Simba 3.5 vs Simba 3.2: 110 Poin Elo, 48 Bahasa, dan Tagihan yang Berlipat Ganda dalam Sembilan Hari

Jalur peningkatan di dalam satu vendor biasanya merupakan perbandingan yang paling tidak menarik di blog ini. Yang ini tidak, karena SpeechifyAI Simba 3.5 dan SpeechifyAI Simba 3.2 berbeda lebih dari sekadar nomor versi dan perbedaannya mengarah ke arah yang berlawanan. Simba 3.5 lebih baik 110 poin Elo di arena Controlled Voice, berbicara dalam 48 bahasa alih-alih satu, dan biayanya 50% lebih mahal pada harga daftar. Simba 3.2 lebih cepat pada satu angka latensi yang benar-benar pernah diukur orang, memiliki daftar izin suara yang tidak lagi membatasi apa pun, dan mempertahankan harga lamanya. Tim yang menjalankan Simba 3.2 di produksi memiliki keputusan nyata yang harus dibuat sebelum 22 November, dan "tingkatkan ke versi yang lebih baru" bukanlah jawaban yang otomatis benar.

Tanggal-tanggalnya dulu, karena itulah yang membuat hal ini mendesak alih-alih sekadar akademis. Simba 3.2 dirilis pada 8 Juli 2026 sebagai model streaming khusus bahasa Inggris dan direkomendasikan hingga 18 Oktober. Simba 3.5 ditandai sebagai direkomendasikan pada 18 Oktober, diluncurkan secara publik pada 21 Oktober, harga daftarnya dipangkas pada 9 November, dan pada 21 November menjadi model di balik dua id lama yang akan dipensiunkan. Speechify tidak mendeprekasi 3.2 — model itu tetap terdaftar, tetap memiliki harga, dan tetap dapat dipanggil — dan justru itulah sebabnya pilihan harus dibuat berdasarkan merit alih-alih tenggat waktu.

Kesenjangan arena ini adalah yang terbesar dalam sejarah masing-masing model.

Kedua model dinilai pada kedua papan Artificial Analysis. Papan terkontrol menjaga pembicara tetap konstan di delapan suara referensi hasil kloning; papan penyedia memungkinkan setiap vendor menggunakan pilihan suaranya sendiri. Kesenjangan antara kedua generasi ini lebih besar pada papan terkontrol, yang merupakan papan yang lebih informatif di antara keduanya bagi siapa pun yang mengkloning suara.

Suara Terkendali — Simba 3.5 peringkat 1, Elo 1.192, plus-minus 17, interval 1.175 hingga 1.209, 1.783 sampel

• Suara Terkendali — Simba 3.2 peringkat 14, Elo 1.082, plus minus 12, interval 1.070 hingga 1.094, 3.630 sampel

• Suara Penyedia — Simba 3.5 peringkat 5, Elo 1.294, plus atau minus 17, interval 1.277 hingga 1.311, 1.732 sampel

Provider Voice — Simba 3.2 peringkat 12, Elo 1.250, plus minus 11, interval 1.239 hingga 1.261, 3.966 sampel

• Dua generasi sebelumnya — Simba 3.0 peringkat 27 pada 1.035 terkontrol, peringkat 41 pada 1.114 penyedia

Selisih pada papan terkontrol adalah 110 poin dengan interval yang saling terpisah oleh ruang kosong lebih dari 80 poin. Ini bukan pengujian ulang yang marginal. Sebagai konteks, seluruh sepuluh besar di papan itu mencakup 62 poin; satu generasi Simba mencakup hampir dua kali rentang tersebut. Selisih pada papan penyedia lebih kecil, yaitu 44 poin, yang menunjukkan sesuatu yang berguna: sebagian dari yang ditingkatkan oleh 3.5 adalah kualitas sintesis pada suara yang tidak dikenal, dan sebagian lagi hanyalah suara default yang lebih baik.

{{1}}Pola antargenerasi{{/1}} juga konsisten di {{2}}tiga rilis{{/2}}. {{3}}Simba 3.0 ke 3.2{{/3}} adalah {{4}}47 poin{{/4}} pada {{5}}papan terkontrol{{/5}}; {{6}}3.2 ke 3.5{{/6}} adalah {{7}}110{{/7}}. {{8}}Speechify{{/8}} semakin cepat membaik dalam hal ini dibandingkan sebelumnya, dan {{9}}model 3.2{{/9}} yang direkomendasikan pada {{10}}September{{/10}} kini berada di papan tengah.

Bahasa: enam, satu, empat puluh delapan

Inilah perbedaan yang mengubah arsitektur, bukan skor kualitas. Simba 3.2 hanya berbahasa Inggris — suara non-Inggris mengembalikan 400 dengan locale yang ditolak disebutkan dalam pesan. Simba 3.0 mencakup enam bahasa di tujuh locale. Simba 3.5 mencakup 48 bahasa di bawah satu id, dengan bahasa Estonia dan Kanton secara eksplisit dikecualikan dan varian regional termasuk dalam cakupan.

