Simba 3.5 ocupa el n.º 1 en Voice Arena por dos puntos Elo, lo que no es lo mismo que ganar

SpeechifyAI Simba 3.5 ya es primero en la arena Controlled Voice de Artificial Analysis con un Elo de 1,192, y el margen sobre HeyGen Voice con 1,190 es de dos puntos en una tabla cuyo intervalo de confianza en la cima es de más o menos 17. En tercer lugar está Alibaba Qwen-Audio-3.1-TTS-Plus con 1,176. Lea la clasificación como una imagen y Simba 3.5 tiene la corona; lea el intervalo y hay cuatro modelos empatados por ella. Ambas lecturas son correctas, y cuál de ellas importa depende de si está escribiendo un titular o eligiendo un proveedor.

La noticia más útil sobre este modelo no es el puesto. Simba 3.5 se lanzó el 21 de octubre de 2026 y, en las tres semanas y media transcurridas desde entonces, Speechify ha rebajado su precio de lista, publicado la lista de idiomas y fijado una fecha —el 21 de noviembre— a partir de la cual dos identificadores de modelos heredados empezarán a servirse con él. La posición en la arena es la parte que todos citarán. Las fechas son la parte que cambia una factura.

Lo que la junta dice en realidad, en cifras que puedes comprobar

Artificial Analysis gestiona dos arenas de voz y estas miden cosas distintas. Controlled Voice clona las mismas ocho voces de referencia —cuatro estadounidenses y cuatro británicas— para cada participante, de modo que el hablante se mantiene constante y solo varía la síntesis. Provider Voice permite que cada proveedor utilice su propio elenco de voces. Un modelo con voces predeterminadas excelentes puede ganar la segunda y perder la primera. Actualmente, Simba 3.5 hace lo contrario.

• Voz controlada — SpeechifyAI Simba 3.5, puesto 1, Elo 1.192, más o menos 17, intervalo 1.175 a 1.209, 1.783 muestras, lanzado en noviembre de 2026

• Controlled Voice — HeyGen Voice, puesto 2, Elo 1.190, más o menos 13, intervalo de 1.177 a 1.203, 2.626 muestras, listado a $30.00 por millón de caracteres

• Voz controlada — Alibaba Qwen-Audio-3.1-TTS-Plus, puesto 3, Elo 1.176, más o menos 12, intervalo de 1.164 a 1.188, 2.968 muestras

• Voz controlada — HeyGen Voice Turbo, puesto 4, Elo 1.174, más o menos 15, con un precio de $4.00 por millón de caracteres

• Voz controlada — ElevenLabs Eleven v4, puesto 7, Elo 1.155, más o menos 12, listado a $80,00 por millón de caracteres

• Voz controlada — SpeechifyAI Simba 3.2, puesto 14, Elo 1,082, más o menos 12, lanzado en julio de 2026

• Voz del proveedor — SpeechifyAI Simba 3.5, puesto 5, Elo 1.294, más o menos 17, intervalo de 1.277 a 1.311, 1.732 muestras

• Voz del proveedor — ElevenLabs Eleven v4, rango 1, Elo 1.340, más o menos 15

De aquí se desprenden dos cosas de inmediato. La primera es que el orden de Controlled Voice en la parte superior no está resuelto: el intervalo de Simba 3.5 abarca de 1.175 a 1.209, el de HeyGen Voice va de 1.177 a 1.203, y Qwen-Audio-3.1-TTS-Plus se sitúa entre 1.164 y 1.188. Esos tres rangos se solapan casi por completo. La columna de rango de puestos dice lo mismo con menos caracteres: Simba 3.5 aparece ocupando los puestos 1 a 3, no solo el puesto 1.

Lo segundo es que esto no es una casualidad de un campo débil. Simba 3.5 está 110 puntos Elo por encima de su propio predecesor, SpeechifyAI Simba 3.2, con 1.082, y esa diferencia es mayor que el intervalo de cualquiera de los dos modelos. El salto generacional es real, aunque la ventaja sobre el resto aún no está consolidada.

¿Por qué la parte superior de este tablero en particular está comprimida?

