Primäre Verwendung angegeben oder vorsichtig aus offizieller Dokumentation abgeleitet.
WeMM-Video-2B
Chinesisch-englische Modellfamilie zum Verstehen von Text, Bildern, Audio und Video samt Tonspur. Sie liefert Text und bietet direkte Antworten oder Schlussfolgern. Die BF16-Checkpoints mit 2B, 4B, 9B und 35B-A3B wurden am 20. November veröffentlicht; Quantisierungen sind keine neuen Modelle.
Das Wesentliche
Maximale Eingabekapazität bei Veröffentlichung durch die Quelle.
Dokumentierte maximale Erzeugungsgrenze.
Verifizierte Verfügbarkeitskanäle.
Primäre Funktionsfamilie und verifizierte Spezialisierungen.
Deklarierte Bedingungen für API, Gewichte oder Self-Hosting.
Limits und Integration
| API-ID | tencent/WeMM-Video-2B |
|---|---|
| Modelltyp | Multimodal · Sprache und Audio · Video |
| Zugangsmodell | Offene Gewichte |
| Lizenz | Apache 2.0 |
| Einsatz | Selbst gehostet |
| Veröffentlichung | 20 NOV 2026 |
| Wissensstichtag | Nicht veröffentlicht |
| Eingang | Text · Bild · Audio · Video |
| Ausfahrt | Text |
| Kontextfenster | 8.192 Tokens in der Bereitstellungsanleitung |
| maximale Leistung | Text; separates Ausgabemaximum nicht veröffentlicht |
| Schlussfolgern | Nicht veröffentlicht |
| Veröffentlichte Tools | |
| Strukturierte Ausflüge | Nicht veröffentlicht |
| Stapelverarbeitung | Nicht veröffentlicht |
| Prompt-Cache | Nicht veröffentlicht |
| Feinabstimmung | Nicht veröffentlicht |
| Verifizierte Plattformen | Hugging Face · Transformers |
Szenen beschreiben, Sprache transkribieren und Bild und Ton gemeinsam auswerten.
Die Anleitung nutzt 8.192 Tokens und bis zu vier Bilder, zwei Videos und zwei Audiodateien je Anfrage; dies belegt nicht das praktische Architekturlimit. Eigener Modellcode und Runtime-Patches sind erforderlich. Die 3B aktiven MoE-Parameter bedeuten nicht, dass nur 3B geladen werden müssen.
Was es kann
Orientierung
Szenen beschreiben, Sprache transkribieren und Bild und Ton gemeinsam auswerten.
Kontext
8.192 Tokens in der Bereitstellungsanleitung · Text; separates Ausgabemaximum nicht veröffentlicht
Tools und Integration
Nicht veröffentlicht
Zugang
Hugging Face · herunterladbarer Checkpoint
Dokumentierte Kosten
| Konzept | Wert | Einheit/Zustand |
|---|---|---|
| Standardeingabe | Kein offizieller API-Preis veröffentlicht | Standardtarif der API |
| Eingabe aus dem Cache | Nicht veröffentlicht | Lesen wiederverwendeter Präfixe |
| Schreiben oder Speichern im Cache | Nicht veröffentlicht | Die Bedingung variiert je nach Anbieter |
| Standardausgabe | Kosten der eigenen Infrastruktur | Kann Reasoning-Tokens enthalten |
| Batch-Eingabe | Nicht veröffentlicht | Asynchrone Verarbeitung |
| Batch-Ausgabe | Nicht veröffentlicht | Asynchrone Verarbeitung |
Kein verifizierter offizieller API-Tarif. Eigenbetrieb benötigt Speicher, Rechenleistung und Wartung; herunterladbare Gewichte machen Inferenz nicht kostenlos.
i Die Preise ändern sich und können von Level, Region oder Kontextlänge abhängen. Überprüfen Sie die Quelle, bevor Sie eine Entscheidung treffen.
So lesen Sie die Ergebnisse
Keine verifizierte quantitative Bewertung für diese Version.
i Keine verifizierte quantitative Bewertung für diese Version.
Inferama hebt nur dann ein „bestes Ergebnis“ hervor, wenn Metrik, Testsatz, Konfiguration und Datum einen gleichwertigen Vergleich ermöglichen. Die Zahlen des Lieferanten werden als Angaben aus eigener Quelle dargestellt.
Chronologie
tencent/WeMM-Video-2B
BF16-Checkpoint; FP8, AWQ, GGUF und NVFP4 sind Formate desselben Modells.