
Ming-3.0-audio-flash, Artificial Analysis Speech Reasoning에서 99.8%로 1위 — 1포인트 앞섰지만 가격은 여전히 없음
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100만 토큰당 · 185 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100만 토큰당 · 228 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100만 토큰당 · 89 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 98 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 89 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100만 토큰당 · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100만 토큰당 · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100만 토큰당 · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100만 토큰당 · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447지능
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100만 토큰당 · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 113 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100만 토큰당 · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740지능
Artificial Analysis는 이제 Ming-3.0-audio-flash를 자사의 Speech Reasoning 보드인 Big Bench Audio 평가에서 정확도 99.8%로 1위로 표시하며, StepAudio 3 Realtime의 99.7%, Qwen Audio 3.0 Realtime Plus의 99.2%, Eleven Realtime v1 Max의 98.8%, Grok Voice 3.0의 98.5%, Gemini 3.8 Live Extended Thinking (High)의 97.7%, GPT-Realtime-2.1 High의 95.8%를 앞섰습니다. 이 주장은 Ant Ling이 2026년 11월 18일 08:37 UTC에 내놓았으며, 모델 자체 저장소에 동일한 수치와 리더보드 이미지가 추가되도록 편집된 지 19분 뒤였습니다. 그 시점이 모든 것을 말해줍니다: 9월에 출시되어 제3자 점수가 없던 모델이 이제 그 점수를 갖게 되었고, 그 수치는 상한선에 매우 가깝습니다.
무엇이 새롭고 무엇이 아닌지 정확히 말하자면 — 이것은 출시가 아니다. inclusionAI가 2026년 9월 3일 Ming-3.0-audio-flash 가중치를 Hugging Face에 업로드했고 그 후 6주 동안 그것에 대해 아무 말도 하지 않았다. 모델 카드, 서빙 프로필, 예제 코드는 10월 15일부터 19일 사이에야 공개되었다. 오늘 바뀐 것은 체크포인트가 아니라 평가다. safetensors 샤드는 9월 당시와 동일한 바이트다. 따라서 솔직하게 표현하자면, 7주 된 오픈 웨이트 오디오 모델이 방금 그 작성자가 아닌 누군가에 의해 측정되었고, 최고 성능을 냈다는 것이다.
Big Bench Audio가 실제로 모델에 요구하는 것
테스트에 대해 구체적으로 말할 가치가 있다. "speech reasoning"은 음성 에이전트가 대화에서 하는 일처럼 들리지만 대부분은 그렇지 않기 때문이다. Big Bench Audio는 오디오로 제공되는 객관식 질문 세트다. 모델은 녹음을 듣고, 그에 관한 질문을 듣거나 읽은 뒤, 답을 고른다. 이는 음성 구절을 문맥에 유지하고 여기에 일반적인 추론을 적용하는 능력을 평가한다. 발언 순서 주고받기, 방해 처리, 백채널, 또는 사람처럼 들리는 능력은 평가하지 않는다. 그런 것들은 별도의 Artificial Analysis 보드인 Full Duplex Bench에 있으며, Ming-3.0-audio-flash는 현재 그곳에서 공개된 점수가 전혀 없다.
여기서 그 구분은 평소보다 더 중요합니다. 99.8%에서는 지표가 거의 한계에 다다랐기 때문입니다. 42개 모델이 올라간 순위표에서 1위와 5위의 차이는 1퍼센트포인트입니다. 1위와 13위 모델인 GPT-Realtime-2.1 High의 차이는 4퍼센트포인트입니다. 요즘 모델이 거의 다 90점대를 받는 테스트는 최상위권을 더 이상 변별하지 못하는 테스트입니다. 그리고 StepAudio 3 Realtime을 1퍼센트포인트 앞선다는 것은, Artificial Analysis 밖에서는 아무도 항목 수를 확인할 수 없는 벤치마크에서 몇 개 항목을 더 맞힌 것에 불과합니다. 이 순위는 "이 모델이 최상위 그룹에 속한다"는 뜻으로 읽어야 하며, 이는 정말 유용한 정보입니다. "이 모델이 다른 모든 모델보다 측정 가능할 만큼 듣기를 잘한다"는 뜻으로 읽어서는 안 되며, 그 숫자는 그런 주장을 뒷받침하지 못합니다.
