
Ming-3.0-audio-flash לעומת Ming-3.0-audio-tiny: פי שלושה עשר פרמטרים, פי שניים וחצי עבודה
- 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
Ming-3.0-audio-flash וMing-3.0-audio-tiny הגיעו ל-Hugging Face בהפרש של ארבע דקות זה מזה ב-3 בספטמבר 2026 — tiny בשעה 11:45 UTC, flash בשעה 11:49 — ומאז הצמד מוחלף זה בזה. הבוקר הבלבול נעשה ממשי. מאגר ה-flash נערך בשעה 08:26 UTC עם קומיט שכותרתו "עדכון ציון BBA של Flash ל-99.8% והוספת תוצאת המקום הראשון הכולל בטבלת המובילים"; מאגר ה-tiny נערך שתי דקות ושמונה שניות לאחר מכן עם קומיט שכותרתו "עדכון ציון BBA משותף של Flash ל-99.8%…", כשהוא נושא את אותו משפט ואת אותו PNG של טבלת המובילים. למודל tiny אין רשומה משלו ב-Artificial Analysis, לכן אם ראיתם 99.8% המיוחס ל-Ming-3.0-audio-tiny, המספר הזה היה שייך לאח הגדול שלו ועבר בהעתק-הדבק.
כדאי לומר זאת ראשית, משום שזה ממסגר את כל השאר. אלה אינם שני מתחרים. הם עיצוב אחד בשני קני מידה, החולקים טוקנייזר, חלון הקשר, רישיון ונתיב קוד הגשה, ונבדלים בכמה מספרים שלמים בתוך config.json. השאלה המעניינת אינה איזה מהם מנצח — ה-flash מנצח בכל מדד איכות שפורסם — אלא בעבור אילו מהמספרים השלמים האלה אתה באמת משלם, ובמה המודל הקטן באמת טוב יותר.
מה שלמעשה משותף לשני המאגרים
התחל עם החלקים הזהים, כי יש יותר מהם ממה שהיית מצפה מפער פרמטרים של פי 13.5.
• שם הארכיטקטורה — שניהם מצהירים model_type: bailing_moe_v3_audio, אותו נתיב קוד מותאם של Transformers.
• טוקנייזר — שניהם משתמשים באוצר מילים של 157,184 אסימונים, כאשר מציין המקום של האודיו נמצא באינדקס 157,168. פרומפט שנכתב עבור אחד נטען על השני.
• חלון הקשר — שניהם מצהירים על max_position_embeddings: 131072, עם אותו תטא RoPE של 6,000,000 וללא יישום סקיילינג.
• רוחב ניתוב — שניהם מפעילים 8 מומחים לכל טוקן. זה המספר שהופך את הצמד לברי־השוואה בכלל.
• קלטים ופלטים — קלט: אודיו יחד עם הוראת טקסט; פלט: טקסט, או טקסט עם דיבור מסונתז דרך Talker אופציונלי.
• רישיון — MIT בשניהם, עם אותו קובץ כתב ויתור משפטי.
• קוד — ה-README של המודל הזעיר מורה לך לבצע git clone של מאגר ה-GitHub של מודל ה-flash. יש מימוש אחד, סט אחד של סקריפטים לדוגמה, מדריך קולי אחד.
מכיוון שהקוד משותף, שני הצ'קפוינטים ניתנים להחלפה ישירה זה בזה ברמת ה-API. מעבר מאחד לשני הוא שינוי של שם מודל, וזו בדיוק התכונה שהופכת צינור דו-שלבי לזול לבנייה, וגם התכונה שהופכת קל לפרסם את הציון של המודל הלא נכון.

ארבעת המספרים השלמים שאינם משותפים
כל מה ששונה נמצא בtext_config, ויש רק ארבעה מספרים שחשובים.
• שכבות — flash 42, tiny 24.
• מומחים — flash 512, tiny 128.
• רוחב מומחה — flash moe_intermediate_size 768, זעיר 512.
• גודל נסתר — flash 2,560, tiny 1,536.
כשמכפילים את אלה מקבלים את הנתונים המרכזיים שהכרטיסים מציינים: 126B פרמטרים בסך הכול, עם 6.5B פעילים ב-flash, ו-9.3B בסך הכול עם 2.7B פעילים ב-tiny. בדיסק ההבדל הוא 259.33 GB של משקולות bfloat16 ב-25 שרדים לעומת 20.7 GB בשניים.
עכשיו הסתכלו על היחס ולא על המספרים המוחלטים, כי זה החלק שגיליונות המפרט קוברים. סך הפרמטרים שונה פי 13.5. המשקלים על הדיסק שונים פי 12.5. אבל הפרמטרים הפעילים שונים רק פי 2.4. מודל ה-flash מחזיק ספריית מומחים גדולה בהרבה ומתייעץ עם מספר דומה מהם; למודל ה-tiny יש ספרייה קטנה יותר והוא מתייעץ עם מספר דומה. לכן ה-flash אינו יקר פי שלושה עשר לכל טוקן מה-tiny — הוא קרוב יותר לפי שניים וחצי, עם טביעת זיכרון גדולה פי שלושה עשר שיושבת ברובה ללא שימוש. זהו המסחר הקלאסי של sparse-MoE, והוא אומר שהעלות האמיתית של בחירת flash היא קיבולת, לא תפוקה: אתה קונה ספרייה גדולה יותר, ואתה חייב להחזיק את כל הספרייה בזיכרון בין אם קליפ נתון נעזר בה ובין אם לאו.

