標題卡寫著「WeMM-Video-9B vs FLUX 3 Video」,副標題為「誰對什麼收費」,兩個面板由一個 vs 圓盤隔開:左側標示「僅權重」,列出 9B 稠密參數、19.54 GiB 的 BF16 分片,以及 128 幀上限;右側標示「計量收費」,列出在 AA-Video-T2V v2.1 上的 Elo 1,137,以及每分鐘 $17.40。
Guides & Insights

WeMM-Video-9B 與 FLUX 3 Video:誰對什麼收費

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

Two models with video in their name, and only one of them will ever hand you a video. FLUX 3 Video, from Black Forest Labs, went to general availability on 4 August 2026 and sells seconds of finished 1080p footage at a published rate. WeMM-Video-9B, from T​encent's WeChat Vision group, went up on 17 November 2026 as a 19.54 GiB Apache-2.0 checkpoint that reads footage and writes sentences about it. Nobody announced it — no blog post, no pricing page, no demo, no board entry — which is why the useful question here is not which model is better. It is which of the two invoices you are trying to reduce.

那種重新表述並不是迴避。唯有你先明說生成器與描述器並非替代品,然後再去尋找它們實際交會之處,這樣的比較才算誠實:每單位工作的成本、兩者各自最多會檢視一段影片的多少內容之上限,以及這兩種說法各自有多少已由不在該公司工作的人查核過。

兩個產品類別,而非兩個競爭對手

FLUX 3 Video 可接收文字提示、靜態影像或來源片段,並回傳全新影片素材。Black Forest Labs 記錄了文字轉影片、影像轉影片、影片轉影片、關鍵影格條件化與續接,輸出最高可達 20 秒、1080p SDR MP4,並在同一輪生成中產生同步音訊。它並非開放權重。沒有可下載的檢查點,也沒有任何授權可讓你在自己的硬體上執行;你只能租用。

WeMM-Video-9B 接收影格、原始音軌、獨立音訊、圖像與文字,並以英文或中文回傳文字。它採用 Apache 2.0,但有第三方除外條款,模型卡並未逐項列出。有一個檢查點,由五個 BF16 分片組成,而且目前沒有人找到任何託管端點。

• 方向 — FLUX 3 Video:文字或圖片輸入,影片輸出。WeMM-Video-9B:影片與音訊輸入,文字輸出。

• 參數 — FLUX 3 Video:尚未公布。WeMM-Video-9B:9B 稠密語言骨幹,總計 10,488,603,384,分布於 1,305 個張量。

• 上限 — FLUX 3 Video:輸出二十秒。WeMM-Video-9B:十六個取樣影格與 8,192 個輸入 token,如出貨版本。

• 存取 — FLUX 3 Video:按用量計費的 API。WeMM-Video-9B:可下載並自行託管,搭配 vLLM 或 SGLang 疊加層。

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.'

正在讀取 $17.40

Artificial Analysis 將 FLUX 3 Video 定價為每分鐘 17.40 美元,在它出現的兩個榜單上都是如此;而這種一致性值得停下來細想,因為這是本文中市場雙方唯一達成共識的數字。

Black Forest Labs 文件中的每秒計價表更細緻,也比較不討喜:文字或圖片轉影片的 HD 為每秒 $0.15、Full HD 為 $0.24、QHD 為 $0.28、UHD 為 $0.41;影片轉影片則另有一套更高費率,分別為 $0.21、$0.27、$0.31 和 $0.45,另外還有 $0.06 的 Draft 層級。模型頁面的 FAQ 仍舊列出相同四個層級的 $0.17、$0.29、$0.40 和 $0.80。同一家供應商的兩份文件都還在線上,但最高階的價格最多相差達兩倍。請以每秒計價表來編列預算,並把 FAQ 留作證據,證明價格頁面會腐壞過時。

這正是路由層發揮價值、而非僅作裝飾的地方。OrcaRouter 以0% 加成傳遞供應商的定價清單,因此當供應商修訂費率卡——或公布兩份彼此矛盾的費率卡——你被計費的數字會跟著他們公布的數字走,而不是經銷商快取的副本。對於按秒計費、橫跨四個解析度層級的工作負載而言,這正是成本模型能否在價格變動後依然成立,還是會悄然漂移的差別所在。

