Ming-3.0-audio-flash לעומת Gemini 3.8 Live: משקלים פתוחים, שמונה GPUs, וחשבון שאפשר ממש לחשב
- OrcaחדשOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 9 tok/s
- deepseekחדשDeepSeek: DeepSeek V4.1 Flash 10172026-10-17$0.15 / $0.60 לכל 1M טוקנים · 230 tok/s
- DeepSeekחדשDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
- OrcaחדשOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 95 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 788 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238אינטליגנציה
- OpenAIOpenAI: GPT-6 Sol2026-09-2248אינטליגנציה
- AnthropicAnthropic: Claude Opus 5.52026-09-2258אינטליגנציה
- xAIGrok 4.72026-09-2146אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 לכל 1M טוקנים · 39 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 לכל 1M טוקנים · 832 tok/s
- OpenAIOpenAI: GPT-6 Astra2026-09-0453אינטליגנציה77כתיבת קוד
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241אינטליגנציה76כתיבת קוד
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245אינטליגנציה76כתיבת קוד
- AnthropicAnthropic: Claude Fable 5.12026-09-0153אינטליגנציה82כתיבת קוד
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 לכל 1M טוקנים · 52 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 לכל 1M טוקנים · 119 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642אינטליגנציה72כתיבת קוד
שעה של אודיו רציף שנכנס אל Gemini 3.8 Live עולה 0.30 דולר לפי המחיר הרשמי שמפרסמת Google. שעה של אודיו שיוצאת החוצה עולה 1.08 דולר. שיחת קול דו-כיוונית, כששני הכיוונים פועלים לאורך כל השעה, עולה 1.38 דולר. Ming-3.0-audio-flash אין בכלל מחיר לדקה, כי אין נקודת קצה לקנות: זהו צ'קפוינט mixture-of-experts עם 126 מיליארד פרמטרים ברישיון MIT, והעלות שלו היא מה שעולות לכם שמונה כרטיסי H800 לשעה. זו כל ההשוואה בשני משפטים, וכמעט כל הבדל אחר בין שתי המערכות האלה נובע ממנה. הכשלים המתועדים של בינה מלאכותית ותקריות הסוכנים שמאחורי מהדורות כמו זו מרוכזים בארכיון תקריות ה-AI של OrcaRouter שבו כל ערך נושא את המקורות שלו, את דרגת החומרה, את דירוג רמת הוודאות ואת סימון המחלוקת.
התאריכים חשובים, 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 המאגר היה למעשה תיקייה של שברים: בלי קוד הגשה, בלי דוגמאות, בלי כרטיס מודל שמיש. מאגר GitHub נוצר ב-15 באוקטובר, פרופילי vLLM-Omni ו-SGLang, ערכות הקול המוגדרות מראש וכרטיס מודל שנכתב מחדש עלו בין 15 ל-19 באוקטובר, ונכון לכתיבת שורות אלה רישום Hugging Face מציג 22 הורדות. Gemini 3.8 Live, לעומת זאת, הוא מודל Live API יציב וזמין באופן כללי, ש-Google מתארת כברירת מחדל לסוכני קול בעלי השהיה נמוכה. אחד מאלה הוא מוצר שאפשר לקרוא לו כבר אחר הצהריים. האחר הפך להרצה השבוע ועדיין אין לו מפעיל.
מה הן שתי המערכות בפועל
Gemini 3.8 Live הוא מודל סטרימינג מתארח מאחורי Live API. ה-API מקבל אודיו PCM גולמי של 16 סיביות בקצב 16 קילו־הרץ, תמונות בקצב של עד פריים אחד בשנייה, וטקסט, ומחזיר אודיו PCM גולמי בקצב 24 קילו־הרץ. התיעוד של Live API של Google מציין כיסוי של 70 שפות. פותחים סשן, מזרימים ומקבלים אודיו בחזרה; אין צ'קפוינט, אין הזמנת GPU ואין רישיון לקרוא.
