Ming-3.0-audio-flash vs Gemini 3.8 Live: pesos abiertos, ocho GPU y una factura que realmente puedes calcular

Una hora de audio continuo hacia G​emini 3.8 Live cuesta $0.30 al precio de lista publicado por G​oogle. Una hora de audio de salida cuesta $1.08. Una sesión de voz bidireccional, con ambas direcciones activas durante la hora completa, cuesta $1.38. Ming-3.0-audio-flash no tiene ningún precio por minuto, porque no hay ningún endpoint que se pueda comprar: es un checkpoint de mezcla de expertos de 126 mil millones de parámetros bajo licencia MIT, y su costo es lo que te cuesten ocho H800 durante la hora. Esa es toda la comparación en dos frases, y casi todas las demás diferencias entre estos dos sistemas se derivan de ella. Los fallos de IA y los incidentes de agentes documentados que hay detrás de lanzamientos como este se recopilan en el OrcaRouter AI Incident Archive donde cada entrada incluye sus propias fuentes, gravedad, grado de confianza e indicador de disputa.

La fecha importa, porque esto no es un lanzamiento. inclusionAI subió los pesos de Ming-3.0-audio-flash a Hugging Face el 3 de septiembre de 2026 y no dijo nada al respecto. Durante seis semanas, el repositorio fue en la práctica una carpeta de fragmentos: sin código de servicio, sin ejemplos, sin una tarjeta utilizable. El repositorio de GitHub se creó el 15 de octubre; los perfiles de vLLM-Omni y SGLang, los ajustes predefinidos de voz y una tarjeta de modelo reescrita llegaron entre el 15 y el 19 de octubre, y hasta el momento de escribir esto, la ficha en Hugging Face muestra 22 descargas. Gemini 3.8 Live, en cambio, es un modelo de Live API estable y disponible de forma general que Google describe como el predeterminado para agentes de voz de baja latencia. Uno de estos es un producto al que puedes llamar esta misma tarde. El otro se volvió ejecutable esta semana y todavía no tiene operador.

Qué son realmente los dos sistemas

G​emini 3.8 Live es un modelo de streaming alojado detrás de la Live API. La API acepta audio PCM sin procesar de 16 bits a 16 kHz, imágenes a un máximo de un fotograma por segundo y texto, y devuelve audio PCM sin procesar de 24 kHz. La documentación de la Live API de G​oogle sitúa la cobertura lingüística en 70 idiomas. Se abre una sesión, se transmite y se recibe audio; no hay checkpoint, ni reserva de GPU, ni licencia que leer.

Ming-3.0-audio-flash es un modelo de lenguaje y audio en el sentido más literal. Un codificador de audio y un proyector alimentan una base lingüística de mezcla de expertos, y un Talker opcional convierte la salida de texto del modelo en habla. Las entradas son audio más una instrucción de texto. Las salidas son texto, o texto con habla sintetizada. La ficha enumera el chino y el inglés como idiomas principales, «incluidos acentos y dialectos variados». La licencia es MIT.

• Parámetros — Ming: 126B en total, 6.5B activados por paso de inferencia (la barra lateral de Hugging Face indica por separado 128B, una discrepancia que la ficha no explica). G​emini 3.8 Live: no se ha revelado.

• Idiomas — Ming: chino e inglés. G​emini 3.8 Live: 70 idiomas según la documentación de la API Live.

• Entrada — Ming: audio y una instrucción de texto. G​emini 3.8 Live: audio, imágenes, texto.

• Salida — Ming: texto, opcionalmente voz. G​emini 3.8 Live: audio y texto a través de la misma sesión.

• Licencia — Ming: MIT en pesos y código. G​emini 3.8 Live: un acuerdo de API comercial.

• Precio — Ming: sin tarifa de referencia; pagas por las GPUs. Gemini 3.8 Live: $3.00 por millón de tokens de entrada de audio o $0.005 por minuto; $12.00 por millón de tokens de salida de audio o $0.018 por minuto; texto a $0.75 de entrada y $4.50 de salida por millón.

