炭灰色背景上的扁平矢量主视觉,标题为 WeMM-Video-35B-A3B vs Runway Gen-4.5,副标题为“缺失的两行”:一列宽度各异的石板色排名条,旁边带小方形标记,其中两个位置留作空的虚线轮廓槽位、可透出背景,还有一条点状分隔线。
Engineering & Research

WeMM-Video-35B-A3B 与 Runway Gen-4.5:缺失的两行

作者

jinhao.song

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

在 Artificial Analysis 的文生视频榜单上,以 2026 年 11 月 20 日读取的数据来看,共有三十五条记录,且无论是Runway Gen-4.5还是WeMM-Video-35B-A3B都不在其中。这两种缺席并不是同一种缺席。Gen-4.5 于 2025 年 12 月 1 日被排在该榜单首位——1,247 Elo,领先于 1,226 的 Veo 3、1,225 的 Kling 2.5 和 1,206 的 Sora 2 Pro——出现在一篇 Runway 仍在发布的发布帖中。WeMM-Video-35B-A3B 则从未出现在任何榜单上:Apache-2.0 权重于当天凌晨 03:57 UTC 提交到 Hugging Face,技术报告于前一天提交,而 T​encent 没有任何类似公告的内容。

一方有一个已退役的皇冠,却没有当前行;另一方没有皇冠、没有当前行,也没有任何形式的第三方数字。拿这样的组合来做比较很奇怪,而诚实的版本比排名更窄。当领域已经越过某个榜单条目之后,它究竟还值多少?每一方今天发布了什么,是读者可以核实的?两者之中,哪一个会返回一个你可以拿给客户看的文件?

王冠不是一排

Runway 自己为 Gen-4.5 设立的研究页面称,该模型以 1,247 Elo 在 Artificial Analysis 的文本转视频基准中排名第一,并点名了它所超越的三个模型。这是供应商在对比数据尚新鲜时对第三方作出的真实引用。这也是 Runway 为该模型公布的最后一个看似独立的数字。

若不进行无人公布过的算术运算,它就无法与今天的表格并列。Artificial Analysis 会在不同榜单版本之间重新锚定其 Elo 量表:当前的 AA-Video-T2V V2.1 榜单将 Kling 3.0 1080p(Pro)恰好固定为 1,000 作为参考点,其他所有模型都以此为基准排名,并在每一行印出 95% 区间。截至 2026 年 11 月 20 日读取,领先者是 Wan 3.0,得分为 1,176,基于 8,243 票,而锚点位列第 23。2025 年 12 月的 1,247 这一数字是针对不同的锚点、不同的提示集和不同的参评阵容测得的;把它塞进这张表,会暗示两种读数并不共享的精度。

可被核验的是存在,而存在有其形态。在同一个读取时点上,遍览该竞技场的全部三个视频榜单——文生视频、图生视频和视频编辑——唯一带有 Runway 标志的那一行属于 Aleph 2.0,这是该公司的上下文内编辑模型,在编辑榜上以 1,007 Elo、23,082 票位列第 11。Gen-4.5 在 Runway 的产品目录中,今天下午即可调用;它不在该竞技场当前的列表中。一个模型离开排行榜,移除的是一种营销产物,而非一种能力——而一个从未进入排行榜的模型,从来就没有过这种产物可失去。

A tall headless screenshot of the Artificial Analysis AA-Video-T2V V2.1 leaderboard as read on 20 November 2026, listing thirty-five ranked text-to-video models with Elo scores, 95% intervals, sample counts and per-minute prices, from Wan 3.0 at 1,176 over 8,243 samples down to Boreal at 827, with Kling 3.0 1080p (Pro) fixed at 1,000 as the board anchor, Veo 3.1 at 963 and $24.00 a minute in 26th place, and no Runway row anywhere on the list.

目录上究竟说了什么

Runway 的开发者文档比其研究页面更愿意透露信息。标识符 gen4.5自 2026 年 2 月 10 日起就已在 Runway Dev 上提供,每次请求可根据文本或静帧生成两到十秒的内容,并按每秒 12 个积分计费——按每个积分一美分的门户费率计算,即每秒 0.12 美元。这是固定的每秒费率,让镜头预算变成一道乘法题,而不是一次模拟,也是该页面上最有用的单项信息。

交付环节正是阶梯价格显现之处。ProRes 和 PNG 序列输出会在 12 个积分的基础上每秒增加 5 个积分。10 位及更深位深的配置文件(包括半浮点 OpenEXR 帧)增加 20 个积分,一旦输出超过约 400 万像素则升至 40 个积分。HDR10、HLG、12 位 PQ 母版以及位精确的 16 位 PNG 序列已面向 gen4.5 自 2026 年 8 月 20 日起提供,并调色至 BT.2020,使用实测的 HDR10 元数据,而不是事后进行色调映射。这些都不是生成分辨率——而是渲染在输出过程中被打包成的格式。

