
Ming-3.0-audio-flash vs Eleven Realtime v1 Max: Dua 99, Hanya Satu di Antaranya yang Berbiaya $0,08 per Menit
- OrcaBARUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 juta token · 185 tok/s
- tencentBARUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 juta token · 228 tok/s
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 89 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 98 tok/s
- orcaBARUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 89 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 juta token · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 juta token · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Kecerdasan
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 juta token · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 113 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 juta token · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
Ming-3.0-audio-flash dan Eleven Realtime v1 Max keduanya mengklaim skor penalaran ucapan sekitar 99%, dan kemiripannya berakhir begitu Anda melihat bagaimana setiap angka dihasilkan. ElevenLabs mencantumkan "99% pada penalaran ucapan, 570ms untuk waktu hingga audio pertama" di kartu harga miliknya sendiri untuk Realtime v1 Max; Artificial Analysis mengukur model yang sama pada 98,8% dan 0,567 detik. Kartu inclusionAI mengklaim 99,40 pada BigBenchAudio untuk Ming-3.0-audio-flash; Artificial Analysis mengukur 99,8% pada Big Bench Audio dan 1,12 detik. Satu vendor melaporkan modelnya sendiri lebih rendah sebesar satu langkah pembulatan dan yang lain melaporkannya lebih rendah sebesar empat persepuluh. Keduanya cukup dekat untuk kredibel dan tidak satu pun merupakan angka yang harus Anda jadikan dasar keputusan.
Angka keputusannya berbeda untuk masing-masing. Untuk Eleven Realtime v1 Max, angkanya adalah $0,08 per menit ditambah penggunaan LLM, yang kira-kira $4,80 per jam untuk audio masukan pada tarif terukur Artificial Analysis. Untuk Ming-3.0-audio-flash, ini adalah empat H800 80 GB, karena tidak ada daftar tarif sama sekali — ini adalah checkpoint mixture-of-experts 126 miliar parameter di bawah MIT yang Anda unduh dan jalankan sendiri. Segala hal lain dalam perbandingan ini mengikuti pembagian itu: yang satu adalah langganan agen suara, yang lain adalah mesin yang Anda miliki.
Apa sebenarnya masing-masing itu
Eleven Realtime v1 Max bukan model dalam pengertian checkpoint. Dokumentasi menjelaskan setiap model Realtime sebagai agen suara lengkap — pengenalan ucapan, deteksi aktivitas suara dan pergantian giliran, LLM, serta text to speech — yang dikemas sehingga Anda memilihnya, bukan merakitnya. Max diposisikan untuk respons yang presisi dan cermat di seluruh tugas multitahap dan merupakan satu-satunya dari dua model Realtime yang mencantumkan pemanggilan alat. Model ini berbicara dalam 90+ bahasa, dapat diakses melalui OpenAI-compatible Realtime API, dan beralih antara Max dan saudara kecilnya merupakan perubahan pemilihan model, bukan pembangunan ulang.
Ming-3.0-audio-flash adalah susunan yang berlawanan. Encoder audio dan proyektor menyuplai backbone bahasa mixture-of-experts; inputnya berupa audio ditambah instruksi teks; outputnya berupa teks, atau teks dengan ucapan yang disintesis melalui Talker opsional. Tidak ada deteksi giliran bawaan, tidak ada manajemen sesi, tidak ada lapisan pemanggilan alat yang dijelaskan dalam kartu. Yang diklaim kartu tersebut adalah keluasan di sisi input: bahasa Mandarin dan Inggris termasuk aksen dan dialek, suara non-ucapan, adegan akustik, musik, dan rekaman panjang.
• Parameter — Ming-3.0-audio-flash: total 126B, 6,5B aktif per langkah. Eleven Realtime v1 Max: tidak diungkapkan.
• Bentuk — Ming: checkpoint yang Anda sajikan. Eleven: agen terkelola yang Anda pilih.
• Konteks — Ming: 131,072 token dideklarasikan dalam konfigurasi. Eleven: tidak dipublikasikan; sesi adalah unitnya, bukan jendela token.
