Ming-3.0-audio-flash vs Gemini 3.8 Live: Bobot Terbuka, Delapan GPU, dan Tagihan yang Benar-Benar Bisa Anda Hitung

Satu jam audio berkelanjutan ke Gemini 3.8 Live biayanya $0.30 pada harga daftar resmi yang dipublikasikan Google. Satu jam audio yang keluar biayanya $1.08. Sesi suara dua arah, dengan kedua arah berjalan selama satu jam penuh, biayanya $1.38. Ming-3.0-audio-flash sama sekali tidak memiliki harga per menit, karena tidak ada endpoint yang bisa dibeli: ini adalah checkpoint mixture-of-experts 126 miliar parameter di bawah MIT, dan biayanya adalah berapa pun biaya delapan H800 bagi Anda untuk satu jam. Itulah keseluruhan perbandingan dalam dua kalimat, dan hampir setiap perbedaan lain antara kedua sistem ini mengikuti dari itu. Kegagalan AI dan insiden agen yang terdokumentasi di balik rilis seperti ini dikumpulkan dalam OrcaRouter AI Incident Archive yang setiap entrinya mencantumkan sumbernya sendiri, tingkat keparahan, tingkat keyakinan, dan tanda sengketa.

Tanggalnya penting, karena ini bukan peluncuran. inclusionAI mengunggah bobot Ming-3.0-audio-flash ke Hugging Face pada 3 September 2026 dan tidak mengatakan apa pun tentangnya. Selama enam minggu repositori itu praktis hanya berupa folder berisi shard: tanpa kode serving, tanpa contoh, tanpa kartu model yang bisa dipakai. Repositori GitHub-nya dibuat pada 15 Oktober, profil vLLM-Omni dan SGLang, preset suara, serta kartu model yang ditulis ulang muncul antara 15 dan 19 Oktober, dan hingga tulisan ini dibuat, daftar di Hugging Face menunjukkan 22 unduhan. G​emini 3.8 Live, sebaliknya, adalah model Live API yang stabil dan tersedia secara umum yang menurut G​oogle merupakan pilihan default untuk agen suara berlatensi rendah. Salah satunya adalah produk yang bisa Anda panggil sore ini. Yang lain baru bisa dijalankan minggu ini dan masih belum punya operator.

Apa sebenarnya kedua sistem itu

G​emini 3.8 Live adalah model streaming terkelola di balik Live API. API ini menerima audio PCM mentah 16-bit pada 16 kHz, gambar hingga satu frame per detik, dan teks, serta mengembalikan audio PCM mentah 24 kHz. Dokumentasi Live API G​oogle mencantumkan cakupan bahasa sebanyak 70 bahasa. Anda membuka sesi, melakukan streaming, dan menerima audio kembali; tidak ada checkpoint, tidak ada reservasi GPU, dan tidak ada lisensi yang perlu dibaca.

Ming-3.0-audio-flash adalah model audio-bahasa dalam arti yang lebih literal. Encoder audio dan proyektor memberi masukan ke tulang punggung bahasa mixture-of-experts, dan Talker opsional mengubah keluaran teks model menjadi ucapan. Masukan berupa audio ditambah instruksi teks. Keluaran berupa teks, atau teks dengan ucapan yang disintesis. Kartu tersebut mencantumkan bahasa Tionghoa dan Inggris sebagai bahasa utama, "termasuk berbagai aksen dan dialek." Lisensinya adalah MIT.

• Parameter — Ming: total 126B, 6,5B diaktifkan per langkah inferensi (sidebar Hugging Face secara terpisah menyebut 128B, sebuah ketidaksesuaian yang tidak dijelaskan oleh kartu tersebut). G​emini 3.8 Live: tidak diungkapkan.

• Bahasa — Ming: Tionghoa dan Inggris. Gemini 3.8 Live: 70 bahasa sesuai dokumentasi Live API.

• Input — Ming: audio dan instruksi teks. Gemini 3.8 Live: audio, gambar, teks.

• Output — Ming: teks, opsional suara. G​emini 3.8 Live: audio, dan teks melalui sesi yang sama.

• Lisensi — Ming: MIT untuk bobot dan kode. G​emini 3.8 Live: perjanjian API komersial.

• Harga — Ming: tidak ada daftar tarif; Anda membayar untuk GPU. G​emini 3.8 Live: $3,00 per juta token masukan audio atau $0,005 per menit; $12,00 per juta token keluaran audio atau $0,018 per menit; teks seharga $0,75 untuk masukan dan $4,50 untuk keluaran per juta.

