Ming-3.0-audio-flash vs Gemini 3.8 Live: open gewichten, acht GPU's en een rekening die je daadwerkelijk kunt berekenen

Een uur continue audio naar Gemini 3.8 Live kost $0,30 tegen de gepubliceerde lijstprijs van Google. Een uur audio als uitvoer kost $1,08. Een tweerichtingssessie met spraak, waarbij beide richtingen het volledige uur actief zijn, kost $1,38. Ming-3.0-audio-flash heeft helemaal geen prijs per minuut, omdat er geen endpoint te koop is: het is een mixture-of-experts-checkpoint met 126 miljard parameters onder de MIT-licentie, en de kosten zijn wat acht H800's je per uur kosten. Dat is de hele vergelijking in twee zinnen, en bijna elk ander verschil tussen deze twee systemen volgt daaruit. De gedocumenteerde AI-fouten en incidenten met agents achter releases zoals deze zijn verzameld in het OrcaRouter AI Incident Archive waarbij elke vermelding haar eigen bronnen, ernst, betrouwbaarheidsgraad en betwistmarkering bevat.

De datering is van belang, want dit is geen lancering. inclusionAI zette de gewichten van Ming-3.0-audio-flash op 3 september 2026 op Hugging Face en zei er niets over. Zes weken lang was de repository in feite een map met shards: geen servingcode, geen voorbeelden, geen bruikbare modelkaart. De GitHub-repository werd aangemaakt op 15 oktober, de vLLM-Omni- en SGLang-profielen, de stemvoorinstellingen en een herschreven modelkaart verschenen tussen 15 en 19 oktober, en op het moment van schrijven toont de Hugging Face-vermelding 22 downloads. G​emini 3.8 Live daarentegen is een stabiel, algemeen beschikbaar Live API-model dat G​oogle beschrijft als de standaard voor spraakagenten met lage latentie. Een van deze is een product dat je vanmiddag kunt aanroepen. De andere werd deze week draaibaar en heeft nog altijd geen operator.

Wat de twee systemen eigenlijk zijn

G​emini 3.8 Live is een gehost streamingmodel achter de Live API. De API accepteert ruwe 16-bit pcm-audio van 16 kHz, afbeeldingen met maximaal één frame per seconde, en tekst, en retourneert ruwe 24 kHz pcm-audio. Volgens de documentatie van G​oogle's Live API bedraagt de taaldekking 70 talen. Je opent een sessie, streamt en krijgt audio terug; er is geen checkpoint, geen GPU-reservering en geen licentie om te lezen.

Ming-3.0-audio-flash is een audio-taalmodel in meer letterlijke zin. Een audio-encoder en projector voeden een taalbackbone met mixture-of-experts, en een optionele Talker zet de tekstuitvoer van het model om in spraak. De invoer bestaat uit audio plus een tekstinstructie. De uitvoer is tekst, of tekst met gesynthetiseerde spraak. De modelkaart vermeldt Chinees en Engels als primaire talen, "inclusief diverse accenten en dialecten." De licentie is MIT.

• Parameters — Ming: 126B totaal, 6,5B geactiveerd per inferentiestap (de Hugging Face-zijbalk vermeldt afzonderlijk 128B, een discrepantie die de kaart niet verklaart). G​emini 3.8 Live: niet bekendgemaakt.

• Talen — Ming: Chinees en Engels. G​emini 3.8 Live: 70 talen volgens de Live API-documentatie.

• Invoer — Ming: audio en een tekstinstructie. Gemini 3.8 Live: audio, afbeeldingen, tekst.

• Uitvoer — Ming: tekst, eventueel spraak. G​emini 3.8 Live: audio, en tekst via dezelfde sessie.

• Licentie — Ming: MIT op gewichten en code. Gemini 3.8 Live: een commerciële API-overeenkomst.

• Prijs — Ming: geen tariefkaart; u betaalt voor GPU's. Gemini 3.8 Live: $3,00 per miljoen audio-invoertokens of $0,005 per minuut; $12,00 per miljoen audio-uitvoertokens of $0,018 per minuut; tekst tegen $0,75 voor invoer en $4,50 voor uitvoer per miljoen.

