Ming-3.0-asr-tiny uitgebracht zonder aankondiging: wat de repository daadwerkelijk zegt

De gewichten voor Ming-3.0-asr-tiny kwamen op 14 oktober 2026 om 09:27 UTC op Hugging Face terecht, en vijf dagen later toonde de repository nog steeds 35 downloads. Wat de leverancier ook met die upload bedoelde, het heeft niet zo uitgepakt. De code volgde op 19 oktober om 02:38 UTC. De projectpagina — één doorlopende pagina met een releasevideo en vier benchmarkgrafieken — ging dezelfde dag om 12:30 UTC online. Niemand kondigde er ook maar iets van aan. Er is geen technisch rapport gelinkt vanuit de repository, geen releasedatum vermeld op de modelkaart en geen lanceringsbericht van de organisatie erachter. Alles in dit artikel komt uit de bestanden zelf, het commitlog en de eigen grafieken van de leverancier, en het is bewust gescheiden van de delen die nog onbekend zijn. De gedocumenteerde AI-fouten en agent-incidenten achter releases zoals deze zijn verzameld in het OrcaRouter AI Incident Archive waarbij elke vermelding zijn eigen bronnen, ernstniveau, betrouwbaarheidsgraad en betwistingsmarkering bevat.

Dat onderscheid is hier meer dan gewoonlijk van belang. Een model dat vijf dagen openbaar is en 35 downloads heeft, is geen product waarop je je planning kunt baseren; het is een set gewichten met een configuratiebestand en een verslag op byteniveau van hoe het in elkaar is gezet. De configuratie is ongewoon informatief. De grafieken zijn ongewoon specifiek. De hiaten zijn ongewoon groot.

Vijf dagen tussen de gewichten en het verhaal

De commitgeschiedenis is het dichtst dat deze release bij een aankondiging komt, dus het loont om die als zodanig te lezen. De eerste Hugging Face-commit is de aanmaak van de repository zelf op 14 oktober om 09:27 UTC. Een uur later uploadde de leverancier een checkpoint, en het commitbericht noemt het: iter_0011500. Dat is een aantal trainingsiteraties, geen versienummer, en het vertelt je dat de run meer dan 1,15 miljoen stappen had afgelegd, zonder je ook maar iets te vertellen over de data die die stappen hebben verbruikt.

De volgende vier dagen gingen op aan publiceren in plaats van trainen. Op 15 oktober verschenen het modelpakket en de tweetalige documentatie. Op 16 oktober publiceerde de leverancier wat hij gevalideerde audio-only-gewichten noemde. Op 18 oktober kreeg de modelkaart richtlijnen voor het serveren via SGLang en werden de benchmarkcijfers tweemaal bijgewerkt. Op 19 oktober werd de repository gekoppeld aan een GitHub-code-release, vervolgens aan een SGLang-cookbook, dan aan een releasefilm, dan aan citatiemetadata, en ten slotte, om 14:04 en 14:05 UTC, werden de openbare, interne en context-ASR-grafieken opnieuw bijgewerkt — ongeveer negentig minuten voordat dit artikel werd geschreven.

De GitHub-repository is nog nieuwer: aangemaakt om 02:38 UTC op 19 oktober, twintig commits, vijf sterren, geen forks en een leeg tabblad Releases. De video die de kaart een releasefilm noemt, is helemaal niet aan die repository gekoppeld. Hij staat als release-asset in een aparte GitHub Pages-repository, aangemaakt om 12:22 UTC op dezelfde dag, onder een tag met de letterlijke naam media-2026-10-19. De meest citeerbare consequentie: de enige datum die ergens in deze release voorkomt, is de datum van de pagina die de film host.

Wat de config bepaalt, en waar hij slechts op zinspeelt

De safetensors-index rapporteert 8.865.800.992 parameters: 8.865.797.920 in BF16 verdeeld over twee shards, plus 3.072 in F32. Dat is ongeveer 17,7 GB aan gewichten. De grafieken van de leverancier noemen het model 8.6B-A2B, een afkorting voor 8,6 miljard totaal met ongeveer 2 miljard actief per token; de index is het hardere getal en ligt ongeveer 270 miljoen boven het label. Geen van beide getallen is verkeerd, maar slechts één ervan is een meting die je kunt controleren zonder de afronding van de leverancier te vertrouwen.

