Simba 3.5 vs Simba 3.2: 110 punti Elo, 48 lingue e una bolletta che raddoppia in nove giorni

Il percorso di aggiornamento all'interno di uno stesso fornitore è di solito il confronto meno interessante su questo blog. Questo non lo è, perché SpeechifyAI Simba 3.5 e SpeechifyAI Simba 3.2 differiscono per qualcosa di più di un numero di versione, e le differenze vanno in direzioni opposte. Simba 3.5 è migliore di 110 punti Elo sull'arena Controlled Voice, parla 48 lingue invece di una sola e costa il 50% in più a listino. Simba 3.2 è più veloce sull'unico dato di latenza che qualcuno abbia effettivamente misurato, ha una allow-list delle voci che non limita più nulla e mantiene il vecchio prezzo. Un team che usa Simba 3.2 in produzione ha una vera decisione da prendere prima del 22 novembre, e "passare alla versione più recente" non è automaticamente la risposta giusta.

Le date innanzitutto, perché sono ciò che rende la questione urgente anziché accademica. Simba 3.2 è stato rilasciato l'8 luglio 2026 come modello streaming solo in inglese ed è stato consigliato fino al 18 ottobre. Simba 3.5 è stato contrassegnato come consigliato il 18 ottobre, lanciato pubblicamente il 21 ottobre, ha visto ridurre il prezzo di listino il 9 novembre e il 21 novembre diventa il modello dietro due ID legacy in dismissione. Speechify non deprecata la 3.2 — resta elencata, resta a prezzo e resta richiamabile — ed è proprio per questo che la scelta deve essere fatta nel merito anziché in base a una scadenza.

Il divario dell'arena è il più ampio nella storia di entrambi i modelli.

Entrambi i modelli vengono valutati su entrambe le classifiche di Artificial Analysis. La classifica controllata mantiene costante il parlante su otto voci di riferimento clonate; la classifica dei fornitori consente a ciascun vendor di utilizzare il proprio cast. Il divario tra queste due generazioni è maggiore sulla classifica controllata, che delle due è la più informativa per chiunque cloni una voce.

• Voce controllata — Simba 3.5 posizione 1, Elo 1.192, più o meno 17, intervallo da 1.175 a 1.209, 1.783 campioni

Voce controllata — Simba 3.2 posizione 14, Elo 1.082, più o meno 12, intervallo da 1.070 a 1.094, 3.630 campioni

• Provider Voice — Simba 3.5 posizione 5, Elo 1.294, più o meno 17, intervallo da 1.277 a 1.311, 1.732 campioni

• Provider Voice — Simba 3.2 posizione 12, Elo 1.250, più o meno 11, intervallo da 1.239 a 1.261, 3.966 campioni

• Due generazioni fa — Simba 3.0: 27° posto con 1.035 controllati, 41° posto con 1.114 provider

Il divario nella classifica controllata è di 110 punti, con intervalli che si distanziano l'uno dall'altro di oltre 80 punti di spazio vuoto. Non si tratta di una ripetizione marginale. Per contesto, l'intera top ten di quella classifica copre 62 punti; una generazione di Simba copre quasi il doppio di quel range. Il divario nella classifica dei provider è più piccolo, 44 punti, il che dice qualcosa di utile: parte di ciò che 3.5 ha migliorato è la qualità di sintesi su voci non familiari, e parte è semplicemente un suono predefinito migliore.

Anche l'andamento generazionale è coerente su tre rilasci. Da Simba 3.0 a 3.2 sono stati 47 punti sulla board controllata; da 3.2 a 3.5 sono stati 110. Speechify sta migliorando in questo più rapidamente di prima, e il modello 3.2 che era stato consigliato a settembre ora è a metà classifica.

Lingue: sei, uno, quarantotto

Questa è la differenza che cambia le architetture anziché i punteggi di qualità. Simba 3.2 è solo in inglese — una voce non inglese restituisce un 400 con la locale rifiutata indicata nel messaggio. Simba 3.0 copre sei lingue in sette locale. Simba 3.5 ne copre 48 sotto un unico id, con estone e cantonese esplicitamente esclusi e le varianti regionali incluse.