헤드라인보다 판의 형세를 알고 싶은 분들을 위해, 보드를 순서대로 정리하면:
• 1 — Ming-3.0-audio-flash, 99.8%
• 2 — StepAudio 3 Realtime, 99.7%
• 3 — Qwen Audio 3.0 Realtime Plus, 99.2%
• 4 — Phonic 1 (High), 98.9%
• 5 — Eleven Realtime v1 Max, 98.8%
• 7 — Grok Voice 3.0, 98.5%
• 8 — Gemini 3.8 Live Extended Thinking (High), 97.7%
• 13 — GPT-Realtime-2.1 High, 95.8%

공급업체 자체 문서에서 한 가지 세부 사항은 짚고 넘어갈 만한데, 이는 조용히 빠지기 쉬운 종류의 정보이기 때문입니다. 10월에 업로드된 inclusionAI의 모델 카드에 있는 평가 이미지는 flash 모델이 "BigBenchAudio"에서 99.40을 기록한 것으로 보여 줍니다. Artificial Analysis는 현재 99.8을 보고합니다. 이는 유사한 벤치마크의 서로 다른 두 실행 결과이며, 그 격차는 어느 쪽의 오류도 아닙니다. 하네스, 프롬프트 형식, 항목 하위 집합이 동일하지 않을 때 나타나는 정상적인 편차입니다. 또한 이는 공급업체의 10월 표와 오늘날의 제3자 보드가 거의 같은 라벨을 달고 있더라도 서로 바꿔 쓸 수 있는 숫자가 아니라는 점을 상기시켜 줍니다.
이사회가 말하지 않는 것
Artificial Analysis 항목에는 세 가지가 빠져 있으며, 각각은 정확도 수치보다 배포 결정에 더 중요합니다.
첫째는 가격이다. Ming-3.0-audio-flash는 Artificial Analysis에서 토큰당 또는 분당 요금이 없는데, 살 것이 없기 때문이다. 이는 MIT 라이선스의 1,260억 파라미터 전문가 혼합 체크포인트이며, 단계당 65억 파라미터가 활성화된다. 비용은 하드웨어 비용에 달려 있다. inclusionAI 자체 배포 노트에 따르면 참조 128K 서빙 프로필은 4개의 80 GB H800에 걸친 텐서 병렬화를 사용하고, 긴 오디오용으로 8-GPU 폴백을 두며, 4개 GPU에서 텍스트만 반환하는 검증된 SGLang 프로필도 있다. 리더보드에서 그보다 위에 있는 모든 모델은 자기 자신을 제외하면 사용량 기반 과금 API다. 정확도만으로 이들을 비교하는 것은 벤치마크 점수를 벤치마크 점수와 비교하는 것이며, 표의 한쪽은 구매이고 다른 쪽은 구독이라는 점을 무시한다.
두 번째는 지연 시간입니다. Artificial Analysis는 실제로 첫 오디오까지의 시간을 측정하며, Ming-3.0-audio-flash는 1.12초입니다. Eleven Realtime v1 Max는 0.57초로, 대략 절반입니다. 애플리케이션이 대화가 잠시 멈춘 사이에 답해야 하는 음성 에이전트라면, 벤치마크에서의 승리는 1초의 침묵을 보상해 주지 못하며, 리더보드의 순서는 그 두 수치 중 어느 쪽을 감당할 수 있는지에 대해 아무것도 말해 주지 않습니다.
세 번째는 대화 행동입니다. Full Duplex Bench 점수는 Eleven Realtime v1 Max(전체 0.941, 끼어들기 처리 0.99, 말차례 주고받기 1.0)와 여러 Gemini 및 GPT 실시간 모델에 대해 존재합니다. Ming-3.0-audio-flash는 FDB 점수도, 대화 역학 세부 분석도, 끼어들기를 당할 때 어떻게 처리하는지에 대한 공개된 측정치도 없습니다. 어떤 모델이 오디오에 관한 객관식 문제를 모두 맞힐 수 있어도 여전히 당신의 말을 덮어 말할 수 있습니다.
그리고 벤더 자체의 10월 수치는 이 전체 그림에서 가장 호의적이지 않은 증거다. 음성 추론 승리를 광고하는 바로 그 카드에서 inclusionAI는 장시간 오디오 체인 점수 12.31을 Qwen3.8-Omni Flash의 34.54, Gemini 3.8 Flash의 49.63과 대조해 공개했고, LongAudioSpan은 41.12를 66.40과, AMI의 화자 분리 오류율은 25.29를 MiMo-V2.6 Pro의 11.16과 대조해 공개했다. 이는 벤더가 선택한 과업에서 나온 벤더 자체 수치이며, 짧은 질의응답형 오디오에는 탁월하지만 긴 녹음 전반에 걸친 추론에는 약한 모델을 보여준다. Big Bench Audio에서의 99.8점은 이를 바꾸지 못한다. Big Bench Audio는 장시간 오디오 테스트가 아니기 때문이다.
카드와 트윗 사이의 17분 격차
저장소 커밋은 11월 18일 08:26:48 UTC에 타임스탬프가 찍혀 있으며, 제목은 일부가 "Flash BBA 점수를 99.8%로 업데이트하고 전체 #1 리더보드 res… 추가"입니다. Ant Ling의 게시물이 08:37:02에 뒤이어 올라왔습니다. 같은 커밋은 48초 후 작은 형제의 카드를 건드려 같은 문장을 추가했습니다. 두 저장소에 복사된 공유 벤치마크 문단이며, 숫자를 인용하기 전에 그 숫자가 실제로 어느 체크포인트에 속하는지 확인해야 할 또 하나의 이유입니다.