• 状态 — Gen-4.5:自 2025 年 12 月 1 日起为商业产品,自 2026 年 2 月 10 日起提供 API,当前在竞技场中无条目。WeMM-Video-35B-A3B:权重已在 Hub 上,零下载,无公告,从未出现在任何榜单上。

• 方向 — Gen-4.5:输入文本或图像,输出 MP4、ProRes、PNG 序列或 EXR。WeMM:输入帧与音轨,输出文本。

• Shape — Gen-4.5:2 到 10 秒,每次请求生成一次,按输出秒数计费。WeMM:8,192 个 token 的联合上下文,每个片段采样 16 帧,按常驻权重的 GB 数计费。

• 价格 — Gen-4.5:每生成一秒 12 积分、0.12 美元,ProRes 或 PNG 另加 5,更高色深另加 20 到 40。WeMM:BF16 为 67.39 GiB,NVFP4 为 24.11 GiB,以及容纳它所需的 GPU。

用 shell 标志写成的上限

分歧始于各自截断的位置,但最终归结为你能否找到那个数字。Runway 已经连续数月公布其限制:两到十秒、四档输出阶梯、每秒一个速率。腾讯公布了一份配置,却交付了与之相矛盾的命令。配置里写着 262,144 个位置;而所有调用都写着 --max-model-len 8192,vLLM 和 SGLang 皆然。在 8,192 与 262,144 之间,没有任何受支持的中间值。那个长数字是余量,而服务启动参数才是产品本身。

转换一下,它就不再抽象了。每秒十个音频 token —— 一个 Whisper 形态的堆栈,32 层编码器和 32 层解码器、宽度为 1,280,再加上一个宽度为 4,104 的窗口级 Q-Former —— 能把大约十三分钟的音轨塞进 8,192 个 token 里,而这还没把哪怕一帧画面、指令或回复计算在内。

接下来是图像预算。处理器的默认值是 2 fps,最多 128 帧;服务配方将这两项都替换为 262,144 像素预算内的 16 帧。在十秒片段上,这算下来不到每秒两帧:一份对房间的忠实转录,以及一幅房间外观的草图。报告自己的表格使用了哪些帧,任何地方都没有说明,因此其分数与你的配置之间的差距是一个你无法计算的数字。

检查点允许你更改什么

在这里,两者有本质区别。Runway 的输出档位、其 12 积分的基础费率以及 2 至 10 秒的窗口,都是产品决策;你要么购买这个套餐,要么不买。WeMM 的 8,192 token 窗口是一个服务端标志位,其 16 帧配方是 shell 命令中的一行,而其量化则是在 67.39 GiB 的 BF16、22.69 GiB 的 AWQ W4A16 和 24.11 GiB 的 NVFP4 之间做选择。这三项都任你在自己拥有的硬件上调整,并可采用你能承受的任何延迟。

下载唯一没有提供的,是一个受支持的引擎。腾讯没有把架构合并到上游;而是直接发布了 diff。patch目录为每个受支持的版本各提供一个覆盖层——vLLM 0.18.0、vLLM 0.31.0、SGLang 0.5.16、SGLang 0.5.19,仅此而已——每个覆盖层旁边都有一个 SHA-256 清单,而其下的兼容面窄得近乎脆弱:一套 CUDA 12.9 工具链、一个 PyTorch 构建、一个 Transformers 构建、Python 3.12、PATH 中有 FFmpeg,以及首次启动 SGLang 时会先编译内核,然后才会响应任何请求。带一个不在列表里的版本过来,移植工作就归你了。腾讯的参考运行将 BF16 分散在两块 H20 上;NVFP4 构建在 --max-num-seqs 1。

权重是这项工作的副产物。Hugging Face 在 BF16 分片中统计到 36,177,564,536 个参数,其中路由专家占据压倒性份额——40 层 × 每层 256 个专家、中间宽度 512、top-8 选择,再加上每个 token 都会经过的 512 宽共享专家——而每个 token 约触及 1.0B 参数。近 36B 的容量驻留在内存中,只花费了 3B 的算术量。读取视频而非渲染视频,意味着要为存储前向传播鲜少访问的知识买单。

A headless screenshot of the Hugging Face file listing for Tencent/WeMM-Video-35BA3B showing the Image-Text-to-Text tag, English and Chinese language tags, the arxiv:2611.26409 and apache-2.0 badges, the wemm_qwen3_5_moe architecture, LICENSE and SHA256SUMS files, a repository history of four commits, and BF16 safetensors shards from model-00001-of-00017 at 4.33 GB onward, uploaded about four hours earlier.

