Utilisation principale déclarée ou déduite avec prudence de la documentation officielle.
WeMM-Video-4B
Famille bilingue chinois-anglais pour comprendre texte, images, audio et vidéo avec bande-son. Elle produit du texte et propose réponse directe ou raisonnement. Les checkpoints BF16 de 2B, 4B, 9B et 35B-A3B ont été publiés le 20 novembre ; les quantifications ne sont pas de nouveaux modèles.
L'essentiel
Capacité d'entrée maximale une fois publiée par la source.
Limite de génération maximale documentée.
Canaux de disponibilité vérifiés.
Famille fonctionnelle principale et spécialités vérifiées.
Conditions déclarées pour l’API, les poids ou l’auto-hébergement.
Limites et intégration
| ID d’API | tencent/WeMM-Video-4B |
|---|---|
| Type de modèle | Multimodal · Voix et audio · Vidéo |
| Mode d’accès | Poids ouverts |
| Licence | Apache 2.0 |
| Déploiement | Auto-hébergement |
| Lancement | 20 NOV 2026 |
| Date limite des connaissances | Non publié |
| Entrée | Texte · Image · Audio · Vidéo |
| Sortie | Texte |
| Fenêtre contextuelle | 8 192 tokens dans la recette de déploiement |
| puissance maximale | Texte ; maximum de sortie distinct non publié |
| Raisonnement | Non publié |
| Outils publiés | |
| Sorties structurées | Non publié |
| Traitement par lots | Non publié |
| Cache de prompts | Non publié |
| Ajustement fin | Non publié |
| Plateformes vérifiées | Hugging Face · Transformers |
Décrire des scènes, transcrire la parole et raisonner conjointement sur image et son.
La recette utilise 8 192 tokens et jusqu’à quatre images, deux vidéos et deux audios par requête ; cela n’établit pas le maximum pratique de l’architecture. Code personnalisé et correctifs de runtime sont requis. Les 3B paramètres actifs de la variante MoE ne signifient pas que seuls 3B doivent être chargés.
Ce qu’il peut faire
Orientation
Décrire des scènes, transcrire la parole et raisonner conjointement sur image et son.
Contexte
8 192 tokens dans la recette de déploiement · Texte ; maximum de sortie distinct non publié
Outils et intégration
Non publié
Accès
Hugging Face · checkpoint téléchargeable
Coût documenté
| Concept | Valeur | Unité/état |
|---|---|---|
| Entrée standard | Aucun tarif API officiel publié | Tarif API standard |
| Entrée en cache | Non publié | Lecture de préfixes réutilisés |
| Écriture ou stockage de cache | Non publié | La condition varie selon le fournisseur |
| Sortie standard | Coût de l’infrastructure propre | Peut inclure des tokens de raisonnement |
| Entrée par lots | Non publié | Traitement asynchrone |
| Sortie par lots | Non publié | Traitement asynchrone |
Aucun tarif API officiel vérifié. L’hébergement autonome demande mémoire, calcul et maintenance ; des poids téléchargeables ne rendent pas l’inférence gratuite.
i Les prix changent et peuvent dépendre du niveau, de la région ou de la durée du contexte. Vérifiez la source avant de prendre une décision.
Comment lire les résultats
Aucun score quantitatif vérifié pour cette version.
i Aucun score quantitatif vérifié pour cette version.
Inferama ne met en évidence un « meilleur résultat » que lorsque la métrique, l'ensemble de test, la configuration et la date permettent une comparaison équivalente. Les chiffres du fournisseur sont présentés comme des affirmations provenant de sa propre source.
Chronologie
tencent/WeMM-Video-4B
Checkpoint BF16 ; FP8, AWQ, GGUF et NVFP4 sont des formats du même modèle.