Simba 3.5 مقابل Simba 3.2: 110 نقاط إيلو، و48 لغة، وفاتورة تتضاعف خلال تسعة أيام

مسار الترقية داخل مورّد واحد هو عادةً أقل مقارنة إثارة للاهتمام على هذه المدونة. لكن هذه المقارنة ليست كذلك، لأن SpeechifyAI Simba 3.5 وSpeechifyAI Simba 3.2 يختلفان بأكثر من مجرد رقم إصدار، وتشير الاختلافات في اتجاهين متعاكسين. يتفوق Simba 3.5 بمقدار 110 نقاط Elo في ساحة Controlled Voice، ويتحدث 48 لغة بدلاً من لغة واحدة، ويكلّف 50% أكثر بسعر القائمة. أما Simba 3.2 فهو أسرع في رقم زمن الاستجابة الوحيد الذي قاسه أحد فعليًا، ويمتلك قائمة سماح للأصوات لم تعد تقيّد أي شيء، ويحافظ على سعره القديم. الفريق الذي يشغّل Simba 3.2 في الإنتاج أمامه قرار حقيقي يجب اتخاذه قبل 22 نوفمبر، و«الترقية إلى الإصدار الأحدث» ليست تلقائيًا الإجابة الصحيحة.

التواريخ أولًا، لأنها هي ما يجعل هذا الأمر عاجلًا لا أكاديميًا. صدر Simba 3.2 في 8 يوليو 2026 بوصفه نموذج بث باللغة الإنجليزية فقط، وظل موصى به حتى 18 أكتوبر. وقد تم تعليم Simba 3.5 كموصى به في 18 أكتوبر، وأُطلق للعموم في 21 أكتوبر، وخُفّض سعره المدرج في 9 نوفمبر، وفي 21 نوفمبر يصبح النموذج الذي يقف خلف معرّفين قديمين يجري سحبهما. لا يوقف Speechify دعم 3.2 — فهو يظل مدرجًا، ويظل له سعر، ويظل قابلًا للاستدعاء — ولهذا تحديدًا يجب أن يُتخذ الاختيار على أساس المزايا لا على أساس موعد نهائي.

الفارق في الساحة هو الأكبر في تاريخ أيٍّ من النموذجين.

يُقيَّم كلا النموذجين على كلٍّ من لوحتي Artificial Analysis. تحافظ اللوحة المُتحكَّم بها على ثبات المتحدث عبر ثمانية أصوات مرجعية مستنسخة؛ بينما تتيح لوحة المزوّد لكل مورّد استخدام مجموعته الخاصة من الأصوات. الفجوة بين هذين الجيلين أكبر على اللوحة المُتحكَّم بها، وهي الأكثر إفادةً من بين اللوحتين لأي شخص يستنسخ صوتًا.

• الصوت المُتحكَّم به — Simba 3.5 المرتبة 1، Elo 1,192، بزيادة أو نقصان 17، الفاصل من 1,175 إلى 1,209، 1,783 عينة

• الصوت المضبوط — Simba 3.2 المرتبة 14، Elo 1,082، زائد أو ناقص 12، النطاق 1,070 إلى 1,094، 3,630 عينة

• صوت المزوّد — Simba 3.5 الترتيب 5، Elo 1,294، زائد أو ناقص 17، الفاصل من 1,277 إلى 1,311، 1,732 عينة

• Provider Voice — Simba 3.2 المرتبة 12، Elo 1,250، زائد أو ناقص 11، الفترة من 1,239 إلى 1,261، 3,966 عينة

• جيلان إلى الوراء — سيمبا 3.0 في المرتبة 27 عند 1,035 خاضع للتحكم، والمرتبة 41 عند 1,114 مزوّد

الفجوة في اللوحة المضبوطة تبلغ 110 نقاط، مع فواصل تفصل كل واحدة عن الأخرى بأكثر من 80 نقطة من المساحة الفارغة. هذه ليست إعادة تشغيل هامشية. للسياق، يمتد العشرة الأوائل بالكامل في تلك اللوحة على 62 نقطة؛ ويغطي جيل واحد من Simba ما يقارب ضعف هذا النطاق. الفجوة في لوحة المزوّد أصغر عند 44 نقطة، وهذا يقول شيئًا مفيدًا: جزء مما حسّنه 3.5 هو جودة التركيب على الأصوات غير المألوفة، وجزء منه هو ببساطة صوت افتراضي أفضل.