Ming-3.0-audio-flash הוא מודל אודיו-שפה במובן המילולי יותר. מקודד אודיו ומקרן מזינים עמוד שדרה לשוני מסוג mixture-of-experts, ו-Talker אופציונלי הופך את פלט הטקסט של המודל לדיבור. הקלט הוא אודיו בתוספת הוראת טקסט. הפלט הוא טקסט, או טקסט עם דיבור מסונתז. הכרטיס מפרט סינית ואנגלית כשפות עיקריות, "כולל מבטאים וניבים מגוונים". הרישיון הוא MIT.
• פרמטרים — Ming: 126B בסך הכול, 6.5B מופעלים בכל שלב הסקה (סרגל הצד של Hugging Face אומר בנפרד 128B, סתירה שהכרטיס אינו מסביר). Gemini 3.8 Live: לא נמסר.
• שפות — Ming: סינית ואנגלית. Gemini 3.8 Live: 70 שפות לפי מסמכי Live API.
• קלט — Ming: אודיו והוראת טקסט. Gemini 3.8 Live: אודיו, תמונות, טקסט.
• פלט — Ming: טקסט, ובאופן אופציונלי גם דיבור. Gemini 3.8 Live: אודיו, וטקסט דרך אותו סשן.
• רישיון — Ming: MIT על המשקלים והקוד. Gemini 3.8 Live: הסכם API מסחרי.
• מחיר — Ming: אין מחירון; משלמים עבור GPUs. Gemini 3.8 Live: $3.00 לכל מיליון טוקנים של קלט אודיו או $0.005 לדקה; $12.00 לכל מיליון טוקנים של פלט אודיו או $0.018 לדקה; טקסט ב-$0.75 לקלט ו-$4.50 לפלט לכל מיליון.
חישוב שעות האודיו, כפי שצריך
הנתונים לדקה שלמעלה הם אלו ששווה להפנים, והם גם אלו שרוב ההשוואות טועות בהם כשהן מצטטות מחירי טוקנים בפני קורא שאין לו מושג כמה טוקנים דקת דיבור צורכת. השתמשו במקום זאת בתעריפי הדקה, כי Google מפרסמת אותם ישירות.
• האזנה בלבד, שעה אחת — 60 דקות במחיר $0.005 הן $0.30.
• דיבור בלבד, שעה אחת — 60 דקות ב-$0.018 זה $1.08.
• שעה מלאה דו-כיוונית — $1.38, לפני כל טוקני טקסט או קריאות לכלים.
• אלף שעות דו-כיווניות — $1,380.
עכשיו אותה שעה על Ming-3.0-audio-flash. פרופיל ההגשה הייחוסי עבור הקשר המלא של 128K עם פלט דיבור הוא מקבילות טנזורית על פני שמונה מעבדי H800 בנפח 80 GB, לפי הערות הפריסה של המאגר עצמו. ארבעה מעבדים מריצים פרופיל SGLang מאומת, אך פרופיל זה מיועד לפלט טקסט בלבד. לכן ההשוואה ההוגנת של הרצה עצמית היא שמונה מעבדים מול סשן בתשלום לפי צריכה. בתעריף היפותטי של $2 לשעת מעבד, שעת קיבולת אחת עולה $16 — וזה עבור המעבד כולו, שאותו אפשר לפזר על פני בקשות בו-זמניות ולא על שיחה אחת. בעשרה זרמים בו-זמניים, העלות לשיחה יורדת מתחת ל-$1.60 לשעה; במאה, מתחת ל-$0.16. אלה חישובים אריתמטיים, לא מדידות, והם מתעלמים מניצול, מיעילות אצווה ומהעובדה שמודל 126B עם 6.5B פרמטרים פעילים לא ימצה שמונה מעבדי H800 על קטעי אודיו קצרים.