Ciò che rende utilizzabili i 48 è il fatto che la voce viaggia. Ogni voce del catalogo parla tutte e 48 le lingue su Simba 3.5 con lo stesso voice id, e lo stesso vale per una voce clonata su un piano a pagamento. È la funzionalità che una pipeline di localizzazione aspettava: una voce di brand clonata, quarantotto lingue, nessuna sostituzione della voce per locale. L'avvertenza del fornitore è che una voce mantiene l'accento della registrazione di origine, e la sua indicazione è di generare con una voce staff-pick nativa per ciascuna lingua — ecco perché staff_pick_rank è apparso nell'endpoint voices il 18 ottobre.

Su Simba 3.2, l'intero flusso di lavoro non esiste. Una voce, una lingua. Se il tuo prodotto viene distribuito in più di un mercato, non è una differenza di punteggio; è la differenza tra un'unica integrazione e due fornitori.

Latenza, dove il modello più vecchio vince ancora

Speechify pubblica la latenza misurata per Simba 3.2 e solo dichiarazioni aggregate per 3.5, e la misurazione pubblicata è buona. Il 9 ottobre 2026, cronometrando da un client nella regione US East su connessioni calde, Simba 3.2 ha raggiunto il primo audio udibile con una mediana di 47 millisecondi sul flusso di input WebSocket e di 64 millisecondi sul flusso HTTP — il valore più basso tra i tredici endpoint cronometrati da Speechify quel giorno da quella posizione. Il primo byte lato server è stato di 56 ms a p50 e 102 ms a p90 sul traffico di produzione misurato il 15 settembre. L'azienda è esplicita sul fatto che ogni valore è un percentile misurato e non una garanzia, e che da Zurigo il quadro cambia: 142 ms per il modello flash di un altro fornitore contro 145 e 153 ms per i suoi due percorsi di streaming.

Per Simba 3.5, i dati documentati sono dichiarazioni del fornitore anziché percentili pubblicati: 72 millisecondi di tempo al primo audio per il 95% delle richieste di streaming sotto carico di produzione, e 1,8 volte il throughput di Simba 3.2 per istanza di servizio. Non è possibile confrontarli direttamente con un p50 misurato su connessioni calde. Un p95 di 72 ms e un p50 di 47 ms possono essere del tutto coerenti, e nessuno al di fuori di Speechify ha eseguito la prova che lo stabilirebbe.

La conseguenza pratica è limitata ma reale. Se l'esperienza utente del tuo prodotto è un assistente vocale in cui cento millisecondi di silenzio sono percepibili, hai un numero misurato per la 3.2 e un'asserzione per la 3.5, e la cosa onesta da fare è misurare tu stesso la 3.5 prima di migrare. Se stai renderizzando l'audio in un file, la latenza è irrilevante e questa sezione non ti riguarda.

Prezzo: l'offerta termina il 21 novembre

I prezzi di Speechify per questi due modelli stanno per divergere, e il changelog lo illustra precisamente.

• Simba 3.5, dal 22 novembre — 15,00 $ per milione di caratteri su Starter, 12,00 $ su Pro, 10,00 $ su Scale

• Simba 3.5, fino al 21 novembre — 10,00 $, 8,00 $ e 6,00 $, le tariffe dei modelli precedenti

• Simba 3.5, lista di lancio originale del 21 ottobre — $20, $16 e $12, sostituita da un taglio del 9 novembre

• Simba 3.2 — invariato a $10.00, $8.00 e $6.00 per milione di caratteri sugli stessi piani

Quindi, fino al 21 novembre i due modelli costano esattamente lo stesso e 3.5 è nettamente migliore. Dal 22 novembre, 3.5 costa il 50% in più a ogni livello. Nel piano Pro sono $72 contro $108 per nove milioni di caratteri; su Scale, $280,80 contro $468 per 46,8 milioni. I saldi restano invariati, quindi lo stesso piano acquista un terzo di caratteri in meno del modello più recente a listino.

Si tratta di un semplice giudizio di valore, non di un trucco: 110 punti Elo e 47 lingue in più per un sovrapprezzo del 50% sono un buon affare per quasi qualsiasi carico di lavoro che utilizzi una delle due funzionalità, e un cattivo affare per una pipeline solo in inglese che era già soddisfatta della qualità di 3.2.

La migrazione è una sola riga, ed è proprio questo il tranello.

La documentazione di Speechify chiarisce in modo insolitamente esplicito che passare da 3.2 a 3.5 non richiede alcun cambio di versione API: basta impostare model su simba-3.5, mantenere gli stessi ID voce, gli stessi formati di output, gli stessi speech marks e lo stesso sottoinsieme di SSML applicato. Le richieste che omettono model vengono comunque risolte su simba-3.0, quindi il valore predefinito non ti sposta silenziosamente.

