Ming-3.0-asr-tiny Dirilis Tanpa Pengumuman: Apa yang Sebenarnya Dikatakan Repositori

Bobot untuk Ming-3.0-asr-tiny telah hadir di Hugging Face pada 09.27 UTC tanggal 14 Oktober 2026, dan lima hari kemudian repositori tersebut masih menunjukkan 35 unduhan. Apa pun yang dimaksudkan vendor dengan unggahan itu, tujuan tersebut tidak tercapai. Kode menyusul pada 02.38 UTC tanggal 19 Oktober. Halaman proyek — satu halaman yang dapat digulir dengan film peluncuran dan empat grafik tolok ukur — tayang pada 12.30 UTC di hari yang sama. Tidak ada yang mengumumkan satu pun dari itu. Tidak ada laporan teknis yang ditautkan dari repositori, tidak ada tanggal rilis yang tercetak pada kartu model, dan tidak ada pos peluncuran dari organisasi di baliknya. Semua yang ada di artikel ini berasal dari berkas-berkas itu sendiri, log commit, dan grafik milik vendor sendiri, dan sengaja dipisahkan dari bagian-bagian yang masih belum diketahui. Kegagalan AI dan insiden agen yang terdokumentasi di balik rilis seperti ini dikumpulkan dalam Arsip Insiden AI OrcaRouter di mana setiap entri membawa sumbernya sendiri, tingkat keparahan, nilai keyakinan, dan penanda status diperdebatkan.

Perbedaan itu lebih penting daripada biasanya di sini. Model yang telah dipublikasikan selama lima hari dan memiliki 35 unduhan bukanlah produk yang bisa Anda jadikan dasar perencanaan; model itu hanyalah sekumpulan bobot dengan file konfigurasi dan catatan tingkat byte tentang cara model itu dirakit. Konfigurasinya luar biasa informatif. Grafiknya luar biasa spesifik. Kesenjangannya luar biasa besar.

Lima hari di antara beban dan cerita

Riwayat commit adalah hal yang paling mendekati pengumuman dalam rilis ini, jadi layak dibaca sebagai pengumuman. Commit Hugging Face pertama adalah pembuatan repositori itu sendiri pada 14 Oktober pukul 09:27 UTC. Satu jam kemudian vendor mengunggah checkpoint, dan pesan commit menyebutnya: iter_0011500. Itu adalah jumlah iterasi pelatihan, bukan nomor versi, dan itu memberi tahu Anda bahwa proses pelatihan telah melewati 1,15 juta langkah tanpa memberi tahu satu pun hal tentang data yang dikonsumsi langkah-langkah tersebut.

Empat hari berikutnya dihabiskan untuk memublikasikan, bukan melatih. Pada 15 Oktober, paket model dan dokumentasi bilingual dirilis. Pada 16 Oktober, vendor memublikasikan yang disebutnya sebagai bobot audio-only yang telah divalidasi. Pada 18 Oktober, kartu model mendapatkan panduan penyajian SGLang dan angka benchmark diperbarui dua kali. Pada 19 Oktober, repositori ditautkan ke rilis kode GitHub, lalu ke cookbook SGLang, lalu ke film rilis, lalu ke metadata sitasi, dan akhirnya, pada 14:04 dan 14:05 UTC, grafik publik, internal, dan context-ASR diperbarui lagi — sekitar sembilan puluh menit sebelum artikel ini ditulis.

Repositori GitHub ini bahkan lebih baru: dibuat pada 02.38 UTC tanggal 19 Oktober, dua puluh commit, lima bintang, tanpa fork, dan tab Releases yang kosong. Video yang disebut kartu sebagai film rilis sama sekali tidak terlampir pada repositori itu. Video itu berada sebagai aset rilis di repositori GitHub Pages terpisah, yang dibuat pada 12.22 UTC pada hari yang sama, di bawah tag yang secara harfiah bernama media-2026-10-19. Konsekuensi yang paling layak dikutip: satu-satunya tanggal di mana pun dalam rilis ini adalah tanggal halaman yang menjadi tempat film tersebut.

Apa yang ditentukan oleh konfigurasi, dan apa yang hanya diisyaratkannya

Indeks safetensors melaporkan 8.865.800.992 parameter: 8.865.797.920 dalam BF16 di dua shard, ditambah 3.072 dalam F32. Itu kira-kira 17,7 GB bobot. Grafik vendor memberi label pada model 8.6B-A2B, singkatan untuk total 8,6 miliar dengan sekitar 2 miliar aktif per token; indeks adalah angka yang lebih konkret dan berada sekitar 270 juta di atas label. Tidak ada dari kedua angka itu yang salah, tetapi hanya satu yang merupakan pengukuran yang dapat Anda periksa tanpa mempercayai pembulatan vendor.