Elo es una escala relativa, y esta tabla está anclada en 1,000 por OpenAudio S1, una entrada de referencia fija que nunca se mueve. Todo lo demás se posiciona con respecto a ella mediante votaciones por pares a ciegas. Esa construcción tiene una consecuencia que la gente pasa por alto: a medida que el campo mejora, la cima no se dispersa, se amontona. La distancia del puesto 1 al puesto 14 en esta tabla es de 110 puntos. La distancia del puesto 27 (SpeechifyAI Simba 3.0 con 1,035) al puesto 51 (OpenVoice v2 con 823) es de 212.

Cuando cien modelos se evalúan todos con las mismas ocho voces clonadas por oyentes que no pueden ver las etiquetas, las diferencias que sobreviven son pequeñas y el ruido que las rodea es grande. Una ventaja de dos puntos en una tabla como esta es un dato real sobre un modelo real —y no es una decisión de producto. Cualquiera que necesite tomar una decisión tiene que añadir las cosas que Elo no mide: cuánto cuesta el modelo, qué idiomas habla, con qué rapidez llega el primer audio y si la forma de la API encaja con el código ya escrito.

El precio se movió dos veces en tres semanas.

Esta es la parte de la historia de Simba 3.5 que es genuinamente reciente, y está completamente ausente de la cobertura de lanzamiento escrita en octubre. Speechify publicó el modelo a 20, 16 y 12 USD por millón de caracteres en Starter, Pro y Scale. El 9 de noviembre redujo la lista a 15, 12 y 10 USD. La oferta de lanzamiento no ha cambiado: hasta el 21 de noviembre de 2026, Simba 3.5 se factura a las tarifas de Simba 3.0 y Simba 3.2 —10, 8 y 6 USD—, y a partir del 22 de noviembre se factura al nuevo precio de lista en lugar del anterior.

Si hacemos los cálculos con los saldos de los planes que publica Speechify, eso significa que un mes de Pro de 9 millones de caracteres cuesta $72 con la tarifa de la oferta y $108 a precio de lista. Un mes de Scale de 46,8 millones de caracteres cuesta $280,80 con la tarifa de la oferta y $468 a precio de lista. La reducción del 9 de noviembre es lo que evita que esa segunda cifra sea $561,60, que es lo que habría cobrado el precio de lista original del lanzamiento.

Un número de la tabla de clasificación necesita corregirse antes de que alguien prepare su presupuesto a partir de él. Artificial Analysis indica que Simba 3.5 cuesta $6.58 por millón de caracteres —la misma cifra que muestra para Simba 3.2 y Simba 3.0. Esa es una tarifa incorporada en un plan, no la lista publicada de Speechify, y no coincide con el rango de $10 a $15 del registro de cambios del propio proveedor. Si estás modelando el gasto, usa la tabla de niveles del proveedor; la columna de precios de la tabla de clasificación sirve para clasificar, no para hacer una previsión.

¿Qué cambios hay el 21 de noviembre?

Los dos ids de modelo de Simba 1.6 de Speechify, simba-english y simba-multilingual, dejaron de poder seleccionarse en la versión 2026-09-21 de la API: un workspace nuevo que envíe cualquiera de los dos recibe un 400 model_retired. El 21 de noviembre llega la segunda mitad de esa retirada: en todas las versiones de la API que aún pueden nombrar los ids antiguos, ambos se sirven con Simba 3.5, en todos los idiomas, y se facturan como simba-3.5.

La lectura práctica es que un conjunto de integraciones que no se han tocado desde septiembre cambiará de voz y de precio el mismo día, sin cambios en el código y sin más aviso que este registro de cambios. Nada se rompe. El audio es distinto y la factura se expresa en un modelo diferente. Cualquiera que use simba-multilingual en producción debería probar simba-3.5 con su propio contenido antes de esa fecha, porque la alternativa es descubrir el cambio a través de un ticket de soporte.

Las propias cifras de Speechify, etiquetadas como tales

Todo lo que aparece en esta sección ha sido reportado por el proveedor y nadie fuera de Speechify lo ha reproducido. Vale la pena leerlo, pero no es el mismo tipo de evidencia que las cifras de la arena mencionadas anteriormente.