De decoder is een 24-laagse mixture-of-experts-stack: 128 experts, acht per token gerouteerd, één gedeelde expert, de eerste laag dense, hidden size 1.536, 16 attention-heads met een 128-dimensionale head, en gecomprimeerde attention via q_lora_rank 256 en kv_lora_rank 512. Het vocabulaire bestaat uit 157.184 tokens en de context is 8.192 posities. De projectpagina voegt een detail toe dat de configuratie alleen niet expliciet vermeldt: de stack wisselt drie K​imi Delta Attention-lagen af met één Gated MLA-laag, een 3:1-hybride. Dat is een taalmodel met een aangekoppelde audio-frontend, en de werkverhouding tussen de twee helften is scheef.

De audiozijde is een encoder met 32 lagen, 1.280 verborgen dimensies, 20 heads en 128 mel-inputs — de vorm van de encoder van Whisper large-v3, een afkomst die de repository erkent door een bestand mee te leveren met de naam modeling_whisper_encoder.py en een aparte WHISPER_LICENSE met OpenAI's MIT-vermelding. De encoder is bovendien met ruime marge de kleinere helft van het model. Twee nuttige velden in hetzelfde bestand: de audio-token-id is 157.168, en asr_output_format staat op plain.

Wat de grafieken beweren, en tegen wie

De kaart bevat geen cijfers in de lopende tekst. Alle cijfers staan in vier PNG-grafieken, en de projectpagina herhaalt ze. Op basis van de eigen cijfers van de leveranciers scoort Ming-3.0-asr-tiny een Chinese gemiddelde CER van 3,55 en een Engelse gemiddelde WER van 3,99; een gemiddelde van 8,42 over 15 dialecten; een intern gemiddelde van 1,67 over vijf domeinen; en een context-ASR-totaal van 4,36. Al deze cijfers zijn door de leverancier opgegeven en geen ervan is onafhankelijk gereproduceerd.

De vergelijkingsset op de projectpagina bestaat uit Qwen2.5-Omni, Qwen3-Omni-30B-A3B, Qwen3-ASR-1.7B, Fun-ASR 1.5 en Qwen3-ASR-Flash, waarbij de laatste twee als closed-source zijn gemarkeerd. De dialectrij is waar de kloof het grootst is: Ming op 8,42, Qwen3-ASR-1.7B op 15,30, Fun-ASR 1.5 op 8,00. De Chinese rij is waar die het nauwst is: Ming op 3,55 zit tussen Qwen3-Omni op 3,33 en Qwen3-ASR-1.7B op 3,66. De contextrij is degene waarvoor het model is gebouwd, en daar staat Mings 4,36 met twee honderdsten van een punt achter Qwen3-Omni's 4,34 als tweede.

Bij die cijfers horen drie waarschuwingen, en twee daarvan komen uit de eigen bewerkingen van de leverancier. De score over vijf domeinen is een ongewogen rekenkundig gemiddelde over chat, overheid, gezondheid, kennis en lokaal leven — vijf interne testsets met een niet-openbaar gemaakte relatie tot de trainingsdata, gemiddeld alsof elk daarvan even zwaar weegt in uw verkeer. Op de projectpagina staat ook, in een commit op 19 oktober om 12:39 UTC, dat een score voor spraak met ruis van de pagina is verwijderd terwijl het gemiddelde voor de schone domeinen bleef staan. En de grafieken werden om 14:04 UTC nog bijgewerkt. Een cijferset die op de dag van publicatie wordt bewerkt, is een cijferset om opnieuw te lezen voordat u die citeert.

Wat staat er niet in de repository

De lijst van afwezigheden is langer dan de lijst van aanwezigheden, en elke afwezigheid heeft een praktisch gevolg.

• Trainingsdata — geen datasetlijst, geen uren, geen taalverdeling, geen beschrijving van de filtering. Het checkpoint is uitsluitend vernoemd naar het aantal iteraties en niets anders.

• Een releasedatum — de kaart vermeldt er geen. De aanmaaktijdstempel van de repository is de enige betrouwbare datum, en de leverancier heeft niet bevestigd dat dit de releasedatum is.

• Een technisch rapport — er is er geen gelinkt. De architectuurbeschrijving op de projectpagina is vier zinnen lang.

• Onafhankelijke evaluatie — die bestaat nog niet. Met 35 downloads en vijf likes heeft vrijwel niemand buiten het lab het gedraaid.