Due dettagli complicano la storia in una riga. Il primo è che ora la lingua conta: se il testo è diverso dalla locale della voce devi impostarla esplicitamente, altrimenti l'API usa la locale della voce e ottieni un accento che non intendevi. Il secondo è il 21 novembre stesso. A quella data i due ID di Simba 1.6, simba-english e simba-multilingual, smettono di essere serviti dal loro vecchio addestramento e iniziano a essere serviti da Simba 3.5, fatturati alla tariffa di Simba 3.5, su ogni versione API che può ancora nominarli. Un'integrazione vincolata ai vecchi ID cambierà voce e prezzo lo stesso giorno senza modifiche al codice. Testare 3.5 di proposito prima di allora è l'unico modo per scegliere.

C'è anche un miglioramento silenzioso di cui vale la pena essere a conoscenza: il 20 ottobre, prosody pitch e prosody volume hanno iniziato a essere applicati su Simba 3.5, 3.2 e 3.0, dove in precedenza venivano accettati e ignorati. Se oggi invii questi attributi e non desideravi il cambiamento, il consiglio di Speechify stessa è di rimuoverli. I tag Emphasis ed emotion restano accettati e non applicati su tutti e tre i modelli.

Dove si colloca OrcaRouter in un aggiornamento all'interno della stessa famiglia

Nessuno dei due modelli Simba è su OrcaRouter — la linea si raggiunge tramite l'API proprietaria di Speechify, e nulla di quanto scritto qui va interpretato come un'asserzione contraria. Ciò che instradiamo è il catalogo di sintesi che useresti come controllo mentre decidi: openai/tts-1 a 15,00 $ per milione di caratteri e openai/tts-1-hd a 30,00 $, al prezzo di listino del fornitore senza alcun sovrapprezzo.

La cosa utile che fa un router in una migrazione come questa è rendere il vecchio percorso sopravvivibile mentre il nuovo viene dimostrato. Esegui la 3.5 sull'API del fornitore per una settimana di traffico reale, mantieni la 3.2 come fallback e aggira un incidente invece di scoprirlo in produzione — il failover automatico non costa nulla quando non fallisce nulla e copre l'intera finestra di lancio quando qualcosa fallisce. La stessa singola chiave significa anche che la voce OpenAI che stavi già usando resta raggiungibile mentre decidi se una delle due generazioni Simba la sostituirà.

Quale eseguire, in base al carico di lavoro

Rimanete su Simba 3.2 se il vostro carico di lavoro è in inglese, le vostre voci sono in inglese, la vostra soglia di qualità era già stata raggiunta a luglio e il dato misurato di 47 ms per il first-audible-audio è determinante per il vostro prodotto. State pagando la tariffa più bassa fino al 21 novembre e per sempre dopo, e nulla in 3.5 migliora il vostro output. Non esiste una data di deprecazione per 3.2; Speechify lo ha dichiarato esplicitamente.

Passa a Simba 3.5 se una delle seguenti condizioni è vera: ti serve una seconda lingua, cloni le voci e vuoi un unico voice id in tutte le localizzazioni, la tua soglia di qualità per l'inglese si è alzata, oppure stai costruendo qualcosa di nuovo. Il divario di 110 punti sulla controlled-board è il salto generazionale più ampio mai prodotto da Speechify, e la copertura di 48 lingue non è disponibile in nessun altro modo all'interno di questa famiglia. Fallo entro il 21 novembre se vuoi valutarlo alle tariffe dei modelli precedenti, e imposta esplicitamente il model id in modo che il ritiro non scelga per te.

Qualunque strada scegli, la decisione ha una data di revisione anziché una risposta definitiva. Simba 3.5 ha 1,783 campioni di voce controllata rispetto ai 3,630 di 3.2, quindi il suo intervallo si restringerà. Il suo prezzo di listino è già cambiato una volta in tre settimane. E Qwen-Audio-3.1-TTS-Plus di Alibaba, a 1,176 sulla stessa classifica, si trova 16 punti dietro l’attuale flagship di Simba a un prezzo comparabile sulla stessa classifica — così vicino che il prossimo rilascio da una parte o dall’altra riapre la questione.