Yang membuat ke-48 bahasa itu bisa digunakan adalah karena suaranya dapat berpindah lintas bahasa. Setiap suara katalog dapat mengucapkan ke-48 bahasa di Simba 3.5 dengan voice id yang sama, begitu pula suara yang Anda kloning pada paket berbayar. Itulah fitur yang ditunggu-tunggu oleh pipeline lokalisasi: satu suara merek hasil kloning, empat puluh delapan bahasa, tanpa penggantian suara per lokal. Peringatan dari vendor adalah bahwa suara tetap mempertahankan aksen rekaman sumbernya, dan panduannya adalah menghasilkan dengan suara staff-pick yang asli untuk setiap bahasa — itulah sebabnya staff_pick_rank muncul di endpoint voices pada 18 Oktober.

Pada Simba 3.2, seluruh alur kerja itu tidak ada. Satu suara, satu bahasa. Jika produk Anda dirilis di lebih dari satu pasar, ini bukan perbedaan penilaian; ini adalah perbedaan antara satu integrasi dan dua vendor.

Latensi, di mana model lama masih unggul

Speechify menerbitkan latensi terukur untuk Simba 3.2 dan hanya klaim agregat untuk 3.5, dan pengukuran yang diterbitkan itu bagus. Pada 9 Oktober 2026, diukur dari klien di US East melalui koneksi hangat, Simba 3.2 mencapai audio pertama yang terdengar dalam median 47 milidetik melalui aliran input WebSocket dan 64 milidetik melalui aliran HTTP — yang terendah di antara tiga belas endpoint yang diukur Speechify hari itu dari lokasi tersebut. Byte pertama di sisi server adalah 56 ms pada p50 dan 102 ms pada p90 pada lalu lintas produksi yang diukur 15 September. Perusahaan menegaskan bahwa setiap nilai adalah persentil terukur, bukan jaminan, dan bahwa dari Zurich gambaran berubah: 142 ms untuk model flash vendor lain versus 145 dan 153 ms untuk dua jalur aliran miliknya sendiri.

Untuk Simba 3.5, angka yang didokumentasikan adalah klaim vendor, bukan persentil yang dipublikasikan: 72 milidetik waktu hingga audio pertama untuk 95% permintaan streaming di bawah beban produksi, dan 1,8 kali throughput Simba 3.2 per instans layanan. Angka-angka itu tidak dapat dibandingkan secara langsung dengan p50 yang diukur pada koneksi hangat. p95 72 ms dan p50 47 ms bisa sepenuhnya konsisten, dan tidak ada orang di luar Speechify yang telah menjalankan putaran yang akan membuktikannya.

Konsekuensi praktisnya sempit tetapi nyata. Jika pengalaman pengguna produk Anda adalah asisten suara yang mana hening seratus milidetik dapat dirasakan, Anda memiliki angka terukur untuk 3.2 dan klaim untuk 3.5, dan hal yang jujur untuk dilakukan adalah mengukur 3.5 sendiri sebelum bermigrasi. Jika Anda merender audio ke file, latensi tidak relevan dan bagian ini tidak berlaku bagi Anda.

Harga: penawaran berakhir pada 21 November

Harga Speechify untuk kedua model ini akan segera berbeda, dan log perubahan menjabarkannya secara tepat.

• Simba 3.5, mulai 22 November — $15,00 per juta karakter pada paket Starter, $12,00 pada paket Pro, $10,00 pada paket Scale

• Simba 3.5, hingga 21 November — $10,00, $8,00, dan $6,00, tarif untuk model-model lama

• Simba 3.5, daftar peluncuran awal 21 Oktober — $20, $16, dan $12, digantikan oleh pemangkasan harga pada 9 November

• Simba 3.2 — tidak berubah pada $10.00, $8.00, dan $6.00 per juta karakter di paket yang sama

Jadi hingga 21 November, kedua model berbiaya persis sama dan 3.5 secara mutlak lebih baik. Mulai 22 November, 3.5 berbiaya 50% lebih mahal pada setiap tingkatan. Pada paket Pro, itu $72 versus $108 untuk sembilan juta karakter; pada Scale, $280,80 versus $468 untuk 46,8 juta. Saldo tidak berubah, sehingga paket yang sama membeli sepertiga lebih sedikit karakter dari model yang lebih baru pada harga daftar.

Itu adalah penilaian nilai yang lugas, bukan trik: 110 poin Elo dan 47 bahasa tambahan dengan premi 50% merupakan pertukaran yang menguntungkan bagi hampir semua beban kerja yang menggunakan salah satu fitur tersebut, dan pilihan yang buruk bagi pipeline khusus bahasa Inggris yang sudah puas dengan kualitas 3.2.

Migrasi hanya satu baris, dan itulah jebakannya.

Dokumentasi Speechify secara luar biasa jelas bahwa berpindah dari 3.2 ke 3.5 tidak memerlukan perubahan versi API: atur model ke simba-3.5, pertahankan id suara yang sama, format output yang sama, speech marks yang sama, dan subset SSML yang diterapkan yang sama. Permintaan yang tidak menyertakan model tetap akan diarahkan ke simba-3.0, sehingga nilai default tidak memindahkan Anda secara diam-diam.