• Tijdstempels op woordniveau en sprekerdiarisatie — de gebruiksnotities van de kaart vermelden duidelijk dat de uitvoer uitsluitend transcriptietekst is. Dit is gedocumenteerd, niet verborgen, en het sluit ondertitel-, uitlijnings- en diarisatiepijplijnen onmiddellijk uit.

• Streaming — het meegeleverde voorbeeld accepteert volledige clips. Lange audio kan worden opgedeeld in chunks met --audio-chunk-frames tegen de context van 8.192 posities, wat niet hetzelfde is als streaming met lage latentie.

• Evaluatiecode — de grafieken zijn afbeeldingen. Er is geen script in de repository dat ze opnieuw genereert uit audio.

Eén afwezigheid verdient een aparte vermelding, omdat ze de hele framing bepaalt: er is geen aankondiging om te laat voor te zijn. Een releasefilm, een projectpagina en een GitHub-repository die op 19 oktober binnen tien uur na elkaar verschenen, vormen een lancering in alle opzichten behalve het persbericht. De gewichten kwamen simpelweg vijf dagen eerder, onopgemerkt, terwijl de rest werd gebouwd.

Lees die commitlijst van boven naar beneden en de release stelt zich voor je ogen samen: een codedrop, dan documentatie in het Engels, dan een pad voor het serveren, dan een film, dan een bronvermelding, dan een tweede ronde langs de cijfers. Twintig commits, geen enkele met een versietag, en aan het eind een leeg Releases-tabblad.

Waarom een stil schip nog steeds op je radar thuishoort

Stille releases zijn waar de routeringsvraag interessant wordt, want het gebruikelijke aankoopsignaal — een lancering, een prijs, een benchmark die iedereen citeert — ontbreekt, en de enige manier om iets te weten te komen is door het ding te draaien. Dat is precies het geval waarvoor OrcaRouter's failover bestaat. Je kunt een deel van het verkeer door een kandidaatmodel sturen terwijl het zittende model de rest blijft bedienen, en als het nieuwe pad faalt of een timeout geeft, valt het verzoek terug in plaats van de gebruiker te laten falen. Eén API-sleutel dekt meer dan 200 gehoste modellen, dus een tweede mening toevoegen betekent niet een tweede contract en een tweede set inloggegevens.

De eerlijke grens: Ming-3.0-asr-tiny staat niet in de OrcaRouter-catalogus, en de ASR-modellen waarmee de grafieken ervan worden vergeleken staan er ook niet in. Van de modellen die op de projectpagina worden genoemd, is google/gemini-2.5-pro het enige dat vandaag via OrcaRouter beschikbaar is; het komt voor in de context-ASR-vergelijking op 6.30. Het realistische gebruik van een routeringslaag is hier dus niet "Ming via ons aanroepen" — het is een gehoste baseline en een self-hosted kandidaat achter één interface plaatsen terwijl je beslist. De prijsstelling voor de gehoste kant wordt doorgegeven tegen de lijstprijs van de provider met 0% markup, en dat is het deel dat ertoe doet wanneer de vergelijking kosten per uur audio betreft.

Wat zou dit van een curiositeit tot een kandidaat maken?

Een korte lijst, in de volgorde waarin ze waarschijnlijk verschijnen. Een vermelde releasedatum en openbaarmaking van de trainingsdata zouden de benchmarkcijfers interpreteerbaar maken in plaats van alleen citeerbaar. Een onafhankelijke run op een gedeelde testset zou uitmaken of de dialectkloof echt is, want dat is de enige bewering waarbij de voorsprong van de leverancier op de dichtstbijzijnde open baseline groot genoeg is dat een fout duidelijk zou zijn. Een tijdstempel of diarisatiepad zou de verzameling pipelines die het überhaupt kunnen gebruiken vergroten. En een vLLM- of SGLang-recept dat niet aan één commit is vastgezet, zou je vertellen dat de leverancier bedoelt dat dit geserveerd wordt in plaats van gedemonstreerd.

Tot die tijd is de nauwkeurige beschrijving onglamoureus en concreet: 8,87 miljard parameters, grotendeels taalmodel, een geleende Whisper-encoder, een echte gok op Chinese dialecten en hotword-conditionering, gepubliceerd zonder paper, zonder datum, en met grafieken die nog werden bewerkt op de middag dat ze live gingen. Dat is geen reden om het te negeren. Het is een reden om het te testen voordat je het citeert.