Ming-3.0-tts-tiny לעומת Qwen-Audio-3.0-TTS: לאחד יש מחירון, ולשני יש מאגר
- 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
ההשוואה שכולם רוצים היא שני ציונים זה לצד זה, והיא לא יכולה להיעשות ביושר היום. Ming-3.0-tts-tiny הוא צ'קפוינט דיבור מסוג mixture-of-experts עם 7.9 מיליארד פרמטרים של inclusionAI מבית Ant Group, שפורסם כמשקלים תחת רישיון MIT ללא נקודת קצה מתארחת וללא הערכה עצמאית. Qwen-Audio-3.0-TTS הוא נקודת קצה סינתזה מתארחת ב-Alibaba Cloud Model Studio, שהושקה ב-20 ביולי 2026, נמכרת בשכבת Flash ובשכבת Plus, ללא משקלים בשום מקום וללא טבלת שיעורי שגיאה שפורסמה. לצד אחד יש מיקום בטבלת המובילים ומחיר. לצד השני יש פייפליין להורדה וחבילת בנצ'מרקים של ספק. העבודה המועילה כאן אינה לבחור מנצח משני הארטיפקטים האלה; היא להבין אילו מספרים אפשר להעמיד זה לצד זה, ואילו לא. הכשלים המתועדים של AI ותקריות סוכנים מאחורי שחרורים כמו זה נאספים ב-ארכיון התקריות של OrcaRouter AI שבו כל ערך נושא מקורות משלו, חומרה, דרגת ביטחון ודגל מחלוקת.
התאריכים חשובים, משום שאף אחד משני המוצרים לא הגיע בדרך שפוסט השקה היה מרמז עליה. מאגר ה-Hugging Face של Ming-3.0-tts-tiny נוצר ב-22 בספטמבר 2026, וה-checkpoint עצמו הועלה ב-24 בספטמבר. במשך שלושה וחצי שבועות הוא היה תיקיית משקלים בלי שום דרך להריץ אותם: קוד האינפרנס, הדוגמאות בלחיצה אחת ו"ספר המתכונים" של המשימות נחתו ב-GitHub רק ב-19 באוקטובר בשעה 08:58 UTC, בתשעה קומיטים לאורך אחר צהריים אחד. Ant לא הכריזה עליו, אין פוסט בבלוג, אין סרטון כרטיס מודל ואין דוח טכני. Qwen-Audio-3.0-TTS, לעומת זאת, זכה להשקה אמיתית ועדיין נמצא בכרטיס התעריפים של Alibaba — והדרגה שחשובה לאיכות, Plus, היא עדיין בראש סולם הסינתזה של Alibaba גם לאחר שהדור 3.1 הגיע בספטמבר.
השורה בלוח הדירוג היא נקודת הביקורת השגויה, והמאגר אינו מציין זאת.
התחילו כאן, כי זו הטעות שהגל הראשון של פוסטי השוואה יעשה. Artificial Analysis מתחזקת שני לוחות דיבור, ושניהם כוללים מודל בשם Ming-3.0-tts. נכון ל-19 באוקטובר הוא נמצא ב-1,188 Elo בלוח Provider Voice וב-1,069 בלוח Controlled Voice.
הרשומה ההיא היא ה0.5B מודל, לא זה. ל-Ming-3.0-tts-tiny אין בכלל שורת ארנה — לא מדורגת, לא לא-מדורגת, ולא רשומת תצוגה מקדימה. ה-README של GitHub מציג מחדש את המספרים 1,188 ו-1,069 בקטע התוצאות שלו בלי להבחין איזה צ׳קפוינט הפיק אותם, וזה בדיוק האופן שבו מספר מקבל את התווית השגויה שתי פרסומים מחדש מאוחר יותר.