תוצאה אחת מפתיעה אנשים. שני המודלים מצהירים על אותו חלון של 131,072 טוקנים, ומפתה להסיק שהם מטפלים באותו אודיו. הם לא. הקשר הוא מגבלה, לא יכולת, והמספרים של הספק עצמו בקטע הבא מראים בדיוק היכן ההבנה של המודל הקטן נגמרת הרבה לפני שהחלון מלא.
מה אומרות הטבלאות של הספק עצמו
תמונות ההערכה בשני הכרטיסים הופקו על ידי inclusionAI ומציגות את שני המודלים זה לצד זה. אלו נתוני ספק, לא מבוקרים, ובחירת המשימות היא של הספק; הם עדיין ההשוואה היחידה ברמת המשימה שקיימת, מפני ש-Artificial Analysis מדרגת רק את ה-flash.
• ציון שרשרת אודיו ארוך — flash 12.31, tiny 10.56.
• LongAudioSpan — flash 41.12, tiny 35.45.
• URO-Bench-Pro — flash 81.92, tiny 54.15.
• VoiceBench — flash 86.74, tiny 74.29.
{{1}}יש שני דברים שכדאי להדגיש. ראשית, הסדר: ה-tiny מפסיד בכל אחד מהם, כך שאיש לא צריך לבחור בו מתוך ציפייה לשוויון. שנית, ופחות מובן מאליו: הפער גדול בהרבה במבחני ההסקה על אודיו (URO-Bench-Pro, ירידה של 27.8 נקודות, ו-VoiceBench, ירידה של 12.5) מאשר במבחנים של אודיו ארוך (ירידה של 1.75 ו-5.67). מה שהמומחים והשכבות הנוספים הרוויחו, הם הרוויחו בעיקר יכולת הסקה על מה שנשמע, ולא סיבולת גולמית לאורך הקלטה ארוכה.{{/1}}
והמספרים של ה-flash עצמו באודיו ארוך חלשים במונחים מוחלטים — ציון שרשרת של 12.31 מתוך מה שלא יהיה קנה המידה של אותו מבחן, לעומת 34.54 עבור Qwen3.8-Omni Flash ו-49.63 עבור Gemini 3.8 Flash באותו כרטיס. לכן הקריאה הכנה של השניים אינה "ה-flash טוב, ה-tiny גרוע". אלא שאף אחד מהצ'קפוינטים אינו מודל להקלטות ארוכות, וה-tiny פשוט חלש עוד יותר בכל מה שמבחני האודיו הקצר מודדים.
את קו החומרה מותחים הבייטים, ולא הפרמטרים
כאן הבחירה בדרך כלל מתבצעת מאליה, ושני קובצי ה-README ספציפיים באופן חריג לגבי הפרופילים שהם אימתו.
• Ming-3.0-audio-flash — פרופיל שירות ייחוס של 128K במקביליות טנזורית 4 על פני H800s בנפח 80 GB; אודיו ארוך עלול לגרום ל-OOM בכך, עם חלופת 8-GPU מתועדת; SGLang אומת בארבעה GPUs עבור פלט טקסט; SGLang-Omni ב---thinker.tp_size 2 על זוג כרטיסים.
• Ming-3.0-audio-tiny — vLLM-Omni עם ה-Thinker על GPU אחד לטקסט ו-ASR, או Thinker על GPU 0 ו-Talker על GPU 1 לדיבור; SGLang מאומת על GPU אחד לטקסט; SGLang-Omni על כרטיס בודד עם --talker.gpu 0.
קרא את השורות האלה כהחלטת תשתית ולא כמפרט. Flash זקוק לצומת עם כמה GPUs וסיבה לתפוס אותו. Tiny זקוק לכרטיס אחד, ואם אתה רוצה רק תמלול או מענה על שאלות באודיו, הוא זקוק לכרטיס אחד בלי Talker בכלל — בלי שלב סינתזת דיבור, בלי תהליך שני, בלי בחירת קול. ההבדל המעשי בין השניים אינו פי ארבעה GPUs; הוא אם הדבר שאתה פורס נכנס למכונה שכבר יש לך.