• Preferencia — 63 % de las comparaciones ciegas lado a lado frente a Simba 3.2, con un intervalo de confianza declarado del 95 % del 60 % al 67 %, en todos los tipos de contenido

• Latencia: 72 milisegundos hasta el primer audio en el percentil 95 de las solicitudes de streaming, bajo carga de producción

• Rendimiento — 1,8 veces Simba 3.2 por instancia de servicio, y 1,4 veces Simba 3.0 Multilingual en promedio

• Cobertura — 48 idiomas con un único ID de modelo, frente a los seis de Simba 3.0, con el estonio y el cantonés explícitamente excluidos

• Se mantienen sin cambios: los IDs de voz, los formatos de salida, las marcas de voz y el subconjunto de SSML que realmente se aplica: break, prosody rate, prosody pitch, prosody volume y sub alias

La cifra del 63 % es la que conviene tomar con cautela. La preferencia a ciegas frente a tu propia generación anterior es la comparación más fácil que puede hacer un proveedor de voz y la que menos probablemente prediga una victoria frente al modelo de otra empresa, que es exactamente lo que mide la arena anterior y donde el resultado es una ventaja de dos puntos en lugar de una del 63 %.

Qué significa esto si realmente estás comprando síntesis

El ranking de Arena es un dato de entrada, no una orden de compra. El caso de Simba 3.5 en este momento se apoya en tres cosas que, juntas, son excepcionalmente buenas: una posición de calidad en lo más alto de la tabla, 48 idiomas bajo un único id y un precio en el rango de $10 a $15 que la mayoría de los modelos por encima de él en Provider Voice no alcanza. ElevenLabs Eleven v4 está a $80. HeyGen Voice está a $30. Los modelos que superan a Simba 3.5 en precio —HeyGen Voice Turbo a $4.00— están 18 puntos Elo por debajo en la misma tabla controlada.

OrcaRouter no comercializa la línea Simba, y nada de lo aquí expuesto debe interpretarse como una afirmación de que lo hace. Lo que sí incluye nuestro catálogo es un pequeño conjunto de modelos de síntesis que conforman un grupo de control útil cuando evalúas un cambio: openai/tts-1 a $15.00 por millón de caracteres y openai/tts-1-hd a $30.00, ambos listados al precio de lista del proveedor sin recargo añadido. Ejecutar tu propio script con esos modelos y con Simba 3.5 en la propia API del proveedor es un experimento de dos horas que te dirá más sobre tu contenido que cualquier columna de Elo.

Si la evaluación se convierte en una decisión de producción, el argumento para ponerlo detrás de un router no es la calidad, sino el calendario. Simba 3.5 ha cambiado su precio una vez en tres semanas, tiene una migración de model-id que llega el 21 de noviembre y se encuentra en un terreno donde los cuatro primeros están estadísticamente empatados. La conmutación automática por error hace que un cambio del lado del proveedor se convierta en un evento de enrutamiento en lugar de una caída, y una única clave entre proveedores significa que la comparación que realizaste en noviembre no tiene que reconstruirse desde cero cuando uno de ellos cambie sus precios en diciembre.

Qué observar a partir de ahora

Tres cosas resolverán esto más rápido que otra ronda de publicaciones de lanzamiento. El número de muestras es la primera: Simba 3.5 tiene 1,783 muestras de Controlled Voice frente a las 2,626 de HeyGen Voice, y su intervalo se estrechará a medida que se acumulen los votos. Si la ventaja de dos puntos es real, debería sobrevivir a eso; si no lo es, el rango de clasificación volverá a desplazarse hacia 1 a 3 y se quedará ahí.

La segunda es lo que hace Speechify después del 22 de noviembre, cuando termina el precio de lanzamiento y entra en vigor la lista de $15, $12, $10. Un nivel de calidad que cuesta un 50% más que su predecesor es una decisión de producto distinta de la de uno que cuesta lo mismo durante una ventana promocional.

El tercero es la brecha de Provider Voice. Simba 3.5 es quinto allí con 1.294, mientras que ElevenLabs Eleven v4 lidera con 1.340: un déficit de 46 puntos que no aparece en el panel controlado, donde Simba 3.5 va 37 puntos por delante. Esa discrepancia es el dato sin resolver más interesante de este modelo, y es objeto de su propia comparación en lugar de una nota al pie aquí.