Ming-3.0-audio-flash vs Qwen3.8-Omni-Flash: De eigen tabel van de leverancier heeft al een winnaar aangewezen

Er is een vergelijkingstabel die het grootste deel van deze discussie beslecht, en die is gepubliceerd door een van de twee leveranciers. Op inclusionAI's eigen evaluatieafbeeldingen voor Ming-3.0-audio-flash, de referentiekolom is Qwen3.8-Omni-Flash — Alibaba's gesloten omni-model, sinds 18 september 2026 open voor API-klanten — en de resultaten vallen in beide richtingen. Ming wint de dialectrijen met ruime marge en verliest de rijen voor reasoning met lange audio met bijna een factor drie. Dat is ongewoon nuttig, want het betekent dat de vraag niet is "welk model is beter" maar "welke van deze twee faalmodi kan je workload verdragen." Ming-3.0-audio-flash is inclusionAI's audio-taal-checkpoint met in totaal 126B en 6,5B actief, geüpload op 3 september 2026 en gedocumenteerd op 19 oktober; Qwen3.8-Omni-Flash is een gehost model dat alleen tekst uitvoert, met een context van één miljoen tokens en geen gewichten. De ene bezit je, de andere huur je, en hun gepubliceerde sterke punten overlappen elkaar nauwelijks. De gedocumenteerde AI-fouten en geschillen over leveranciersbenchmarks achter vergelijkingen zoals deze zijn verzameld in het OrcaRouter AI Incident Archive waar elke vermelding eigen bronnen, ernst, betrouwbaarheidsgraad en een betwist-markering bevat.

Twee manieren om een uur audio te lezen

Beide modellen accepteren audio en tekst en geven tekst terug. Die uitspraak klopt voor beide en is tegelijk misleidend over beide, omdat de schaal waarop ze opereren volledig verschilt.

Qwen3.8-Omni-Flash accepteert tekst, afbeeldingen, audio en video, verwerkt tot een uur continu audio-video binnen één aanroep, heeft een context van een miljoen tokens (maximale invoer ongeveer 991K, uitvoer tot 131K met een redeneerbudget van 262K) en antwoordt alleen in tekst. Alibaba zette de lancering neer als een rekening, niet als een score: 98% goedkoper per uur audio-invoer dan Qwen3.5-Omni-Plus, 93% goedkoper per uur audio-video, waarbij de uurtarieven zijn afgeleid door een steekproef van twee minuten te prijzen en met dertig te vermenigvuldigen, met video bemonsterd op 720p en één frame per seconde. Internationale prijzen zijn $0,15 per miljoen invoertokens, $0,016 voor gecachte tokens en $0,47 voor uitvoer.

Ming-3.0-audio-flash accepteert audio en tekst als invoer, geeft tekst of tekst plus spraak terug via een optionele Talker, en heeft een contextvenster van 128K — een waarde die zijn configuratie pas op 13 oktober vermeldde, toen een commit met één bestand max_position_embeddings van 8.192 naar 131.072 verhoogde. Het referentieprofiel voor serving is tensorparallellisme over acht H800's van 80 GB en de download is ongeveer 259 GB. Er is geen prijs per token omdat er geen endpoint is.

Dus Qwens eenheid is de call; Mings eenheid is de node. Dat is de eerste beslissing en die bepaalt meestal de rest.

Wat de eigen tabel van inclusionAI rij voor rij zegt

Elk cijfer in deze sectie is afkomstig van de drie PNG's in de map assets/ van de Ming-repository — de eigen run van inclusionAI, op zijn eigen harness, met asterisken die de rijen markeren die het zelf heeft geëvalueerd. Niets ervan is gereproduceerd. Lees het als een leverancier die zichzelf in het openbaar beschrijft, wat meer is dan de meeste leveranciers doen.

Chinees ASR-gemiddelde — Ming 3,45 foutpercentage tegenover Qwen3.8-Omni-Flash 3,54 en Gemini 3.8 Flash 9,83. Een nipte overwinning.

• Gemiddelde voor Engelse ASR — 3,69 tegen 4,02 en 5,05. Ook smal.

• Dialectgemiddelde — 9,40 tegen 11,58. Groter, en het is de belangrijkste claim: Kantonees 4,09 tegen 4,76, Shanghainees 11,15 tegen 21,10, Hunan 8,76 tegen 17,11, Hokkien 12,84 tegen 26,32.