• Bahasa — Ming: Tionghoa dan Inggris. Eleven: 90+ sesuai daftar bahasa Eleven v4.
• Keluaran suara — Ming: opsional, melalui Talker, dengan suara bawaan dan referensi. Eleven: inti produk; suara dipilih dari pustaka.
• Pemanggilan alat — Ming: tidak dijelaskan. Eleven: tercantum untuk Max, bukan untuk Mini.
• Lisensi — Ming: MIT pada bobot. Eleven: perjanjian API komersial.

Kedua angka itu, dan mengapa keduanya berbeda ke arah yang berlawanan
Angka “99%” pada kartu ElevenLabs hampir pasti merupakan pembulatan dari 98.8 dalam sebuah uji Artificial Analysis, yang diterbitkan di halaman harga milik vendor itu sendiri lengkap dengan angka latensinya. Itu luar biasa terbuka: sebagian besar vendor mengutip tolok ukur yang dipilih oleh laboratorium yang membangun model tersebut. Ini juga berarti kedua sumber itu tidak independen — vendor mengutip pihak ketiga, bukan menjalankan harness paralel — jadi ketika keduanya sepakat, mereka sepakat karena memang begitu konstruksinya.
Angka Ming adalah kasus yang berbeda. Kartu model Oktober memuat gambar evaluasi yang menunjukkan 99,40 pada "BigBenchAudio" bersama gambaran audio panjang yang jauh lebih lemah. Angka 99,8 hari ini berasal langsung dari Artificial Analysis, dan kartu tersebut diedit pagi ini untuk mengutipnya. Selisih antara 99,40 dan 99,8 bukanlah koreksi; itu adalah dua kali menjalankan benchmark dengan nama yang sama tetapi harness, prompt, dan subset item yang berbeda. Keduanya tidak salah. Keduanya adalah jenis angka yang bergeser sepersepuluh ketika detailnya berubah, itulah sebabnya keunggulan satu poin di puncak tabel tempat 42 model berkerumun di kisaran sembilan puluhan bukanlah benteng yang kokoh.
Yang memang ditetapkan oleh urutan papan peringkat adalah keanggotaan dalam kelompok teratas. Dalam penalaran ucapan, Ming-3.0-audio-flash pada 99.8 dan Eleven Realtime v1 Max pada 98.8 terpaut satu poin dan tidak terpaut oleh apa pun else yang diukur papan itu. Dalam waktu ke audio pertama, keduanya terpaut faktor dua: 1,12 detik berbanding 0,567. Bagi model yang harus menjawab di dalam jeda percakapan, itulah angka yang menentukan apakah sistem terasa hidup, dan inilah satu-satunya tempat di mana opsi yang tampak murah tidak secara jelas merupakan pilihan yang lebih buruk.
Di mana perbandingan itu gagal, dan ia gagal pada percakapan
Penalaran ucapan adalah pertanyaan pilihan ganda yang disampaikan sebagai audio. Agen suara adalah masalah yang berbeda: mengetahui kapan harus mulai berbicara, kapan harus tetap diam selama jeda, bagaimana menanggapi interupsi, apakah harus mengeluarkan backchannel. Artificial Analysis mengukurnya secara terpisah pada Full Duplex Bench, dan ini adalah bagian paling tidak simetris dari seluruh perbandingan.
Eleven Realtime v1 Max memiliki skor Full Duplex Bench lengkap yang dipublikasikan sebesar 0,941, dengan penanganan interupsi 0,99, turn-taking 1,0, penanganan jeda 0,978, dan backchannel 0,796. Model ini juga memiliki skor tau-voice sebesar 0,578 across simulasi tugas maskapai penerbangan, ritel, dan telekomunikasi — angka yang jauh kurang menggembirakan, dan koreksi yang berguna bagi siapa pun yang membaca 99% sebagai kesimpulan umum. Ming-3.0-audio-flash tidak memiliki skor Full Duplex Bench, tidak memiliki skor tau-voice, dan tidak memiliki pengukuran yang dipublikasikan tentang perilakunya saat seseorang berbicara menimpanya. Bukan karena checkpoint tersebut akan gagal dalam uji-uji itu. Melainkan karena belum ada yang menjalankannya, dan kartu model tidak menjelaskan mekanisme yang akan membuat uji-uji itu bermakna: deteksi giliran dan barge-in adalah hal yang Anda bangun di sekitarnya, bukan hal yang sudah disertakan bersamanya.
