
WeMM-Video-9B so với Hailuo 2.3: Sáu giây im lặng
- 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
Both of these models will let you down in exactly one place, and it is the same place. Hailuo 2.3 produces six seconds of 1080p video and no sound at all. WeMM-Video-9B reads sixteen sampled frames of video, which at the shipped sampling rate is about eight seconds of coverage, and returns text. Neither one is a general-purpose video system, and neither is on a leaderboard you can point at. MiniMax shipped Hailuo 2.3 in April 2026 and has since moved on to a model that does appear on those boards; Tencent's WeChat Vision group put WeMM-Video-9B on Hugging Face on 17 November 2026 with no announcement, no endpoint and no price. That leaves two releases that are each, in their own way, a bounded tool — and the boundary is the interesting part.
A note on sourcing before anything else, because this piece leans on it. The Hailuo 2.3 numbers come from MiniMax's own pricing and documentation plus third-party per-second trackers, since the model has no independent Elo. The WeMM-Video-9B numbers come from the repository manifests, the model card and arXiv 2611.26409. Nothing here has been reproduced outside the labs that published it, and where a figure is vendor-reported the text says so.
Sáu giây không phải là mặc định.
Giới hạn thời lượng của Hailuo 2.3 là một thuộc tính đã được huấn luyện, không phải một cài đặt. Sáu giây ở 1080p. Mười giây nếu bạn giảm xuống 768p. Không có điều kiện hóa khung hình cuối, nên bạn không thể yêu cầu nó dừng ở một bố cục cuối cụ thể theo cách bạn có thể làm với mô hình keyframe, và hoàn toàn không có rãnh âm thanh gốc — đầu ra không có âm thanh, và bất kỳ âm thanh nào bạn muốn đều phải được thêm ở khâu sau hoặc tạo riêng.
Cách tính giá dựa trên điểm trả trước thay vì mức giá mỗi giây được công bố, khiến việc so sánh chi phí trở nên khó khăn hơn mức cần thiết. Sáu giây ở 768p trên gói tiêu chuẩn là một điểm; mười giây ở 768p hoặc sáu giây ở 1080p là hai điểm. Biến thể Fast rơi vào khoảng 0,7 điểm cho trường hợp ngắn và 1,1 đến 1,3 cho trường hợp dài. Các công cụ theo dõi bên thứ ba đã quy đổi giá này sang đô la thì đưa ra mức gần 0,08 đô la mỗi giây, tức khoảng 0,48 đô la cho một clip sáu giây.
• Thời lượng — Hailuo 2.3: 6 giây ở 1080p, 10 giây ở 768p. WeMM-Video-9B: không có thời lượng đầu ra vì nó không tạo ra video.
• Âm thanh — Hailuo 2.3: không có, đầu ra hoàn toàn im lặng. WeMM-Video-9B: một tower kiểu Whisper 1,08B có khả năng phiên âm và suy luận trên phần soundtrack mà bạn cung cấp.
• Điều khiển — Hailuo 2.3: không có điều kiện khung cuối. WeMM-Video-9B: có thể cấu hình từ 4 đến 128 khung hình, lấy mẫu mặc định 2 fps.
Điểm Hailuo 2.3 thực sự làm tốt chính là điều người dùng nói tới: chuyển động camera điện ảnh, chuyển động của con người và vi biểu cảm, cùng vẻ ngoài cách điệu, gần với hoạt hình, giữ được phong độ tốt hơn hầu hết mô hình khác trong các yêu cầu phi hiện thực. Đó là một thế mạnh thực sự và không thể đo đếm trên bảng xếp hạng, một phần lý do mô hình này chưa từng xuất hiện trên đó.

Bảng không có dòng nào cho cả hai.
Tính đến ngày 20 tháng 11 năm 2026, cả ba bảng xếp hạng video của Artificial Analysis — AA-Video-T2V v2.1, AA-Video-I2V v2.1, AA-Video-Editing v1.1 — đều không trả về kết quả nào cho Hailuo 2.3. Không phải thứ hạng thấp. Không có mục nào.
Sự vắng mặt đó có hai nguyên nhân khác nhau và đáng để tách riêng chúng. {{1}}WeMM-Video-9B{{/1}} không thể xếp hạng: các bảng xếp hạng chấm điểm cảnh quay được tạo dựa trên ưu tiên so sánh theo cặp, và một mô hình xuất ra token thì không có gì để nộp. {{2}}Hailuo 2.3{{/2}} về nguyên tắc có thể được xếp hạng nhưng chưa được xếp — đầu ra 1080p mà người chấm có thể xem, không có bài nộp, không có dòng giá, không có số lượng mẫu.
Vậy nên bằng chứng chất lượng duy nhất trong cuộc đối đầu này nằm ở phía không có sản phẩm. Bài báo WeMM-Video-9B báo cáo rằng, ở chế độ suy nghĩ trên các benchmark âm thanh-hình ảnh kết hợp, mô hình này thắng Qwen3-Omni-30B-A3B-Instruct ở 35 trong 37 số liệu dùng chung — Video-MME có âm thanh 85,1 so với 77,3, Daily-Omni 83,6 so với 70,7, EvaOmni 50,7 so với 26,1 — và có một điểm thua là FutureOmni, 53,7 so với 55,1. So với backbone Qwen3.5-9B của chính nó trên video không có âm thanh, nó tăng điểm trên F-16-NBA và TimeLens và giảm điểm trên MLVU, LVBench, VideoVista và MVBench. Tất cả những điều đó đều dùng bộ công cụ đánh giá của chính các tác giả, được nêu rõ như vậy trong bài báo.

