Ming-3.0-audio-flash مقابل Gemini Omni 1.1 Flash: أحدهما يستمع، والآخر يصوّر
- OrcaجديدOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 9 tok/s
- deepseekجديدDeepSeek: DeepSeek V4.1 Flash 10172026-10-1745الذكاء
- DeepSeekجديدDeepSeek: DeepSeek V4.1 Flash2026-10-1740الذكاء
- OrcaجديدOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 لكل مليون رمز · 122 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952الذكاء
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856الذكاء
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 لكل مليون رمز · 313 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238الذكاء
- OpenAIOpenAI: GPT-6 Sol2026-09-2248الذكاء
- AnthropicAnthropic: Claude Opus 5.52026-09-2258الذكاء
- xAIGrok 4.72026-09-2146الذكاء
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 لكل مليون رمز · 43 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 لكل مليون رمز · 826 tok/s
- OpenAIOpenAI: GPT-6 Astra2026-09-0453الذكاء77البرمجة
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241الذكاء76البرمجة
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245الذكاء76البرمجة
- AnthropicAnthropic: Claude Fable 5.12026-09-0153الذكاء82البرمجة
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 لكل مليون رمز · 48 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 لكل مليون رمز · 92 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642الذكاء72البرمجة
ضع Ming-3.0-audio-flash إلى جانب Gemini Omni 1.1 Flash، وأول شيء صادق يمكن قوله هو أنه لا يمكنك استبدال أحدهما بالآخر، لأنهما يؤديان وظيفتين متعاكستين تجمعهما كلمة واحدة بالمصادفة. Ming-3.0-audio-flash هو نموذج صوت-لغة من inclusionAI يضم 126 مليار معامل — 6.5 مليار معامل نشط لكل رمز — يستقبل الصوت والنص ويعيد نصًا، مع وحدة Talker اختيارية تنطق الإجابة. أوزانه متاحة على Hugging Face منذ 3 سبتمبر 2026، ولم تظهر بطاقة نموذجه إلا في 19 أكتوبر. Gemini Omni 1.1 Flash هو نموذج توليد فيديو مغلق من Google، متاح للعموم منذ 27 أغسطس 2026، ويستقبل مطالبة نصية أو صورة ويعيد مقطعًا بصوت متزامن مقابل 0.10 دولار لكل ثانية من مخرجات 720p. أحدهما يستهلك الصوت، والآخر يصنع الصور. إذا أوصلك بحث إلى هنا وأنت تتوقع مقارنة مباشرة، فالإجابة المفيدة ليست تحديد الفائز؛ بل تحديد أي الفجوتين لديك فعلاً. تُجمع حالات فشل الذكاء الاصطناعي الموثّقة ونزاعات مزاعم البائعين التي تقف خلف مقارنات كهذه في OrcaRouter AI Incident Archive، حيث يحمل كل مدخل مصادره الخاصة ودرجة الخطورة ودرجة الثقة وعلامة كونه محل نزاع.
هذا الالتباس ليس خطأك. فقد أصبحت «Omni» كلمة تسويقية تشمل أي نموذج يتعامل مع أكثر من نمط واحد، والنموذجان يقعان عند طرفي نقيض من هذه الكلمة. فخط Omni من Gemini هو مولّد وسائط بمدخل كلي الأنماط، بينما خط Ming 3.0 هو قارئ وسائط بمخرج كلامي اختياري. ولا يجعل تأطير أي من البائعين هذا التمييز سهل الملاحظة، ولم يقس أي طرف ثالث أداء أحدهما مقابل الآخر لأنه لا توجد مهمة مشتركة للقياس. كل ما يلي موسوم حسب المصدر: أرقام Ming هي أرقام inclusionAI نفسها، مطبوعة على بطاقته وفي مستودعه، وغير معاد إنتاجها؛ وأرقام Gemini هي أرقام Google، من مواد الإصدار وقائمة الأسعار، وهي أيضًا غير مدققة من قبلنا.