• Hubei — 9,46 tegen 7,75. Q​wen wint deze rij en inclusionAI heeft het toch afgedrukt, wat de belangrijkste reden is om de rest van de tabel te vertrouwen.

• Sprekersdiarisatie, AISHELL-4 — Ming 8,58 diarisatiefoutpercentage tegenover Q​wen 2,80. Op AMI 25,29 voor Ming tegenover 11,16 voor MiMo-V2.6 Pro.

• Long-audio Chain-score — Ming 12,31 tegenover Qwen 34,54, Qwen-denkknop 48,70 en Gemini 3.8 Flash 49,63. Dit is de viervoudige kloof, en die zit op een metriek die de leverancier zelf koos te publiceren.

• LongAudioSpan — 41,12 tegen 66,40. MMAR — 74,40 tegen 77,70. MMSU — 78,82 tegen 82,10.

• Kopregels voor audio-reasoning — Ming scoort 99,40 op BigBenchAudio en 82,00 op MMAU; tool calling op BFCL-v3 Audio is 81,40 tegenover 86,68 voor Gemini 3.8 Flash.

Het patroon is niet willekeurig. Ming is het sterkst wanneer de taak is "wat er precies gezegd is, inclusief het accent", en het zwakst wanneer de taak is "een lange opname in gedachten houden en erover redeneren." Q​wen is het omgekeerde: een contextvenster van een miljoen tokens en een redeneerbudget zijn precies de machinerie voor de tweede taak, en niets in het lanceringsmateriaal suggereert afstemming per dialect.

De dialectbewering is de hele zaak, en ze is beperkter dan ze klinkt.

Als je één ding uit de leverancierstabel meeneemt, neem dan dit: het verschil dat standhoudt bij nadere beschouwing betreft dialectische en accentrijke Chinese spraakherkenning, niet algemene audio-intelligentie. Shanghainees op 11,15 tegen 21,10 is ongeveer de helft van het foutpercentage. Hunan op 8,76 tegen 17,11 is ongeveer de helft. Hokkien op 12,84 tegen 26,32 is ongeveer de helft. Dat zijn grote, consistente verschillen over vijf dialectrijen, en dat is het soort resultaat dat voortkomt uit een trainingsbeslissing in plaats van een benchmarktruc.

De voorbehouden zijn net zo belangrijk als de cijfers. De testsets zijn de eigen selectie van de leverancier; het testharnas is van de leverancier; de referentiewaarden voor Qwen3.8-Omni-Flash zijn geproduceerd door inclusionAI dat het model van Alibaba draaide, niet door Alibaba. Dat een concurrent het model van een rivaal scoort, is gangbare praktijk, en het is ook de opzet die het meest waarschijnlijk per ongeluk een flatterend resultaat oplevert. De enige rij die de andere kant op gaat, Hubei, is het sterkste bewijs dat de tabel niet simpelweg is bewerkt.

En de viervoudige kloof bij lange audio is geen afrondingsfout die je met je ontwerp kunt omzeilen. Als je werklast een earnings call van negentig minuten is en je een samenvatting met kruisverwijzingen nodig hebt, zeggen Mings eigen cijfers dat Qwens denkmodus de betere tool is met een factor vier op de metriek die precies dat meet.

Beschikbaarheid is bepalender dan benchmarks.

Qwen3.8-Omni-Flash heeft maar één thuis: A​libaba's Qianwen-platform en A​libaba Cloud Model Studio, met afzonderlijke internationale en Chinese vasteland-endpoints, afzonderlijke facturering en een afzonderlijke valuta. Het beantwoordt een verzoek in OpenAI-vorm, dus clientcode kan grotendeels worden overgezet, maar het endpoint is niet overdraagbaar en er is geen failover-doel. Er zijn geen gewichten vrijgegeven en er zijn er ook geen aangekondigd. OrcaRouter levert het niet.

Ming-3.0-audio-flash heeft helemaal geen endpoint. Het zijn gewichten onder MIT-licentie met een modelkaart, een GitHub-repository aangemaakt op 15 oktober, deployment-YAML's voor drie profielen, twee voorbeeldclients en een spraakgids van 150 KB. Het vLLM-Omni-project ondersteunt de vorige Ming-generatie en heeft een open pull request voor het 7,9B Ming TTS-model, maar voor dit audio-taal-checkpoint is niets gemerged; de praktische route vandaag is Transformers met trust_remote_code=True, wat prima is voor evaluatie en mager voor een service.