El cálculo de horas de audio, hecho correctamente

Las cifras por minuto anteriores son las que vale la pena interiorizar, y también son las que la mayoría de las comparaciones equivocan al citar precios por token a un lector que no tiene idea de cuántos tokens consume un minuto de habla. Usa mejor las tarifas por minuto, porque Google las publica directamente.

• Solo escucha, una hora — 60 minutos a $0.005 son $0.30.

• Solo voz, una hora — 60 minutos a $0.018 son $1.08.

• Una hora completa de ida y vuelta — $1.38, antes de cualquier token de texto o llamada a herramientas.

• Mil horas bidireccionales — $1,380.

Ahora, la misma hora en Ming-3.0-audio-flash. El perfil de servicio de referencia para el contexto completo de 128K con salida de voz es el paralelismo tensorial en ocho GPU H800 de 80 GB, según las propias notas de despliegue del repositorio. Cuatro GPU ejecutan un perfil SGLang validado, pero ese perfil solo admite salida de texto. Así que la comparación honesta en autohospedaje es ocho GPU frente a una sesión con tarificación por uso. A un precio hipotético de $2 por GPU-hora, una hora de capacidad cuesta $16 — y eso es por la GPU completa, que se puede amortizar entre solicitudes concurrentes en lugar de una sola conversación. Con diez flujos concurrentes, el coste por conversación cae por debajo de $1,60 por hora; con cien, por debajo de $0,16. Son cálculos aritméticos, no mediciones, y no tienen en cuenta la utilización, la eficiencia del procesamiento por lotes y el hecho de que un modelo de 126B con 6,5B de parámetros activos no saturará ocho H800 con clips de audio cortos.

El punto de cruce es real, pero no está donde la gente supone. Por debajo de aproximadamente una docena de conversaciones simultáneas, G​emini 3.8 Live es más barato que alquilar ocho H800 y muchísimo más barato que comprarlos. Por encima de eso, y suponiendo que puedas mantener el lote lleno, el checkpoint abierto gana en coste de cómputo bruto — que es todo el argumento económico a favor de los pesos abiertos, y la razón por la que el requisito de ocho GPU es la cifra que hay que recordar en lugar del número de parámetros.

Qué significa la "comprensión de audio" en cada lado

G​emini 3.8 Live está diseñado para la conversación. Su función es escucharte, responder con rapidez y gestionar los turnos de palabra. La lista de modelos de G​oogle lo sitúa como el modelo Live predeterminado «para la mayoría de las experiencias de agentes de voz de baja latencia sin retrasos de razonamiento», lo que es una afirmación sobre el presupuesto de latencia, no sobre la profundidad del análisis de audio.

Ming-3.0-audio-flash está orientado a una tarea diferente. Los cinco aspectos destacados de la ficha son el reconocimiento de voz complejo en dialectos, acentos, ruido y grabaciones con múltiples hablantes; la comprensión de audio largo; la percepción de sonidos no verbales, escenas acústicas y música; el razonamiento sobre contenido de audio; y la interacción hablada con respuestas sintetizadas opcionales. Eso es una lista de transcripción y análisis con un modo de chat añadido a la fuerza, no una lista de agentes de voz.

La consecuencia práctica: si tu producto es un agente telefónico que debe responder en 400 milisegundos, G​emini 3.8 Live es el tipo de solución que encaja y Ming-3.0-audio-flash no, independientemente de las puntuaciones de los benchmarks. Si tu producto consiste en «ingerir una conferencia de resultados de 90 minutos, decirme quién dijo qué y señalar el momento en que cambió el tono del CFO», la ficha de Ming describe tu trabajo y la API Live describe otro distinto.

El problema de benchmark que nadie ha resuelto

Ming-3.0-audio-flash incluye tres paneles de evaluación comparativa en su repositorio: reconocimiento de voz, inteligencia de audio y texto. Todos los valores son porcentajes; cuanto más altos, mejor, salvo que se indiquen con una flecha hacia abajo, y los resultados marcados con un asterisco corresponden a la evaluación propia del equipo. El repositorio añade una nota en la que se indica que los resultados de los modelos de comparación se reprodujeron con la propia configuración de evaluación de inclusionAI y pueden diferir de los informes oficiales de esos modelos debido a los prompts, la configuración de decodificación, las versiones de los modelos y los pipelines.

