
Ming-3.0-audio-flash בראש קטגוריית Speech Reasoning של Artificial Analysis עם 99.8% — נקודה אחת מעל, ועדיין אין מחיר
- OrcaחדשOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 לכל 1M טוקנים · 185 tok/s
- tencentחדשTencent: Hy4 Flash2026-11-16$0.02 / $0.07 לכל 1M טוקנים · 228 tok/s
- GoogleחדשGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 לכל 1M טוקנים · 89 tok/s
- AnthropicחדשAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 לכל 1M טוקנים · 98 tok/s
- orcaחדשOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 89 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 לכל 1M טוקנים · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 לכל 1M טוקנים · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 113 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 לכל 1M טוקנים · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
Artificial Analysis מציגה כעת את Ming-3.0-audio-flash במקום הראשון בלוח ה-Speech Reasoning שלה, הערכת Big Bench Audio, ברמת דיוק של 99.8%, לפני StepAudio 3 Realtime עם 99.7%, Qwen Audio 3.0 Realtime Plus עם 99.2%, Eleven Realtime v1 Max עם 98.8%, Grok Voice 3.0 עם 98.5%, Gemini 3.8 Live Extended Thinking (High) עם 97.7% ו-GPT-Realtime-2.1 High עם 95.8%. הטענה פורסמה על ידי Ant Ling ב-18 בנובמבר 2026 בשעה 08:37 UTC, תשע עשרה דקות לאחר שמאגר המודל עצמו נערך כדי להוסיף את אותו נתון ותמונת לוח דירוג. התזמון הזה הוא כל הסיפור: מודל שהושק בספטמבר ללא ציון מצד שלישי כעת יש לו כזה, והמספר קרוב מאוד לתקרה.
ליתר דיוק לגבי מה חדש ומה לא — כי זו לא השקה. inclusionAI העלתה את משקולות Ming-3.0-audio-flash ל-Hugging Face ב-3 בספטמבר 2026 ולא אמרה על כך דבר במשך שישה שבועות; כרטיס המודל, פרופילי ההגשה ודוגמת הקוד הגיעו רק בין 15 ל-19 באוקטובר. מה שהשתנה היום הוא ההערכה, לא הצ'קפוינט. שברי ה-safetensors הם אותם בתים שהיו בספטמבר. לכן הניסוח הכנה הוא שמודל אודיו עם משקולות פתוחות בן שבעה שבועות נמדד זה עתה על ידי גורם שאינו מחברו, והוא הגיע למקום הראשון.
מה ש-Big Bench Audio למעשה מבקש ממודל לעשות
כדאי להיות קונקרטיים לגבי המבחן, משום ש"חשיבת דיבור" נשמע כמו משהו שסוכן קולי עושה בשיחה, ולרוב זה לא כך. Big Bench Audio הוא סט של שאלות אמריקאיות המועברות כאודיו: המודל שומע הקלטה, שומע או קורא שאלה עליה, ובוחר תשובה. הוא מתגמל את היכולת להחזיק קטע דיבור בהקשר ולהפעיל עליו חשיבה רגילה. הוא אינו מתגמל חילופי תורות, טיפול בקטיעות, הנהוני האזנה או את היכולת להישמע כמו אדם. אלה נמצאים בלוח אחר של Artificial Analysis, Full Duplex Bench, שבו ל-Ming-3.0-audio-flash אין כרגע ציון מפורסם כלל.
ההבחנה הזו חשובה כאן יותר מהרגיל, מפני שב-99.8% למדד כמעט אין עוד מרווח. בלוח של 42 מודלים, ההפרש בין המקום הראשון לחמישי הוא נקודת אחוז אחת. בין הראשון למודל במקום ה-13 — GPT-Realtime-2.1 High — ההפרש הוא ארבע נקודות. מבחן שכמעט כל מודל מודרני מקבל בו ציונים בשנות התשעים הוא מבחן שהפסיק להבדיל את צמרת התחום, ויתרון של נקודה אחת על StepAudio 3 Realtime הוא קומץ פריטים במבחן שאף אחד מחוץ ל-Artificial Analysis לא יכול לאמת את מספר הפריטים בו. יש לקרוא את הדירוג כ"המודל הזה שייך לקבוצה המובילה", וזה באמת שימושי, ולא כ"המודל הזה טוב באופן מדיד בשמיעה מכל השאר", מה שהמספר לא יכול לתמוך בו.