Asimetri itu punya bentuk praktis. Memilih Eleven Realtime v1 Max memberi Anda loop percakapan yang sudah tuntas dengan skor penyelesaian tugas yang dipublikasikan (meskipun terbilang biasa). Memilih Ming-3.0-audio-flash memberi Anda kemampuan mendengar yang luar biasa kuat dan antarmuka teks, lalu menyerahkan loop — VAD, endpointing, penanganan interupsi, giliran LLM di balik suara — sebagai pekerjaan Anda. Kedua produk itu bukan substitusi pada lapisan yang sama, dan perbandingan langsung soal akurasi secara diam-diam menyiratkan bahwa keduanya adalah substitusi.
Aritmetika satu jam, dilakukan dengan jujur
Satu jam audio masukan terus-menerus pada Eleven Realtime v1 Max ditagih $0,08 per menit, yaitu $4,80, ditambah berapa pun yang dikonsumsi LLM bawaan. Biaya per jam audio masukan untuk model tersebut yang diukur oleh Artificial Analysis tepat $4,80, yang mengonfirmasi kartu harga. Pada 1.000 jam per bulan, itu berarti $4.800 sebelum token LLM dan sebelum batas konkurensi apa pun, yang dicantumkan dokumentasi untuk TTS dan STT tetapi tidak untuk agen suara Realtime.
Pihak Ming tidak memiliki angka seperti itu, jadi perbandingan apa pun memerlukan asumsi, dan asumsi tersebut harus terlihat. Profil layanan 128K referensi inclusionAI menggunakan paralelisme tensor di empat H800 80 GB; input audio panjang dapat menyebabkan OOM pada konfigurasi itu dan memaksa fallback delapan GPU. Pada angka hipotetis $2 per jam-GPU — angka pengganti, bukan kutipan — empat kartu berbiaya $8 per jam dan delapan kartu $16, keduanya sebelum utilisasi, sebelum waktu menganggur yang melekat pada layanan yang selalu aktif, dan sebelum adanya engineer untuk menjalankannya. Jika diisi sampai kapasitas penuh, konfigurasi empat GPU kompetitif dengan $4,80 per jam. Jika hanya terisi sepuluh persen, itu tidak berada dalam pembicaraan yang sama.
Itulah keseluruhan argumen biaya, dan hal itu bergantung pada utilisasi, bukan pada harga dari salah satu vendor. Tim dengan lalu lintas audio bervolume tinggi dan stabil serta kapasitas GPU yang sudah ada dapat membuat perhitungannya masuk akal. Tim yang sedang menguji ide pada Selasa sore tidak dapat melakukannya, dan tidak boleh berpura-pura bahwa angka per jam yang dihitungnya pada tingkat lalu lintas pukul 3 pagi memiliki arti apa pun.
• Berbayar sesuai penggunaan — Eleven Realtime v1 Max: $0,08/menit, sekitar $4,80/jam, ditambah penggunaan LLM.
• Di-host sendiri — Ming-3.0-audio-flash: tidak ada kartu tarif; referensi 4 × 80 GB H800, cadangan 8-GPU.
• Biaya marginal untuk satu jam tambahan — Eleven: $4,80. Ming: praktis nol sampai kartu-kartunya jenuh, lalu menjadi fungsi tangga.
• Biaya jam pertama — Eleven: $4,80. Ming: perangkat keras, stack penyajian, dan integrasi.

Bahasa adalah bidang di mana lembar spesifikasi menyesatkan.