{{1}}נקודת החיתוך אמיתית, אבל היא לא במקום שאנשים מניחים. מתחת ל־בערך תריסר שיחות מקבילות, Gemini 3.8 Live זול יותר משכירת שמונה H800s והרבה יותר זול מלקנות שמונה כאלה. מעל לכך, ובהנחה שאפשר לשמור על אצווה מלאה, הצ'קפוינט הפתוח מנצח בעלות החישוב הגולמית — וזה כל הטיעון הכלכלי בעד משקלים פתוחים, והסיבה שדרישת שמונת ה-GPU היא המספר שכדאי לזכור ולא מספר הפרמטרים.{{/1}}
מה המשמעות של "הבנת אודיו" בכל צד
Gemini 3.8 Live נבנה לשיחה. תפקידו לשמוע אותך, לענות במהירות ולנהל את חילופי התורות. רשימת המודלים של Google מציבה אותו כמודל ה-Live המוגדר כברירת מחדל "לרוב חוויות סוכני הקול בעלות השהיה נמוכה ללא עיכובי חשיבה", וזו אמירה על תקציב השהיה, לא על עומק ניתוח האודיו.
Ming-3.0-audio-flash מכוון למשימה אחרת. חמשת המוקדים של הכרטיס הם זיהוי דיבור מורכב בדיאלקטים, מבטאים, רעש והקלטות עם מספר דוברים; הבנת אודיו ארוך; תפיסה של צליל לא-דיבורי, סצנות אקוסטיות ומוזיקה; הסקה על תוכן אודיו; ואינטראקציה מדוברת עם תגובות מסונתזות אופציונליות. זו רשימת תמלול וניתוח עם מצב צ'אט שהודבק עליה, לא רשימה של סוכן קולי.
ההשלכה המעשית: אם המוצר שלך הוא סוכן טלפוני שחייב להגיב בתוך 400 מילישניות, Gemini 3.8 Live הוא הצורה המתאימה לדבר ואילו Ming-3.0-audio-flash אינו, ללא תלות בציוני בנצ'מרק. אם המוצר שלך הוא "לקלוט שיחת רווחים של 90 דקות, לומר לי מי אמר מה, ולסמן את הרגע שבו הטון של מנהל הכספים השתנה", כרטיס Ming מתאר את המשימה שלך וה-Live API מתאר משימה אחרת.
בעיית הבנצ'מרק שאיש לא פתר
Ming-3.0-audio-flash מגיעה עם שלושה לוחות בנצ'מרק במאגר שלה: זיהוי דיבור, בינה אודיו וטקסט. כל הערכים הם באחוזים; ככל שהערך גבוה יותר כך טוב יותר, אלא אם כן הוא מסומן בחץ כלפי מטה, ותוצאות המסומנות בכוכבית הן הערכה של הצוות עצמו. המאגר מוסיף הערה כי תוצאות מודלי ההשוואה שוחזרו במסגרת מערך ההערכה של inclusionAI עצמה, ועשויות להיות שונות מהדוחות הרשמיים של אותם מודלים בשל פרומפטים, הגדרות פענוח, גרסאות מודלים וצינורות עיבוד.
ההערה הזו כנה באופן יוצא דופן, והיא גם אומרת שאי אפשר להשתמש בתרשימים כדי לדרג את Ming מול Gemini 3.8 Live. המספרים נמצאים בתמונות, לא בטקסט של ה-README, ו-Google לא מפרסמת מערך דומה להבנת אודיו עבור 3.8 Live. אין לוח תוצאות של צד שלישי שדירג את שניהם. כל מי שמראה לך תרשים עמודות עם שני הדגמים האלה זה לצד זה בנה אותו מטענות ספק בציר אחד ומכלום בציר השני.