De berekening van audio-uren, correct uitgevoerd

De cijfers per minuut hierboven zijn de cijfers die je je eigen moet maken, en het zijn ook de cijfers waarin de meeste vergelijkingen de fout ingaan door tokenprijzen te citeren voor een lezer die geen idee heeft hoeveel tokens een minuut spraak verbruikt. Gebruik in plaats daarvan de tarieven per minuut, want G​oogle publiceert die rechtstreeks.

• Alleen luisteren, één uur — 60 minuten à $0,005 is $0,30.

• Alleen spreken, één uur — 60 minuten tegen $0,018 is $1,08.

• Een volledig uur in twee richtingen — $1,38, vóór eventuele teksttokens of tool-aanroepen.

• Duizend tweerichtingsuren — $1,380.

Nu hetzelfde uur op Ming-3.0-audio-flash. Het referentie-servingprofiel voor de volledige 128K-context met spraakuitvoer is tensorparallellisme over acht H800-GPU's van 80 GB, volgens de eigen deploymentnotities van de repository. Vier GPU's draaien een gevalideerd SGLang-profiel, maar dat profiel is alleen tekstuitvoer. De eerlijke self-hosted vergelijking is dus acht GPU's tegen een sessie met verbruiksafrekening. Bij een hypothetische $2 per GPU-uur kost één uur capaciteit $16 — en dat is voor de hele GPU, die je over gelijktijdige verzoeken kunt amortiseren in plaats van over één gesprek. Bij tien gelijktijdige streams zakken de kosten per gesprek onder $1,60 per uur; bij honderd onder $0,16. Dat is rekenwerk, geen metingen, en het negeert bezettingsgraad, batchingefficiëntie en het feit dat een 126B-model met 6,5B actieve parameters acht H800's niet zal verzadigen bij korte audioclips.

De omslag is echt, maar niet waar mensen denken. Onder ruwweg twaalf gelijktijdige gesprekken is G​emini 3.8 Live goedkoper dan het huren van acht H800's en veel goedkoper dan ze kopen. Daarboven, en ervan uitgaande dat je de batch vol kunt houden, wint de open checkpoint op ruwe computekosten — wat het hele economische argument voor open weights is, en de reden dat de acht-GPU-vereiste het getal is om te onthouden in plaats van het parameteraantal.

Wat "audio understanding" aan elke kant betekent

G​emini 3.8 Live is gebouwd voor gesprekken. Het heeft als taak u te horen, snel te antwoorden en de beurtwisseling te regelen. De modellijst van G​oogle positioneert het als het standaard Live-model "voor de meeste voice-agentervaringen met lage latentie zonder reasoning-vertragingen", wat een uitspraak is over het latentiebudget, niet over de diepgang van audioanalyse.

Ming-3.0-audio-flash is op een andere taak gericht. De vijf hoogtepunten op de kaart zijn complexe spraakherkenning over dialecten, accenten, ruis en opnamen met meerdere sprekers; begrip van lange audio; perceptie van niet-spraakgeluid, akoestische scènes en muziek; redeneren over audio-inhoud; en gesproken interactie met optionele gesynthetiseerde antwoorden. Dat is een lijst voor transcriptie en analyse met een chatmodus eraan vastgeschroefd, geen lijst voor een spraakagent.

De praktische consequentie: als je product een telefoonagent is die binnen 400 milliseconden moet reageren, is Gemini 3.8 Live de vorm van het ding en Ming-3.0-audio-flash niet, ongeacht de benchmarkscores. Als je product "een earningscall van 90 minuten verwerken, mij vertellen wie wat zei, en het moment markeren waarop de toon van de CFO veranderde" is, dan beschrijft de Ming-kaart jouw taak en de Live API een andere.

Het benchmarkprobleem dat niemand heeft opgelost

Ming-3.0-audio-flash levert drie benchmarkpanelen in zijn repository: spraakherkenning, audio-intelligentie en tekst. Alle waarden zijn percentages; hoger is beter, tenzij gemarkeerd met een pijl omlaag, en resultaten gemarkeerd met een asterisk zijn de eigen evaluatie van het team. De repository voegt een opmerking toe dat de resultaten van vergelijkingsmodellen zijn gereproduceerd onder inclusionAI's eigen evaluatieopzet en kunnen afwijken van de officiële rapporten van die modellen vanwege prompts, decoderingsinstellingen, modelversies en pipelines.