Decoder adalah tumpukan mixture-of-experts 24 lapis: 128 pakar, delapan dirutekan per token, satu pakar bersama, lapisan pertama dense, ukuran tersembunyi 1.536, 16 kepala atensi dengan kepala berdimensi 128, dan atensi terkompresi melalui q_lora_rank 256 dan kv_lora_rank 512. Kosakatanya 157.184 token dan konteksnya 8.192 posisi. Halaman proyek menambahkan detail yang tidak dijelaskan oleh konfigurasi saja: tumpukan tersebut bergantian antara tiga lapis Kimi Delta Attention dan satu lapis Gated MLA, hibrida 3:1. Itu adalah model bahasa dengan front end audio yang terpasang, dan rasio kerja antara kedua bagian itu tidak seimbang.

Sisi audio adalah encoder 32 lapis dengan 1.280 dimensi tersembunyi, 20 head, dan 128 input mel — bentuk encoder Whisper large-v3, sebuah garis keturunan yang diakui repositori dengan menyertakan file bernama modeling_whisper_encoder.py dan file WHISPER_LICENSE terpisah yang memuat pemberitahuan MIT OpenAI. Encoder juga merupakan separuh model yang lebih kecil secara signifikan. Dua field berguna dalam file yang sama: id token audio adalah 157.168, dan asr_output_format diatur ke plain.

Apa yang diklaim oleh bagan-bagan itu, dan terhadap siapa

Kartu ini tidak memuat angka apa pun dalam prosa. Semuanya ada dalam empat diagram PNG, dan halaman proyek mengulanginya. Berdasarkan angka dari vendor sendiri, Ming-3.0-asr-tiny mencetak CER rata-rata bahasa Mandarin sebesar 3.55 dan WER rata-rata bahasa Inggris sebesar 3.99; rata-rata 15 dialek sebesar 8.42; rata-rata internal lima domain sebesar 1.67; dan agregat context-ASR sebesar 4.36. Setiap angka tersebut dilaporkan vendor dan tidak satu pun telah direproduksi secara independen.

Kumpulan pembanding di halaman proyek adalah Qwen2.5-Omni, Qwen3-Omni-30B-A3B, Qwen3-ASR-1.7B, Fun-ASR 1.5, dan Qwen3-ASR-Flash, dengan dua yang terakhir ditandai sebagai sumber tertutup. Baris dialek adalah tempat celahnya paling lebar: Ming pada 8,42, Qwen3-ASR-1.7B pada 15,30, Fun-ASR 1.5 pada 8,00. Baris bahasa Mandarin adalah tempat celahnya paling sempit: Ming pada 3,55 berada di antara Qwen3-Omni pada 3,33 dan Qwen3-ASR-1.7B pada 3,66. Baris konteks adalah baris yang menjadi tujuan model ini dibuat, dan di sana nilai 4,36 milik Ming berada di urutan kedua setelah 4,34 milik Qwen3-Omni dengan selisih dua perseratus poin.

Tiga peringatan semestinya ada di samping angka-angka itu, dan suntingan vendor sendiri menyediakan dua di antaranya. Skor lima domain adalah rata-rata aritmetika tak berbobot di seluruh chat, pemerintah, kesehatan, pengetahuan, dan kehidupan lokal — lima set uji internal dengan hubungan yang tidak diungkapkan terhadap data pelatihan, dirata-ratakan seolah-olah masing-masing berbobot sama dalam lalu lintas Anda. Halaman proyek juga mencatat, dalam sebuah commit pada 12:39 UTC tanggal 19 Oktober, bahwa skor ucapan bising dihapus dari halaman sementara rata-rata domain bersih tetap ada. Dan grafiknya masih diperbarui pada 14:04 UTC. Kumpulan angka yang disunting pada hari diterbitkan adalah kumpulan angka yang perlu dibaca ulang sebelum Anda mengutipnya.

Apa yang tidak ada di repositori

Daftar ketidakhadiran lebih panjang daripada daftar kehadiran, dan setiap ketidakhadiran memiliki konsekuensi praktis.

• Data pelatihan — tidak ada daftar dataset, tidak ada jumlah jam, tidak ada campuran bahasa, tidak ada deskripsi penyaringan. Checkpoint dinamai hanya berdasarkan jumlah iterasi dan tidak ada yang lain.

• Tanggal rilis — kartu tidak mencantumkannya. Stempel waktu pembuatan repositori adalah satu-satunya tanggal yang andal, dan vendor belum mengonfirmasinya sebagai tanggal rilis.

• Laporan teknis — tidak ada yang tertaut. Deskripsi arsitektur di halaman proyek terdiri atas empat kalimat.

• Evaluasi independen — belum ada. Dengan 35 unduhan dan lima suka, pada dasarnya belum ada orang di luar lab yang menjalankannya.