板子上的數字代表什麼意思

FLUX 3 Video 在兩項無法相互換算的指標上各被排名一次。

• AA-Video-T2V v2.1 — 以 Elo 1,137 ±13 排名第 10,基於 7,406 個樣本,2026 年 7 月,每分鐘 $17.40。

• AA-Video-I2V v2.1 — 在 6,838 個樣本上以 Elo 1,069 ±14 排名第 16,價格相同。其較大型的同系列模型 FLUX 3 Video Max 在文生影片項目以 1,151 排名第 7,在圖生影片項目以 1,068 排名第 17,每分鐘 $8.70。

文字轉影片與圖像轉影片這兩列之間相差六十八分——相當於五個級距——這是關於一個在兩張榜單上被評分的模型最有用的一項事實:它的名次說明的是任務,而不是模型。兩張榜單都沒有 WeMM-Video-9B 的列,而且永遠也不會有,因為兩者排名的都是生成的影片,而 WeMM-Video-9B 完全不生成影片。這不是低分。這是空白儲存格。

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.

十六格畫面看不見的事物

WeMM-Video-9B 隨附的設定,是儲存庫中最可能讓只快速瀏覽過論文的人失望的部分。處理器預設允許每秒 2 幀、最少 4 幀、最多 128 幀,以及 100,663,296 像素的預算。儲存庫隨附的 vLLM 設定方案將這一切覆寫為 2 fps、16 幀與 262,144 像素,並在片段中點附近取樣。以 2 fps 計算,16 幀等於八秒的涵蓋範圍,而且取樣從中間開始,因此較長片段的前端與尾端根本不會出現在輸入中。

每個 serving 指令也都會傳入 8,192 個 token 的上下文長度。以每秒十個音訊 token 計算,音訊塔大約可容納十三分鐘的聲音;視訊端則會早得多就耗盡。此架構支援 262,144 個位置嵌入,因此這個上限是配方上的選擇,而非硬性限制——但這是廠商出貨時所做的選擇,也是你依照指示操作時會得到的選擇。

相較於 FLUX 3 Video 的二十秒輸出,這在兩個方向上都不匹配。二十秒的生成影片,比八秒的檢視還多。如果你的管線先生成再描述,描述器只取樣了生成器所產生內容的一小部分,而彌補這個落差是你必須自行完成的設定工作。

證據缺口是不對稱的

FLUX 3 Video 有兩個獨立的 Elo 列和一個價格。它沒有的,是對行銷說法的第三方查核:FLUX 3 Max 頁面宣稱「12 秒內完成 10 秒影片」、「比 Seedance 2.5 快 22 倍」,並在圖像轉影片項目並列第一,卻未指名是哪個排行榜、每秒計價卡上沒有 Max 的價格列,也沒有 Max 端點。這些都是廠商說法,應以此看待。

WeMM-Video-9B 則有相反的問題。它的基準測試表很詳細——有音訊的 Video-MME 為 85.1,對上 Qwen3-Omni-30B-A3B-Instruct 的 77.3;Daily-Omni 為 83.6,對上 70.7;SciVideoBench 為 64.2,對上 49.9;OmniReasoningBench 為 43.9,對上 24.1;僅在 FutureOmni 以 53.7 對 55.1 有一項落敗——但這些結果沒有一項在作者自己的評估框架之外被重現。論文披露了這點:「有官方結果時採用官方結果,否則採用我們自己的評估。」這句話起了很大的作用,而發表三天後,全部十九個 WeMM-Video 儲存庫的下載次數皆為零,這暗示還沒有人開始查核。

決定,每項一行

如果你需要影片素材,且能接受每分鐘 17.40 美元的價格,而它在排行榜上文字轉影片排名第 10、圖片轉影片排名第 16,那就購買 FLUX 3 Video。你會得到有文件記載的 API、公開定價與獨立評分,但會失去自行運行它的能力。

如果你需要描述手邊已有的影片素材,而且能承擔 19.54 GiB 的檢查點加上已修補的執行環境,就下載 WeMM-Video-9B。你會得到一個影音表現數據強勁的 9B 描述器,以及 Apache-2.0 授權;但你要放棄獨立驗證、服務契約,以及對它實際會檢視長片段多少內容的任何保證。

你不該做的,是把 $17.40 和免費下載當成同一個項目。一個是費率;另一個是一份研究報告的釋出,而它真正的成本會在之後浮現——體現在整合工時上,以及少了一份第二意見。