
Ming-3.0-audio-flash vs Eleven Realtime v1 Max: due 99, ma solo uno dei due costa 0,08 dollari al minuto
- OrcaNUOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M di token · 185 tok/s
- tencentNUOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M di token · 228 tok/s
- GoogleNUOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M di token · 89 tok/s
- AnthropicNUOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M di token · 98 tok/s
- orcaNUOVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M di token · 89 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M di token · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M di token · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M di token · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M di token · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M di token · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenza
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M di token · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenza
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M di token · 113 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenza
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M di token · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenza
Ming-3.0-audio-flash e Eleven Realtime v1 Max dichiarano entrambi un punteggio di ragionamento vocale di circa il 99%, e la somiglianza finisce nel momento in cui si guarda a come è stato prodotto ciascun numero. ElevenLabs riporta "99% sul ragionamento vocale, 570 ms per il tempo al primo audio" sulla propria scheda prezzi per Realtime v1 Max; Artificial Analysis misura lo stesso modello al 98,8% e 0,567 secondi. La scheda di inclusionAI dichiara 99,40 su BigBenchAudio per Ming-3.0-audio-flash; Artificial Analysis misura 99,8% su Big Bench Audio e 1,12 secondi. Un fornitore ha sottostimato il proprio modello di un arrotondamento e l'altro ha sottostimato il proprio di quattro decimi. Entrambi sono abbastanza vicini da essere credibili e nessuno dei due è il numero su cui dovresti basare una decisione.
Il numero della decisione è diverso per ciascuno. Per Eleven Realtime v1 Max è $0,08 al minuto più l'utilizzo dell'LLM, ovvero circa $4,80 all'ora di audio in ingresso alla tariffa misurata da Artificial Analysis. Per Ming-3.0-audio-flash sono quattro H800 da 80 GB, perché non esiste alcun listino prezzi — si tratta di un checkpoint mixture-of-experts da 126 miliardi di parametri con licenza MIT che scarichi e servi. Tutto il resto in questo confronto deriva da questa divisione: uno è un abbonamento a un agente vocale, l'altro è una macchina di tua proprietà.
Che cosa ciascuno è in realtà
Eleven Realtime v1 Max non è un modello nel senso di checkpoint. La documentazione descrive ogni modello Realtime come un agente vocale completo — riconoscimento vocale, rilevamento dell'attività vocale e gestione dei turni, un LLM e sintesi vocale — confezionato in modo da selezionarlo anziché assemblarlo. Max è pensato per risposte precise e ponderate in attività a più passaggi ed è l'unico dei due modelli Realtime a elencare il tool calling. Parla oltre 90 lingue, è raggiungibile tramite un'API Realtime compatibile con OpenAI e il passaggio tra Max e il suo fratello minore è una modifica alla selezione del modello anziché una ricostruzione.
Ming-3.0-audio-flash è la configurazione opposta. Un encoder audio e un proiettore alimentano un backbone linguistico mixture-of-experts; gli input sono audio più un'istruzione testuale; gli output sono testo, oppure testo con parlato sintetizzato tramite un Talker opzionale. Non sono descritti nella scheda rilevamento del turno integrato, gestione delle sessioni né un livello di tool-calling. Ciò che la scheda dichiara è l'ampiezza sul lato input: cinese e inglese, inclusi accenti e dialetti, suoni non vocali, scene acustiche, musica e registrazioni lunghe.
• Parametri — Ming-3.0-audio-flash: 126B totali, 6,5B attivi per step. Eleven Realtime v1 Max: non divulgati.
• Forma — Ming: un checkpoint che servi. Eleven: un agente ospitato che selezioni.
• Contesto — Ming: 131.072 token dichiarati nella configurazione. Eleven: non pubblicato; l'unità è la sessione, non la finestra di token.
• Lingue — Ming: cinese e inglese. Eleven: 90+ secondo l'elenco delle lingue di Eleven v4.
• Output vocale — Ming: opzionale, tramite il Talker, con voci integrate e di riferimento. Eleven: il cuore del prodotto; la voce viene scelta da una libreria.
• Tool calling — Ming: non descritto. Eleven: elencato per Max, non per Mini.
• Licenza — Ming: MIT sui pesi. Eleven: un contratto commerciale per l'API.

I due numeri, e perché divergono in direzioni opposte
Il "99%" della scheda ElevenLabs è quasi certamente un 98,8 arrotondato da un'esecuzione di Artificial Analysis, pubblicato sulla pagina dei prezzi del fornitore stesso con il dato di latenza allegato. È insolitamente trasparente: la maggior parte dei fornitori cita un benchmark scelto dal laboratorio che ha costruito il modello. Significa anche che le due fonti non sono indipendenti — il fornitore cita la terza parte, non esegue un harness parallelo — quindi quando concordano, concordano per costruzione.
