Ming-3.0-tts-0.5B vs Simba-3.2: Wanneer gratis gewichten meer kosten dan $6.58

De belofte van open weights is dat ze gratis zijn. De rekensom overleeft zelden de eerste GPU-factuur. Ming-3.0-tts-0.5B is Ant Groups MIT-gelicentieerde spraakcheckpoint, te downloaden op 2,96 GB en uitvoerbaar op je eigen hardware. Simba-3.2 is de gehoste stem van SpeechifyAI, vermeld tegen $6,58 per miljoen tekens — het goedkoopste model in de top tien van de Artificial Analysis speech arena. Bij de door de arena gemeten generatiesnelheid van 42,1 tekens per seconde duurt het ongeveer 6,6 uur op één GPU om met Ming een miljoen tekens te produceren. Als die GPU meer dan ongeveer een dollar per uur kost, is het "gratis" model het duurste van de twee. De gedocumenteerde AI-fouten en agent-incidenten achter releases zoals deze zijn verzameld in the OrcaRouter AI Incident Archive waar elk item zijn eigen bronnen, ernstniveau, betrouwbaarheidsgraad en betwist-vlag heeft.

Dat is de hele confrontatie in één regel, maar het is niet het hele verhaal, want de twee modellen concurreren niet om dezelfde taak. De rest van dit stuk gaat over waar de rekensom opgaat, waar ze spaak loopt, en het ene scorebord waarop hun scores statistisch niet van elkaar te onderscheiden zijn.

Twee heel verschillende producten

Ming-3.0-tts-0.5B verscheen zonder aankondiging. inclusionAI van Ant Group publiceerde de gewichten in september 2026 op Hugging Face en de inferentiecode op 19 oktober 2026 op GitHub, onder de MIT-licentie. Het is een dense model op een Qwen2.5-0.5B-backbone met een diffusion-transformer-head, een meegeleverde audiotokenizer en sprekerencoder, 44,1 kHz-uitvoer, zeven talen, Sichuaans en Kantonees, 14 inline paralinguïstische tags, stemklonen vanaf een korte clip en stemontwerp op basis van een tekstbeschrijving. Er is geen gehost endpoint en geen prijs, omdat er niets te beprijzen valt.

Simba-3.2 is het gehoste synthesemodel van SpeechifyAI, uitgebracht op 1 juli 2026, zonder open gewichten en zonder lokale optie. Het is de opvolger van Simba 3.0, dat op 19 februari 2026 verscheen tegen exact hetzelfde tarief van $6.58 — een verbetering van 117 Elo zonder prijsstijging, wat het vermelden waard is omdat het je laat zien hoe deze leverancier concurreert. SpeechifyAI publiceert geen aantal talen voor Simba-3.2 dat wij konden verifiëren, dus beschouw meertalige dekking als onbevestigd in plaats van aan te nemen dat deze overeenkomt met het model erboven of eronder in deze vergelijking.

Het praktische verschil in vorm: het ene is een artefact dat je bedient, het andere is een dienst die je aanroept. Elke onderstaande vergelijking vloeit daaruit voort.

De besturen zijn het oneens met elkaar, en dat meningsverschil is het verhaal.

Artificial Analysis beoordeelt spraakmodellen op twee manieren, en die twee komen hier tot verschillende uitkomsten.

• Provider Voice, waarbij elk model zijn eigen native stemmen gebruikt — Simba-3.2 Elo 1.247 (95%-interval 1.234–1.260) op rang 9 van 98; Ming-3.0-tts-0.5B Elo 1.188 (1.173–1.203) op rang 19. Een gat van 59 punten zonder overlap.

• Gecontroleerde stem, elk model dat dezelfde acht referentiestemmen kloont — {{1}}Simba-3.2 Elo 1.087 (1.074–1.100) op rang 10; Ming-3.0-tts-0.5B Elo 1.069 (1.053–1.085) op rang 14{{/1}}. {{2}}Een verschil van 18 punten waarvan de intervallen overlappen tussen 1.074 en 1.085.{{/2}}

Die tweede regel is de nuttigste meting die iemand over een van beide modellen heeft gepubliceerd. Houd de stem constant en het verschil tussen hen is statistisch niet beslecht. Mings gekloonde stem is op basis van dit bewijs ongeveer net zo goed als die van Simba. Wat hen op het providerboard scheidt, is de stemcast die elke leverancier meelevert: de native stemmen van SpeechifyAI scoren goed, en die van Ant — meer dan 100 Chinese en vijf Engelse — niet, wat overeenkomt met de eigen toegeving in de modelkaart dat sprekersgelijkenis achterblijft bij inhoudsnauwkeurigheid.

De score van Ming voor gecontroleerde stem maakt het ook het eerste onder de open-weightmodellen op die ranglijst, vóór Fish Audio Drama 3 Preview met 1.059 en Breeze TTS 2 met 1.019. De juiste beschrijving is dus niet "Simba klinkt beter." Het is "De standaardstemmen van Simba klinken beter; de engines ontlopen elkaar weinig, en het kloonpad ligt dicht genoeg bij dat de intervallen elkaar raken."

Het break-evenpunt, eerlijk gedaan

De arena meet voor Ming 42,09 tekens per seconde generatietijd en voor Simba-3.2 77,80, beide op hetzelfde onafhankelijke testharnas, één verzoek tegelijk. Dat maakt de vergelijking ongewoon hanteerbaar.

• Een miljoen tekens op Simba-3.2 — $6,58, gefactureerd door SpeechifyAI, geen infrastructuur.

• Een miljoen tekens op Ming bij 42,09 tekens per seconde — 23.758 seconden generatie, of ongeveer 6,6 uur.

