Ming-3.0-audio-flash vs InternLumina U2: twee stille schepen, tegenovergesteld papierwerk

Beide modellen werden zonder persbericht gepubliceerd, en daar houdt de overeenkomst ongeveer op. Ming-3.0-audio-flash verscheen op 3 september 2026 op Hugging Face als 259 GB aan gewichten met vrijwel geen documentatie, en kreeg pas op 19 oktober een echte modelkaart. InternLumina-U2 deed het omgekeerde: Shanghai AI Laboratory publiceerde de inferencecode en een projectpagina op 1 september 2026, beloofde de gewichten en leverde ze later in hardware-specifieke mappen. Het ene team bracht eerst het artefact en zes weken later de uitleg. Het andere schreef eerst de uitleg en liet je op het artefact wachten. Geen van beide kondigde iets aan, geen van beide heeft een onafhankelijke benchmark, en geen van beide is een vervanging voor de ander — de een hoort, de ander ziet en tekent. De gedocumenteerde AI-fouten en incidenten met stille releases achter vergelijkingen zoals deze zijn verzameld in de OrcaRouter AI Incident Archive waar elke vermelding zijn eigen bronnen, ernstniveau, betrouwbaarheidsgraad en betwistmarkering bevat.

Daarmee is dit tegelijkertijd een vergelijking van twee dingen: twee verschillende visies op waar een open multimodaal model voor dient, en twee verschillende gewoonten bij het uitbrengen ervan. De tweede helft is nuttiger dan het klinkt, want de papierwinkel bepaalt of je het ding op een dinsdag kunt uitrollen. Alles hieronder komt uit de twee repositories en hun kaarten. Mings cijfers zijn van inclusionAI zelf; die van InternLumina zijn van Shanghai AI Lab, en de eigen kaart ervan noemt ze "voorlopige, gedeeltelijke resultaten." Geen enkele derde partij heeft een van beide beoordeeld.

De twee releaseschema's, naast elkaar

Datums zijn het meest objectieve bewijs dat hier beschikbaar is, dus begin daarmee.

• 1 september 2026, 04:03 UTC — de GitHub-repository InternLM/InternLumina-U2 wordt aangemaakt. Dertien minuten later verschijnt een Hugging Face-repository met dezelfde naam, met daarin een .gitattributes en een README-stub. De release van die dag is code: één stuurscript met een sectie per taak, een README in het Engels en Chinees, en een roadmap.

• 3 september 2026, 11:45 en 11:49 UTC — inclusionAI maakt Ming-3.0-audio-tiny en Ming-3.0-audio-flash aan op Hugging Face. Negen minuten later landen 25 shards in de flash-repository. De README die ermee kwam heette "Ming Audio V3" en beschreef alleen het ASR-pad.

• 13 tot 19 oktober 2026 — de Ming-repositories veranderen vier keer in zeven dagen: een config die de context van 8.192 naar 131.072 verhoogt, een herupload die de video-taalvariant laat vallen, een map met stempresets, en ten slotte de card, de assets en een MIT-herlicentie. inclusionAI/Ming-3.0-audio-flash verschijnt op 15 oktober op GitHub.

• Ergens na 24 september 2026 — internlm/InternLumina-U2 op Hugging Face is geen stub meer en krijgt twee checkpointbomen, ascend/ en nvidia/, elk zeven shards, ongeveer 67,6 GB opslag in totaal, ruwweg 33,8 GB per hardwareboom. De repository is voor het laatst gewijzigd op 24 september. Geen herschreven modelkaart, geen benchmarktabel met cijfers erin, geen technisch rapport.

Het patroon is omgekeerd, en de praktische consequentie is dat ook. De gewichten van Ming zijn sinds begin september draaibaar voor iedereen die bereid was een configuratiebestand te lezen; de documentatie ervan bestond niet. De documentatie van InternLumina bestond vanaf dag één; de gewichten niet, en toen ze er kwamen, kwamen ze zonder de vergelijkingstabellen die de modelkaart beloofde.

Waarvoor elk model daadwerkelijk is gebouwd

Ming-3.0-audio-flash is een native audio-taal mixture-of-experts: 126 miljard parameters in totaal, 6,5 miljard actief per inferentiestap, een audio-encoder en projector die een 42-laagse backbone voeden met 512 experts en 8 actief per token, een vocabulaire van 157.184 tokens, en een audiotoren in Whisper-stijl met 32 lagen en breedte 1.280 met 128 mel-bins. Invoer is audio plus tekstinstructies. Uitvoer is tekst, of tekst plus gesynthetiseerde spraak via een optionele Talker-module met ingebouwde Chinese stemmen en twee referentieclips in de repository. De opgegeven context is 128K, en het servingprofiel van de kaart is acht 80 GB H800's in tensor-parallel.