קיים אפקט מסדר שני שמתבטא בתפעול. צ'קפוינט בן 25 שרדים בנפח 259 GB צריך להימשך לכל צומת שמשרת אותו, לקבל ניהול גרסאות ולהישמר חם; פרופיל הגיבוי של שמונה GPUs פירושו שתוכנית הקיבולת שלך צריכה לסבול מודל שלעתים דורש פי שניים כרטיסים עבור אותה תעבורה. צ'קפוינט בן שני שרדים בנפח 20.7 GB נכנס בשכבת תמונת קונטיינר, עולה תוך שניות וניתן להרחבה באמצעות הוספת רפליקות. עבור כלים פנימיים עם עומסים מתפרצים, ההבדל הזה גובר על כל נתון איכות במאמר הזה.

הפייפליין הדו-שלבי ששני הצ'קפוינטים האלה נבנו עבורו
הנה מקרה השימוש שהצמד הזה למעשה משרת, והוא כזה שאף אחד מכרטיסי המודל לא מתאר: הריצו את המודל הזעיר על הכול, ואת מודל Flash רק על מה ששורד.
מעבר ראשון וזול עם Ming-3.0-audio-tiny יכול לענות על "האם יש דיבור בקובץ הזה", "באיזו שפה מדובר", "כמה דוברים יש", "האם האודיו נקי מספיק כדי שיהיה שווה לתעתק אותו" — והוא יכול לעשות זאת על כרטיס אחד בקצב שהכרטיס הזה מחזיק. רק הקטעים שדורשים הסקה, טיפול בדיאלקט או תעתיק קפדני עוברים אז אל Ming-3.0-audio-flash. מכיוון שהטוקנייזר, פורמט הפרומפט וקוד ההגשה משותפים, הקריאה השנייה היא אותה בקשה עם שם מודל אחר; אין קידוד מחדש, אין שכתוב של הפרומפט, ואין אינטגרציה שנייה לתחזק.
הכלכלה היא העיקר. אם חמישית מהאודיו שלכם קשה, מודל ה-flash רואה חמישית מהנפח ואפשר לתכנן את הצומת שלו לשבר הזה ולא לשיא. אם כמעט כל האודיו שלכם קשה, הקסקדה לא קונה דבר וכדאי להריץ flash לבדו — דבר שימושי ללמוד משבוע של טריאז׳ במודלים זעירים לפני שמתחייבים לארבעה H800s.
אותה תבנית מופיעה שכבה אחת למעלה, בקריאות הטקסט סביב מודלי האודיו: המסווג שמחליט לאיזו דרגה שייך קטע, החילוץ המובנה מתמלול, והתקציר שנכתב לאחר מכן. אלו הן השלמות צ'אט רגילות, ו-OrcaRouter מנתב אותן בין יותר מ-200 מודלים מאחורי מפתח אחד בתוספת של 0%, עם מעבר אוטומטי לגיבוי — כך שהמסווג שמשמש כשער לדרגת האודיו היקרה שלך לא הופך לרכיב שמפיל את הצינור. ה-DSL לניתוב הוא החלק שמאפשר לבטא את החלטת הדרגה כקונפיגורציה ולא כקוד: לשלוח קטעים קצרים ונקיים בדרך אחת, וארוכים או עם מבטא בדרך אחרת, ולתת למודל גיבוי לכסות את הפער כאשר ספק מדרדר. איננו מארחים אף אחד משני צ'קפוינטי Ming; שניהם הורדות שאתם מריצים בעצמכם.
איך לסדר את זה בעזרת האודיו שלך
שתי נקודות הביקורת הן ברישיון MIT, שתיהן משתלבות באותו מסלול קוד, ושתיהן קטנות מספיק במקרה הזעיר כדי להיבדק בלי שיחת רכש. זה הופך אחר צהריים של מדידות למאלף יותר מכל אחד מהמספרים שלמעלה.
משכו מאתיים קליפים מהתעבורה שלכם, בהטיה לכיוון הקצה הקשה — דיבור עם מבטא, דוברים חופפים, רעש רקע, ההקלטות הארוכות שבאמת יש לכם. הריצו את שני המודלים עם אותם פרומפטים, ותנו ציון לשלושה דברים: דיוק תמלול בקליפים שיש לכם עבורם נתוני אמת, האם תווית השפה הייתה נכונה, וכמה פעמים הפלט היה בלתי שמיש ולא רק שגוי. לאחר מכן הריצו את הקסקייד ומדדו בכמה קליפים המודל הזעיר טיפל מספיק טוב כך שמודל ה-Flash לא היה נחוץ.
המספר האחרון הוא היחיד שמכריע את התשתית. אם הוא חוזר גבוה, יש לך פריסה של GPU אחד עם מודל גדול מאחוריו עבור הזנב. אם הוא חוזר נמוך, למדת שעומס העבודה שלך הוא עומס העבודה שמודל ה-flash נבנה עבורו, ושהקטן היה ניסוי שימושי ולא דרגה. כל תשובה היא זולה. ניחוש לפי ספירת פרמטרים אינו כזה, כי ה-13.5× על הכרטיס וה-2.4× בתקציב המחשוב מצביעים על חומרה שונה לחלוטין, ורק ההקלטות שלך יכולות לומר לך איזו מהן אתה קונה.