אז כשאתם רואים "Ming-3.0-tts 1,188 מול Qwen-Audio-3.0-TTS-Plus 1,266", מה שבעצם מושווה הוא המודל הדנסי בעל חצי מיליארד הפרמטרים של Ant כנגד השכבה המתארחת הגדולה ביותר של Alibaba, כשהמודל שבכותרת המאמר הזה נעדר מלוח הדירוג. פער 78 הנקודות אמיתי עבור ה-0.5B. הוא לא אומר דבר על ה-MoE הזעיר, בשום כיוון. ייתכן שהמודל הזעיר טוב יותר; אף אחד לא הציב אותו לפני פאנל העדפות.
היעדר אינו ציון נמוך. זהו מודל ללא ניקוד, וההבחנה הזו היא כל הסיבה לכך שהחלק הזה קיים.
מה כל צד הוא בעצם
הסירו את מעטה השיווק, ושני הפריטים נבדלים זה מזה בסוג לפני שהם נבדלים באיכות.
• פורמט — Ming-3.0-tts-tiny הוא צ'קפוינט שאתם מורידים: כ-18 GB, 8,980,964,372 פרמטרים ב-BF16 ועוד 40,096 ב-F32, הכולל את עמוד השדרה Ling V3, ראש diffusion-transformer, טוקנייזר אודיו, מקודד דובר CAM++ וטוקנייזר הטקסט. Qwen-Audio-3.0-TTS הוא נקודת קצה HTTP שמחזירה אודיו; אין מה להוריד ואין רישיון לבדוק.
• פרמטרים — 7.9B בסך הכול, עם כ-1.3B פעילים לכל טוקן, תערובת מומחים דלילה, לעומת מודל מתארח שעבורו Alibaba אינה מפרסמת מספר פרמטרים.
• רישיון — MIT גם על המשקלים וגם על הקוד, עם הערת שימוש שמבקשת ממך לא להתחזות לאנשים ללא הסכמה ולתייג אודיו סינתטי. בצד המתארח, תנאי API מסחריים.
• שפות — סינית, אנגלית, גרמנית, ספרדית, צרפתית, קוריאנית ויפנית, ובנוסף סצ'ואנית וקנטונזית כאשר מסופק קליפ ייחוס של ניב. Qwen-Audio-3.0-TTS מפרט 16 שפות ו-20 אזורי ניב סיניים.
• משטח בקרה — שיבוט ללא דוגמה, עיצוב קול מתוך תיאור, הוראות סגנון חופשיות, 14 תגיות פרה-לשוניות מוטמעות, רגש מפורש, הגדרות מהירות, גובה צליל ועוצמה, ומשימת פודקאסט עם מספר דוברים. Qwen-Audio-3.0-TTS חושף שיבוט וכן כ-86 תגיות מסירה מוטמעות ובקרה בסגנון הוראות.
• מחיר — אין תעריף רשום בצד של Ming-3.0-tts-tiny; אתה משלם עבור זמן GPU. Qwen-Audio-3.0-TTS-Plus עולה ¥1.4 לכל 10,000 תווים ברשימת המחירים של Alibaba בייג'ינג, שאותה Artificial Analysis מנרמלת ל-$19.31 למיליון תווים.
• ציון עצמאי — אין ל-Ming-3.0-tts-tiny. 1,266 Elo ב-Provider Voice ו-1,126 ב-Controlled Voice עבור Qwen-Audio-3.0-TTS-Plus, שניהם עם מרווחי סמך שאינם נוגעים ב-1,188 וב-1,069 של שורת Ming-3.0-tts.
שני סוגי ראיות שאינם ניתנים להמרה זה לזה
הזירה מודדת העדפה. הטבלאות של Ant מודדות שגיאה ודמיון. אף אחד מהם אינו הופך לשני, ויש לעמוד בפני הפיתוי להתייחס לפער Elo כמכפיל איכות.