ההצהרה הכנה היחידה שזמינה היום: ל-Ming-3.0-audio-flash יש נתונים שהספק הפיק בעצמו ואין נתונים עצמאיים, ול-Gemini 3.8 Live יש רקורד מוכח בסביבת ייצור ואין בנצ'מרק מפורסם להסקת מסקנות מאודיו. זהו תיקו בקטגוריה היחידה שמשנה להחלטת רכישה — ראיות.
היכן OrcaRouter מתאים, והיכן לא
Ming-3.0-audio-flash אינו נמצא בפלטפורמה שלנו. לא נעמיד פנים אחרת: אם ברצונך להריץ אותו, תשכפל את המאגר, תתקין את ענף vLLM-Omni או SGLang שהוא מציין, ותביא את כרטיסי ה-GPU. מה שראוטר נותן בהשוואה הזו הוא הצד השני של ההחלטה — החלק שבו כבר החלטת שמודל אודיו מתארח מטפל בתעבורה החיה שלך, והשאלה הופכת לאיזה מודל מתארח, באיזה מחיר, ועם איזה גיבוי כשסשן נכשל. זו בעיית ניתוב על פני יותר מ-200 מודלים מאחורי מפתח אחד, במחיר המחירון של הספק ללא תוספת, כך ששינוי מחיר של ספק מגיע אליך באותו יום ולא בחידוש החוזה הבא.
עבור צוות שבוחן אם נקודת ביקורת (checkpoint) פתוחה של אודיו ראויה לתעבורת פרודקשן, התבנית השימושית היא להשאיר את הנתיב המאוחסן כגיבוי ולהעביר את הנפח אל Ming המתארח באופן עצמאי בהדרגה. מעבר אוטומטי בין שרתים (failover) הוא מה שהופך את ההגירה הזו להפיכה במקום להימור.
לבחור
קחו את Gemini 3.8 Live אם אתם צריכים סוכן קולי בפרודקשן ברבעון הזה, צריכים יותר משתי שפות, צריכים תמונות באותו זרם, או מצפים לפחות מתריסר שיחות במקביל. החשבון לפי דקה קטן, המשטח התפעולי הוא אפס, והמודל יציב ומתועד.
קח את Ming-3.0-audio-flash אם אתה צריך להחזיק בבעלותך את המשקלים, צריך להריץ בתשתית מקומית או בסביבה מנותקת, צריך תנאי MIT, עובד בעיקר בסינית ובאנגלית, ויש לך שמונה H800s או מתזמן שיכול לספק לך אותם. צפה לבצע את ההערכה בעצמך, כי אף אחד לא עשה אותה בשבילך. צפה ששרשרת הכלים תהיה בת ימים ספורים, כי היא באמת כזו. וצפה שכרטיס המודל ימשיך להשתנות מתחת לידיים שלך: הקומיט האחרון שלו היה ביום שבו זה נכתב.
יש מקרה שלישי, והוא הגדול ביותר. אם אתה עדיין לא יודע איזה משני אלה אתה, אינך מוכן לבחור בין API מחויב לפי שימוש לבין פריסה עם שמונה מעבדים גרפיים. הרץ קודם מאה שעות מהאודיו שלך דרך מודל מתארח, מדוד איזו דיוק אתה באמת צריך, ותן למספר הזה להחליט אם הצ'קפוינט הפתוח שווה את הראק.
מה לצפות
הדבר שישנה את ההשוואה הזו אינו בנצ'מרק. זהו מפעיל. ברגע שספק שירותי הגשה יציג את Ming-3.0-audio-flash מאחורי נקודת קצה תואמת OpenAI עם מחיר לפי שעה, הטיעון של שמונה מעבדים גרפיים מפסיק להיות הבעיה של הקורא ושעת ה-$1.38 מקבלת מתחרה. עד אז, הסיכום הכנה הוא ש-Google מוכרת דקה ו-inclusionAI נותנת מכונה בחינם, והשניים ניתנים להשוואה רק אם כבר יש לך את המכונה.
