Ming-3.0-audio-flash 対 Qwen-Audio-3.1：ダウンロードできるフォルダーと、呼び出すしかないカタログ

この比較には、簡単に書けるバージョンがある。だがそれは間違っている。Ming-3.0-audio-flashとQ​wen-Audio-3.1を中国製の音声モデル2つとして並べ、パラメータ数を横に並べて勝者を宣言する——そんな書き方だ。問題は、Q​wen-Audio-3.1が重さを測れるチェックポイントとして存在しないことにある。存在するのはA​libabaのModel Studioカタログにあるホスト型モデルIDの集合、すなわちqwen-audio-3.1-realtime-plus、qwen-audio-3.1-asr-flash-streaming、qwen-audio-3.1-asr-flash-filetransであり、Hugging Faceに公開された重みも、公表されたパラメータ数もない。Ming-3.0-audio-flashは正反対だ。総パラメータ1,260億、アクティブ65億、MITライセンスで、クローンできるリポジトリに置かれている。片方はフォルダ。もう片方は呼び出しごとに借りる製品ラインだ。これら2つに関するあらゆる意味のある問いは、この非対称性から導かれ、いつものベンチマーク表の問いのどれ一つとして答えられない。このようなリリースの背景にある、文書化されたAI障害やエージェントインシデントは、OrcaRouter AI Incident Archiveに集められており、各項目には独自の出典、深刻度、信頼度グレード、係争中フラグが付いている。

系譜は一段落に値する。なぜなら、両者が実際には似ていないのに比較可能に感じられる理由を説明してくれるからだ。Ming-3.0-audio-flash は重み先行で登場した。2026年9月3日に Hugging Face へアップロードされ、何の告知もなく、その後6週間にわたって使えない状態が続き、10月15日から19日にかけてサービングコードとサンプルがプッシュされた。Q​wen-Audio-3.1 はカタログ先行で登場した。A​libaba Cloud の Model Studio ドキュメントに、音声認識と音声対音声の下で3つのモデル ID がそれぞれ1行で記載され、詳細ページには仕様が載っていなかった。これが2026年の2大リリースパターンを1つの対決に凝縮したものだ — リポジトリを公開して世界に気づかせるオープンラボと、SKU を投入してドキュメント自体をローンチにするクラウド。

それぞれが実際にあなたに与えてくれるもの

• 受け取るもの — Ming：約126BパラメータのMoEチェックポイント、プロセッサ、トークナイザー、Talkerアセット、サービングスクリプト、サンプル。Qwen-Audio-3.1：API認証情報と3つのエンドポイント名。

• 確認できる内容 — Ming: アーキテクチャ、ライセンス、ベンチマークパネル、デプロイ用YAML、音声プリセット。Qwen-Audio-3.1: SKUごとのカテゴリラベルと1文の説明。

• ライセンス — Ming: MIT、重みとコード。Q​wen-Audio-3.1: Model Studio の商用利用条件。重みが存在しないため、重みのライセンスはありません。

• 稼働場所 — Ming：お客様のGPU、お客様のラック、お客様のエアギャップ。Q​wen-Audio-3.1：A​libabaのインフラストラクチャ、同社がサービスを提供するリージョンで。

• 故障モード — Ming: オンコール対応はあなたの担当です。Q​wen-Audio-3.1: クォータ、リージョン、またはアカウントの問題はサポートチケットです。

• 価格 — Ming: ハードウェア。Qwen-Audio-3.1: モデルインデックスには公開されていません。詳細ページまたはコンソールが必要です。

最後の一文は、ごまかしではありません。Model Studio のモデル一覧では、3つの Q​wen-Audio-3.1 の ID がそれぞれのカテゴリの下に掲載されているだけで、そのページには料金、コンテキストウィンドウ、対応言語に関する情報は載っていません。リンク先の詳細ドキュメントも、確認した時点では開けませんでした。「Q​wen-Audio-3.1 の料金は X」と言うのは数字をでっち上げることになりますし、この製品の性質上、その数字はどのみち変わることになります。