النمط بين الأجيال متسق عبر ثلاثة إصدارات أيضًا. كان Simba 3.0 إلى 3.2 يسجّل 47 نقطة على اللوحة المضبوطة؛ وكان 3.2 إلى 3.5 يسجّل 110. أصبحت Speechify تتحسن في هذا أسرع مما كانت عليه، ونموذج 3.2 الذي أُوصي به في سبتمبر أصبح الآن في منتصف الجدول.

اللغات: ست، واحدة، ثمانية وأربعون

هذا هو الفرق الذي يغيّر البُنى المعمارية لا درجات الجودة. إن Simba 3.2 إنجليزي فقط — إذ يعيد الصوت غير الإنجليزي رمز 400 مع تسمية اللغة المحلية المرفوضة في الرسالة. ويغطي Simba 3.0 ست لغات عبر سبعة مواضع محلية. أما Simba 3.5 فيغطي 48 لغة تحت معرّف واحد، مع استبعاد الإستونية والكانتونية صراحةً، وشمول المتغيّرات الإقليمية بالنطاق.

ما يجعل الـ48 قابلة للاستخدام هو أن الصوت ينتقل. فكل صوت في الكتالوج ينطق اللغات الـ48 جميعها على Simba 3.5 بمعرّف الصوت نفسه، وكذلك يفعل الصوت الذي استنسخته في خطة مدفوعة. تلك هي الميزة التي كانت خطوط أنابيب التوطين تنتظرها: صوت علامة تجارية مستنسخ واحد، وثماني وأربعون لغة، ودون استبدال الصوت حسب كل لغة/منطقة. التحذير الذي يورده المورّد هو أن الصوت يحتفظ بلكنة التسجيل المصدر، وإرشاده هو التوليد بصوت مختار من الطاقم أصلي لكل لغة — ولهذا ظهر staff_pick_rank في نقطة نهاية voices في 18 أكتوبر.

على Simba 3.2، سير العمل هذا بأكمله غير موجود. صوت واحد، لغة واحدة. إذا كان منتجك يُطرح في أكثر من سوق، فهذا ليس فرقًا في التقييم؛ بل هو الفرق بين تكامل واحد ومورّدَين اثنين.

زمن الاستجابة، حيث لا يزال النموذج الأقدم يتفوق

تنشر Speechify زمن استجابة مقاسًا لـ Simba 3.2، وتكتفي بادعاءات مجمّعة بشأن 3.5، والقياس المنشور جيد. في 9 أكتوبر 2026، وعند القياس من عميل في شرق الولايات المتحدة عبر اتصالات دافئة، وصل Simba 3.2 إلى أول صوت مسموع بوسيط قدره 47 مللي ثانية عبر تدفق إدخال WebSocket و64 مللي ثانية عبر تدفق HTTP — وهو الأدنى بين النقاط الطرفية الثلاث عشرة التي قاستها Speechify ذلك اليوم من ذلك الموقع. كان أول بايت من جانب الخادم 56 مللي ثانية عند p50 و102 مللي ثانية عند p90 في حركة مرور الإنتاج المقاسة في 15 سبتمبر. وتؤكد الشركة صراحةً أن كل قيمة هي مئين مقاس وليست ضمانًا، وأن الصورة تتغير من زيوريخ: 142 مللي ثانية لنموذج Flash لدى مورّد آخر مقابل 145 و153 مللي ثانية لمساري البث الخاصين بها.

بالنسبة إلى Simba 3.5، فإن الأرقام الموثّقة هي ادعاءات من البائع لا قيم مئوية منشورة: 72 مللي ثانية للوقت حتى أول صوت لدى 95% من طلبات البث تحت حمل الإنتاج، و1.8 ضعف إنتاجية Simba 3.2 لكل نسخة تقديم خدمة. لا يمكن مقارنة هذه مباشرةً بقيمة p50 مقيسة عبر اتصالات دافئة. قد تكون قيمة p95 البالغة 72 مللي ثانية وقيمة p50 البالغة 47 مللي ثانية متسقتين تمامًا، ولم يُجرِ أحد خارج Speechify الجولة التي من شأنها إثبات ذلك.