• Timestamp tingkat kata dan diarisasi pembicara — catatan penggunaan kartu menyatakan secara gamblang bahwa keluarannya hanya teks transkripsi. Hal ini didokumentasikan, bukan disembunyikan, dan langsung menyingkirkan pipeline subtitel, penyelarasan, dan diarisasi dari pertimbangan.

• Streaming — contoh yang disertakan menerima klip utuh. Audio panjang dapat dipotong menjadi beberapa bagian dengan --audio-chunk-frames terhadap konteks 8.192 posisi, yang bukanlah hal yang sama dengan streaming latensi rendah.

• Kode evaluasi — grafiknya berupa gambar. Tidak ada skrip di repositori yang meregenerasinya dari audio.

Satu ketiadaan layak disebut secara terpisah karena itu membentuk seluruh kerangkanya: tidak ada pengumuman yang bisa terlambat. Sebuah film peluncuran, halaman proyek, dan repositori GitHub yang diterbitkan dalam selisih sepuluh jam satu sama lain pada 19 Oktober adalah peluncuran dalam segala hal kecuali siaran pers. Bobotnya saja tiba lima hari lebih awal, tanpa diperhatikan, sementara sisanya sedang dibangun.

Baca daftar commit itu dari atas ke bawah dan rilisnya akan tersusun sendiri di depan Anda: drop kode, lalu dokumentasi dalam bahasa Inggris, lalu jalur penyajian, lalu sebuah film, lalu sebuah sitasi, lalu tinjauan ulang atas angka-angka. Dua puluh commit, tidak ada satu pun yang berupa tag versi, dan tab Releases yang kosong di akhirnya.

Mengapa kapal yang senyap tetap perlu ada di radar Anda

Rilis senyap adalah momen ketika pertanyaan tentang routing menjadi menarik, karena sinyal pembelian yang biasa — peluncuran, harga, tolok ukur yang dikutip semua orang — tidak ada, dan satu-satunya cara untuk mengetahui apa pun adalah menjalankannya. Itulah tepat kasus yang menjadi alasan failover OrcaRouter ada. Anda dapat mengalirkan sebagian trafik melalui model kandidat sementara model yang sedang digunakan tetap melayani sisanya, dan jika jalur baru gagal atau timeout, permintaan dialihkan kembali alih-alih membuat pengguna mengalami kegagalan. Satu kunci API mencakup lebih dari 200 model yang dihosting, jadi menambahkan pendapat kedua tidak berarti kontrak kedua dan set kredensial kedua.

Batasan yang jujur: Ming-3.0-asr-tiny tidak ada dalam katalog OrcaRouter, dan model ASR yang dibandingkan oleh grafiknya juga tidak ada. Dari model yang disebutkan di halaman proyek, model yang tersedia melalui OrcaRouter saat ini adalah google/gemini-2.5-pro, yang muncul dalam perbandingan ASR konteks pada 6.30. Jadi penggunaan realistis dari lapisan routing di sini bukanlah "memanggil Ming melalui kami" — melainkan menempatkan baseline yang dihosting dan kandidat yang dihosting sendiri di belakang satu antarmuka selama Anda masih memutuskan. Harga untuk sisi yang dihosting diteruskan pada harga daftar penyedia dengan markup 0%, dan itulah bagian yang penting ketika perbandingannya adalah biaya per jam audio.

Apa yang akan membuat ini beralih dari rasa penasaran menjadi kandidat?

Daftar singkat, dalam urutan kemungkinan kedatangannya. Tanggal rilis yang dinyatakan dan pengungkapan data pelatihan akan membuat angka benchmark dapat diinterpretasikan, bukan sekadar dapat dikutip. Uji independen pada set pengujian bersama akan memastikan apakah kesenjangan dialek itu nyata, karena itulah satu klaim di mana selisih vendor atas baseline terbuka terdekat cukup besar sehingga jika salah akan terlihat jelas. Jalur timestamp atau diarisasi akan memperluas kumpulan pipeline yang dapat memakainya sama sekali. Dan resep vLLM atau SGLang yang tidak dipatok ke satu commit akan memberi tahu Anda bahwa vendor berniat ini untuk dilayani, bukan sekadar didemonstrasikan.

Sampai saat itu, deskripsi yang akurat tidak glamor dan spesifik: 8,87 miliar parameter yang sebagian besar berupa model bahasa, encoder Whisper pinjaman, taruhan nyata pada dialek Tionghoa dan pengondisian hotword, diterbitkan tanpa makalah, tanpa tanggal, dan dengan bagan yang masih diedit pada sore hari saat diluncurkan. Itu bukan alasan untuk mengabaikannya. Itu adalah alasan untuk mengujinya sebelum Anda mengutipnya.