Perhitungan jam audio, dilakukan dengan benar

Angka per menit di atas adalah angka yang layak diinternalisasi, dan juga angka yang paling sering salah dalam perbandingan karena mengutip harga token kepada pembaca yang tidak tahu berapa banyak token yang terbakar per menit ucapan. Gunakan tarif per menit saja, karena G​oogle menerbitkannya secara langsung.

• Hanya mendengarkan, satu jam — 60 menit dengan $0.005 adalah $0.30.

• Hanya berbicara, satu jam — 60 menit dengan tarif $0.018 adalah $1.08.

• Satu jam penuh dua arah — $1,38, sebelum ada token teks atau panggilan alat apa pun.

• Seribu jam dua arah — $1,380.

Sekarang jam yang sama pada Ming-3.0-audio-flash. Profil penyajian referensi untuk konteks penuh 128K dengan keluaran ucapan adalah paralelisme tensor di delapan GPU H800 80 GB, menurut catatan penerapan repositori itu sendiri. Empat GPU menjalankan profil SGLang yang tervalidasi, tetapi profil itu hanya untuk keluaran teks. Jadi perbandingan self-hosted yang jujur adalah delapan GPU versus sesi berbayar per pemakaian. Pada harga hipotetis $2 per GPU-jam, satu jam kapasitas berbiaya $16 — dan itu untuk keseluruhan GPU, yang dapat Anda amortisasi ke seluruh permintaan bersamaan alih-alih satu percakapan. Pada sepuluh aliran bersamaan, biaya per percakapan turun di bawah $1,60 per jam; pada seratus, di bawah $0,16. Itu aritmetika, bukan pengukuran, dan mengabaikan utilisasi, efisiensi batching, serta fakta bahwa model 126B dengan 6,5B parameter aktif tidak akan menjenuhkan delapan H800 pada klip audio pendek.

Titik persilangan itu nyata, tetapi bukan di tempat yang orang-orang duga. Di bawah sekitar selusin percakapan bersamaan, Gemini 3.8 Live lebih murah daripada menyewa delapan H800 dan jauh lebih murah daripada membelinya. Di atas itu, dan dengan asumsi Anda bisa menjaga batch tetap penuh, checkpoint terbuka menang dalam hal biaya komputasi mentah — itulah keseluruhan argumen ekonomi untuk bobot terbuka, dan alasan persyaratan delapan GPU menjadi angka yang perlu diingat, bukan jumlah parameter.

Apa arti "audio understanding" di masing-masing sisi

Gemini 3.8 Live dibangun untuk percakapan. Tugasnya adalah mendengarkan Anda, menjawab dengan cepat, dan menangani pergantian giliran bicara. Daftar model Google menempatkannya sebagai model Live default "untuk sebagian besar pengalaman agen suara latensi rendah tanpa jeda penalaran," yang merupakan pernyataan tentang anggaran latensi, bukan tentang kedalaman analisis audio.

Ming-3.0-audio-flash diarahkan pada tugas yang berbeda. Lima sorotan kartu tersebut adalah pengenalan ucapan yang kompleks di berbagai dialek, aksen, kebisingan, dan rekaman multi-pembicara; pemahaman audio panjang; persepsi suara non-ucapan, suasana akustik, dan musik; penalaran atas konten audio; serta interaksi lisan dengan balasan sintetis opsional. Itu adalah daftar transkripsi-dan-analisis dengan mode chat yang ditempelkan begitu saja, bukan daftar agen suara.

Konsekuensi praktisnya: jika produk Anda adalah agen telepon yang harus merespons dalam 400 milidetik, G​emini 3.8 Live adalah bentuk yang cocok untuk itu dan Ming-3.0-audio-flash bukan, terlepas dari skor benchmark. Jika produk Anda adalah "menyerap panggilan pendapatan berdurasi 90 menit, beri tahu saya siapa mengatakan apa, dan tandai saat nada bicara CFO berubah," kartu Ming menjelaskan pekerjaan Anda dan API Live menjelaskan pekerjaan yang berbeda.

Masalah tolok ukur yang belum dipecahkan siapa pun

Ming-3.0-audio-flash menyediakan tiga panel benchmark di repositorinya: pengenalan ucapan, kecerdasan audio, dan teks. Semua nilai dalam persentase, semakin tinggi semakin baik kecuali ditandai dengan panah ke bawah, dan hasil yang ditandai dengan tanda bintang merupakan evaluasi tim sendiri. Repositori menambahkan catatan bahwa hasil model pembanding direproduksi dalam setup evaluasi milik inclusionAI sendiri dan mungkin berbeda dari laporan resmi model tersebut karena prompt, pengaturan decoding, versi model, dan pipeline.