Il dato di Ming è un caso diverso. La scheda del modello di ottobre riportava un’immagine di valutazione che mostrava 99,40 su "BigBenchAudio" accanto a un quadro molto più debole per l’audio lungo. Il 99,8 di oggi proviene direttamente da Artificial Analysis, e la scheda è stata modificata questa mattina per citarlo. Il divario tra 99,40 e 99,8 non è una correzione; sono due esecuzioni di un benchmark con lo stesso nome e harness, prompt e sottoinsiemi di item diversi. Nessuno dei due è sbagliato. Entrambi sono il tipo di numero che si sposta di decimi quando cambiano i dettagli, ed è per questo che un vantaggio di un punto in cima a una tabella in cui 42 modelli si concentrano nei novanta non è un vantaggio difendibile.
Ciò che l'ordinamento della classifica stabilisce è l'appartenenza al gruppo di testa. Nel ragionamento vocale, Ming-3.0-audio-flash a 99,8 ed Eleven Realtime v1 Max a 98,8 sono separati da un punto e da nient'altro che la classifica misuri. Sul tempo al primo audio sono separati da un fattore due: 1,12 secondi contro 0,567. Per un modello che deve rispondere all'interno di una pausa conversazionale, quello è il numero che decide se il sistema sembra vivo, ed è l'unico punto in cui l'opzione che sembra economica non è ovviamente la peggiore.
Dove il confronto si rompe, e si rompe sulla conversazione
Il ragionamento vocale consiste in domande a scelta multipla fornite come audio. Un agente vocale è un problema diverso: sapere quando iniziare a parlare, quando restare in silenzio durante una pausa, come gestire un’interruzione, se emettere un backchannel. Artificial Analysis lo misura separatamente su Full Duplex Bench, e questa è la parte meno simmetrica dell’intero confronto.
Eleven Realtime v1 Max ha un punteggio pubblicato di 0,941 nel Full Duplex Bench, con gestione delle interruzioni a 0,99, alternanza dei turni a 1,0, gestione delle pause a 0,978 e backchannel a 0,796. Ha anche un punteggio tau-voice di 0,578 nelle simulazioni di attività per compagnie aeree, retail e telecomunicazioni: un numero molto meno lusinghiero, e un utile correttivo per chiunque legga il 99% come un verdetto generale. Ming-3.0-audio-flash non ha alcun punteggio Full Duplex Bench, alcun punteggio tau-voice e alcuna misurazione pubblicata di come si comporta quando qualcuno parla sopra di esso. Non è che il checkpoint fallirebbe quei test. È che nessuno li ha eseguiti, e la scheda del modello non descrive i meccanismi che li renderebbero significativi: il rilevamento del turno e il barge-in sono cose che si costruiscono attorno al modello, non funzionalità con cui viene fornito.
Quell’asimmetria ha una forma concreta. Scegliere Eleven Realtime v1 Max ti offre un ciclo conversazionale già risolto, con un punteggio di completamento delle attività pubblicato (per quanto mediocre). Scegliere Ming-3.0-audio-flash ti offre un orecchio insolitamente potente e un’interfaccia testuale, e lascia il ciclo — VAD, rilevamento degli endpoint, gestione delle interruzioni, il turno dell’LLM dietro la voce — come tuo lavoro. I due prodotti non sono sostituti allo stesso livello, e un confronto testa a testa sull’accuratezza lascia tacitamente intendere che lo siano.
L'aritmetica di un'ora, fatta onestamente
Un'ora di audio in ingresso continuo su Eleven Realtime v1 Max viene fatturata a 0,08 $ al minuto, cioè 4,80 $, più quanto consuma il modello LLM incluso. Il costo per ora di audio in ingresso misurato da Artificial Analysis per il modello è esattamente 4,80 $, il che corrobora la scheda. A 1.000 ore al mese sono 4.800 $ prima dei token LLM e prima di qualsiasi limite di concorrenza, che la documentazione elenca per TTS e STT ma non per gli agenti vocali Realtime.
Il lato Ming non ha un numero del genere, quindi qualsiasi confronto richiede un’ipotesi, e l’ipotesi dovrebbe essere visibile. Il profilo di erogazione di riferimento da 128K di inclusionAI utilizza il parallelismo tensoriale su quattro H800 da 80 GB; input audio lunghi possono mandare in OOM quella configurazione e forzare il fallback a otto GPU. A un ipotetico $2 per GPU-ora — un valore segnaposto, non un preventivo — quattro schede costano $8 l’ora e otto costano $16, in entrambi i casi prima dell’utilizzo, prima dei tempi morti che qualsiasi servizio sempre attivo comporta e prima di un ingegnere che lo gestisca. A pieno utilizzo, la configurazione a quattro GPU è competitiva rispetto a $4,80 l’ora. A un utilizzo del dieci percento, non è nemmeno lontanamente paragonabile.