Thế hệ sau Hailuo 2.3
Hailuo 2.3 is not MiniMax's current model, and pretending otherwise would be a disservice to anyone budgeting this quarter. The successor, MiniMax H3, was released on 31 July 2026 and does appear on the boards.
• AA-Video-T2V v2.1 — MiniMax H3 at 768p ranks 3rd on Elo 1,161 ±13 over 8,386 samples, listed July 2026 at $4.80 per minute.
• AA-Video-I2V v2.1 — Đứng thứ 5 với Elo 1.134 ±14 trên 6.594 mẫu, với tỷ lệ tương tự.
• AA-Video-Editing v1.1 — Hạng 6 với Elo 1.126 ±10 trên 9.688 mẫu, $9,60 mỗi phút.
Third on text-to-video and fifth on image-to-video at $4.80 a minute is a different conversation from Hailuo 2.3's unranked, point-priced, six-second offering. If you are choosing a MiniMax model rather than comparing one, H3 has already won that argument inside the vendor's own lineup.

Tại sao tám giây đó lại quan trọng hơn vẻ bề ngoài
Công thức WeMM-Video-9B được phát hành ghi đè các giá trị mặc định vốn rộng rãi của bộ xử lý — 2 fps, tối thiểu 4 khung hình, tối đa 128, ngân sách 100.663.296 pixel — xuống còn 2 fps và 16 khung hình ở 262.144 pixel, được lấy mẫu quanh điểm giữa của clip. Mười sáu khung hình với tốc độ hai khung hình mỗi giây tương đương tám giây độ phủ, và độ phủ bắt đầu từ chính giữa.
Đặt điều đó bên cạnh sáu giây của Hailuo 2.3, và một điều mang tính làm rõ sẽ hiện ra. Theo một nghĩa nào đó, Hailuo 2.3 tạo ra ít cảnh quay hơn mức WeMM-Video-9B có thể xem: một clip Hailuo sáu giây vừa vặn trong cửa sổ của bộ mô tả và vẫn còn dư chỗ. Nhưng chế độ 768p mười giây thì không, và bất kỳ thứ gì bạn tạo bằng một mô hình khác rồi đưa cho WeMM-Video-9B xem xét cũng vậy. Phía video của pipeline bị giới hạn ở khoảng tám giây, trong khi phía âm thanh có thể chứa khoảng mười ba phút ở tốc độ mười token mỗi giây, và mọi lệnh phục vụ trong kho mã nguồn đều truyền độ dài ngữ cảnh 8.192 token, khiến sự bất đối xứng đó trở thành ràng buộc quyết định.
• Nếu bạn đang tạo — Hailuo 2.3 mang đến cho bạn sáu giây, im lặng, với chuyển động camera mạnh mẽ và chi tiết con người.
• Nếu bạn đang đánh giá — WeMM-Video-9B cung cấp cho bạn tám giây khung hình được lấy mẫu cùng toàn bộ bản âm thanh, được mô tả bằng tiếng Anh hoặc tiếng Trung.
• Mối nối — một khoảng lặng sáu giây được tạo nằm trong cả hai cửa sổ, đây là cấu hình duy nhất mà cặp này ổn.
Failover là phần không mang tính lý thuyết.
Neither model is served through OrcaRouter, and that is stated here rather than buried. Hailuo 2.3 is reachable through MiniMax's own platform and several third-party platforms; WeMM-Video-9B is reachable by downloading 19.54 GiB of Apache-2.0 weights.
Điều quan trọng đối với một pipeline kết hợp bộ sinh và bộ mô tả là điều gì xảy ra khi một chặng ngừng hoạt động. OrcaRouter có cơ chế chuyển đổi dự phòng định tuyến vòng qua một mô hình đang bị giới hạn tốc độ hoặc trả về lỗi mà không buộc bên gọi phải viết lại client của mình, và DSL định tuyến cho phép bạn biểu đạt điều đó dưới dạng chính sách thay vì một đống logic thử lại. Đối với một khối lượng công việc mà bước mô tả là một checkpoint cục bộ và bước sinh là một API được lưu trữ, nửa được lưu trữ chính là nửa sẽ gặp sự cố — và việc nó chuyển sang dự phòng một mô hình tương đương thay vì làm hỏng công việc đáng giá hơn một mức chênh lệch giá nhỏ.
Sáu giây hoặc là đủ, hoặc là không.
Nếu sản phẩm bàn giao là sáu giây 1080p im lặng, đậm chất điện ảnh và đầy tự tin, thì Hailuo 2.3 làm được điều đó, và câu hỏi thực sự duy nhất là liệu giá theo điểm có vượt trội hơn các phương án tính theo giây cho khối lượng bạn cần hay không. Hãy kiểm tra gói mười giây 768p trước khi bạn chọn gói ngắn làm chuẩn; chi phí điểm tăng gấp đôi, chứ không phải giá mỗi giây.
If the deliverable is a written account of footage, WeMM-Video-9B does that with the strongest audio-visual numbers in the family and no independent confirmation of any of them. Budget for a patched vLLM or SGLang install and for the fact that you will be the first person outside Tencent to run it in anger.
Điều mà cả hai đều không phải là một nền tảng video tổng quát. Chúng là hai công cụ chuyên biệt với giới hạn tám giây và sáu giây, và việc chọn giữa chúng là câu hỏi về việc bạn có thể chấp nhận đụng đến giới hạn nào.