النتيجة العملية محدودة لكنها حقيقية. إذا كانت تجربة مستخدم منتجك مساعدًا صوتيًا يُلاحَظ فيها صمت بمقدار مئة ميلي ثانية، فلديك رقم مقاس لـ3.2 وادعاء لـ3.5، والأمر الصادق الذي ينبغي فعله هو قياس 3.5 بنفسك قبل الترحيل. وإذا كنت تُصيّر الصوت إلى ملف، فإن زمن الاستجابة غير ذي صلة ولا ينطبق عليك هذا القسم.

السعر: ينتهي العرض في 21 نوفمبر

تسعير Speechify لهذين الطرازين على وشك أن يتباين، وسجل التغييرات يوضح ذلك بدقة.

• Simba 3.5، اعتبارًا من 22 نوفمبر — $15.00 لكل مليون حرف على Starter، و$12.00 على Pro، و$10.00 على Scale

• Simba 3.5، حتى 21 نوفمبر — $10.00 و$8.00 و$6.00، أسعار الطرازات الأقدم

• Simba 3.5، قائمة الإطلاق الأصلية في 21 أكتوبر — 20 و16 و12 دولارًا، استُبدلت بخفض في 9 نوفمبر

• Simba 3.2 — دون تغيير عند 10.00 و8.00 و6.00 دولارات لكل مليون حرف على الخطط نفسها

إذن، حتى 21 نوفمبر، يكلّف الطرازان المبلغ نفسه تمامًا، و3.5 أفضل بشكل قاطع. بدءًا من 22 نوفمبر، تكلّف 3.5 أكثر بنسبة 50% عند كل فئة. في خطة Pro، يعني ذلك 72 دولارًا مقابل 108 دولارات لتسعة ملايين حرف؛ وفي خطة Scale، 280.80 دولارًا مقابل 468 دولارًا لـ46.8 مليون حرف. الأرصدة لم تتغيّر، لذا تحصل الخطة نفسها على أحرف أقل بنسبة الثلث من الطراز الأحدث بالسعر المدرج.

هذا حكم قيمة مباشر وليس خدعة: الحصول على 110 نقاط Elo و47 لغة إضافية مقابل علاوة بنسبة 50% صفقة جيدة لمعظم أحمال العمل التي تستخدم أيًا من الميزتين، وصفقة سيئة لخط معالجة إنجليزي فقط كان راضيًا بالفعل عن جودة 3.2.

الترحيل سطر واحد، وهذا هو الفخ

توثيق Speechify واضح على نحو غير معتاد بأن الانتقال من 3.2 إلى 3.5 لا يتطلب تغيير إصدار API: اضبط model على simba-3.5، واحتفظ بنفس معرّفات الأصوات، ونفس صيغ الإخراج، ونفس علامات الكلام، ونفس المجموعة الفرعية المطبّقة من SSML. الطلبات التي تحذف model لا تزال تُحل إلى simba-3.0، لذا لا ينقلك الافتراضي بصمت.

ثمة تفصيلان يعقّدان القصة المختصرة. الأول أن اللغة أصبحت مهمة الآن: إذا اختلف النص عن لغة الصوت المحلية، فيجب تحديدها صراحةً، وإلا فسيستخدم API لغة الصوت المحلية وستحصل على لكنة لم تكن تقصدها. والثاني هو 21 نوفمبر نفسه. في ذلك التاريخ، يتوقف تقديم المعرّفين simba-english وsimba-multilingual الخاصين بـ Simba 1.6 عبر تدريبهما القديم، ويبدأ تقديمهما عبر Simba 3.5، مع الفوترة بسعر Simba 3.5، على كل إصدار من API لا يزال بإمكانه تسميتهما. إن أي تكامل مثبّت على المعرّفات القديمة سيتغير صوته وسيتغير سعره في اليوم نفسه دون تغيير في الشيفرة. إن اختبار 3.5 عمدًا قبل ذلك هو السبيل الوحيد للاختيار.