הלוח לפי הסדר, לכל מי שרוצה את מבנה התחרות ולא את הכותרת:
• 1 — Ming-3.0-audio-flash, 99.8%
• 2 — StepAudio 3 Realtime, 99.7%
• 3 — Qwen Audio 3.0 Realtime Plus, 99.2%
• 4 — Phonic 1 (גבוה), 98.9%
• 5 — Eleven Realtime v1 Max, 98.8%
• 7 — Grok Voice 3.0, 98.5%
• 8 — Gemini 3.8 Live Extended Thinking (High), 97.7%
• 13 — GPT-Realtime-2.1 High, 95.8%

פרט אחד במסמכים של הספק עצמו ראוי לציון, משום שזה מסוג הדברים שנשמטים בשקט. תמונות ההערכה בכרטיס המודל של inclusionAI, שהועלו באוקטובר, מציגות את מודל ה-flash ב-99.40 ב"BigBenchAudio". ב-Artificial Analysis מדווחים כעת 99.8. אלה שתי ריצות שונות של בנצ'מרק דומה, והפער אינו שגיאה באף אחד מהן — זהו הפיזור הרגיל שמקבלים כאשר ה-harness, פורמט הפרומפט ותת-קבוצת הפריטים אינם זהים. זה גם תזכורת לכך שהטבלה של הספק מאוקטובר ולוח הצד השלישי של היום אינם מספרים ברי החלפה, גם כשהם נושאים כמעט את אותה תווית.
מה שהדירקטוריון לא אומר
שלושה דברים חסרים בערך של Artificial Analysis, וכל אחד מהם חשוב יותר להחלטת פריסה מאשר נתון הדיוק.
הראשון הוא מחיר. ל-Ming-3.0-audio-flash אין תעריף לפי טוקן או לפי דקה ב-Artificial Analysis מפני שאין מה לקנות: זהו צ'קפוינט mixture-of-experts בעל 126 מיליארד פרמטרים ברישיון MIT, עם 6.5 מיליארד פרמטרים פעילים בכל צעד. העלות היא מה שעולה החומרה. הערות הפריסה של inclusionAI עצמה מתארות את פרופיל ההגשה المرجعי ל-128K ככזה שמשתמש ב-tensor parallelism על ארבעה כרטיסי H800 בנפח 80 GB, עם חלופה של שמונה GPUs לאודיו ארוך, ופרופיל SGLang מאומת בארבעה GPUs שמחזיר טקסט בלבד. כל מודל מעליו בטבלת הדירוג, מלבד הוא עצמו, הוא API בתשלום לפי שימוש. השוואה ביניהם על בסיס דיוק בלבד משווה ציון בנצ'מרק לציון בנצ'מרק ומתעלמת מכך שצד אחד של הטבלה הוא רכישה והצד השני הוא מנוי.
הנקודה השנייה היא השהיה. Artificial Analysis אכן מודדת זמן עד לאודיו הראשון, ו-Ming-3.0-audio-flash עומדת על 1.12 שניות. Eleven Realtime v1 Max עומדת על 0.57 שניות — בערך חצי. אם האפליקציה שלך היא סוכן קולי שצריך לענות בתוך הפסקה בשיחה, ניצחון בבנצ'מרק לא מפצה על שנייה של שקט מת, והסדר בלוח המובילים לא אומר דבר על עם איזה משני המספרים האלה תוכל לחיות.
השלישי הוא התנהגות שיחתית. קיימים ציוני Full Duplex Bench עבור Eleven Realtime v1 Max (0.941 בסך הכול, עם טיפול בקטיעות ב-0.99 וחילופי תורות ב-1.0) ועבור כמה מודלים בזמן אמת של Gemini ו-GPT. למודל Ming-3.0-audio-flash אין ציון FDB, אין פירוט של דינמיקה שיחתית, ואין מדידה שפורסמה של האופן שבו הוא מתמודד עם קטיעות. מודל יכול להצטיין בשאלות אמריקאיות על אודיו ועדיין לדבר בזמן שאתה מדבר.
והמספרים של הספק עצמו מאוקטובר הם הראיה הכי פחות מחמיאה בכל התמונה. על אותו כרטיס שמפרסם את הניצחון ב-speech-reasoning, inclusionAI פרסמה ציון שרשרת אודיו ארוך של 12.31 לעומת 34.54 עבור Qwen3.8-Omni Flash ו-49.63 עבור Gemini 3.8 Flash, LongAudioSpan של 41.12 לעומת 66.40, ושיעורי שגיאה בזיהוי דוברים ב-AMI של 25.29 לעומת 11.16 עבור MiMo-V2.6 Pro. אלה הנתונים של הספק, במשימות שהספק בחר, והם מתארים מודל שמצוין באודיו קצר של שאלות ותשובות וחלש בהסקה על פני הקלטה ארוכה. שום דבר בנוגע ל-99.8 ב-Big Bench Audio לא משנה זאת, מפני ש-Big Bench Audio אינו מבחן אודיו ארוך.