ElevenLabs menyebut 90+ bahasa dan itu berlaku di seluruh stack TTS dan STT. Ming-3.0-audio-flash menyebut bahasa Mandarin dan Inggris, lalu memberi kualifikasi dengan cara yang lebih penting daripada jumlahnya: "termasuk aksen dan dialek yang beragam". Tabel Oktober milik vendor itu sendiri mendukungnya dengan tingkat kesalahan dialek yang jauh lebih baik daripada model omni yang dibandingkan — Hokkien 12,84 berbanding 28,08 untuk Qwen3.8-Omni Flash dan 81,62 untuk Gemini 3.8 Flash, Shanghainese 11,15 berbanding 21,10 dan 88,64. Jika audio Anda adalah Mandarin dengan aksen regional, itu adalah kemampuan yang tidak bisa ditangkap oleh perbandingan jumlah bahasa sebanyak apa pun, dan daftar 90+ Eleven tidak memberi tahu Anda seberapa baik performanya pada Hokkien.
Kebalikannya juga sama benarnya: jika audio Anda berbahasa Spanyol, Portugis, Jepang, atau Arab, Ming-3.0-audio-flash sama sekali tidak memiliki klaim. Ini bukan perbedaan tipis dalam hal cakupan. Ini adalah pembagian yang hampir total, dan ini adalah cara tercepat untuk memutuskan di kolom mana Anda berada.
Keduanya pada satu tombol, untuk bagian yang berupa teks
OrcaRouter tidak menyediakan Ming-3.0-audio-flash, dan juga tidak menyediakan Eleven Realtime v1 Max — keduanya adalah checkpoint yang di-self-host dan produk realtime milik vendor, dan tidak satu pun merupakan model yang bisa kami sediakan endpoint-nya untuk Anda. Yang kami sediakan adalah bagian lain dari pipeline yang tersirat oleh salah satu dari keduanya. Sistem suara yang dibangun di atas model audio yang di-self-host sebagian besar berupa panggilan teks: prompt yang memberi tahu model audio apa yang harus didengarkan, parser yang mengubah label bahasa yang dipisahkan tab menjadi keluaran terstruktur, ringkasan yang ditulis dari transkrip, router yang mengirim panggilan sulit ke model yang lebih kuat. Itu berjalan melalui lebih dari 200 model di balik satu kunci, dengan markup 0%, dengan failover otomatis saat penyedia mengalami penurunan layanan — yang membuatnya aman untuk menempatkan model audio yang belum terbukti di balik sebagian trafik Anda sementara sisanya tetap berjalan.
Mana yang harus dipilih
Ambil Eleven Realtime v1 Max jika Anda ingin agen suara bulan ini: 90+ bahasa, loop percakapan yang sudah terpecahkan, pemanggilan alat, harga per menit yang dipublikasikan, dan sesi yang kompatibel dengan OpenAI. Terima bahwa skor penyelesaian tugas tau-voice-nya adalah 0.578, bahwa perilaku backchannel-nya adalah bagian terlemah dari profil Full Duplex Bench-nya, dan bahwa Anda menyewa stack yang tidak dapat Anda periksa.
Pilih Ming-3.0-audio-flash jika audio Anda berbahasa Mandarin atau Inggris, kasus-kasus sulit Anda adalah aksen atau dialek, tim Anda dapat menjalankan empat GPU 80 GB dan stack serving, dan Anda bersedia membangun lapisan percakapan sendiri. Terimalah bahwa angka yang diterbitkan model itu sendiri menunjukkan bahwa model ini tertinggal pada rekaman panjang dan diarisasi pembicara, bahwa waktu ke audio pertamanya dua kali milik Eleven, dan bahwa 99.8-nya adalah peringkat papan peringkat, bukan janji tentang beban kerja Anda.

Dan jika jawabannya adalah "campuran keduanya" — agen yang dihosting untuk bahasa-bahasa yang dicakupnya, model yang dihosting sendiri untuk trafik dengan aksen berat — itu bukan kompromi, melainkan bentuk yang benar-benar diambil sebagian besar sistem ucapan produksi. Kesalahannya adalah memilih berdasarkan angka 99-an, karena di ujung tabel itu, angka tersebut sudah berhenti memberi tahu Anda apa pun yang tidak akan diberitahukan rekaman Anda sendiri dengan lebih cepat.