מה ש-Qwen-Audio-3.0-TTS נותן לך הוא שיפוט יחסי של קהל לגבי הקולות המקוריים שלו, עם מספרי דגימות ומרווחי סמך מאחוריו. מה ש-Ant נותן לך הוא מדידה של מעבדה של המודל שלה עצמה מול מערך בדיקה קבוע, כאשר רתמת הבדיקה, קטעי ההפניה וקוד הניקוד נבחרו כולם על ידי אותה קבוצה שבנתה את המודל. שניהם לגיטימיים. אף אחד מהם אינו תחליף לשני, ורק אחד מהם קיים עבור המודל שבכותרת המאמר הזה.
החבילה של Ant רחבה, וכדאי לדעת מה יש בה לפני שפוטרים אותה. במערך Seed-TTS הסיני המודל הזעיר מציג 0.820% שגיאות מילים בדמיון דובר של 0.781 — נתון הדמיון הטוב ביותר בכל הטבלאות שפרסמה Ant, כולל 0.758 של המודל האח 0.5B שלה. באנגלית הוא מגיע ל-1.666% ב-0.728. גרמנית מגיעה ל-0.325% שגיאות תווים וספרדית ל-0.971%, ושתיהן ראשונות בהשוואת שמונה המערכות של Ant. יפנית היא 3.427%, צרפתית 3.470%. במבחן הפרה-לשוני של אירוע בודד ב-NVBench היא מובילה בכל שש הקטגוריות, עם 17.23 PCER בסינית ו-32.95 באנגלית. מערכי הניבים מגיעים ל-86.09% דיוק ב-WSC-Eval-TTS easy ול-92.90 ב-WSYue base, מערך הרגשות ל-74.00% בממוצע ב-CV3, ועיצוב קול ל-75.37% ב-InstructTTSEval-ZH. כל זה הוא מערך הבדיקות של Ant עצמה, הורץ על ידי Ant, דווח על ידי Ant, ולא שוחזר על ידי איש.
הסיכום הכנה הוא ש-Qwen-Audio-3.0-TTS נשפט על ידי זרים ו-Ant נשפט על ידי מחברו. זה לא ביקורת על אף אחד מהם; זו הצהרה על מה ששני המספרים הללו הם.
ההשוואה הראש בראש היחידה ש-Ant כן מפרסמת, והיא נגד עצמה
בתוך אותה סוויטה יש תוצאה שמתנהגת כמו השוואה אמיתית, משום שהמתחרה הוא המודל 0.5B של Ant עצמה וההבדל גדול מספיק כדי לשרוד הרנס אחר.
בקוריאנית, Ming-3.0-tts-tiny מציג שיעור שגיאות תווים של 6.000%. המודל בגודל 0.5B מציג 1.728%. אותו צוות, אותה ערכת בדיקות, אותו יום דיווח — פי כשלושה וחצי בקירוב, בכיוון שאיש לא ציפה לו מהמודל הגדול יותר. כרטיס המודל אינו מסביר זאת, וחלק המגבלות מפרט את הקוריאנית בין נקודות התורפה הידועות בלי להציע מנגנון.
הסבר מבני זמין ויש לתייג אותו כהשערה ולא כממצא: מודלים דלילים מנתבים כל טוקן דרך תת-קבוצה של מומחים, כך ששפה שקיבלה פחות אות אימון בתוך התערובת עלולה להידרדר מהר יותר מאשר במודל צפוף בגודל כולל דומה. זה סביר. זה לא נמדד. מה שניתן להגן עליו הוא המסקנה התפעולית, שהיא צרה יותר: אם קוריאנית נמצאת במוצר שלך, הצ'קפוינט הזה אינו זה שכדאי לפנות אליו עד שמישהו יריץ אותו על טקסט קוריאני אמיתי ויפרסם את התוצאה.
Qwen-Audio-3.0-TTS מכסה קוריאנית במסגרת 16 השפות שלו, ו-Alibaba אינה מפרסמת שיעור שגיאות לפי שפה שאפשר להעמיד מול 6.000% של Ant. לכן אפילו נקודת התורפה אינה יכולה להפוך להשוואה. אפשר לקרוא אותה רק כאזהרה.