הפער של שבע עשרה דקות בין הכרטיס לציוץ
ה-commit במאגר מתוארך ל-08:26:48 UTC ב-18 בנובמבר, וכותרתו, בחלקה, "עדכון ציון Flash BBA ל-99.8% והוספת תוצאת המקום הראשון הכולל בלוח הדירוג…". הפוסט מאת Ant Ling הגיע אחריו בשעה 08:37:02. אותו commit נגע בכרטיס של האח הקטן ארבעים ושמונה שניות לאחר מכן, והוסיף את אותו משפט — פסקת benchmark משותפת, שהועתקה לשני המאגרים, ועוד סיבה לבדוק לאיזה checkpoint מספר באמת שייך לפני שמצטטים אותו.

מה שהרצף הזה אומר לך הוא שכרטיס המודל נמצא כעת במורד הזרם של לוח הדירוג ולא להפך. במשך שישה שבועות הראיה היחידה לביצועים של Ming-3.0-audio-flash הייתה קבוצה של תמונות PNG בתיקיית assets/, שהופקה על ידי הצוות שאימן אותו. זה לא כלום — הערכות ספקים בדרך כלל כנות, רק אופטימיות לגבי בחירת המשימות — אבל זה סוג אחר של ראיות מאשר צד שלישי שמפעיל מערך בדיקות משלו ומפרסם דירוג. הדבר המעניין בהיום הוא לא שהספק טוען למקום הראשון. אלא שארגון שאין לו אינטרס בתוצאה הציב את המודל שם.

היכן נתב מתאים, והיכן לא
OrcaRouter לא משרת את Ming-3.0-audio-flash. הוא אינו בקטלוג שלנו, איננו יכולים לספק לך נקודת קצה עבורו, ושום דבר כאן לא צריך להיקרא כהצעה. אם ברצונך להריץ אותו, תשכפל את המאגר, תתקין את מסלול הקוד של Transformers 5 או אחד מפרופילי ההגשה של SGLang-Omni, ותכוון אליו לפחות ארבעה כרטיסי 80 GB. זו תשתית, ונתב לא עוסק בתשתית.
מה שראוטר עושה הוא החצי השני של כל צינור דיבור. אפליקציית קול שנבנתה על מודל אודיו מתארח בעצמו היא עדיין בעיקרה עבודת טקסט: הפרומפט שמחליט מה לשאול את ההקלטה, העיבוד שאחרי שממיר תווית שפה מופרדת בטאבים לפלט מובנה, הסיכום שנכתב מהתמלול, המסווג שמנתב שיחה רועשת לאדם. אלה הן קריאות צ'אט רגילות, וAPI אחד ליותר מ-200 מודלים ב-0% תוספת מחיר — מחיר המחירון של הספק מועבר כמו שהוא, כך שהורדת מחיר של ספק נכנסת לתוקף אצלנו באותו יום — הוא דבר פשוט יותר לחיבור מחוזה עם ספק שני ושלישי. מעבר אוטומטי בין שרתים הוא מה שמאפשר לך להעמיד מודל open-weights שלא הוכח מאחורי חלק מהתעבורה שלך בלי להמר על כל המסלול עליו.
הגבול הוא העיקר. צ'קפוינט של 259 GB שאתה מריץ על ה-GPUים שלך הוא החלטת הון; נתב מנתב קריאות. הוא לא הופך מודל אשכול למודל מתארח, והוא לא הופך 99.8% ב-benchmark של רב-ברירה לראיה על המוצר שלך.
מה יגרום לזה להיות בעל משמעות
שלוש מדידות יהפכו את הכותרת של היום להחלטה, וכל השלוש הן דברים ש-Artificial Analysis או זירה כלשהי יכלו לפרסם בלי לבקש מ-inclusionAI דבר. ציון של Full Duplex Bench יגיד אם ההתנהגות השיחתית תואמת את ההבנה. תוצאה של אודיו ארוך על סט ציבורי תבחן את הציר היחיד שבו הטבלה של הספק עצמו היא החלשה ביותר. וריצה עצמאית שנייה של Big Bench Audio — מערכת בדיקה אחרת, מדגם פריטים אחר — תגיד לך אם 99.8 הוא אפקט תקרה או פער אמיתי.
עד אז, המשפט המדויק הוא צר ושווה לומר אותו בפשטות: מודל אודיו במשקלים פתוחים של Ant Group, שיצא בספטמבר ותועד באוקטובר, מדורג כעת ראשון בבנצ'מרק להסקת דיבור של צד שלישי, בפער של נקודת אחוז אחת מהמודל הבא אחריו, בלי מחיר מפורסם, כשהזמן עד לאודיו הראשון שלו כפול מזה של המתחרה המהיר ביותר באותו לוח, ובלי ציון שיחה כלל. זו תוצאה אמיתית. היא גם טענה קטנה בהרבה מ"מודל הקול הטוב ביותר", וההבדל בין שני המשפטים האלה הוא המקום שבו רוב החשיבה השימושית על המודל הזה עדיין צריכה לקרות.
השוואות במאמר הזה2
זוהה מתוך המאמר הזה · בנצ'מרקים: Artificial Analysis · מתעדכן יומית
