Simba 3.5 zajmuje #1 w Voice Arena o dwa punkty Elo, co nie jest tym samym, co zwycięstwo

SpeechifyAI Simba 3.5 zajmuje teraz pierwsze miejsce w arenie Controlled Voice serwisu Artificial Analysis z wynikiem Elo 1,192, a przewaga nad HeyGen Voice z wynikiem 1,190 wynosi dwa punkty na tablicy, której przedział ufności na szczycie wynosi plus/minus 17. Trzecie miejsce zajmuje Alibaba Qwen-Audio-3.1-TTS-Plus z wynikiem 1,176. Spójrz na ranking jak na obrazek, a Simba 3.5 ma koronę; spójrz na przedział, a cztery modele remisują na szczycie. Oba odczyty są poprawne, a to, który z nich ma znaczenie, zależy od tego, czy piszesz nagłówek, czy wybierasz dostawcę.

Bardziej przydatną informacją o tym modelu nie jest jego pozycja w rankingu. Model Simba 3.5 zadebiutował 21 października 2026 r., a w ciągu trzech i pół tygodnia od premiery Speechify obniżyło cenę katalogową, opublikowało listę języków i wyznaczyło datę — 21 listopada — od której dwa identyfikatory starszych modeli zaczną być obsługiwane przez ten model. Pozycja w rankingu Arena to część, którą wszyscy będą przytaczać. Daty to ta część, która zmienia rachunek.

Co faktycznie mówi zarząd — w liczbach, które możesz sprawdzić

Artificial Analysis prowadzi dwie areny mowy i mierzą one różne rzeczy. Controlled Voice klonuje te same osiem głosów referencyjnych — cztery amerykańskie, cztery brytyjskie — dla każdego uczestnika, więc mówca pozostaje stały i różni się tylko synteza. Provider Voice pozwala każdemu dostawcy korzystać z własnej obsady głosów. Model z doskonałymi domyślnymi głosami może wygrać drugą i przegrać pierwszą. Simba 3.5 obecnie robi odwrotnie.

• Controlled Voice — SpeechifyAI Simba 3.5, pozycja 1, Elo 1192, plus/minus 17, przedział od 1175 do 1209, 1783 próbki, wydany w listopadzie 2026

• Controlled Voice — HeyGen Voice, pozycja 2, Elo 1 190, plus/minus 13, przedział od 1 177 do 1 203, 2 626 próbek, w cenniku 30,00 USD za milion znaków

• Kontrolowany głos — Alibaba Qwen-Audio-3.1-TTS-Plus, miejsce 3, Elo 1176, plus lub minus 12, przedział od 1164 do 1188, 2968 próbek

• Kontrolowany głos — HeyGen Voice Turbo, miejsce 4, Elo 1 174, plus/minus 15, wyceniony na 4,00 USD za milion znaków

• Controlled Voice — ElevenLabs Eleven v4, pozycja 7, Elo 1 155, plus/minus 12, w cenie 80,00 USD za milion znaków

• Kontrolowany głos — SpeechifyAI Simba 3.2, pozycja 14, Elo 1082, plus lub minus 12, wydany w lipcu 2026

• Głos dostawcy — SpeechifyAI Simba 3.5, pozycja 5, Elo 1294, plus/minus 17, przedział od 1277 do 1311, 1732 próbki

• Głos dostawcy — ElevenLabs Eleven v4, pozycja 1, Elo 1,340, plus lub minus 15

Z tego od razu wynikają dwie rzeczy. Pierwsza to nierozstrzygnięta kolejność Controlled Voice na górze: przedział Simba 3.5 rozciąga się od 1,175 do 1,209, przedział HeyGen Voice — od 1,177 do 1,203, a Qwen-Audio-3.1-TTS-Plus plasuje się w zakresie od 1,164 do 1,188. Te trzy zakresy pokrywają się niemal całkowicie. Kolumna zakresu pozycji mówi to samo, tylko krócej — Simba 3.5 jest wymieniony jako zajmujący pozycje od 1 do 3, a nie wyłącznie pozycję 1.

Drugą kwestią jest to, że nie jest to przypadkowy efekt słabej konkurencji. Simba 3.5 ma 110 punktów Elo przewagi nad swoim poprzednikiem, SpeechifyAI Simba 3.2, który osiąga 1082, a ta różnica jest większa niż przedział ufności któregokolwiek z modeli. Skok międzypokoleniowy jest realny, choć przewaga nad resztą stawki nie jest jeszcze rozstrzygnięta.

Dlaczego góra tej konkretnej tablicy jest ściśnięta?