• Break-evenprijs voor GPU's — $6,58 gedeeld door 6,6 uur is ongeveer $1,00 per GPU-uur aan generatie.

Nu de kanttekeningen, want dit getal is gemakkelijk te misbruiken. De release van Ming is getest op een H800-80GB en een H20-96G en vereist PyTorch 2.6 met CUDA 12.4; dat zijn geen GPU's van een dollar per uur, en de hardware van de harness van de arena is niet gepubliceerd. De 6,6 uur is exclusief laadtijd van het model, mislukte generaties, wachttijd in de wachtrij en de engineeringuren om de omgeving vast te zetten en tekstnormalisatie aan de praat te krijgen. Tel die erbij op en het effectieve tarief stijgt. Als je al over onbenutte capaciteit beschikt, liggen de marginale kosten bijna op nul en slaat de rekensom volledig uit in het voordeel van Ming; als je per uur huurt voor alleen deze workload, is Simba goedkoper bij vrijwel elk actueel cloud-GPU-tarief.

De eerlijke manier om het in een gesprek over financiën te stellen, is dat Simba's $6,58 een plafond is waar je je budget op kunt baseren, en dat de kosten van Ming een ondergrens zijn die groeien met alles wat misgaat.

Wat geld niet koopt

Op prijs wint het gehoste model. Op capaciteiten blijft het open model achter, en de verschillen zijn specifiek.

• Stemontwerp — Ming genereert een stem op basis van een beschrijving in natuurlijke taal, zonder referentie-audio. Simba-3.2 heeft geen equivalent dat we konden documenteren. Als je product een stem nodig heeft die nog niet bestaat, is dit alleen al doorslaggevend.

• Dialecten — Ming verwerkt Sichuanees en Kantonees op basis van een referentieclip in het dialect. SpeechifyAI publiceert geen dialectenlijst voor Simba-3.2.

• Paralinguïstiek — Ming levert 14 inline-tags voor lachen, zuchten, hoesten en aarzeling in het Chinees of Engels. De tagwoordenschat van Simba is niet gedocumenteerd in een vorm die wij konden verifiëren.

• Portabiliteit — MIT-gewichten betekenen geen tariefwijziging, geen deprecatieaankondiging, geen storing bij de leverancier. Ze betekenen ook geen ondersteuning, geen SLA en niemand om te bellen.

• Operationeel risico — Simba wordt gehost, wat een feature is totdat het een incident wordt; Ming wordt niet gehost, wat een feature is totdat de persoon die de omgeving heeft opgezet vertrekt.

De modelkaart is alleen al de moeite waard om de beperkingen, want ze zijn ongewoon openhartig: paralinguïstische zinnen met meerdere gebeurtenissen zijn instabiel, emotiebeheersing verslechtert wanneer de woorden geen emotioneel signaal dragen, de Franse gelijkenis is de zwakste taal, en open-ended stemontwerp haalt het niet bij het sterkste systeem waarmee het is geëvalueerd. Dat zijn precies de faalmodi die een demo niet laat zien en een productiepijplijn in week drie ontdekt.

Waar de routeringslaag wel en niet past

OrcaRouter host Ming-3.0-tts-0.5B of Simba-3.2 niet, en dit artikel beweert dat ook niet — Ming draait op jouw hardware, Simba via de API van SpeechifyAI. De plek waar één sleutel echt helpt, is rondom de stem in plaats van erin: het tekstmodel dat het script schrijft, afkortingen uitschrijft of de emotie tagt, is het onderdeel van een spraakpijplijn dat het vaakst verandert, en we routeren meer dan 200 daarvan tegen de lijstprijs van de provider, zonder opslag. Wanneer een provider een prijs verlaagt, is die verlaging dezelfde dag bij ons live, omdat we de lijstprijs doorgeven in plaats van deze opnieuw te beprijzen. Automatische failover houdt dan de helft van de pijplijn die het script genereert draaiende, terwijl je beslist of de stemhelft een download of een factuur moet zijn.

Dat is een beperktere bewering dan "één API voor alles", en het is de enige die standhoudt wanneer een lezer de catalogus controleert.

Het verdict, opgesplitst naar workload

Kies Simba-3.2 als de stem een onderdeel van een product is in plaats van het product zelf, als je een native stem wilt die af klinkt zonder een cast te hoeven auditieën, als je volume bescheiden genoeg is dat $6.58 per miljoen tekens wegvalt in de unit economics, of als je niemand hebt die een CUDA-omgeving wil beheren. De overlap met gecontroleerde stemmen is je geruststelling dat je geen grote kwaliteitspremie betaalt voor het gemak.

Kies Ming-3.0-tts-0.5B als je een stem nodig hebt die in niemand catalogus bestaat, als je publiek in de eerste plaats Chinees is en dialectdekking belangrijk is, als je volume hoog genoeg is en je GPU's genoeg stil staan dat de per-tekenmeter de dure optie is, of als licentievoorwaarden en dataresidentie niet onderhandelbaar zijn. Ga er met de wetenschap in dat je een niet-aangekondigde research release adopteert zonder supportverplichting en met een gedocumenteerde lijst van zwakke plekken, geen product.

En als je echt onzeker bent, is het goedkope experiment om beide op honderd zinnen van je eigen tekst te draaien met dezelfde acht referentiestemmen en blind te luisteren. Dat is ongeveer het protocol dat de controlled-voice-board gebruikt, het kost een middag, en op basis van het gepubliceerde bewijs is het resultaat dichtbij genoeg dat je content — niet het leaderboard — erover beslist.