Ming-3.0-audio-flash kontra Gemini 3.8 Live: otwarte wagi, osiem GPU i rachunek, który naprawdę da się policzyć

Godzina ciągłego audio wprowadzanego do G​emini 3.8 Live kosztuje 0,30 USD według opublikowanego cennika G​oogle. Godzina audio wyprowadzanego kosztuje 1,08 USD. Dwukierunkowa sesja głosowa, w której oba kierunki działają przez pełną godzinę, kosztuje 1,38 USD. Ming-3.0-audio-flash nie ma w ogóle ceny za minutę, ponieważ nie ma punktu końcowego do kupienia: to checkpoint mixture-of-experts z 126 miliardami parametrów na licencji MIT, a jego koszt to tyle, ile zapłacisz za osiem H800 na godzinę. To całe porównanie w dwóch zdaniach i niemal każda inna różnica między tymi dwoma systemami z niego wynika. Udokumentowane awarie AI i incydenty z agentami, które stały za premierami takimi jak ta, są gromadzone w OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, poziom istotności, stopień pewności i flagę sporności.

Data ma znaczenie, ponieważ to nie jest premiera. inclusionAI umieścił wagi Ming-3.0-audio-flash na Hugging Face 3 września 2026 r. i nie powiedział o tym ani słowa. Przez sześć tygodni repozytorium było w praktyce folderem shardów: brak kodu serwującego, brak przykładów, brak użytecznej karty modelu. Repozytorium GitHub utworzono 15 października, profile vLLM-Omni i SGLang, presety głosu oraz przepisana karta modelu pojawiły się między 15 a 19 października, a w chwili pisania tego tekstu wpis na Hugging Face pokazuje 22 pobrania. G​emini 3.8 Live natomiast to stabilny, ogólnie dostępny model Live API, który G​oogle opisuje jako domyślny dla agentów głosowych o niskich opóźnieniach. Jeden z nich to produkt, który możesz wywołać jeszcze dziś po południu. Drugi stał się możliwy do uruchomienia w tym tygodniu i nadal nie ma operatora.

Czym właściwie są te dwa systemy

Gemini 3.8 Live to hostowany model strumieniowy dostępny za pośrednictwem Live API. API przyjmuje surowe 16-bitowe audio PCM o częstotliwości 16 kHz, obrazy z szybkością do jednej klatki na sekundę oraz tekst, i zwraca surowe audio PCM o częstotliwości 24 kHz. Dokumentacja Google Live API podaje pokrycie językowe na poziomie 70 języków. Otwierasz sesję, przesyłasz strumień i otrzymujesz audio z powrotem; nie ma checkpointu, rezerwacji GPU ani licencji do przeczytania.

Ming-3.0-audio-flash to model audio-językowy w bardziej dosłownym znaczeniu. Enkoder audio i projektor zasilają szkielet językowy oparty na mieszaninie ekspertów, a opcjonalny Talker zamienia tekstowe wyjście modelu w mowę. Dane wejściowe to audio oraz instrukcja tekstowa. Wyjściem jest tekst lub tekst z syntetyzowaną mową. Karta modelu wymienia chiński i angielski jako języki podstawowe, „w tym różne akcenty i dialekty”. Licencja to MIT.

• Parametry — Ming: łącznie 126B, 6,5B aktywowanych na krok inferencji (pasek boczny Hugging Face podaje osobno 128B, rozbieżność, której karta nie wyjaśnia). G​emini 3.8 Live: nie ujawniono.

• Języki — Ming: chiński i angielski. Gemini 3.8 Live: 70 języków zgodnie z dokumentacją Live API.

• Wejście — Ming: dźwięk i instrukcja tekstowa. G​emini 3.8 Live: dźwięk, obrazy, tekst.

• Dane wyjściowe — Ming: tekst, opcjonalnie mowa. Gemini 3.8 Live: audio i tekst w tej samej sesji.

• Licencja — Ming: MIT dla wag i kodu. G​emini 3.8 Live: komercyjna umowa dotycząca API.

• Cena — Ming: brak cennika; płacisz za GPU. Gemini 3.8 Live: 3,00 USD za milion tokenów wejściowych audio lub 0,005 USD za minutę; 12,00 USD za milion tokenów wyjściowych audio lub 0,018 USD za minutę; tekst po 0,75 USD za milion tokenów wejściowych i 4,50 USD za milion tokenów wyjściowych.

Obliczanie godzin audio, zrobione jak należy

Podane powyżej stawki za minutę są tym, co warto przyswoić, a także tym, co większość porównań przedstawia błędnie, podając ceny tokenów czytelnikowi, który nie ma pojęcia, ile tokenów zużywa minuta mowy. Zamiast tego używaj stawek za minutę, ponieważ G​oogle publikuje je bezpośrednio.