Elo to skala względna, a ten ranking jest zakotwiczony na poziomie 1000 przez OpenAudio S1 — stały wpis referencyjny, który nigdy się nie zmienia. Wszystko inne jest umieszczane względem niego przez zaślepione głosowania parami. Ta konstrukcja ma konsekwencję, którą ludzie przeoczają: w miarę jak cały zestaw się poprawia, czołówka nie rozciąga się, tylko zagęszcza. Odległość od miejsca 1. do miejsca 14. w tym rankingu wynosi 110 punktów. Odległość od miejsca 27 (SpeechifyAI Simba 3.0 z wynikiem 1035) do miejsca 51 (OpenVoice v2 z wynikiem 823) wynosi 212.

Kiedy setka modeli jest oceniana na tych samych ośmiu sklonowanych głosach przez słuchaczy, którzy nie widzą etykiet, różnice, które przetrwają, są niewielkie, a szum wokół nich — duży. Dwupunktowa przewaga na takiej liście rankingowej to realny punkt danych o realnym modelu — i nie jest to decyzja produktowa. Kto potrzebuje decyzji, musi dodać to, czego Elo nie mierzy: ile model kosztuje, w jakich językach mówi, jak szybko pojawia się pierwsze audio i czy kształt API pasuje do już napisanego kodu.

Cena zmieniła się dwukrotnie w ciągu trzech tygodni.

To jest ta część historii Simba 3.5, która jest naprawdę świeża, i całkowicie nieobecna w materiałach premierowych pisanych w październiku. Speechify opublikował model w cenach 20, 16 i 12 USD za milion znaków odpowiednio w planach Starter, Pro i Scale. 9 listopada obniżył cennik do 15, 12 i 10 USD. Oferta premierowa się nie zmieniła: do 21 listopada 2026 r. Simba 3.5 jest rozliczany według stawek Simba 3.0 i Simba 3.2 — 10, 8 i 6 USD — a od 22 listopada jest rozliczany według nowej ceny cennikowej, a nie starej.

Po przeliczeniu względem publikowanych przez Speechify limitów planów oznacza to, że miesięczny plan Pro obejmujący 9 milionów znaków kosztuje 72 USD według stawki ofertowej i 108 USD według ceny katalogowej. Miesięczny plan Scale obejmujący 46,8 miliona znaków kosztuje 280,80 USD według stawki ofertowej i 468 USD według ceny katalogowej. Obniżka z 9 listopada sprawia, że druga z tych kwot nie wynosi 561,60 USD, czyli tyle, ile naliczałaby pierwotna cena katalogowa z premiery.

Jedna liczba na liście rankingowej wymaga poprawienia, zanim ktokolwiek zacznie na jej podstawie planować budżet. Artificial Analysis podaje dla Simba 3.5 stawkę 6,58 USD za milion znaków — tę samą wartość, jaką pokazuje dla Simba 3.2 i Simba 3.0. To stawka wbudowana w plan, a nie opublikowany cennik Speechify, i nie odpowiada ona przedziałowi od 10 do 15 USD podanemu we własnym changelogu dostawcy. Jeśli modelujesz wydatki, korzystaj z tabeli progów cenowych dostawcy; kolumna cen na liście przydaje się do rankingu, a nie do prognozy.

Co zmienia się 21 listopada

Dwa identyfikatory modeli Simba 1.6 w Speechify — simba-english i simba-multilingual — przestały być dostępne do wyboru w wersji API 2026-09-21 — nowy obszar roboczy, który wyśle którykolwiek z nich, otrzymuje błąd 400 model_retired. 21 listopada wchodzi w życie druga część tego wycofania: we wszystkich wersjach API, które nadal mogą odwoływać się do starych identyfikatorów, oba są obsługiwane przez Simba 3.5, w każdym języku, i rozliczane jako simba-3.5.

Praktyczny wniosek jest taki, że zestaw integracji, których nie ruszano od września, zmieni głos i cenę tego samego dnia — bez zmiany kodu i bez ostrzeżenia poza tym changelogiem. Nic się nie psuje. Dźwięk jest inny, a faktura jest rozliczana według innego modelu. Każdy, kto uruchamia simba-multilingual na produkcji, powinien przed tą datą przetestować simba-3.5 na własnych treściach, ponieważ alternatywą jest dowiedzenie się o zmianie ze zgłoszenia do działu wsparcia.

Własne liczby Speechify, oznaczone jako takie

Wszystko w tej sekcji pochodzi od producenta i nie zostało odtworzone przez nikogo spoza Speechify. Warto to przeczytać, ale to nie ten sam rodzaj dowodu co dane z areny powyżej.

