标题卡上写着“WeMM-Video-9B 对决 FLUX 3 Video”,副标题为“谁为什么收费”,两个面板由中间的“vs”圆盘分隔:左侧标注“仅权重”,列出 9B 稠密参数、19.54 GiB 的 BF16 分片以及 128 帧上限;右侧标注“按量计费”,列出在 AA-Video-T2V v2.1 上的 Elo 1,137 和每分钟 $17.40。
Guides & Insights

WeMM-Video-9B 对比 FLUX 3 Video:谁为什么收费

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

两个名字里都带“视频”的模型,但其中只有一个会真正交给你一段视频。FLUX 3 Video来自 Black Forest Labs,于 2026 年 8 月 4 日正式全面可用,并按公开费率出售成品 1080p 视频的秒数。WeMM-Video-9B来自腾讯微信视觉团队,于 2026 年 11 月 17 日上线,是一个 19.54 GiB 的 Apache-2.0 检查点,能读取视频并写出关于它的句子。没有人宣布它——没有博客文章、没有定价页面、没有演示、也没有榜单条目——所以这里有用的问题不是哪个模型更好,而是你想削减的是两张账单中的哪一张。

这种重新表述并不是在回避问题。只有先说明生成器和描述器并非彼此的替代品,然后再去寻找它们真正重合的地方,这样的比较才是诚实的:单位工作量的成本、两者各自最多会查看一段片段的多少内容的上限,以及这两类说法中有多少已经由不在该公司工作的人核实过。

两个产品类别,而不是两个竞争对手

FLUX 3 Video 可接收文本提示词、单张静态图像或源视频片段,并生成新的视频素材。Black Forest Labs 的文档说明了文生视频、图生视频、视频生视频、关键帧条件控制与续写,输出最高为 1080p SDR MP4、时长最长二十秒,并在同一次生成过程中生成同步音频。它并非开放权重。没有可供下载的检查点,也没有允许你在自有硬件上运行的许可;你只能租用它。

WeMM-Video-9B 接收帧、原始音轨、独立音频、图像和文本,并返回英文或中文文本。它采用 Apache 2.0 许可,但带有一项模型卡未逐项列明的第三方除外条款。它有一个检查点,包含五个 BF16 分片,并且尚未有人找到任何托管端点。

• 方向 — FLUX 3 Video:输入文本或图像,输出视频。WeMM-Video-9B:输入视频和音频,输出文本。

• 参数 — FLUX 3 Video:未发布。WeMM-Video-9B:9B 稠密语言主干,跨 1,305 个张量共计 10,488,603,384 个参数。

• Ceiling — FLUX 3 Video:二十秒的输出。WeMM-Video-9B:十六个采样帧和 8,192 个输入 token,均为发布版本。

• 接入 — FLUX 3 Video:按量计费的 API。WeMM-Video-9B:下载并自托管,并搭配 vLLM 或 SGLang 叠加层。

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.'

读取 $17.40

Artificial Analysis 在 FLUX 3 Video 所出现的两个榜单上,都将其定价为每分钟 17.40 美元;这种一致性值得停下来想想,因为这是本文中市场双方唯一一致认同的数字。

Black Forest Labs 文档中的按秒计费表更细化,也更不乐观:文本或图像到视频的 HD 为每秒 0.15 美元,Full HD 为 0.24 美元,QHD 为 0.28 美元,UHD 为 0.41 美元;视频到视频另有更高的一档阶梯价:0.21 美元、0.27 美元、0.31 美元和 0.45 美元,Draft 档位为 0.06 美元。模型页面 FAQ 对同样四个档位仍标为 0.17 美元、0.29 美元、0.40 美元和 0.80 美元。同一供应商的两份文档都仍在线,却在最高档上相差可达两倍。请按按秒计费表做预算,并把 FAQ 留作证据:价格页面是会失效的。

这正是路由层体现自身价值、而非仅作点缀之处。OrcaRouter 以0% 加价透传供应商目录价,因此当供应商修订价目表——或发布两份彼此矛盾的价目表——时,你被计费的数额会跟随其公布的数额,而不是转售商缓存的副本。对于按秒计费、横跨四个分辨率档位的工作负载而言,这正是成本模型能否经受价格变动、还是会悄然偏离的分野。