Questo è l'intero argomento sui costi, e dipende dall'utilizzo più che dal prezzo dell'uno o dell'altro fornitore. Un team con un traffico audio costante e ad alto volume e con capacità GPU già esistente può far tornare i conti. Un team che testa un'idea un martedì pomeriggio non può farlo, e non dovrebbe far finta che la cifra oraria che calcola a livelli di traffico delle 3 del mattino significhi qualcosa.
• A consumo — Eleven Realtime v1 Max: 0,08 $/min, circa 4,80 $/ora, più l'utilizzo del modello LLM.
• Self-hosted — Ming-3.0-audio-flash: nessun listino prezzi; riferimento 4 × 80 GB H800, fallback a 8 GPU.
• Costo marginale di un'ora in più — Eleven: $4.80. Ming: effettivamente zero finché le schede non si saturano, poi una funzione a gradino.
• Costo della prima ora — Eleven: $4.80. Ming: l'hardware, lo stack di serving e l'integrazione.

Le lingue sono il punto in cui le schede tecniche traggono in inganno.
ElevenLabs dichiara oltre 90 lingue e lo intende in tutto lo stack TTS e STT. Ming-3.0-audio-flash dichiara cinese e inglese, e poi lo qualifica in un modo che conta più del numero: «inclusi accenti e dialetti variegati». La tabella di ottobre del fornitore stesso lo conferma con tassi di errore sui dialetti nettamente migliori rispetto ai modelli omni con cui si confronta — hokkien a 12,84 contro 28,08 per Qwen3.8-Omni Flash e 81,62 per Gemini 3.8 Flash, shanghainese a 11,15 contro 21,10 e 88,64. Se il tuo audio è mandarino con un accento regionale, questa è una capacità che nessun confronto basato sul conteggio delle lingue cattura, e l'elenco 90+ di Eleven non ti dice come se la cava con l'hokkien.
È altrettanto vero il contrario: se il tuo audio è in spagnolo, portoghese, giapponese o arabo, Ming-3.0-audio-flash non ha alcuna pretesa. Non è una scelta incerta in termini di copertura. È una partizione quasi totale, ed è il modo più rapido in assoluto per decidere in quale colonna ti trovi.
Entrambi su un unico tasto, per la metà che è testo
OrcaRouter non serve Ming-3.0-audio-flash, e non serve nemmeno Eleven Realtime v1 Max — quelli sono un checkpoint self-hosted e un prodotto realtime dello stesso fornitore, e nessuno dei due è un modello per cui possiamo fornirti un endpoint. Quello che serviamo è il resto della pipeline che l'uno o l'altro implica. Un sistema vocale basato su un modello audio self-hosted è per lo più fatto di chiamate di testo: il prompt che dice al modello audio cosa ascoltare, il parser che trasforma la sua etichetta di lingua delimitata da tabulazioni in output strutturato, il riassunto scritto dalla trascrizione, il router che invia una chiamata complessa a un modello più potente. Questi passano attraverso oltre 200 modelli dietro un'unica chiave, con 0% di ricarico, con failover automatico quando un fornitore si degrada — ed è questo che rende sicuro mettere un modello audio non collaudato dietro una parte del tuo traffico mentre il resto continua a funzionare.
Quale scegliere?
Scegli Eleven Realtime v1 Max se vuoi un agente vocale questo mese: oltre 90 lingue, un ciclo conversazionale risolto, tool calling, un prezzo al minuto pubblicato e una sessione compatibile con OpenAI. Accetta che il suo punteggio di completamento delle attività tau-voice sia 0,578, che il suo comportamento di backchannel sia la parte più debole del suo profilo Full Duplex Bench e che stai noleggiando uno stack che non puoi ispezionare.
Scegli Ming-3.0-audio-flash se il tuo audio è in cinese o inglese, se i tuoi casi difficili sono accenti o dialetti, se il tuo team può disporre di quattro GPU da 80 GB e di uno stack di serving, e se sei disposto a costruire da solo il livello conversazionale. Accetta il fatto che i numeri pubblicati dal modello stesso mostrano che perde terreno sulle registrazioni lunghe e sulla diarizzazione dei parlanti, che il suo tempo al primo audio è il doppio di quello di Eleven e che il suo 99,8 è una posizione in classifica, non una promessa sul tuo carico di lavoro.

E se la risposta è «un po' di entrambi» — un agente ospitato per le lingue che copre, un modello self-hosted per il traffico con accenti marcati — non è un compromesso, è la forma che la maggior parte dei sistemi vocali in produzione adotta davvero. L'errore è scegliere basandosi sui 99, perché a quel punto della tabella il numero ha smesso di dirti qualcosa che le tue stesse registrazioni non ti direbbero più in fretta.
