炭灰色背景上的扁平化向量主視覺,標題為 WeMM-Video-35B-A3B vs Runway Gen-4.5,副標題為「兩列缺失」:一垂直欄的石板色排名長條,寬度各異,旁邊有小方形標記,其中兩個位置留為空白虛線輪廓槽,可透出背景,還有一條點狀分隔線。
Engineering & Research

WeMM-Video-35B-A3B 對比 Runway Gen-4.5:缺少的兩行

作者

jinhao.song

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

在 Artificial Analysis 的文字轉影片排行榜上,於 2026 年 11 月 20 日查閱,共有三十五列,而 Runway Gen-4.5 與 WeMM-Video-35B-A3B 都不是其中一列。這兩種缺席並不相同。Gen-4.5 於 2025 年 12 月 1 日名列該排行榜榜首——1,247 Elo,領先 1,226 的 Veo 3、1,225 的 Kling 2.5 與 1,206 的 Sora 2 Pro——這項資訊出現在 Runway 至今仍刊出的發布文章中。WeMM-Video-35B-A3B 則完全未曾出現在任何排行榜上:Apache-2.0 權重於同日上午 03:57 UTC 提交至 Hugging Face,技術報告則在前一天提交,而 Tencent 沒有任何類似公告的內容。

所以,一方有一個已退役的皇冠,卻沒有當前資料列;另一方則沒有皇冠、沒有資料列,也沒有任何形式的第三方數字。這是一種很奇怪的配對,拿來建立比較並不妥當,而它誠實的版本比排名更狹窄。一旦這個領域已經超越某個榜單條目,那個條目實際上還值多少?雙方各自公布了什麼,是讀者今天就能查核的?而這兩者之中,哪一個會回傳一份你能直接擺在客戶面前的檔案?

王冠不是一排

Runway 自家針對 Gen-4.5 的研究頁面指出,該模型在 Artificial Analysis 的文字轉影片基準測試中以 1,247 Elo 排名第一,並列出它超越的三個模型。這是廠商在比較結果還新鮮時,對第三方來源的真實引用。這也是 Runway 為此模型公布的最後一個看似獨立的數字。

若不經過無人發表過的換算,就無法將它與今日的排行榜並列。Artificial Analysis 會在不同榜單版本之間重新錨定其 Elo 量表:目前的 AA-Video-T2V V2.1 榜單將 Kling 3.0 1080p (Pro) 固定為正好 1,000 作為基準點,其餘一切都以此為基準排名,並在每一列印出 95% 區間。於 2026 年 11 月 20 日讀取時,領先者為 Wan 3.0,分數 1,176,基於 8,243 票,而基準點排在第 23 名。2025 年 12 月的 1,247 這個數字,是在不同的基準、不同的提示詞集與不同的對比陣容下測得;將它直接放進這張表,會暗示一種這兩次讀數並不共享的精確度。

能被檢查的是「是否現身」,而現身是有形狀的。在同一輪讀取 arena 的三個影片排行榜——文字轉影片、圖片轉影片與影片編輯——時,唯一帶有 Runway 標誌的項目屬於 Aleph 2.0,也就是該公司的情境內編輯模型;它在編輯排行榜上以 1,007 Elo、23,082 票排名第 11。Gen-4.5 在 Runway 的產品目錄中,今天下午就能呼叫使用;它不在 arena 目前的名單裡。模型退出排行榜,移除的是行銷產物,不是能力——而從未進入排行榜的模型,根本沒有那個行銷產物可失去。

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.

目錄上確實是這麼寫的

Runway 的開發者文件比其研究頁面更為詳盡。識別碼 gen4.5自 2026 年 2 月 10 日起便已出現在 Runway Dev 上,可依文字或靜態圖片,每次請求生成二至十秒的內容,並以每秒 12 點數計費——按入口網站每點數一美分的費率計算,即 0.12 美元。這是固定的每秒費率,讓鏡頭預算成為一道乘法題,而非模擬,而這也是該頁面上最有用的一項資訊。

交付正是階梯顯露自身之處。ProRes 與 PNG 序列輸出會在 12 之上每秒增加 5 點數。十位元與更深層的設定檔,包括半浮點 OpenEXR 影格,會增加 20,一旦輸出超過約四百萬像素便升至 40。HDR10、HLG、12 位元 PQ 母版與位元精確的 16 位元 PNG 序列已可供gen4.5自 2026 年 8 月 20 日起使用,並調色至 BT.2020,搭配量測所得的 HDR10 中介資料,而非事後再進行色調映射。這些都不是生成解析度——而是算圖在輸出階段被封裝成的內容。