Zet die twee alinea's naast elkaar en de afweging is pijnlijk duidelijk. Q​wen biedt je een productie-endpoint zonder fallback en zonder zichtbaarheid. Ming biedt je een checkpoint met volledige zichtbaarheid en zonder endpoint. Een team met een GPU-node en een compliancevereiste kiest Ming. Een team met een deadline kiest Q​wen en slikt het single-source-risico.

Hoe een middenweg eruitziet

Er is een derde optie die geen van beide leveranciers documenteert, en het is de moeite waard die expliciet te benoemen, want het is wat de meeste teams in de praktijk doen: gebruik het gehoste model voor het werk waar het beter in is en de open weights voor het werk waar zij beter in zijn, in dezelfde pipeline.

Concreet — een supportorganisatie die Mandarijnse gesprekken met dialectsprekers afhandelt. De audio komt binnen, een lichtgewicht classifier beslist of de spraak van de beller standaard of zwaar geaccentueerd is. Standaardaudio gaat naar Qwen3.8-Omni-Flash voor een samenvatting met lange context en redenering over het hele gesprek. Geaccentueerde audio gaat naar Ming-3.0-audio-flash voor transcriptie, en het transcript komt terug in de tekstpijplijn voor samenvatting. Geen van beide modellen ziet de volledige werklast; beide zien het deel dat ze winnen.

Die architectuur kost meer werk dan het kiezen van één leverancier, en het is de enige die de leverancierstabel eerlijk gebruikt, omdat de tabel zelf aangeeft dat de twee modellen bij verschillende invoer falen.

Waar OrcaRouter zich precies bevindt

In dit artikel bieden we geen van beide modellen aan. Qwen3.8-Omni-Flash wordt gehost door A​libaba en staat niet in onze catalogus; Ming-3.0-audio-flash is open weights en staat niet in onze catalogus. Een lezer die zich aanmeldt in de verwachting een van beide te krijgen, zal teleurgesteld zijn, dus we kunnen het beter hier zeggen dan aan het einde van een aanmeldvak.

Wat de classificatie- en samenvattingspijplijn hierboven nodig heeft, is precies wat een router biedt: één sleutel voor de tekstkant van de keten, een routeringsregel die standaardaudio de ene kant op stuurt en audio met accent de andere, en een failoverpad wanneer een provider verslechtert. Eén API voor meer dan 200 modellen tegen 0% markup — de lijstprijs van de provider wordt doorgegeven, zodat een prijsverlaging van een leverancier dezelfde dag aan onze kant live is — is iets kleiners om te beheren dan drie contracten en twee factureringssystemen, en automatische failover is het antwoord op het single-source-risico dat gepaard gaat met elk gehost omni-model. De routerings-DSL is waar een spraakpijplijn met twee takken daadwerkelijk tot uitdrukking komt. Het is geen vervanging voor een checkpoint van 259 GB, en kan dat ook niet zijn.

Voor twee soorten teams

Als je dit kwartaal een product bouwt met audio erin en geen GPU-budget hebt, is Qwen3.8-Omni-Flash het antwoord, met de kanttekening dat je bij één leverancier huurt en je client zo moet schrijven dat het endpoint een configuratiewaarde is in plaats van een constante. Het contextvenster en het redeneerbudget zijn werkelijk groter dan alles wat het open-weight alternatief biedt.

Als je infrastructuur bouwt — een transcriptiedienst, een on-premise compliancepijplijn, alles waarbij een leveranciersendpoint een risico is in plaats van een gemak — dan is Ming-3.0-audio-flash de serieuze open optie, en de dialectcijfers zijn de reden. Begroot een node, begroot een maand integratie, en lees de diarisatierijen voordat je iemand sprekerslabels belooft.

De weinig glamoureuze conclusie is dat de twee modellen minder rivalen zijn dan een arbeidsverdeling die geen van beide leveranciers een stimulans heeft om te beschrijven. inclusionAI publiceerde de tabel die dat laat zien. Dat is meer waard dan een lanceringsbericht.