• Tylko słuchanie, jedna godzina — 60 minut po $0,005 to $0,30.

• Tylko mówienie, jedna godzina — 60 minut po 0,018 USD daje 1,08 USD.

• Pełna godzina w obie strony — 1,38 USD, przed doliczeniem jakichkolwiek tokenów tekstowych lub wywołań narzędzi.

• Tysiąc godzin dwukierunkowych — 1380 USD.

Teraz ta sama godzina na Ming-3.0-audio-flash. Referencyjny profil serwowania pełnego kontekstu 128K z wyjściem mowy to równoległość tensorowa na ośmiu procesorach graficznych H800 o pojemności 80 GB, zgodnie z własnymi notatkami wdrożeniowymi repozytorium. Cztery GPU uruchamiają zweryfikowany profil SGLang, ale ten profil obsługuje wyłącznie wyjście tekstowe. Uczciwe porównanie w ramach samodzielnego hostowania to więc osiem GPU kontra sesja rozliczana za zużycie. Przy hipotetycznych 2 USD za GPU-godzinę godzina mocy obliczeniowej kosztuje 16 USD — i dotyczy to całego GPU, którego koszt można rozłożyć na równoległe żądania, a nie na jedną rozmowę. Przy dziesięciu równoległych strumieniach koszt na konwersację spada poniżej 1,60 USD za godzinę; przy stu — poniżej 0,16 USD. To są obliczenia, a nie pomiary, i ignorują one stopień wykorzystania, efektywność przetwarzania wsadowego oraz fakt, że model 126B przy 6,5B aktywnych parametrów nie nasyci ośmiu H800 na krótkich klipach audio.

Punkt przecięcia jest realny, ale nie leży tam, gdzie ludzie zakładają. Poniżej mniej więcej tuzina równoczesnych rozmów G​emini 3.8 Live jest tańszy niż wynajęcie ośmiu H800 i znacznie tańszy niż ich zakup. Powyżej tego progu — i zakładając, że można utrzymać pełny batch — otwarty checkpoint wygrywa pod względem surowego kosztu obliczeń, co jest całym ekonomicznym argumentem za otwartymi wagami i powodem, dla którego to wymóg ośmiu GPU jest liczbą, którą warto zapamiętać, a nie liczba parametrów.

Co oznacza „rozumienie dźwięku” po każdej ze stron

Gemini 3.8 Live został stworzony do rozmowy. Jego zadaniem jest słuchać cię, odpowiadać szybko i obsługiwać naprzemienność wypowiedzi. Lista modeli Google pozycjonuje go jako domyślny model Live „w większości doświadczeń z agentami głosowymi o niskich opóźnieniach, bez opóźnień związanych z rozumowaniem”, co jest stwierdzeniem o budżecie opóźnień, a nie o głębokości analizy dźwięku.

Ming-3.0-audio-flash jest ukierunkowany na inne zadanie. Pięć najważniejszych cech karty to złożone rozpoznawanie mowy w różnych dialektach, akcentach, szumie i nagraniach wielu mówców; rozumienie długiego audio; percepcja dźwięków niewerbalnych, scen akustycznych i muzyki; wnioskowanie na podstawie treści audio; oraz interakcja głosowa z opcjonalnymi syntetyzowanymi odpowiedziami. To lista funkcji transkrypcji i analizy z doklejonym trybem czatu, a nie lista funkcji agenta głosowego.

Praktyczna konsekwencja: jeśli Twój produkt to agent telefoniczny, który musi odpowiadać w ciągu 400 milisekund, G​emini 3.8 Live jest tym właściwym rozwiązaniem, a Ming-3.0-audio-flash nie — niezależnie od wyników benchmarków. Jeśli Twój produkt polega na „przyjęciu 90-minutowej konferencji wynikowej, powiedzeniu mi, kto co powiedział, i oznaczeniu momentu, w którym zmienił się ton CFO”, to karta Ming opisuje Twoje zadanie, a Live API opisuje inne.

Problem benchmarkowy, którego nikt nie rozwiązał

Ming-3.0-audio-flash udostępnia w swoim repozytorium trzy panele benchmarkowe: rozpoznawanie mowy, inteligencję audio i tekst. Wszystkie wartości podano w procentach; wyższa wartość jest lepsza, chyba że oznaczono ją strzałką w dół, a wyniki oznaczone gwiazdką pochodzą z własnej ewaluacji zespołu. Repozytorium zawiera uwagę, że wyniki modeli porównawczych odtworzono w ramach własnej konfiguracji ewaluacyjnej inclusionAI i mogą się one różnić od oficjalnych raportów tych modeli z powodu promptów, ustawień dekodowania, wersji modeli i potoków.