그 순서가 말해 주는 것은 이제 모델 카드가 리더보드의 하류에 있다는 것, 즉 그 반대가 아니라는 점입니다. 6주 동안 Ming-3.0-audio-flash의 유일한 성능 근거는 하나의 PNG 이미지 묶음이었습니다. 그 묶음은 assets/ 폴더에 있었고, 이를 훈련한 팀이 만들었습니다. 그것이 아무것도 아니라는 말은 아닙니다 — 벤더 평가는 대개 정직하며, 다만 과제 선택에 관해 낙관적일 뿐입니다 — 하지만 자체 하네스를 운영하며 순위를 공개하는 제3자의 증거와는 범주가 다릅니다. 오늘 흥미로운 점은 벤더가 1위를 주장한다는 것이 아닙니다. 결과에 이해관계가 없는 조직이 그 모델을 그 자리에 올려놓았다는 것입니다.

라우터가 적합한 경우와 그렇지 않은 경우
OrcaRouter는 Ming-3.0-audio-flash를 제공하지 않습니다. 이 모델은 당사 카탈로그에 없으며, 이에 대한 엔드포인트를 제공할 수 없고, 여기에 있는 어떤 내용도 제안으로 해석되어서는 안 됩니다. 이를 실행하려면 저장소를 클론하고, Transformers 5 코드 경로 또는 SGLang-Omni 서빙 프로필 중 하나를 설치한 뒤, 최소 4장의 80GB 카드를 해당 모델에 할당해야 합니다. 그것은 인프라이며, 라우터는 인프라를 담당하지 않습니다.
라우터가 하는 일은 모든 음성 파이프라인의 나머지 절반입니다. 자체 호스팅 오디오 모델로 구축한 음성 애플리케이션도 여전히 대부분은 텍스트 작업입니다. 녹음에 무엇을 물을지 결정하는 프롬프트, 탭으로 구분된 언어 레이블을 구조화된 출력으로 바꾸는 후처리, 녹취록에서 작성하는 요약, 잡음 많은 통화를 상담원에게 라우팅하는 분류기 등이 그렇습니다. 이런 것은 평범한 채팅 호출이며, 0% 마크업으로 200개 이상의 모델을 이용할 수 있는 단일 API — 공급자 정가가 그대로 전달되므로 공급업체의 가격 인하가 당일 우리 쪽에도 반영됩니다 — 는 두 번째, 세 번째 공급업체 계약보다 연결하기 더 간단한 것입니다. 자동 장애 조치는 검증되지 않은 오픈 웨이트 모델을 트래픽 일부에 배치하면서 전체 경로를 그 모델에 걸지 않게 해줍니다.
경계가 바로 핵심이다. 자체 GPU에서 실행하는 259GB 체크포인트는 자본 투자 결정이다; 라우터는 호출을 라우팅한다. 그것은 클러스터 모델을 호스팅되는 모델로 바꾸지 않으며, 객관식 벤치마크에서의 99.8%를 당신의 제품에 대한 증거로 만들어 주지도 않는다.
이게 의미 있는 게 되려면 무엇이 필요할까
오늘의 헤드라인을 결정으로 바꿔 줄 세 가지 측정이 있으며, 세 가지 모두 Artificial Analysis나 아레나가 inclusionAI에 아무것도 요청하지 않고도 공개할 수 있는 것들입니다. Full Duplex Bench 점수는 대화 행동이 이해력과 일치하는지를 말해 줄 것입니다. 공개 데이터셋에서의 긴 오디오 결과는 공급업체 자체 표가 가장 취약한 바로 그 축을 시험할 것입니다. 그리고 Big Bench Audio의 두 번째 독립 실행 — 다른 하네스, 다른 항목 샘플 — 은 99.8이 천장 효과인지 실제 격차인지 알려 줄 것입니다.
그때까지 정확한 문장은 좁고 분명히 말할 가치가 있다: Ant Group의 오픈 웨이트 오디오 모델은 9월에 공개되고 10월에 문서화되었으며, 현재 제3자 음성 추론 벤치마크에서 차기 모델을 1퍼센트포인트 차이로 앞서 1위에 올랐지만, 공개된 가격은 없고, 해당 보드에서 가장 빠른 경쟁사보다 첫 오디오까지 걸리는 시간이 두 배이며, 대화 점수는 전혀 없다. 그것은 실제 결과다. 또한 "최고의 음성 모델"이라는 주장보다 훨씬 작은 주장이며, 그 두 문장의 차이가 바로 이 모델에 관한 유용한 사고의 대부분이 아직 일어나야 하는 지점이다.
이 글에서 비교한 모델1
이 글에서 자동 인식 · 벤치마크: Artificial Analysis · 매일 업데이트
