 mẫu, tháng 7 năm 2026, 17,40 USD mỗi phút.
• AA-Video-I2V v2.1 — đứng thứ 16 với Elo 1.069 ±14 trên 6.838 mẫu, cùng mức giá. Mẫu anh em lớn hơn của nó là FLUX 3 Video Max đứng thứ 7 ở hạng mục chuyển văn bản thành video với 1.151 và thứ 17 ở hạng mục chuyển hình ảnh thành video với 1.068, với mức giá 8,70 đô la Mỹ mỗi phút.
Sáu mươi tám điểm tách biệt hàng văn bản-thành-video và hàng hình ảnh-thành-video — tương đương năm khoảng — đó là sự thật hữu ích nhất về một mô hình được chấm điểm trên hai bảng: thứ hạng của nó nói lên điều về tác vụ, chứ không phải về mô hình. Không bảng nào có một hàng cho WeMM-Video-9B, và cả hai sẽ không bao giờ có, bởi vì cả hai đều xếp hạng các thước phim được tạo ra và WeMM-Video-9B không tạo ra thước phim nào. Đó không phải là một điểm thấp. Đó là một ô trống.


Những gì mười sáu khung hình không thể thấy
Cấu hình phát hành của WeMM-Video-9B là phần trong kho mã dễ khiến người chỉ đọc lướt bài báo thất vọng nhất. Mặc định của processor cho phép 2 khung hình mỗi giây, tối thiểu 4 khung hình, tối đa 128 khung hình và ngân sách 100,663,296 pixel. Công thức vLLM đi kèm trong kho mã ghi đè toàn bộ thành 2 fps, 16 khung hình và 262,144 pixel, được lấy mẫu quanh điểm giữa của clip. Mười sáu khung hình ở 2 fps là tám giây phủ sóng, và việc lấy mẫu bắt đầu từ giữa, nên phần đầu và phần cuối của một clip dài hơn đơn giản là không có trong đầu vào.
Mỗi lệnh serving cũng truyền vào độ dài ngữ cảnh 8.192 token. Với mười token âm thanh mỗi giây, tháp âm thanh có thể chứa khoảng mười ba phút âm thanh; phía video hết chỗ sớm hơn nhiều. Kiến trúc hỗ trợ 262.144 embedding vị trí, nên mức trần là một lựa chọn trong công thức chứ không phải giới hạn cứng — nhưng đó là lựa chọn mà nhà cung cấp đã phát hành, và cũng là lựa chọn bạn nhận được nếu làm theo hướng dẫn.
So với đầu ra hai mươi giây của FLUX 3 Video, đó là sự không khớp theo cả hai hướng. Hai mươi giây cảnh quay được tạo ra nhiều hơn tám giây để xem. Nếu pipeline của bạn tạo ra rồi mô tả, bộ mô tả chỉ đang lấy mẫu một phần nhỏ những gì bộ tạo đã tạo ra, và việc thu hẹp khoảng cách đó là một công việc cấu hình mà bạn phải tự làm.
Khoảng trống bằng chứng là bất đối xứng
FLUX 3 Video có hai hàng Elo độc lập và một mức giá. Điều nó không có là kiểm chứng từ bên thứ ba đối với phần tiếp thị: trang FLUX 3 Max tuyên bố “video 10 giây trong 12 giây”, “nhanh gấp 22 lần Seedance 2.5” và đồng hạng nhất ở image-to-video, mà không nêu tên bảng xếp hạng nào, không có dòng giá Max trên thẻ giá theo giây và không có endpoint Max. Đó là những tuyên bố của nhà cung cấp và nên được hiểu đúng như vậy.
WeMM-Video-9B gặp vấn đề ngược lại. Bảng benchmark của nó rất chi tiết — Video-MME có âm thanh đạt 85.1 so với 77.3 của Qwen3-Omni-30B-A3B-Instruct, Daily-Omni 83.6 so với 70.7, SciVideoBench 64.2 so với 49.9, OmniReasoningBench 43.9 so với 24.1, chỉ thua duy nhất ở FutureOmni với 53.7 so với 55.1 — và không có kết quả nào trong đó được tái lập bên ngoài khung đánh giá của chính nhóm tác giả. Bài báo nói rõ điều này: “các kết quả chính thức khi có sẵn và nếu không thì dùng đánh giá của chúng tôi.” Câu đó đang gánh rất nhiều trọng trách, và việc số lượt tải xuống bằng 0 trên cả mười chín kho WeMM-Video ba ngày sau khi công bố cho thấy chưa ai bắt đầu kiểm chứng.
Quyết định, mỗi mục một dòng
Mua FLUX 3 Video nếu bạn cần footage và mức $17.40 một phút là chấp nhận được so với một bảng xếp hạng nơi nó đứng thứ 10 về text-to-video và thứ 16 về image-to-video. Bạn có API được ghi tài liệu, mức giá đã công bố và điểm số độc lập, đồng thời bạn từ bỏ khả năng tự vận hành nó.
Tải WeMM-Video-9B nếu bạn cần mô tả cảnh quay bạn đã có và có thể đáp ứng một checkpoint 19.54 GiB cùng runtime đã được vá. Bạn nhận được một bộ mô tả 9B với các thông số nghe nhìn mạnh mẽ và giấy phép Apache-2.0, đổi lại bạn từ bỏ xác minh độc lập, hợp đồng phục vụ và mọi bảo đảm về việc nó thực sự sẽ xem bao nhiêu phần của một clip dài.
Điều bạn không nên làm là coi $17.40 và bản tải xuống miễn phí là cùng một khoản mục. Một cái là mức giá. Cái kia là một bản phát hành nghiên cứu mà chi phí thực của nó xuất hiện sau đó, trong số giờ tích hợp và trong việc thiếu ý kiến thứ hai.