InternLumina-U2 is een sparse mixture-of-experts-model met 16 miljard parameters en 1 miljard actieve parameters, gebouwd als een diffusietaal.pmdodel in plaats van een autoregressief model — het verfijnt een hele sequentie parallel in plaats van tokens van links naar rechts te genereren. De visuele representatie is volledig discreet: acht codebooks met visuele tokens van Apples AToken-tokenizer, samengevoegd tot één backbone-token per positie aan de invoerkant en codebook voor codebook voorspeld aan de uitvoerkant. Het doel van dat ontwerp is unificatie: tekstvraagbeantwoording, beeldbegrip, beeldbewerking, tekst-naar-beeldgeneratie, videobegrip en 3D-begrip lopen allemaal via hetzelfde vocabulaire en dezelfde gewichten, op een LLaDA-2.0-diffusiebackbone.

Lees de twee beschrijvingen samen en de vergelijking komt neer op één zin. Ming-3.0-audio-flash is een specialist die zeer groot is en één modaliteit diepgaand doet. InternLumina-U2 is een generalist die qua totale parameters klein is en probeert vijf dingen naar behoren te doen. Geen van beide ontwerpen is een compromis van het andere; het zijn antwoorden op verschillende vragen.

Elk ervan omzetten in tokens, dat is het echte verschil.

Als je alleen naar de parameteraantallen kijkt, zou je concluderen dat Ming acht keer zo groot is als het model. Die lezing is in beide richtingen onjuist, en de reden daarvoor is de interface die elk van beide blootlegt.

• Invoer — Ming-3.0-audio-flash: audio en tekst. InternLumina-U2: tekst, afbeeldingen, videoframes en 3D-assets.

• Uitvoer — Ming-3.0-audio-flash: tekst, optioneel spraak. InternLumina-U2: tekst, afbeeldingen, bewerkte afbeeldingen; geen audio, geen video, geen 3D-generatie.

• Decodering — Ming-3.0-audio-flash: autoregressief over een vocabulaire van 157.184 tokens. InternLumina-U2: blokdiffusie over een discrete visuele vocabulaire met meerdere codeboeken.

• Totaal versus actieve parameters — Ming-3.0-audio-flash: 126B totaal, 6,5B actief. InternLumina-U2: 16B totaal, 1B actief.

• Gewichten op schijf — Ming-3.0-audio-flash: ongeveer 259 GB verdeeld over 25 shards plus een Talker en VAE. InternLumina-U2: 67,6 GB in de repository, opgesplitst in twee hardwarebomen van zeven shards en ongeveer 33,8 GB elk.

• Licentie — beide in de geest nauw verwant aan MIT, maar feitelijk verschillend: Ming-3.0-audio-flash is MIT volgens de modelkaart, InternLumina-U2 is Apache-2.0 volgens de repository en modelkaart.

• Onafhankelijke evaluatie — geen van beide.

Hardware, dat is waar de twee het sterkst uiteenlopen.

De meest interessante technische claim van InternLumina-U2 is niet de architectuur; het is het backendverhaal. De repository levert zowel een Ascend-tree als een NVIDIA-tree, waarbij het lab stelt dat training, evaluatie en inferentie zijn aangepast aan zowel Huawei NPU's als NVIDIA GPU's, met numerieke afstemming op operatorniveau tussen beide. Voor iedereen wiens inkoop via niet-NVIDIA-versnellers verloopt, is dat een echte onderscheidende factor, en het is controleerbaar in de bestandsstructuur: twee volledige checkpointmappen, elk met een eigen config, tokenizer en parallelplan.

Ming-3.0-audio-flash heeft zo'n verhaal niet. Het referentieprofiel is acht H800's van 80 GB; het gevalideerde alternatief is een SGLang-profiel met vier GPU's dat alleen tekst retourneert. Er is geen NPU-pad in de repository, en het kleine zusje met 9,3B totaal en 2,7B actief is het antwoord voor iedereen die geen node kan inzetten.

Beide modellen zijn, in de hedendaagse zin, deploymentprojecten in plaats van pip-installaties. InternLumina's eigen materialen maken expliciet duidelijk dat het generatiepad niet standaard is: de block-diffusion generate-API is niet de Transformers generate-interface, de AToken-tokenizer vereist FlashAttention, en de 3D-pipeline verwacht dat Blender 4.5 GLB-assets naar views rendert voordat tokenisatie plaatsvindt. Ming's pad is conventioneler — AutoProcessor plus AutoModelForCausalLM met trust_remote_code=True — maar de geheugenondergrens is acht keer hoger.

Wat de leverancierscijfers zeggen, en wat ze niet kunnen zeggen

Geen van beide tabellen kan met de andere worden vergeleken, want de twee modellen delen geen enkele benchmark. Dat is geen ontwijking; het is de eerlijke vorm van het bewijs.