Ta notatka jest niezwykle szczera, a jednocześnie oznacza, że wykresów nie można używać do porównywania Minga z Gemini 3.8 Live. Liczby znajdują się na obrazach, a nie w tekście README, a Google nie publikuje porównywalnego zestawu testów rozumienia dźwięku dla 3.8 Live. Nie ma rankingu firm trzecich, który oceniłby oba modele. Każdy, kto pokazuje Ci wykres słupkowy z tymi dwoma modelami obok siebie, zbudował go z deklaracji producentów na jednej osi i z niczego na drugiej.

Jedyne uczciwe stwierdzenie, jakie dziś można sformułować: Ming-3.0-audio-flash ma wyniki liczone przez dostawcę i ani jednych niezależnych, Gemini 3.8 Live ma potwierdzoną historię wdrożeń produkcyjnych i żadnego opublikowanego benchmarku rozumowania audio. To remis w jedynej kategorii, która liczy się przy decyzji zakupowej, czyli w dowodach.

Gdzie OrcaRouter pasuje, a gdzie nie

Ming-3.0-audio-flash nie jest dostępny na naszej platformie. Nie będziemy udawać, że jest inaczej: jeśli chcesz go uruchomić, klonujesz repozytorium, instalujesz wskazywaną przez niego gałąź vLLM-Omni lub SGLang i zapewniasz sobie GPU. Na czym w tym porównaniu przydaje się router, to druga strona decyzji — ta, w której już zdecydowałeś, że hostowany model audio obsługuje Twój bieżący ruch, a pytanie brzmi: który hostowany model, w jakiej cenie i z jakim rozwiązaniem awaryjnym, gdy sesja zawiedzie. To problem routingu w przypadku ponad 200 modeli dostępnych za jednym kluczem, po cenie katalogowej dostawcy bez doliczanej marży, dzięki czemu zmiana ceny przez dostawcę dociera do Ciebie tego samego dnia, a nie dopiero przy kolejnym odnowieniu umowy.

Dla zespołu testującego, czy otwarty checkpoint audio zasługuje na ruch produkcyjny, przydatnym wzorcem jest utrzymywanie hostowanej ścieżki jako fallbacku i stopniowe przenoszenie ruchu na samodzielnie hostowanego Ming. Automatyczne przełączanie awaryjne sprawia, że ta migracja jest odwracalna, zamiast być zakładem.

Wybieranie

Wybierz G​emini 3.8 Live, jeśli w tym kwartale potrzebujesz agenta głosowego w środowisku produkcyjnym, potrzebujesz więcej niż dwóch języków, potrzebujesz obrazów w tym samym strumieniu lub spodziewasz się mniej niż tuzina równoczesnych rozmów. Koszt za minutę jest niewielki, narzut operacyjny zerowy, a model jest stabilny i udokumentowany.

Weź Ming-3.0-audio-flash, jeśli musisz mieć wagi na własność, uruchamiać model lokalnie lub w środowisku odizolowanym od sieci, potrzebujesz licencji na warunkach MIT, pracujesz głównie w języku chińskim i angielskim oraz masz osiem H800 albo scheduler, który może ci je przydzielić. Licz się z tym, że ocenę będziesz musiał przeprowadzić sam, bo nikt nie zrobił tego za ciebie. Licz się z tym, że toolchain ma zaledwie kilka dni, bo tak właśnie jest. I licz się z tym, że karta modelu będzie się wciąż zmieniać pod twoimi stopami: jej ostatni commit pochodzi z dnia, w którym to napisano.

Jest jeszcze trzeci przypadek — i to największy. Jeśli nadal nie wiesz, którym z tych dwóch jesteś, nie jesteś gotowy, by wybierać między API rozliczanym za zużycie a wdrożeniem na ośmiu GPU. Najpierw przepuść sto godzin własnego audio przez model hostowany, zmierz, jaka dokładność jest ci faktycznie potrzebna, i pozwól tej liczbie zdecydować, czy otwarty checkpoint jest wart własnego racka.

Co obejrzeć

To, co zmieniłoby to porównanie, to nie benchmark. To operator. W momencie, gdy dostawca usług serwowania umieści Ming-3.0-audio-flash za endpointem zgodnym z OpenAI z ceną za godzinę, argument ośmiu GPU przestaje być problemem czytelnika, a godzina za 1,38 USD zyskuje konkurenta. Do tego czasu uczciwe podsumowanie jest takie, że Google sprzedaje minutę, a inclusionAI rozdaje maszynę, i te dwie rzeczy można porównywać tylko wtedy, gdy już masz tę maszynę.