AuK-Flash vs MathForm-8B: due specialisti silenziosi su cervelli Qwen presi in prestito

AuK-Flash e MathForm-8B hanno più cose in comune di quanto probabilmente entrambi i laboratori realizzino, e nessuna di queste è il compito che svolgono. MathForm-8B è il modello di autoformalizzazione da 8B di OpenBMB — un fine-tuning Apache-2.0 di Qwen3-8B che trasforma la matematica in linguaggio naturale in affermazioni Lean 4 che un compilatore può verificare. AuK-Flash è il modello vocale distillato di Tencent — un generatore a diffusione con licenza MIT per sintesi e modifica della voce che instrada le sue istruzioni attraverso un encoder Qwen2.5-Omni-3B prima di produrre audio. Uno converte la matematica in prosa in testo formale verificabile tramite proof checker; l'altro converte testo e istruzioni in audio. Condividono la stessa strategia architetturale da direzioni opposte: nessuno dei due addestra da zero un cervello linguistico generale — ciascuno incapsula un modello open source esistente e concentra il vero sforzo sulla propria modalità di output. Entrambi sono stati rilasciati allo stesso modo — pesi pubblicati in silenzio su Hugging Face, nessun comunicato stampa — ed entrambi sono esattamente il tipo di rilascio ristretto e self-hosted che un benchmark per modelli di frontiera non può catturare.

Il modello che li unisce

Guardando i due percorsi di rilascio fianco a fianco, sono quasi speculari. Il repository AuK-Flash di Tencent è datato 21 agosto su Hugging Face (il gemello AuK base, 18 agosto); l'annuncio open-source — codice, pesi e link demo — è arrivato solo questa settimana, datato 7 settembre sulla scheda Hugging Face e 9 settembre sul repository GitHub collegato. Il repository MathForm-8B di OpenBMB è comparso il 14 agosto senza alcun annuncio. In entrambi i casi, la scheda del modello è il lancio, i pesi sono liberamente accessibili sotto una licenza permissiva e non c'è un'API ospitata da provare: si scarica il checkpoint e lo si esegue su hardware che si controlla. Per un lettore che deve decidere cosa adottare, questa forma condivisa conta più della differenza di dominio: entrambi sono scommesse sul fatto che un modello open fortemente circoscritto possa servire una nicchia che un generalista serve male, ed entrambi chiedono di fornire tu la valutazione che il fornitore non ha fatto.

Il tabellone onesto

Poiché i due modelli non si sovrappongono su nessun benchmark, il tabellone è un ritratto di due scommesse diverse piuttosto che una classifica. La provenienza dei dati conta su ogni riga — le affermazioni di AuK-Flash sono dichiarazioni su card Tencent vecchie di giorni e non riprodotte; i dati di MathForm-8B sono riportati da OpenBMB dall'arXiv 2608.14221 e non riprodotti:

• Che cos'è — AuK-Flash: il modello di generazione e modifica vocale da ~1.5B di Tencent, distillato in una variante di diffusione a 4 passi. MathForm-8B: l'autoformalizzatore da 8B di OpenBMB che trasforma la matematica informale in Lean 4.

• Output — AuK-Flash: audio a 24 kHz — parlato, parlato modificato, sorgenti separate. MathForm-8B: enunciati Lean 4 con intestazione e teorema nominato.

Costruzione — AuK-Flash: transformer di diffusione distillato a NFE fisso 4 / CFG 0, con Qwen2.5-Omni-3B come codificatore di istruzioni. MathForm-8B: Qwen3-8B ottimizzato con SFT e poi RL sul dataset FormalVerse di ~367K esempi.

• Lingua di input — AuK-Flash: cinese e inglese (come indicato nella scheda del modello). MathForm-8B: inglese, nel registro degli enunciati di problemi matematici.

• Rilascio — AuK-Flash: repository 18/21 agosto; open-source annunciato dal 7 al 9 settembre. MathForm-8B: repository 14 agosto; nessun annuncio al momento della stesura.

Evidence — AuK-Flash: nessuna finora oltre all'elenco delle capacità della scheda. MathForm-8B: 88,06% Pass@8 riportato dal fornitore sotto controllo sintattico e 72,37% sotto controllo di coerenza, con FATE-H 63% e FATE-X 37% sugli insiemi di coerenza difficili.

Il tabellone su sei righe: entrambi sono specialisti open-weights con cervelli Qwen presi in prestito e scarse prove indipendenti — differiscono in ciò che producono, non nel modo in cui sono stati rilasciati.

AuK-Flash: il parlato come output dello specialista

L'affermazione del "cervello preso in prestito" per AuK-Flash è letterale, non retorica. Il checkpoint pubblicato da Tencent contiene il trasformatore di diffusione e i pesi di layer-fusion; {{1}}il modello che comprende davvero la tua istruzione — Qwen2.5-Omni-3B — viene scaricato separatamente e caricato in fase di runtime,{{/1}} e così anche la BigVGANFlowVAE che riconverte il latente in una forma d'onda a 24 kHz. Ciò che Tencent ha addestrato, quindi, non è affatto un modello linguistico ma un generatore condizionale di flow-matching: {{2}}dato un piano semantico dall'encoder Qwen, genera audio in pochissimi passaggi.{{/2}} AuK-Flash è la versione distillata in quattro passaggi di quel generatore, e la sua repository — circa 6,1 GB per il checkpoint Flash in BF16 più una VAE da 637 MB — include una CLI, un motore Python, nodi Gradio e ComfyUI e uno script di fine-tuning. {{3}}La lista di funzionalità è ampia per un modello vocale: TTS zero-shot e a comando, editing di contenuti e testi, modifiche di pitch/velocità/volume ed emozioni/timbro, de-accentuazione, conversione in sussurro, miglioramento e separazione delle sorgenti,{{/3}} tutto dietro un'unica interfaccia a istruzioni in linguaggio naturale in cinese e inglese. Se ciascuna funzioni come descritto non è stato testato al di fuori di Tencent; {{4}}l'affermazione sull'architettura — un piccolo Qwen che comprende, un modello di diffusione distillato che produce suono — è visibile nella repository stessa.{{/4}}

La pagina del repository tencent/AuK-Flash — pesi con licenza MIT per il modello vocale distillato in 4 passi, con l'encoder Qwen2.5-Omni-3B e VAE caricati da file separati in fase di esecuzione.