Catatan itu luar biasa terus terang dan itu juga berarti grafik-grafik tersebut tidak dapat digunakan untuk memeringkat Ming dibandingkan dengan Gemini 3.8 Live. Angka-angkanya ada di dalam gambar, bukan dalam teks README, dan Google tidak menerbitkan rangkaian pemahaman audio yang sebanding untuk 3.8 Live. Tidak ada papan peringkat pihak ketiga yang telah menilai keduanya. Siapa pun yang menunjukkan kepada Anda diagram batang dengan kedua model ini berdampingan telah membuatnya dari klaim vendor pada satu sumbu dan tidak ada apa pun pada sumbu lainnya.

Satu pernyataan jujur yang tersedia hari ini: Ming-3.0-audio-flash memiliki angka yang dijalankan vendor dan tidak ada angka independen, G​emini 3.8 Live memiliki rekam jejak produksi dan tidak ada benchmark penalaran audio yang dipublikasikan. Itu adalah hasil imbang dalam satu-satunya kategori yang penting untuk keputusan pembelian, yaitu bukti.

Di mana OrcaRouter cocok, dan di mana tidak

Ming-3.0-audio-flash tidak ada di platform kami. Kami tidak akan berpura-pura sebaliknya: jika Anda ingin menjalankannya, Anda mengkloning repositori, menginstal cabang vLLM-Omni atau SGLang yang disebutkannya, dan menyediakan GPU-nya. Yang berguna dari router dalam perbandingan ini adalah sisi lain dari keputusan — bagian ketika Anda sudah memutuskan bahwa model audio yang dihosting menangani lalu lintas live Anda, dan pertanyaannya menjadi model terhosting mana, dengan harga berapa, dengan fallback apa ketika sesi gagal. Itu adalah masalah perutean di seluruh lebih dari 200 model di balik satu kunci, dengan harga daftar penyedia tanpa markup tambahan, sehingga perubahan harga vendor sampai kepada Anda pada hari yang sama alih-alih pada perpanjangan kontrak berikutnya.

Bagi tim yang menguji apakah checkpoint audio terbuka layak menerima traffic produksi, pola yang berguna adalah mempertahankan jalur hosted sebagai fallback dan memindahkan volume ke Ming yang di-self-host secara bertahap. Failover otomatis adalah yang membuat migrasi itu dapat dibalik, bukan sekadar taruhan.

Memilih

Ambil Gemini 3.8 Live jika Anda membutuhkan agen suara di produksi kuartal ini, membutuhkan lebih dari dua bahasa, membutuhkan gambar dalam aliran yang sama, atau memperkirakan kurang dari selusin percakapan bersamaan. Tagihan per menitnya kecil, beban operasionalnya nol, dan modelnya stabil serta terdokumentasi.

Ambil Ming-3.0-audio-flash jika Anda perlu memiliki bobotnya, perlu menjalankannya secara on-premises atau air-gapped, memerlukan persyaratan MIT, bekerja terutama dalam bahasa Tionghoa dan Inggris, dan memiliki delapan H800 atau penjadwal yang dapat memberikannya kepada Anda. Bersiaplah untuk melakukan evaluasi sendiri, karena belum ada yang melakukannya untuk Anda. Bersiaplah karena toolchain-nya baru berusia beberapa hari, karena memang begitu. Dan bersiaplah karena kartu model akan terus berubah di bawah Anda: commit terakhirnya adalah pada hari tulisan ini dibuat.

Ada kasus ketiga, dan itulah yang terbesar. Jika Anda belum tahu di kasus mana dari kedua itu Anda berada, Anda belum siap memilih antara API berbayar per pemakaian dan deployment delapan GPU. Jalankan seratus jam audio Anda sendiri melalui model yang dihosting terlebih dahulu, ukur akurasi yang sebenarnya Anda butuhkan, dan biarkan angka itu menentukan apakah checkpoint terbuka itu sepadan dengan raknya.

Apa yang harus ditonton

Hal yang akan mengubah perbandingan ini bukanlah benchmark. Melainkan operator. Begitu penyedia layanan mencantumkan Ming-3.0-audio-flash di balik endpoint yang kompatibel dengan OpenAI dengan harga per jam, argumen delapan GPU berhenti menjadi masalah pembaca dan tarif $1.38 per jam mendapat pesaing. Sampai saat itu, ringkasan jujurnya adalah bahwa G​oogle menjual satu menit dan inclusionAI memberikan sebuah mesin secara cuma-cuma, dan keduanya hanya dapat dibandingkan jika Anda sudah memiliki mesin itu.