المهمة الوحيدة التي يتداخلان فيها
هناك سير عمل واحد فقط يظهر فيه كلا النموذجين ضمن المسار نفسه، ويستحق البدء من هناك لأنه المكان الوحيد الذي تُثبت فيه المقارنة جدواها: إنشاء مقطع ثم معرفة ما يحتويه.
يولّد Gemini Omni 1.1 Flash مقاطع مدتها عشر ثوانٍ، ويمدّدها بزيادات قدرها عشر ثوانٍ حتى سقف أربعين ثانية، ويقبل تهيئة الإطار الأول والأخير بحيث يمكنك تثبيت بداية اللقطة ونهايتها، ويُصيّر بدقة 720p بشكل قياسي، مع مخرجات مرفوعة الدقة إلى 1080p و4K، ويدمج في الملف الحوار والمؤثرات الصوتية والأجواء، كلها متزامنة. كما يقبل الصوت وما يصل إلى ثلاث ثوانٍ من فيديو مرجعي كمدخلات. أما ما لا يفعله فهو أن يسلّمك نصًا مكتوبًا، أو قائمة متحدثين، أو إجابة عن سؤال «ماذا ادّعى السرد فعليًا».
يتولى Ming-3.0-audio-flash ذلك النصف. تدّعي بطاقتها التعرف على الكلام بالصينية والإنجليزية، بما في ذلك اللكنات واللهجات، وفهم الصوت الطويل، وإدراك الأصوات غير الكلامية والموسيقى، والإجابة عن الأسئلة الصوتية، وإخراج نص مع خيار رد منطوق. وتستوعب سياقًا من 128 ألف رمز، لم تعلن عنه الإعدادات حتى رفع إيداع بتاريخ 13 أكتوبر max_position_embeddings من 8,192. إذا كان منتجك إعلانًا مُولّدًا يجب التحقق فيه من ادعاء امتثال في التعليق الصوتي، فإن النموذجين خطوتان متكاملتان، وليسا بديلين.
هذا هو التداخل بأكمله. وخارجه، تتلاشى المقارنة.
كم تكلّف كل واحدة، ولماذا تأبى الأرقام أن تُقارَن
هذا هو المكان الذي تُخطئ فيه معظم صفحات "vs"، لذا يجدر بنا أن نكون صريحين بشأن الوحدات.
• Gemini Omni 1.1 Flash — يُسعَّر لكل ثانية من الفيديو المُولَّد. بسعر 0.10 دولار للثانية بدقة 720p، دون تغيير عن المعاينة التي أُطلقت في يونيو، مع فئة مسودة بدقة 360p بنحو ثلث ذلك السعر. مشهد مدته أربعون ثانية بالجودة القياسية يكلّف أربعة دولارات من الإخراج قبل احتساب إعادات المحاولة، والتحرير الحواري متعدد الأدوار يعني أن إعادات المحاولة هي سير العمل المعتاد لا الاستثناء.
• Ming-3.0-audio-flash — لا يتم تسعيره على الإطلاق، لأنه لا توجد نقطة نهاية مستضافة لتسعيره. وهو عبارة عن 25 جزءًا bfloat16 بالإضافة إلى زوج Talker وVAE، بحجم يقارب 259 GB، وملف تعريف الخدمة الخاص بالمورّد لسياق 128K هو التوازي التنسوري عبر ثماني وحدات GPU من طراز H800 بسعة 80 GB. التكلفة هي عقدة واحدة، تُوزَّع على مدى ما تشغّله عليها.
• المقارنة غير الموجودة — دولارات لكل ثانية من الفيديو مقابل ساعات GPU لكل ساعة من الصوت. لا يوجد سعر صرف. أي شخص ينشر سعرًا كهذا فإنه يحوّل سعر إيجار إلى تكلفة رأسمالية ويسمّي النتيجة معيارًا.
الشيء الوحيد الذي يمكن قوله بوضوح: سعر Gemini علني وخطي وقابل للإلغاء؛ أما سعر Ming فهو قرار سعة تتخذه مرة واحدة وتعيش معه. وبالنسبة لفريق يُطلق ميزة الشهر المقبل، فإن هذا الفرق يحسم المسألة قبل أن تحسمها الجودة.