3つのSKUは1つのモデルではなく、それが重要な点です

ここがほとんどの比較で見落とされている点です。Q​wen-Audio-3.1 は単一のベンチマーク対象ではありません。カタログではそれを3つに分けています：

qwen-audio-3.1-asr-flash-streamingはストリームとして提供される音声認識です — 率直に言えば、その本来の用途はライブ字幕や、通話中にリアルタイムで届く通話トランスクリプトです。

qwen-audio-3.1-asr-flash-filetransは、ファイルに対してバッチ処理される同じ認識タスクです。どちらの名称の「Flash」も、品質階層ではなく速度とコストの階層を示唆していますが、Alibabaはインデックス上でその区別を明記していません。

qwen-audio-3.1-realtime-plusは興味深いものです。インデックスではこれを「ASRとTTSを別々に呼び出さないエンドツーエンドの音声会話」、つまり音声対音声のエンドポイントと説明しており、plusは2つあるリアルタイム階層のうちより充実した方であることを示唆しています。

Ming-3.0-audio-flash は、それらを単一のアーティファクトに統合します。認識、長尺音声の理解、音声推論、および任意の音声出力は同じチェックポイントのモードであり、別の SKU を選ぶのではなく、プロンプトとサービングプロファイルによって選択されます。リポジトリには ASR プロファイル、テキストプロファイル、音声出力プロファイルが含まれています。ASR プロンプトは、モデルに話されている言語を特定し、ラベルと文字起こしの間にタブを入れるよう求めます。

どの構成が優れているかは、何を作っているかによって変わります。3つのSKUがあれば、認識だけが必要なときには認識に対してのみコストを支払い、文字起こしジョブのために126Bモデルの推論コストを負わずに済みます。1つのチェックポイントであれば、文字起こしとその分析が同じモデルから出力され、両者の間にシリアライゼーションによる損失がありません。「ASRが『their』と言ったのに、推論モデルが間違って推測した」という失敗モードも起こりません。2つ目のモデルが存在しないからです。

なぜここには誠実なベンチマークが存在しないのですか

Ming-3.0-audio-flash は、音声認識、音声インテリジェンス、テキストの3つの評価パネルを画像として GitHub リポジトリで公開しています。すべての値はパーセンテージで、矢印で別段の指示がある場合を除き高いほど良く、星印の結果はチーム自身によるものです。リポジトリには、比較モデルは inclusionAI の評価設定で再現されたものであり、プロンプト、デコーディング設定、バージョン、パイプラインにより、それらモデルの公式報告と異なる場合があるという注記が追加されています。

Q​wen-Audio-3.1はインデックスページにベンチマーク表を公開していません。詳細ドキュメントでもそれを公開していません。したがって、共有のテストセットも、共有のデコード設定も、両方を採点した独立した第三者も存在しません。

擁護できる唯一の主張は否定的なものだ。どちらの側も、相手と比較できる数値を持っていない。もし比較記事がMing-3.0-audio-flashとQ​wen-Audio-3.1を割合付きの隣接する列に並べて見せているなら、それはベンダーの自己評価と未測定のAPIを組み合わせたものであり、説得しているのは列の並べ方だ。

コストの問いを、捉え直す

Qwen-Audio-3.1 のトークン単位または秒単位の料金は公開インデックスに掲載されていないため、有用な比較は価格対価格ではなく、コスト構造対コスト構造です。

従量課金型の料金体系には大きな利点が一つあります。利用量を正確に追跡でき、利用量がゼロなら料金もゼロになることです。トラフィックに波がある製品、たとえば四半期最終日に千件の通話を文字起こしし、その後十一週間は何もしないコンプライアンスチームにとって、これは決定的です。波のあるワークロードでは、自社所有のGPUで通話ごとの課金に勝つことはできません。GPUは稼働していない週にもコストが発生するからです。

自社所有のウェイトには裏返しの美点がある。1000時間目の限界費用はほぼゼロで、ベンダーが価格を改定しても動かない。安定した負荷がある製品——平日毎日60%の稼働率で動くコンタクトセンター——では、固定費が償却され、時間あたりの数値はどの料金表をも下回る。損益分岐点は利用率の計算であってベンチマークではなく、チームごとに異なる。

Mingのハードウェア要件の下限が、それを決める数値です。音声出力を伴うフル128Kコンテキスト向けのリファレンスプロファイルは、8台の80 GB H800にまたがるテンソル並列です。4 GPU構成には検証済みのSGLangプロファイルがありますが、テキスト専用で、Talkerが失われます。4 GPUの場合、比較は文字起こし役のMing対QwenのASR SKUであり、8 GPUの場合は会話役のMing対qwen-audio-3.1-realtime-plusです。これらは2つの別個の判断であり、別々に行うべきです。