Die opmerking is ongewoon openhartig, en dat betekent ook dat de grafieken niet kunnen worden gebruikt om Ming ten opzichte van Gemini 3.8 Live te rangschikken. De cijfers staan in afbeeldingen, niet in de README-tekst, en Google publiceert geen vergelijkbare suite voor audiobegrip voor 3.8 Live. Er is geen leaderboard van derden dat beide heeft beoordeeld. Iedereen die je een staafdiagram laat zien met deze twee modellen naast elkaar, heeft dat samengesteld uit leveranciersclaims op de ene as en niets op de andere.

De enige eerlijke uitspraak die vandaag beschikbaar is: Ming-3.0-audio-flash heeft door de leverancier uitgevoerde cijfers en geen onafhankelijke, G​emini 3.8 Live heeft een bewezen staat van dienst in productie en geen gepubliceerde benchmark voor audio-reasoning. Dat is een gelijkspel in de enige categorie die ertoe doet voor een aankoopbeslissing, namelijk bewijs.

Waar OrcaRouter past, en waar niet

Ming-3.0-audio-flash staat niet op ons platform. We gaan niet doen alsof dat anders is: als je het wilt draaien, kloon je de repository, installeer je de vLLM-Omni- of SGLang-branch die erin wordt genoemd, en zorg je voor de GPU's. Waar een router in deze vergelijking goed voor is, is de andere kant van de beslissing — het deel waarin je al hebt besloten dat een gehost audiomodel je liveverkeer afhandelt, en de vraag wordt welk gehost model, tegen welke prijs, met welke fallback als een sessie mislukt. Dat is een routeringsprobleem over meer dan 200 modellen achter één sleutel, tegen de lijstprijs van de provider zonder extra marge, zodat een prijswijziging van een leverancier je dezelfde dag bereikt in plaats van pas bij de volgende contractverlenging.

Voor een team dat test of een open audiocheckpoint productieverkeer verdient, is het nuttige patroon om het gehoste pad als fallback aan te houden en het volume geleidelijk naar zelf gehoste Ming te verplaatsen. Automatische failover is wat die migratie omkeerbaar maakt in plaats van een gok.

Kiezen

Kies G​emini 3.8 Live als je dit kwartaal een spraakagent in productie nodig hebt, meer dan twee talen nodig hebt, afbeeldingen in dezelfde stream nodig hebt, of minder dan een dozijn gelijktijdige gesprekken verwacht. De rekening per minuut is klein, het operationele oppervlak is nul, en het model is stabiel en gedocumenteerd.

Kies Ming-3.0-audio-flash als je de gewichten in eigendom wilt hebben, on-premises of in een air-gapped omgeving wilt draaien, MIT-voorwaarden nodig hebt, voornamelijk in het Chinees en Engels werkt en acht H800's hebt of een scheduler die ze je kan geven. Verwacht dat je je eigen evaluatie moet doen, want niemand heeft dat voor je gedaan. Verwacht dat de toolchain enkele dagen oud is, want dat is hij. En verwacht dat de modelkaart onder je blijft veranderen: de laatste commit was de dag dat dit werd geschreven.

Er is een derde geval, en dat is het grootste. Als u nog niet weet tot welke van die twee u behoort, bent u nog niet klaar om te kiezen tussen een API met verbruikstarief en een implementatie met acht GPU's. Laat eerst honderd uur van uw eigen audio door een gehost model lopen, meet welke nauwkeurigheid u feitelijk nodig hebt en laat dat aantal bepalen of het open checkpoint het rack waard is.

Wat te kijken

Wat deze vergelijking zou veranderen, is geen benchmark. Het is een operator. Zodra een servingprovider Ming-3.0-audio-flash achter een OpenAI-compatibel endpoint plaatst met een prijs per uur, is het acht-GPU-argument niet langer het probleem van de lezer en krijgt het uur van $1,38 een concurrent. Tot die tijd is de eerlijke samenvatting dat G​oogle een minuut verkoopt en inclusionAI een machine weggeeft, en dat de twee alleen vergelijkbaar zijn als je de machine al bezit.