الإتاحة، بالمعنى الوحيد الذي يهم
Gemini Omni 1.1 Flash هو استدعاء API واحد. إنه نموذج مستضاف لدى Google، بلا أوزان، ولا خيار للاستضافة الذاتية، ولا مصدر توريد ثانٍ؛ إما أن تحصل عليه من Google وإما ألا تحصل عليه. لا يقدّمه OrcaRouter، ولن تزعم هذه المقالة خلاف ذلك.
Ming-3.0-audio-flash هو العكس: الأوزان بموجب رخصة MIT، تُنزَّل من Hugging Face، وتُشغَّل على عتادك، دون أي نقطة نهاية على الإطلاق. الشيفرة التي تجعله قابلاً للتقديم كخدمة أحدث من الأوزان بستة أسابيع. مستودع GitHub inclusionAI/Ming-3.0-audio-flash أُنشئ في 15 أكتوبر 2026 ويحمل الآن ملفات YAML للنشر لثلاثة ملفات تعريف من فئتي النص فقط وTalker، وعميلين مثالين، ودليل صوتي بحجم 150 كيلوبايت، ودفتر ملاحظات cookbook. لا يحتوي الفرع الرئيسي لـ vLLM-Omni بعد على محول صوتي-لغوي لـ Ming-3.0؛ التكامل الوحيد لـ Ming-3.0 قيد المراجعة يستهدف نقطة تحقق توليد الكلام 7.9B، وليس هذه. لذا فإن المسار العملي اليوم هو Transformers مع تفعيل الشيفرة البعيدة، وهو ما توثقه البطاقة، وهو طريقة جيدة لتقييم نموذج وطريقة سيئة لتشغيل خدمة.
ثمة عدم تناسب ثالث يستحق التسمية. نموذج Gemini موجود منذ ثمانية عشر شهرًا في خط منتجات له سجل تغييرات؛ أما Ming-3.0-audio-flash فلديه 22 تنزيلًا ولا يوجد تقييم مستقل له. الرفع الصامت ليس دليل ضعف — بل دليل على أن المورّد لم يقرر بعد بيعه — لكنه يعني أن مخاطرك في جانب Ming تتعلق بالتوثيق والدعم، لا بالقدرات.
الجودة: ما الذي يمكن ادعاؤه، ومن قِبل مَن؟
يحتوي جانب واحد فقط من هذه المقارنة على أرقام يمكن إدراجها في جملة، وهي تخص البائع.
على صور التقييم الخاصة بـ inclusionAI، يسجّل Ming-3.0-audio-flash متوسط معدل خطأ في التعرف على الكلام الصيني قدره 3.45 مقابل 9.83 لـ Gemini 3.8 Flash، وهو النموذج متعدد الوسائط العام، وليس نموذج Omni للفيديو المذكور في هذا المقال، وكثيرًا ما يُخلط بين الاثنين في التغطية الصحفية للإطلاق. وفي اللهجات يتسع فارق المورّد: متوسط 9.40 مقابل 48.41 لمرجع Gemini نفسه. لكن الصور نفسها أقل لطفًا في مواضع أخرى. خطأ فصل المتحدثين على AMI هو 25.29 مقابل 11.16 لـ MiMo-V2.6 Pro، ودرجة Chain للصوت الطويل هي 12.31 مقابل 34.54 لـ Qwen3.8-Omni Flash و49.63 لـ Gemini 3.8 Flash. هذه أرقام مُبلّغ عنها ذاتيًا، وموسومة بنجمة حيث قيّم المورّد نفسه، ولم يُعِد أحد إنتاجها.
بالنسبة إلى Gemini Omni 1.1 Flash، لا يوجد ما يُقتبس على الإطلاق على محور فهم الصوت، لأن Google لا تنشر درجة ASR لمولّد فيديو. فمزاعمه تتعلق بسياق الرجوع إلى الخلف، والدقة، والتحكم في الإطارات، والمزامنة الصوتية. والحكم على هذه مقابل نموذج نسخ صوتي هو خطأ في التصنيف في كلا الاتجاهين.