هناك أيضًا تحسين هادئ يجدر معرفته: في 20 أكتوبر، بدأ تطبيق prosody pitch وprosody volume على Simba 3.5 و3.2 و3.0، حيث كانا يُقبلان ويُتجاهلان سابقًا. إذا كنت ترسل هاتين السمتين اليوم ولا تريد هذا التغيير، فإن نصيحة Speechify نفسها هي إزالتهما. تظل وسوم التشديد والعاطفة مقبولة وغير مطبَّقة على النماذج الثلاثة.

أين يندرج OrcaRouter ضمن الترقية داخل العائلة نفسها

لا يوجد أي من طرازَي Simba على OrcaRouter — فالوصول إلى هذا الخط يتم عبر واجهة API الخاصة بـ Speechify، ولا ينبغي قراءة أي شيء هنا على أنه ادعاء بخلاف ذلك. ما نوجّهه فعلاً هو كتالوج التوليف الذي ستستخدمه كمرجع تحكم أثناء اتخاذ القرار: openai/tts-1 بسعر 15.00 دولارًا لكل مليون حرف وopenai/tts-1-hd بسعر 30.00 دولارًا، بسعر قائمة المزوّد دون أي إضافة.

الشيء المفيد الذي يفعله الموجّه في ترحيل كهذا هو جعل المسار القديم قابلاً للاستمرار بينما يُثبَت المسار الجديد. شغّل 3.5 على واجهة برمجة تطبيقات المورّد لمدة أسبوع من حركة المرور الحقيقية، وأبقِ 3.2 كخيار احتياطي، وتجاوز أي عطل عبر التوجيه بدلًا من اكتشافه في بيئة الإنتاج — التحويل التلقائي عند التعطل لا يكلّف شيئًا عندما لا يحدث أي عطل ويشتري نافذة الإطلاق كاملة عندما يحدث عطل. كما يعني المفتاح الواحد نفسه أن صوت OpenAI الذي كنت تستخدمه بالفعل يظل متاحًا بينما تقرر ما إذا كان أيٌّ من جيلَي Simba سيحل محله.

أيّ واحد تشغّل، حسب عبء العمل

ابقَ على Simba 3.2 إذا كان عبء العمل لديك باللغة الإنجليزية، وكانت أصواتك إنجليزية، وكان معيار الجودة لديك قد تحقق بالفعل في يوليو، وكان رقم 47 مللي ثانية المقاس لزمن أول صوت مسموع بالغ الأهمية في منتجك. أنت تدفع السعر الأقل حتى 21 نوفمبر وما بعده إلى الأبد، ولا شيء في 3.5 يحسّن مخرجاتك. لا يوجد تاريخ لإيقاف 3.2؛ وقد صرّحت Speechify بذلك صراحةً.

انتقل إلى Simba 3.5 إذا كان أي مما يلي صحيحًا: تحتاج إلى لغة ثانية، أو تستنسخ الأصوات وتريد معرّف صوت واحد عبر المناطق اللغوية، أو تغيّر معيار جودة الإنجليزية لديك، أو كنت تبني شيئًا جديدًا. إن فجوة 110 نقاط في لوحة الاختبار المضبوطة هي أكبر قفزة بين الأجيال أنتجتها Speechify، وتغطية 48 لغة غير متاحة بأي طريقة أخرى داخل هذه العائلة. افعل ذلك قبل 21 نوفمبر إذا أردت تقييمه بأسعار الطرازات الأقدم، وحدّد معرّف الطراز صراحةً حتى لا يختار الإيقاف نيابةً عنك.

أيًا كان المسار الذي تختاره، فإن القرار له تاريخ مراجعة بدلًا من إجابة دائمة. لدى Simba 3.5 عدد 1,783 من عينات الصوت المضبوطة مقابل 3,630 لدى 3.2، لذا سيضيق الفاصل الزمني الخاص به. وقد تغيّر سعر القائمة لديه مرة واحدة خلال ثلاثة أسابيع. كما أن Qwen-Audio-3.1-TTS-Plus من Alibaba، عند 1,176 على اللوحة نفسها، يتخلف بـ16 نقطة عن طراز Simba الرائد الحالي بسعر مماثل على اللوحة — قريب بما يكفي بحيث يعيد أي إصدار تالٍ من أي من الجانبين فتح السؤال.