ここでルーターが真価を発揮するのは試用段階です。ラックを購入した後に、オープンなチェックポイントが自分の音声で性能を発揮しないと気づきたくはないでしょう。ホスト型SKUとセルフホスト型の候補を1つのエンドポイントの背後で稼働させれば、同じトラフィックで両者をA/Bテストできます：1つのキーで200以上のモデル、プロバイダーの定価をマークアップなしでそのまま適用、いずれかの経路が劣化した場合の自動フェイルオーバー。自分の録音でセルフホスト側が勝れば、配分比率を変更します。勝たなければ、何も壊れません。

言語、方言、そして両方のカードが言っていること

Ming-3.0-audio-flashは中国語と英語を挙げ、「さまざまな訛りや方言を含む」としており、そのハイライトでは複数話者の録音や雑音の多い環境を強調している。この表現は検証可能なほど具体的でありながら、確認すべきほど曖昧でもある。中国語音声モデルにおける「さまざまな訛りや方言」は通常、マンダリン（標準中国語）の地域訛りと少なくとも1つか2つの粤語系変種を意味するが、カードにはそれらが列挙されていない。

Q​wen-Audio-3.1 の言語対応範囲は、インデックス項目には記載されていません。A​libaba のより広範な音声製品ラインは歴史的に多くの言語と中国語方言をカバーしてきましたが、兄弟製品の対応範囲はこの製品のドキュメントではなく、妥当な見解としては、詳細ページに別段の記載がない限り、その数は不明です。

両モデルは中国のラボから出ており、どちらも訓練データが最も密だった領域で最強になる。どちらのカードも、音声を通さずに反証できる主張はしていない。それがテストだ。自分の最悪の録音——騒がしいもの、コードスイッチングしているもの、三人が互いに話し被っているもの——を20分取り、両方に通してみよ。それはどちらのラボが公表するどんなチャートよりも多くを教えてくれる。

何が状況を変えるでしょうか

2つの出来事。第一に、AlibabaがQwen-Audio-3.1の重みを公開した場合——Qwenシリーズはテキストモデルと視覚モデルで繰り返し重みを公開してきたので、これは空想ではない——比較全体が「MITまたはApacheの2つのチェックポイントを、自分のハードウェアで比較する」に集約され、「カタログ対フォルダ」という枠組みは消滅する。第二に、あるサービングプロバイダーがMing-3.0-audio-flashをOpenAI互換エンドポイントの背後で公開レート付きで一覧に載せた場合、8基のGPUという下限は読者の問題ではなくなり、2つの製品は音声1時間あたりの価格で直接比較できるようになる。

どちらも実現していない。本稿執筆時点で、Qwen-Audio-3.1ファミリーは呼び出し可能だが重みは入手できず、Ming-3.0-audio-flashは重みは入手できるが、自分で用意したハードウェア上でしか呼び出せない。これがこの比較の全体であり、音声品質ではなく配布をめぐる比較なのだ。

今週の決め方

今日、音声テキスト変換（speech-to-text）エンドポイントが必要で、すでにAlibaba Cloudを利用しているなら、Qwen-Audio-3.1 ASRのSKUが最短ルートであり、運用上のリスクはポケベルではなくクォータです。同じスタックで音声対音声（speech-to-speech）が必要なら、qwen-audio-3.1-realtime-plusが文書化された選択肢であり、その料金はブログではなくコンソールで確認する事項です。

モデルを所有する必要がある場合——規制上の理由、エアギャップ環境、あるいは自分の音声こそが資産でありモデルはレンタルすべきではないという確信——この2つのうち、それを可能にするのは Ming-3.0-audio-flash だけです。フルプロファイルには H800 を8台、テキストのみなら4台、そしてベンチマーク画像に書かれていることを信じる前に、自分自身で評価する1週間を見込んでください。

そして、自分がそのどちらなのか確信が持てないなら、答えはまだどちらでもない。音声をホスト型エンドポイントに通し、許容できるエラー率を測定し、その数値にハードウェアを買う価値があるか判断させよう。モデルの選択はその測定の下流にあり、上流ではない。