板子上的数字是什么意思

FLUX 3 Video 被两次排名,依据的是两种无法相互换算的测量工具。

• AA-Video-T2V v2.1 — 在 7,406 个样本上以 Elo 1,137 ±13 位列第 10,2026 年 7 月,每分钟 17.40 美元。

• AA-Video-I2V v2.1——在 6,838 个样本上以 Elo 1,069 ±14 排名第 16,价格相同。其更大的同系列模型 FLUX 3 Video Max 在文生视频榜以 1,151 排名第 7,在图生视频榜以 1,068 排名第 17,价格为每分钟 $8.70。

文生视频与图生视频两行之间相差六十八分——相当于五个区间——这是关于一个在两个榜单上评分的模型最有用的单一事实:它的排名说明的是任务,而不是模型。两个榜单都没有 WeMM-Video-9B 这一行,也永远不会有,因为两者排名的都是生成的视频,而 WeMM-Video-9B 不生成任何视频。那不是低分。那是一个空单元格。

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.

十六帧画面看不见的东西

WeMM-Video-9B 的出厂配置是仓库中最可能让只粗略浏览论文的人感到失望的部分。处理器默认允许每秒 2 帧、最少 4 帧、最多 128 帧以及 100,663,296 像素的预算。仓库中随附的 vLLM 配方将所有这些覆盖为 2 fps、16 帧和 262,144 像素,并在片段中点附近采样。2 fps 下的 16 帧即八秒的覆盖范围,而采样从中间开始,因此较长片段的头尾根本不在输入中。

每条服务命令还会传入 8,192 个 token 的上下文长度。按每秒十个音频 token 计算,音频塔大约能容纳十三分钟的声音;而视频侧则要早得多就会耗尽。该架构支持 262,144 个位置嵌入,因此这个上限属于配方选择,而非硬性限制——但这正是厂商交付时所采用的选择,也是你照说明操作后得到的结果。

与 FLUX 3 Video 二十秒的输出相比,这在两个方向上都不匹配。二十秒的生成画面,多于八秒的观看。如果你的流水线先生成再描述,那么描述器只采样了生成器所产出内容的一小部分,而弥合这一差距是你必须自己完成的配置工作。

证据差距是不对称的

FLUX 3 Video 有两行独立的 Elo 数据和一个价格。它缺少的,是对其营销说辞的第三方核验:FLUX 3 Max 页面声称“12 秒出 10 秒视频”“比 Seedance 2.5 快 22 倍”,并在图生视频中并列第一,却没有指明是哪个榜单,按秒计费的卡片上没有 Max 的价格行,也没有 Max 的端点。这些都是厂商自己的说法,应当照此理解。

WeMM-Video-9B 的问题恰恰相反。它的基准测试表非常详细——带音频的 Video-MME 为 85.1,对比 Qwen3-Omni-30B-A3B-Instruct 的 77.3;Daily-Omni 为 83.6,对比 70.7;SciVideoBench 为 64.2,对比 49.9;OmniReasoningBench 为 43.9,对比 24.1;仅在 FutureOmni 上以 53.7 对 55.1 落后一次——而这些结果都没有在作者自己的评估框架之外得到复现。论文披露了这一点:“有官方结果时使用官方结果,否则使用我们自己的评估。”这句话承担了很大的解释作用,而发表三天后全部十九个 WeMM-Video 仓库的下载量均为零,这表明还没有人开始核查。

决定,每项一行

如果你需要视频素材,并且能接受每分钟 17.40 美元的价格,对照一个 FLUX 3 Video 在文生视频中排名第 10、在图生视频中排名第 16 的榜单,那就购买 FLUX 3 Video。你会获得有文档的 API、公开的定价和独立评分,但要放弃自行运行它的能力。

如果你需要描述已有的视频素材,并且能够承载 19.54 GiB 的检查点以及一个打过补丁的运行时,就下载 WeMM-Video-9B。你会得到一个音视频指标强劲、采用 Apache-2.0 许可证的 9B 描述模型,同时你会放弃独立验证、服务契约,以及对长片段实际会查看多少内容作出的任何保证。

你不应该做的,是把 $17.40 和免费下载当成同一个条目。一个是费率。另一个是研究发布版本,其真实成本会在之后显现,体现在集成工时和缺少第二意见上。