Uso primário declarado ou inferido com cautela a partir da documentação oficial.
WeMM-Video-2B
Família bilingue chinês-inglês para compreender texto, imagens, áudio e vídeo com banda sonora. Devolve texto e permite escolher resposta direta ou raciocínio. Os checkpoints BF16 de 2B, 4B, 9B e 35B-A3B foram publicados em 20 de novembro; as quantizações não são novos modelos.
O essencial
Capacidade máxima de entrada quando publicada pela fonte.
Limite máximo de geração documentado.
Canais de disponibilidade verificados.
Família funcional principal e especialidades verificadas.
Condições declaradas para API, pesos ou alojamento próprio.
Limites e integração
| ID de API | tencent/WeMM-Video-2B |
|---|---|
| Tipo de modelo | Multimodal · Voz e áudio · Vídeo |
| Modelo de acesso | Pesos abertos |
| Licença | Apache 2.0 |
| Implantação | Alojamento próprio |
| Lançamento | 20 NOV 2026 |
| Data de corte do conhecimento | Não publicado |
| Entrada | Texto · Imagem · Áudio · Vídeo |
| Saída | Texto |
| Janela de contexto | 8.192 tokens na receita de implantação |
| saída máxima | Texto; máximo de saída independente não publicado |
| Raciocínio | Não publicado |
| Ferramentas publicadas | |
| Passeios Estruturados | Não publicado |
| Processamento em lote | Não publicado |
| Cache de prompts | Não publicado |
| Ajuste fino | Não publicado |
| Plataformas verificadas | Hugging Face · Transformers |
Descrever cenas, transcrever fala e raciocinar conjuntamente sobre imagem e som.
A receita usa 8.192 tokens e até quatro imagens, dois vídeos e dois áudios por pedido; não comprova o máximo prático da arquitetura. Exige código personalizado e patches do runtime. Os 3B parâmetros ativos da variante MoE não significam carregar apenas 3B parâmetros.
O que pode fazer
Orientação
Descrever cenas, transcrever fala e raciocinar conjuntamente sobre imagem e som.
Contexto
8.192 tokens na receita de implantação · Texto; máximo de saída independente não publicado
Ferramentas e integração
Não publicado
Acesso
Hugging Face · checkpoint descarregável
Custo documentado
| Conceito | Valor | Unidade/condição |
|---|---|---|
| Entrada padrão | Sem tarifa API oficial publicada | Tarifa padrão da API |
| Entrada em cache | Não publicado | Leitura de prefixos reutilizados |
| Escrita ou armazenamento em cache | Não publicado | A condição varia consoante o fornecedor |
| Saída padrão | Custo da infraestrutura própria | Pode incluir tokens de raciocínio |
| Entrada por lotes | Não publicado | Processamento assíncrono |
| Saída por lotes | Não publicado | Processamento assíncrono |
Sem tarifa API oficial verificada. A execução própria exige memória, processamento e manutenção; pesos descarregáveis não tornam a inferência gratuita.
i Os preços mudam e podem depender do nível, região ou duração do contexto. Verifique a fonte antes de tomar uma decisão.
Como ler os resultados
Sem pontuação quantitativa verificada para esta versão.
i Sem pontuação quantitativa verificada para esta versão.
O Inferama só destaca o “melhor resultado” quando a métrica, o conjunto de testes, a configuração e a data permitem uma comparação equivalente. Os números do fornecedor são apresentados como declarações de sua própria fonte.
Cronologia
tencent/WeMM-Video-2B
Checkpoint BF16; FP8, AWQ, GGUF e NVFP4 são formatos do mesmo modelo.