Esa nota es inusualmente franca y también significa que los gráficos no pueden usarse para clasificar a Ming frente a G​emini 3.8 Live. Las cifras están en las imágenes, no en el texto del README, y G​oogle no publica ninguna suite comparable de comprensión de audio para 3.8 Live. No existe ninguna tabla de clasificación de terceros que haya puntuado a ambos. Cualquiera que te muestre un gráfico de barras con estos dos modelos uno al lado del otro lo ha construido a partir de afirmaciones del proveedor en un eje y nada en el otro.

La única afirmación honesta disponible hoy: Ming-3.0-audio-flash tiene cifras proporcionadas por el fabricante y ninguna independiente; G​emini 3.8 Live tiene un historial de producción y ningún benchmark publicado de razonamiento de audio. Eso es un empate en la única categoría que importa para una decisión de compra: la evidencia.

Dónde encaja OrcaRouter y dónde no

Ming-3.0-audio-flash no está en nuestra plataforma. No vamos a fingir lo contrario: si quieres ejecutarlo, clonas el repositorio, instalas la rama de vLLM-Omni o SGLang que indica y pones las GPUs. Para lo que sirve un enrutador en esta comparación es para el otro lado de la decisión: la parte en la que ya has decidido que un modelo de audio alojado se encarga de tu tráfico en vivo, y la pregunta pasa a ser qué modelo alojado, a qué precio y con qué respaldo cuando falla una sesión. Eso es un problema de enrutamiento entre más de 200 modelos detrás de una sola clave, al precio de lista del proveedor y sin margen añadido, de modo que un cambio de precio del proveedor te llega el mismo día en lugar de en la siguiente renovación del contrato.

Para un equipo que evalúa si un checkpoint de audio abierto merece tráfico de producción, el patrón útil es mantener la ruta alojada como respaldo y trasladar el volumen gradualmente a Ming autoalojado. La conmutación automática por fallo es lo que hace que esa migración sea reversible en lugar de una apuesta.

Eligiendo

Elige G​emini 3.8 Live si necesitas un agente de voz en producción este trimestre, si necesitas más de dos idiomas, si necesitas imágenes en el mismo flujo, o si prevés menos de una docena de conversaciones simultáneas. La factura por minuto es pequeña, la superficie operativa es cero y el modelo es estable y está documentado.

Elige Ming-3.0-audio-flash si necesitas ser dueño de los pesos, necesitas ejecutarlo en las instalaciones o en un entorno aislado de la red, necesitas condiciones MIT, trabajas principalmente en chino e inglés, y tienes ocho H800 o un planificador que pueda dártelos. Espera hacer tu propia evaluación, porque nadie la ha hecho por ti. Espera que la cadena de herramientas tenga solo unos días de antigüedad, porque es así. Y espera que la tarjeta del modelo no deje de cambiar bajo tus pies: su último commit fue el día en que se escribió esto.

Hay un tercer caso, y es el más grande. Si aún no sabes cuál de esos dos eres, no estás listo para elegir entre una API de pago por uso y un despliegue de ocho GPU. Primero, procesa cien horas de tu propio audio con un modelo alojado, mide qué precisión necesitas realmente y deja que ese número decida si el checkpoint abierto merece el rack.

Qué ver

Lo que cambiaría esta comparación no es un benchmark. Es un operador. En el momento en que un proveedor de serving incluya Ming-3.0-audio-flash detrás de un endpoint compatible con OpenAI con un precio por hora, el argumento de las ocho GPU deja de ser un problema para el lector y la hora de $1.38 pasa a tener competidor. Hasta entonces, el resumen honesto es que G​oogle vende un minuto e inclusionAI regala una máquina, y solo son comparables si ya tienes la máquina.