MathForm-8B: dimostrazione formale come output dello specialista

MathForm-8B è lo stesso schema, un dominio più in là. OpenBMB ha preso Qwen3-8B — un generalista addestrato su 119 lingue — e ha riversato tutta la sua capacità in un unico formato di output: un teorema Lean 4 derivato da un problema in linguaggio naturale. La fase SFT su FormalVerse insegna la mappatura da informale a formale; una fase RL la affina poi in base al verdetto del compilatore Lean, ed è per questo che il modello non riporta un vago punteggio di qualità, ma un Pass@8 al controllo sintattico e un superamento più severo al controllo di coerenza semantica. I numeri del fornitore sono solidi — 88,06% e 72,37% su sei benchmark, con cui batte le baseline specializzate da 7B–32B dell'articolo — e altrettanto non riprodotti quanto le affermazioni di AuK-Flash. Il repository è Apache-2.0, servito tramite Transformers, vLLM o SGLang, e in cambio rinuncia praticamente a tutto ciò per cui Qwen3-8B è noto: niente chat generale in 119 lingue, un budget di output di circa 16K token per Lean e nessuna capacità documentata al di fuori della formalizzazione.

Il repository openbmb/MathForm-8B — pesi Apache-2.0 per l'autoformalizzatore, con Qwen3-8B indicato come suo modello base. Questa è l'intera superficie pubblica di MathForm-8B.

La verifica è il tema che nessun benchmark cattura.

Basta mettere i due output uno accanto all'altro e appare una strana simmetria. L'intera architettura di MathForm-8B nasce dal fatto che la matematica in linguaggio naturale non ha alcun segnale di correttezza: è il compilatore Lean a fornirlo, così il modello viene addestrato su un verdetto di superato/non superato che può davvero percepire. Il dominio di AuK-Flash ha lo stesso problema, ma con una soluzione diversa: non esiste un compilatore in grado di stabilire se "questo clip suona come il parlante, in un sussurro, con la tosse rimossa", quindi il segnale di superato/non superato è un orecchio umano. Nessuno dei benchmark aggregati misura questo: un punteggio Elo sul testo o un punteggio di qualità sul parlato sintetizzato dice poco se la promessa centrale dello specialista — Lean verificato, oppure parlato modificabile e clonabile — regge nel tuo flusso di lavoro. La conseguenza pratica è che entrambi i modelli vanno valutati nel modo in cui il fornitore non ha potuto valutarli: MathForm-8B facendo passare il suo output attraverso Lean, AuK-Flash ascoltando il suo output sui tuoi dati. Finché nessuno lo fa, le affermazioni di punta su entrambe le schede sono indicazioni di percorso, non risultati.

A chi è destinato ciascuno, e chi dovrebbe aspettare

• Scegli MathForm-8B quando il tuo carico di lavoro termina con la formalizzazione — conversione di banche di problemi, costruzione di corpora Lean, alimentazione dell'automazione delle dimostrazioni — e vuoi lo specialista open più forte in questa fascia di peso. Non è un modello generalista, quindi abbinalo a uno per tutto ciò che riguarda il passaggio formale.

• Scegli AuK-Flash quando il tuo carico di lavoro termina in audio — una voce per leggere il tuo testo, una registrazione da modificare, un mix da separare — e vuoi un modello aperto che tratti generazione e modifica come un'unica operazione. Prevedi un budget anche per l'encoder Qwen, e per il tuo test di ascolto.

• Meglio attendere per entrambi, se ti serve un’infrastruttura collaudata e supportata: nessuno dei due ha risultati indipendenti, nessuno ha un’API ospitata, ed entrambi hanno un’età compresa tra giorni e settimane. Il pattern da rubare è architetturale — un piccolo cervello linguistico preso in prestito più una testa di output specializzata è molto più economico da addestrare e iterare rispetto a un generalista completo — ed è un pattern che puoi adottare nel tuo fine-tuning, che tu esegua o meno questi due checkpoint.

Entrambe le versioni mostrano anche perché un livello di routing merita il suo posto in uno stack misto: quando il tuo pipeline passa da un modello di ragionamento generale a uno specialista come questi, il punto del router è che non impegni l'architettura a una singola risposta. Un'unica API su oltre 200 modelli, failover automatico se un provider degrada, e prezzi di listino dei provider applicati senza alcun ricarico (0% markup) significa che puoi mantenere il generalista sul percorso predefinito e chiamare lo specialista solo per il sottoinsieme di richieste che ne ha bisogno — e sostituire lo specialista il giorno in cui ne viene rilasciato uno migliore.

Il confronto da tenere a mente non è AuK-Flash contro MathForm-8B — non competeranno mai per la stessa richiesta. È piuttosto loro due contro l'assunto che un generalista all'avanguardia sia l'unico modello che valga la pena eseguire. L'editing vocale e la formalizzazione verificata sono entrambi ambiti in cui un piccolo modello aperto e mirato, con un cervello preso in prestito, può battere un modello molto più grande che non è mai stato indirizzato al problema — che è esattamente la scommessa che Tencent e OpenBMB hanno appena pubblicato, ed è esattamente ciò che deve ancora ricevere una prova indipendente.