Op de evaluatieafbeeldingen van inclusionAI rapporteert Ming-3.0-audio-flash een gemiddeld Chinees ASR-foutpercentage van 3,45, een gemiddelde van 3,69 voor Engels, een dialectgemiddelde van 9,40, MMAR 74,40 en BigBenchAudio 99,40. Dezelfde afbeeldingen laten zien waar het verliest: een AMI-diarisatiefout van 25,29 tegenover 11,16 voor MiMo-V2.6 Pro, en een Chain-score voor lange audio van 12,31 tegenover 34,54 voor Qwen3.8-Omni Flash. De tekstbenchmarks zijn het zwakste onderdeel van de kaart — GPQA Diamond 82,45, MMLU-Pro 80,00, IFBench 59,00 — dat is hoe een 6,5B-actieve audiospecialist eruitziet wanneer die in proza moet redeneren.

De modelkaart van InternLumina-U2 meldt ChartQA 86,52, CharXiv-DQ 83,65, MathVision 33,22, HallusionBench 62,15, VideoMME 51,26, MVBench 59,74, 3D MM-Vet 41,8, DPG-Bench 87,10 en GenEval 0,81 — en ondermijnt daarmee zichzelf, want de eigen tabel op de projectpagina toont LLaDA2.0-Uni met GenEval 0,89, beter dan het model dat beweert het te overtreffen. Het meest opvallende voorbehoud op de kaart, "Voorlopige, gedeeltelijke resultaten. Volledige vergelijkingstabellen verschijnen in het komende technische rapport," geldt vandaag nog steeds. Er is geen technisch rapport.

Samen gelezen beschrijven de twee reeksen getallen complementaire sterke punten en één gedeelde zwakte: geen van beide is gereproduceerd door iemand buiten het lab dat het heeft getraind.

Welke, voor welke lezer

Als je product spraak omvat — vergadertranscriptie met dialectdekking, callcenter-audio, gesproken antwoorden, dubbing — dan is Ming-3.0-audio-flash de enige van de twee die van toepassing is, en eerlijk gezegd het enige open-weightmodel in zijn klasse met gepubliceerde dialectcijfers die zo specifiek zijn. Reken op een node, of begin met het kleine zusje en accepteer de zwakkere scores voor lange audio.

Als je product met afbeeldingen te maken heeft — documenten lezen, chart-QA, bewerken, beschrijving van 3D-assets, of één model dat zowel leest als tekent — is InternLumina-U2 de enige die in aanmerking komt, en de Ascend-tree is een echte reden om ernaar te kijken als je geen NVIDIA koopt. Reken erop dat je met de tokenizer moet worstelen.

Als je beide nodig hebt, draai je twee modellen, en dan wordt de interessante vraag operationeel: twee checkpoints, twee toolchains, twee sets licentievoorwaarden, één multimodaal product. Dat is de normale gang van zaken bij werk met open gewichten eind 2026, en dat is de reden dat routing bestaat.

De routeringslaag, in enge zin geformuleerd

OrcaRouter levert geen van beide checkpoints. Ming-3.0-audio-flash en InternLumina-U2 zijn beide open-weight modellen die je zelf draait; geen van beide staat in onze catalogus en geen van beide zal voorkomen in een aanroep naar onze API. Wat we wel bieden, is het omringende tekstwerk: de prompt die een instructie voor beeldbewerking inkadert, de samenvatter die een Ming-transcriptie omzet in gestructureerde notities, en de classifier die beslist naar welk van de twee modellen een inkomend asset moet gaan.

Dat laatste stuk is het vermelden waard. Een pipeline die zowel spraak als beeld aankan, komt uit op een routeringsbeslissing — audio gaat naar de Ming-node, afbeeldingen naar de InternLumina-node — en die beslissing is een modelaanroep zoals elke andere. Door die achter één API voor meer dan 200 modellen met 0% opslag te plaatsen, waar de lijstprijs van de provider rechtstreeks wordt doorgegeven, blijft de dispatcher op dezelfde sleutel als al het overige.Automatische failover is hier ook belangrijk, niet voor de zelfgehoste checkpoints maar voor de classificatiestap die ze voedt: als het model van de router degradeert, moet de fallback een ander model zijn, niet een kapotte pipeline.

Niets daarvan maakt van een checkpoint van 259 GB een gehoste service, en het zou misleidend zijn om anders te suggereren.

Wat nu te kijken

Voor Ming-3.0-audio-flash ontbreken een licentiebestand in de repository (MIT staat momenteel in de metadata van de modelkaart) en een serving-integratie voor het audio-taalpad; vLLM-Omni ondersteunt de vorige Ming-generatie en heeft een open pull request voor het 7.9B-TTS-model, maar er is niets gemerged voor de 126B-reader. Voor InternLumina-U2 ontbreken het technische rapport en de volledige tabellen die het belooft; tot die tijd is de GenEval-rij tegen LLaDA2.0-Uni de enige cross-modelvergelijking die iedereen kan controleren, en die valt niet in het voordeel van het nieuwere model uit.

Wat beide releases gemeen hebben, is nuttiger dan elk van de hiaten afzonderlijk. Twee competente labs publiceerden substantiële open-weight multimodale modellen en vertelden het aan niemand. Dat is geen teken dat de modellen slecht zijn — het is een teken dat de releaseaankondiging optioneel is geworden, en dat de repository nu de primaire bron is. Lees die.