• 狀態 — Gen-4.5:自 2025 年 12 月 1 日起為商業產品,API 自 2026 年 2 月 10 日起提供,目前沒有 arena 排名列。WeMM-Video-35B-A3B:權重已在 Hub 上,下載量為零,未發布公告,從未登上任何排行榜。

• 方向 — Gen-4.5:輸入文字或圖片,輸出 MP4、ProRes、PNG 序列或 EXR。WeMM:輸入影格與配樂,輸出文字。

• Shape — Gen-4.5:二至十秒,每個請求生成一次,依輸出秒數計價。WeMM:8,192 個 token 的聯合上下文,每個片段取樣十六幀,依常駐權重的 GB 數計價。

• 價格 — Gen-4.5:每生成一秒 12 點數、$0.12,ProRes 或 PNG 另加 5 點,更深色彩則加 20 到 40 點。WeMM:BF16 為 67.39 GiB,NVFP4 則為 24.11 GiB,以及容納它所需的 GPU。

寫在 shell 旗標中的上限

分歧始於各自在哪裡截斷,但最終取決於你能否找到那個數字。Runway 數月來已公布其限制:二到十秒、四種輸出階梯、每秒費率。Tencent 公布了一份配置,卻交付了與之矛盾的指令。配置寫著 262,144 個位置;所有呼叫都寫著 --max-model-len 8192,無論在 vLLM 或 SGLang 都一樣。在 8,192 與 262,144 之間,沒有受支援的中間值。那個長數字是預留空間,而 serving flags 才是產品。

換算一下,它就不再抽象了。每秒十個音訊 token——一個 Whisper 形狀的堆疊,32 層編碼器與 32 層解碼器、寬度 1,280,接著是寬度 4,104 的視窗級 Q-Former——能把約十三分鐘的配樂塞進 8,192 個 token 裡,而這還是在任何單一影格、指令或回覆被計入之前。

接下來是畫面預算。處理器的預設值是 2 fps、最多 128 幀;服務設定則把兩者都替換成在 262,144 像素預算內的 16 幀。以十秒片段計算,換算下來不到每秒兩幀:對房間的忠實轉錄,以及房間樣貌的草圖。報告本身的表格用了哪些幀,任何地方都沒有說明,因此它的分數與你的設定之間的落差,是一個你無法計算的數字。

檢查點可讓您變更的內容

這裡,兩者本質上有所不同。Runway 的輸出方案階梯、其 12 點數的基礎費率,以及兩到十秒的視窗,都是產品決策;你要嘛買下這整套方案,要嘛不買。WeMM 的 8,192 個 token 視窗只是伺服器上的一個旗標,其 16 幀配方只是 shell 指令中的一行,而其量化則是在 67.39 GiB 的 BF16、22.69 GiB 的 AWQ W4A16 與 24.11 GiB 的 NVFP4 之間做選擇。這三者全都任由你調整,在你擁有的硬體上,以你能承受的任何延遲。

下載內容唯一沒有給你的,是一個受支援的引擎。Tencent 並沒有把架構合併回上游;而是改為隨附 diff。patch 目錄會為每個支援的版本各帶一份疊加層——vLLM 0.18.0、vLLM 0.31.0、SGLang 0.5.16、SGLang 0.5.19,除此之外別無其他——每一份旁邊都附有 SHA-256 manifest,而其下的相容性範圍窄得相當脆弱:一套 CUDA 12.9 工具鏈、一個 PyTorch 建置、一個 Transformers 建置、Python 3.12、路徑中要有 FFmpeg,以及第一次啟動 SGLang 時,會在回應任何內容之前先編譯核心。若你帶來的版本不在清單上,移植工作就得自己來。Tencent 的參考執行將 BF16 分散在兩張 H20 上;NVFP4 建置則能在 --max-num-seqs 1 下放入單張 48 GB 顯示卡。

權重是這項工作的產物。Hugging Face 在 BF16 分片中計得 36,177,564,536 個參數,其中絕大多數來自路由專家——40 層乘以 256 個專家、中間寬度 512、top-8 選擇,再加上每個 token 都會經過的 512 寬共享專家——而每個 token 約只觸及 1.0B 個參數。記憶體中持有近 36B 的容量,卻只花費 3B 的運算量。以讀取影片而非算繪影片的方式,意味著要付費儲存前向傳播鮮少造訪的知識。

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.