فخ التسمية الذي أنتج هذه الصفحة
تُخلط ثلاثة من نماذج Google في كل مقارنة مثل هذه. يُنشئ Gemini Omni 1.1 Flash الفيديو. أما Gemini Omni Flash، نسخة المعاينة من يونيو، فهو سابقه. وGemini 3.8 Flash هو النموذج متعدد الوسائط العام الذي أجرت inclusionAI المقارنة المرجعية مقابله فعليًا. لوحة نتائج تقابل بين «Ming» و«Gemini» دون أن توضح أيّ «Gemini»؛ فهل تقيس نموذج تفريغ مقابل مولّد فيديو، أم مقابل نموذج نصي، حسب اليوم؟ إذا وصلت وأنت تحمل أحد تلك الجداول، فتحقق من عنوان العمود قبل أن تتخذ قرارًا استنادًا إليه.
الموقف الفعلي لـ OrcaRouter هنا
لا نقدّم أيًا من هذين النموذجين. إن Gemini Omni 1.1 Flash مستضاف لدى Google وليس ضمن كتالوجنا؛ أما Ming-3.0-audio-flash فهو ذو أوزان مفتوحة وليس ضمن كتالوجنا أيضًا. ما نقدّمه فعلاً هو الطبقة النصية المحيطة بمسار معالجة كهذا — الأمر النصي الذي يكتب قائمة اللقطات قبل أن يولّدها Gemini، وفحص الامتثال الذي يقرأ نص Ming بعده، والتوجيه بينهما.
هذا ادعاء أصغر مما تقدمه صفحة نموذج عادةً، وهو الادعاء الصحيح. إذا كان فريق يبني حلقة التوليد ثم التدقيق الموصوفة أعلاه، فإن استدعاءَي النموذجين يقعان خلف عقود مختلفة وفوترة مختلفة وأنماط فشل مختلفة؛ ووضع النصف النصي خلف واجهة برمجة تطبيقات واحدة لأكثر من 200 نموذج بهامش ربح 0% يعني أن سعر قائمة المزوّد هو ما تدفعه، لذا يسري تخفيض سعر المورّد في اليوم نفسه، والتحويل التلقائي عند الفشل يغطي الاستدعاءات غير المثبّتة على نموذج محدد. ولا يغطي أيًا من النموذجين المذكورين في العنوان، وسيكون من غير الأمانة الإيحاء بأنه يفعل ذلك.
أي واحد يجب أن تختاره؟
إذا كنت بحاجة إلى الصور، فلا مجال للتردد: Gemini Omni 1.1 Flash، بسعر 0.10 دولار في الثانية، اليوم، مع التحفظ بأن أربعين ثانية هي الحد الأقصى وأن كل تمديد هو جولة أخرى. وإذا كنت بحاجة إلى معرفة ما يوجد في تسجيل — اجتماع، أو مكالمة، أو مقابلة مليئة باللهجات، أو مقطع مُولَّد عليك التحقق منه — فإن Ming-3.0-audio-flash مرشح جاد بأرقامه الخاصة، وستشغّله بنفسك على عتاد تدفع ثمنه بالفعل.
القرار الحقيقي الوحيد هو للفرق التي تحتاج إلى كليهما، وبالنسبة لها يهم الترتيب. ابنِ جانب التوليد على النموذج المستضاف، لأن سعره معروف وسعته مشكلة شخص آخر. أنشئ نموذجًا أوليًا لجانب الاستماع على الأوزان المفتوحة، لأن نقطة التحقق تُحمَّل اليوم حتى لو كانت قصة الخدمة عمرها ستة أسابيع، ولأن البائع الذي شحن 259 GB من الأوزان قبل أن يشحن ملف README هو بائع يمكنك فحص نموذجه بدلًا من الثقة به. لا يُعد أي منهما رهانًا على الآخر.