Dua detail memperumit kisah satu baris itu. Yang pertama adalah bahwa bahasa kini penting: jika teks berbeda dari locale suara, Anda harus menetapkannya secara eksplisit, atau API akan menggunakan locale suara tersebut dan Anda mendapatkan aksen yang tidak Anda inginkan. Yang kedua adalah tanggal 21 November itu sendiri. Pada tanggal tersebut, dua ID Simba 1.6, simba-english dan simba-multilingual, tidak lagi dilayani oleh pelatihan lama mereka dan mulai dilayani oleh Simba 3.5, ditagih dengan tarif Simba 3.5, pada setiap versi API yang masih dapat menyebutkan keduanya. Integrasi yang dipatok ke ID lama akan berganti suara dan berganti harga pada hari yang sama tanpa perubahan kode. Menguji 3.5 secara sengaja sebelum tanggal itu adalah satu-satunya cara untuk memilih.

Ada juga peningkatan senyap yang perlu diketahui: pada 20 Oktober, prosody pitch dan prosody volume mulai diterapkan pada Simba 3.5, 3.2, dan 3.0, yang sebelumnya diterima tetapi diabaikan. Jika Anda mengirim atribut tersebut hari ini dan tidak menginginkan perubahan itu, saran Speechify sendiri adalah menghapusnya. Tag emphasis dan emotion tetap diterima dan tidak diterapkan pada ketiga model.

Di mana OrcaRouter cocok dalam peningkatan intra-keluarga

Tidak ada model Simba yang ada di OrcaRouter — jalur tersebut diakses melalui API milik Speechify sendiri, dan tidak ada apa pun di sini yang boleh dibaca sebagai klaim sebaliknya. Yang kami salurkan adalah katalog sintesis yang akan Anda gunakan sebagai pembanding saat memutuskan: openai/tts-1 seharga $15,00 per juta karakter dan openai/tts-1-hd seharga $30,00, dengan harga daftar penyedia tanpa tambahan apa pun.

Hal yang berguna dilakukan router dalam migrasi seperti ini adalah membuat jalur lama tetap bisa bertahan sementara jalur baru dibuktikan. Jalankan 3.5 pada API vendor selama sepekan dengan lalu lintas nyata, pertahankan 3.2 sebagai fallback, dan arahkan rute untuk menghindari insiden alih-alih menemukannya di produksi — failover otomatis tidak memakan biaya saat tidak ada yang gagal dan membeli seluruh jendela peluncuran saat ada yang gagal. Kunci tunggal yang sama juga berarti suara OpenAI yang sudah Anda gunakan tetap dapat dijangkau sementara Anda memutuskan apakah salah satu generasi Simba akan menggantikannya.

Mana yang harus dijalankan, berdasarkan beban kerja

Tetap gunakan {{1}}Simba 3.2{{/1}} jika beban kerja Anda berbahasa Inggris, suara Anda berbahasa Inggris, standar kualitas Anda sudah terpenuhi pada Juli, dan angka audio pertama yang terdengar sebesar {{2}}47 ms{{/2}} yang telah diukur menjadi penopang dalam produk Anda. Anda membayar tarif lebih rendah hingga {{3}}21 November{{/3}} dan seterusnya, dan tidak ada apa pun dalam {{4}}3.5{{/4}} yang meningkatkan output Anda. Tidak ada tanggal penghentian untuk {{5}}3.2{{/5}}; {{6}}Speechify{{/6}} telah menyatakannya secara eksplisit.

Beralih ke Simba 3.5 jika salah satu dari berikut ini benar: Anda memerlukan bahasa kedua, Anda mengkloning suara dan menginginkan satu ID suara di seluruh lokal, standar kualitas bahasa Inggris Anda telah berubah, atau Anda sedang membangun sesuatu yang baru. Kesenjangan 110 poin pada papan terkontrol adalah lompatan generasi terbesar yang pernah dihasilkan Speechify, dan cakupan 48 bahasa tidak tersedia dengan cara lain di dalam keluarga ini. Lakukan sebelum 21 November jika Anda ingin mengevaluasinya dengan tarif model lama, dan tetapkan ID model secara eksplisit agar penghentian tidak memilih untuk Anda.

Ke arah mana pun Anda memilih, keputusan itu memiliki tanggal peninjauan alih-alih jawaban permanen. Simba 3.5 memiliki 1.783 sampel suara terkontrol dibandingkan 3.630 milik 3.2, sehingga intervalnya akan menyempit. Harga daftarnya sudah berubah sekali dalam tiga minggu. Dan Qwen-Audio-3.1-TTS-Plus milik Alibaba, dengan 1.176 pada papan yang sama, berada 16 poin di belakang unggulan Simba saat ini pada harga papan yang sebanding — cukup dekat sehingga rilis berikutnya dari pihak mana pun membuka kembali pertanyaan itu.