מיליון תווים, במחיר כפול
כאן שני המוצרים מפסיקים להיות מושגים מופשטים.
Qwen-Audio-3.0-TTS מחייב לפי תו. בתעריף המנורמל של הארנה, 19.31 דולר למיליון תווים, מיליון תווים של קריינות מוגמרת עולים 19.31 דולר, ומאה מיליון עולים 1,931 דולר. המספר ליניארי, צפוי מראש, וזמין לפני שכותבים שורת קוד. התפוקה באותה מערכת בדיקה עצמאית היא 25.61 תווים לשנייה של זמן יצירה, וזו שאלה של מקביליות ולא של חיוב בקנה המידה של ה-API.
Ming-3.0-tts-tiny מחושב בשעות GPU, ולחשבון יש חור באמצע. המודל האח 0.5B נמדד ב־42.1 תווים לשנייה; המודל ה-tiny לא נמדד כלל. לא ניתן לשאול את התפוקה של האח שלו, מפני שהמודל ה-tiny מפעיל בערך פי שניים וחצי פרמטרים לכל טוקן ותופס כ־18 GB במקום 2.96 GB. הכרטיס המומלץ של Ant הוא H800, והסביבה המקובעת — Python 3.10.15, torch ו־torchaudio 2.7.1 עם CUDA 11.8, transformers 4.46.3 — היא טענת הביצועים היחידה בהשקה.
אז עשו את החישוב בגלוי במקום להעמיד פנים שהעניין כבר מוכרע. בקצב של 20 תווים לשנייה, מיליון תווים הם כ-14 שעות של יצירה; בקצב של 10 תווים לשנייה זה כ-28 שעות. הכפילו את השעות האלה בעלות שלכם לשעת GPU, הוסיפו זמן טעינת מודל, המתנה בתור וניסיונות חוזרים, והשוו ל-$19.31. מתחת לכמה מיליוני תווים בחודש, תעריף השירות המתארח בדרך כלל מנצח בעלות הכוללת ברגע שזמן העבודה של מישהו נכלל בחישוב. מעל זה, על חומרה שכבר בבעלותכם ואתם מחזיקים אותה עסוקה, העלות השולית של הצ'קפוינט לשעה זהה לזו של השעה הראשונה — וזה היתרון המבני שאף מחירון לא יכול להשתוות אליו.
דבר אחד שהשוואת המחירים לא צריכה להסתיר: שני הדגמים אינם אותו מוצר בשום מחיר. שכבת ה-Plus של Qwen-Audio-3.0-TTS היא קטלוג קולי מוגמר עם 16 שפות; Ming-3.0-tts-tiny הוא פייפליין שאתה מפעיל, שאיכות הפלט שלו אתה מודד בעצמך.
שאלת השכבה שAlibaba לא פתרה
כל מי שבוחר היום ב-Qwen-Audio-3.0-TTS בוחר בתוך משפחה שזזה מתחתיו. קו Qwen-Audio-3.1 הוכרז ב-23 בספטמבר 2026, ו-Artificial Analysis מציגה את Qwen-Audio-3.1-TTS-Plus עם 1,300 Elo ב-Provider Voice ו-1,186 ב-Controlled — מעל ה-3.0 Plus בשני הלוחות, מתוארך ל-24 בספטמבר, באותו מחיר של 19.31 דולר למיליון תווים.
אך מחירון התעריפים הציבורי של Alibaba מפרט רק SKU מסוג Flash עבור 3.1 TTS, ולכן השאלה אם רמת 3.1 Plus ניתנת לקריאה היום היא שאלה לקונסולה של הספק עצמו ולא משהו שיש להסיק מלוח דירוג. כך או כך, המשמעות המעשית זהה: רמת 3.0 Plus אינה מיושנת, אך היא כבר לא הדבר החדש ביותר שקיבל ציון מ-Alibaba, וקונה צריך לוודא איזה SKU הוא למעשה מתחייב לרכוש לפני השוואת מחירו למשהו.