轉錄稿沒有匯出預設

交付成果的差異,應該在任何基準測試之前就先決定一筆採購。Runway 賣的是以可編輯中間格式呈現的成品檔案:調色用的 ProRes、合成用的 PNG 或 EXR、附帶 HDR 中介資料,以及圍繞著它的編輯器。WeMM-Video-35B-A3B 完全沒有這類東西可賣。它產出的是一段文字——一段敘述,說明發生了什麼事、誰發言、說了些什麼——這種內容會進到索引、審核佇列、QA 報告或搜尋框,而不是時間軸。

Tencent 的報告聲稱,該段落是開放權重中可取得的最佳成果。在含音訊的 Video-MME 上,它對 Qwen3.5-Omni-Flash 的分數是 86.4 對 79.3;在含音訊的 Video-MME v2 上則是 54.9 對 36.6;對比自家主幹模型,Qwen3.6-35B-A3B,它在 31 項無聲影片基準測試中贏了 20 項。它也有輸的地方——JointAVBench 65.9 對 69.0、MUSIC-AVQA 79.5 對 82.1、EgoSchema 74.2 對 77.2。每個數字都出自訓練者,報告也如此表明,而且在揭露時,它逐表在 Instruct 與 Thinking 模式之間切換。沒有任何第三方重現過其中任何一項。能讓這項說法可受檢驗的,是完成 vLLM 上游合併以終結修補,以及在含音訊的 Video-MME v2 上進行首次獨立執行。

報告也指出,該系列已「部署於微信內多項核心影片服務」,並點名直播電商、短劇分析與互動影片。這是本文中最強烈的採用主張,卻也是最難以驗證的:整份發布資料中,無論延遲、吞吐量、併發數或記憶體數據,均未出現於任何地方。這是一句你可以引用、卻無法測試的話。

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.'

逐字稿適合錄音室的地方

把兩者放在一起,整條流程自然就成形了,儘管還沒有人公開發表過:先渲染鏡頭,再讓某個東西把渲染結果讀回來——產品有沒有出現、對白是否與腳本相符、這段片段是否安全可發布。Runway 不賣後半段。一個自架設的 WeMM checkpoint 可以做到,代價是下載 67 GiB 和一個原始碼 overlay。

對於你本週能拿到的那一半,骨幹模型是合理的切入點。如報告所述,Qwen3.6-35B-A3B 是 WeMM-Video-35B-A3B 所建構於其上的模型;它在 OrcaRouter 上提供服務,每百萬輸入 token 為 $0.25、每百萬輸出 token 為 $1.48,支援 262,144 token 的上下文,並接受文字、圖像與影片輸入。它沒有音訊處理堆疊,因此無法告訴你是誰在說話。它今天就能拿你渲染的相同片段來判斷,畫面是否包含提示所要求的內容。

OrcaRouter 既不提供 Gen-4.5,也不提供 WeMM-Video-35B-A3B;若本文聲稱其有提供,那本文內容就會是謊言。這個平台給你的是比較用的測試框架:一組與 OpenAI 相容的金鑰、供應商牌價以 0% 加價 直接轉嫁,以及 自動容錯移轉(當端點效能劣化時)。另外請注意,Gen-4.5 是以訂閱方案中的點數計費,而非以 token 計費;這不是路由器能標準化的單位——點數就是計量單位,而計量單位屬於 Runway。

依交付成果挑選,而非依職級

當成品必須以檔案形式交付出去時,就選 Runway Gen-4.5:一段 2 到 10 秒的鏡頭,以 ProRes、PNG 序列或附帶中繼資料的 HDR 交付,且是在他人維護的剪輯軟體中完成。事前要知道,其發布頁面上的數字已將近一年舊,而且是在一個已不再列出它的排行榜上測得的;20 到 40 點數的色彩階梯很快就會累積起來;費率則是固定的,因為方案是固定的。

當輸出是影片素材的敘述而非影片素材本身、當 Apache 2.0 對法務審查很重要,以及當你寧願用旗標調整上限也不願提交功能請求時,就採用 WeMM-Video-35B-A3B。進場前請了解:權重才剛發布幾天;附加其上的每一項品質數字都出自訓練該模型的團隊;四種量化變體中有三種自稱未經驗證;而且安裝內容只是覆蓋在尚未合併該架構的推論引擎上的修補層。

排行榜上少了兩列,原因卻正好相反,而這兩種缺席都不是定論。其中一個模型曾被測量、曾被封王,之後又因重新錨定而被移出榜單;另一個則從未由任何未參與訓練它的人測量過。建立在這一點上的比較,必須著眼於雙方各自讓你能做什麼,以及各自回報你什麼——因為這一次,計分板在兩邊都確實是空的。