转录本没有导出预设

交付物的差异应当在任何基准测试之前就决定是否购买。Runway 卖的是一份以可编辑中间格式呈现的成品文件:用于调色的 ProRes、用于合成的 PNG 或 EXR、附带 HDR 元数据,周围还有一套编辑器。WeMM-Video-35B-A3B 完全不卖这类东西。它产出的是一个段落——对发生了什么、谁说了话、说了什么的叙述——它会进入索引、审核队列、QA 报告或搜索框,而不是时间线。

腾讯的报告声称,该段落是开放权重中可用的最佳内容。在与 Qwen3.5-Omni-Flash 的对比中,它在带音频的 Video-MME 上以 86.4 对 79.3 胜出,在带音频的 Video-MME v2 上以 54.9 对 36.6 胜出;与其自有骨干模型 Qwen3.6-35B-A3B 相比,它在 31 个无声视频基准中赢了 20 个。它也有落败之处——JointAVBench 为 65.9,对比 69.0;MUSIC-AVQA 为 79.5,对比 82.1;EgoSchema 为 74.2,对比 77.2。报告坦言,每个数字都来自训练方,并且在披露时逐表在 Instruct 和 Thinking 模式之间切换。尚无第三方复现其中任何结果。要让这一说法可核查,需要一次 vLLM 上游合并来结束打补丁,以及在带音频的 Video-MME v2 上进行首次独立运行。

该报告还指出,该系列“已部署在 WeChat 内多个核心视频服务中”,并点名{{1}}直播电商、短剧分析和互动视频{{/1}}。这是本文中最强的采用声明,也是最难以验证的:发布稿中任何地方都没有出现延迟、吞吐量、并发性或内存方面的数据。这是一句你可以引用却无法测试的话。

A stacked flat vector evidence card on a charcoal background headed What each side has on the record: the bone-white Runway Gen-4.5 panel reads no row on any of the three AA video boards, 1,247 Elo at launch on 1 December 2025, 1,000 as the board anchor has since moved, and an API since 10 February 2026; the muted teal WeMM-Video-35B-A3B panel reads no entry on Artificial Analysis or LMArena, benchmarks reported by Tencent only, no third-party reproduction, and weights committed 20 November 2026. A grey footer reads 'Boards read 20 November 2026; the two absences are not the same absence.'

文字记录适合工作室的地方

把两者结合起来,流水线就自然成形了,尽管还没有人公开发表过:渲染镜头,然后让某个东西把渲染结果读回来——产品出现了吗,对白与脚本一致吗,这个片段可以安全发布吗。Runway 并不卖后半部分。一个自托管的 WeMM checkpoint 可以做到,代价是下载 67 GiB 并加一个源覆盖层。

对于本周你能拿到的那一半,骨干模型是合理的切入点。正如报告所述,WeMM-Video-35B-A3B 是基于 Qwen3.6-35B-A3B 构建的,而后者已在 OrcaRouter 上线,支持文本、图像和视频输入,上下文长度为 262,144 个 token,价格为每百万输入 token 0.25 美元、每百万输出 token 1.48 美元。它没有音频栈,因此无法告诉你谁在说话。但它今天就能基于你渲染的相同片段,判断画面中是否包含提示词所要求的内容。

OrcaRouter 既不提供 Gen-4.5,也不提供 WeMM-Video-35B-A3B;如果本文正文声称它提供,那正文就是在说谎。该平台为你提供的是用于比较的承载框架:一个兼容 OpenAI 的密钥、按 0% 加价,以及自动故障转移——当某个端点性能下降时就会触发。另需注意,Gen-4.5 是按订阅中的额度计费,而不是按 token 计费;token 不是路由器能够标准化的单位——额度才是计量单位,而这个计量单位归 Runway 所有。

依据交付成果来挑选,而不是按等级来挑选

当输出必须作为文件交付出去时,就选 Runway Gen-4.5:一段两到十秒的镜头,以 ProRes、PNG 序列或附带元数据的 HDR 交付,并放进由别人维护的编辑器里。要清楚,其发布页面上的数字已快一年了,而且是在一个不再列出它的榜单上测得的;20 到 40 积分的颜色阶梯会迅速累加;费率是固定的,因为套餐是固定的。

当输出是对影像素材的描述而非影像素材本身,当 Apache 2.0 对法律审查很重要,以及当你宁愿用一个标志位去调整上限也不愿提交功能请求时,就选 WeMM-Video-35B-A3B。上手前要知道:权重才发布几天;附在权重上的每一个质量数字都来自训练该模型的团队;四个量化变体中有三个自称未经验证;而且这次安装只是叠加在尚未合并该架构的推理引擎上的补丁层。

榜单上少了两行,原因却相反,而这两种缺席都不构成判决。一个模型被评测过、被加冕过,后来又被重新锚定、移出了榜单;另一个则从未被任何没有参与训练它的人评测过。在此基础上做比较,就只能围绕双方各自允许你做什么、又各自回馈你什么——因为这一次,记分牌两边确实都是空的。