עבור Ming-3.0-tts-tiny אין כלל שאלת דרגה — יש צ'קפוינט אחד, אין מפת דרכים עם תאריכים, והערת תמיכה ב-vLLM-Omni שהופיעה בתיעוד באותו יום שבו הופיע הקוד.
מה שהמאגרים אינם מבססים
יש ארבעה פערים שכדאי לציין בשמם לפני שמישהו מתכנן סביב המודל הזה.
• אין ציון עצמאי — אין שורת ארנה, אין שיעור שגיאות מילים של צד שלישי, ואין תפוקה מדודה. השורה שנראית כשייכת ל-Ming-3.0-tts-tiny שייכת ל-0.5B.
• אין דוח טכני — מפת הדרכים מציגה אותו כלא מסומן, וכרטיס המודל נערך ב-16 באוקטובר כדי להסיר התייחסות לדוח כזה.
• אין נקודת קצה מתארחת — אין API של הצד הראשון ואין מחיר, ולכן הנתיב היחיד לייצור הוא התשתית שלך.
• אין מתכון לכוונון עדין — המאגר מתעד משימות הסקה, לא אימון. LoRA או כוונון עדין מלא על נקודת הבדיקה הזו אינם מתועדים, וזהו מצב שונה ממודל שמסופק עם סקריפטים לאימון.
בעת הלכידה, מאגר Hugging Face הציג 20 הורדות ו-3 לייקים, ומאגר GitHub הציג קומץ כוכבים וללא מהדורות. זה אינו מהווה ראיה לשום דבר מלבד שההשחרור היה שקט, וזו הטענה היחידה שהקטע הזה בטוח בה.
מה ההשוואה הזו שווה בפועל
אם אתם צריכים קול בסביבת ייצור החודש, ביותר משתי שפות, כשמישהו אחר נושא באחריות לזמינות, Qwen-Audio-3.0-TTS-Plus היא הבחירה המוצדקת: היא מדורגת, מתומחרת, מתועדת ונתמכת, וה-Elo של 1,266 נמדד ולא רק נטען.
אם אתה צריך שהמודל יהיה בבעלותך — לשכפל קולות שאינך יכול לשלוח לצד שלישי, לייצר בהיקף שבו חיוב לפי תו שולט, להפיץ תחת רישיון שמתיר הפצה מחדש — Ming-3.0-tts-tiny הוא היחיד מבין השניים שיכול להיות שלך. קבל בתמורה שתהיה הראשון שיבחן אותו, שקריאנית היא חולשה ידועה שהספק שלה עצמו מפרסם, ושהפייפליין בן שבוע.
OrcaRouter לא מנתב אף אחד מהמודלים, ואין לקרוא דבר כאן כטענה אחרת; דיבור מושג דרך הערוץ של כל ספק, ואת ה-checkpoint Ming-3.0-tts-tiny דרך החומרה שלך. מה שכן מנותב הוא חצי הטקסט של אותו צינור — יותר מ-200 מודלים מאחורי מפתח אחד, במחיר המחירון של הספק ללא תוספת, כך ששינוי מחיר מספק טקסט הוא המחיר שלך באותו יום. עבור מוצר קולי, התסריט, הכיוון בסגנון SSML והסוכן שמחליט מה לומר הם כולם טקסט, וזה החלק שבו חוזה עם ספק שני לא קונה לך דבר.
המספר שיכריע את זה עדיין לא קיים. זה לא ציון Elo; זהו אחר צהריים אחד על H800 שמריץ את ה-checkpoint הזעיר מול אותם קליפי ייחוס שבהם השתמש Ant, כשהתוצאות מפורסמות לצד ה-harness. עד שמישהו יעשה זאת, העמדה הכנה היא זו שהטקסט הזה נקט: שני ארטיפקטים מהימנים, אחד עם ציון ואחד ללא, והשוואה שחייבת להיעשות על בסיס בעלות, צורת תמחור וסיכון לשוני ולא על בסיס איכות.