• Preferencja — 63% w porównaniach bezpośrednich w ciemno z Simba 3.2, przy podanym 95-procentowym przedziale ufności od 60% do 67%, we wszystkich typach treści

• Opóźnienie — czas do pierwszego dźwięku wynoszący 72 milisekundy w 95. percentylu żądań strumieniowych, pod obciążeniem produkcyjnym

• Przepustowość — średnio 1,8 razy większa niż Simba 3.2 na instancję obsługi i 1,4 razy większa niż Simba 3.0 Multilingual

• Zakres — 48 języków w ramach jednego identyfikatora modelu, w porównaniu z sześcioma w Simba 3.0, przy czym język estoński i kantoński są wyraźnie wyłączone

• Przeniesione bez zmian — identyfikatory głosów, formaty wyjściowe, znaczniki mowy oraz faktycznie stosowany podzbiór SSML: break, prosody rate, prosody pitch, prosody volume i sub alias

Liczbę 63% należy traktować z rezerwą. Preferencja w testach w ciemno względem własnej poprzedniej generacji to najłatwiejsze porównanie, jakie może przeprowadzić dostawca technologii mowy, i jednocześnie takie, które najmniej prawdopodobnie pozwoli przewidzieć wygraną z modelem innej firmy — a dokładnie to mierzy powyższa arena i tam wynik to dwupunktowa przewaga, a nie przewaga 63%.

Co to oznacza, jeśli faktycznie kupujesz syntezę

Pozycja w rankingu Arena to dana wejściowa, a nie zamówienie zakupowe. Sprawa Simba 3.5 opiera się obecnie na trzech rzeczach, które wyjątkowo dobrze ze sobą współgrają: pozycji jakościowej na szczycie tabeli, 48 językach pod jednym identyfikatorem oraz cenie w przedziale 10–15 USD, do której większość modeli wyżej od niego w Provider Voice nawet się nie zbliża. ElevenLabs Eleven v4 kosztuje 80 USD. HeyGen Voice kosztuje 30 USD. Modele, które biją Simba 3.5 pod względem ceny — HeyGen Voice Turbo za 4,00 USD — znajdują się o 18 punktów Elo niżej w tej samej kontrolowanej tabeli.

OrcaRouter nie ma w ofercie serii Simba i nic w tym tekście nie powinno być odczytywane jako twierdzenie, że tak jest. W naszym katalogu znajduje się natomiast niewielki zestaw modeli syntezy, które stanowią użyteczną grupę kontrolną podczas oceny zmiany: openai/tts-1 w cenie 15,00 USD za milion znaków oraz openai/tts-1-hd w cenie 30,00 USD, oba wymienione w cenie katalogowej dostawcy bez doliczonej marży. Uruchomienie własnego skryptu na tych modelach i na Simba 3.5 za pośrednictwem API samego dostawcy to dwugodzinny eksperyment, który powie Ci więcej o Twoich treściach niż jakakolwiek kolumna Elo.

Jeśli ewaluacja przerodzi się w decyzję produkcyjną, argument za umieszczeniem jej za routerem nie dotyczy jakości — lecz harmonogramu. Simba 3.5 zmieniła cenę raz w ciągu trzech tygodni, ma migrację model-id zaplanowaną na 21 listopada i znajduje się w arenie, w której cztery najlepsze rozwiązania są statystycznie ex aequo. Automatyczne przełączanie awaryjne oznacza, że zmiana po stronie dostawcy staje się zdarzeniem routingu, a nie awarią, a jeden klucz u wielu dostawców sprawia, że porównania przeprowadzonego w listopadzie nie trzeba odtwarzać od zera, gdy jeden z nich zmieni ceny w grudniu.

Na co zwracać uwagę od teraz

Trzy rzeczy rozstrzygną to szybciej niż kolejna runda postów o premierze. Pierwszą jest liczba próbek: Simba 3.5 ma 1,783 próbki Controlled Voice wobec 2,626 próbek HeyGen Voice, a jej przedział zawęzi się w miarę napływania głosów. Jeśli dwupunktowa przewaga jest rzeczywista, powinna to przetrwać; jeśli nie, zakres pozycji przesunie się z powrotem w stronę od 1 do 3 i tam pozostanie.

To drugie to to, co Speechify robi po 22 listopada, kiedy kończy się cena startowa i zaczyna obowiązywać cennik 15, 12, 10 USD. Poziom jakości, który kosztuje o 50% więcej niż jego poprzednik, to inna decyzja produktowa niż taki, który kosztuje tyle samo w oknie promocyjnym.

Trzecia kwestia to luka Provider Voice. Simba 3.5 zajmuje tam piąte miejsce z wynikiem 1 294, podczas gdy ElevenLabs Eleven v4 prowadzi z wynikiem 1 340 — 46-punktowa strata, która nie pojawia się na kontrolowanej planszy, gdzie Simba 3.5 ma 37 punktów przewagi. Ten rozdźwięk to najciekawszy nierozstrzygnięty fakt dotyczący tego modelu i jest tematem osobnego porównania, a nie przypisem w tym miejscu.