Ming-3.0-audio-flash vs Gemini 3.8 Live: pesos abertos, oito GPUs e uma conta que você realmente consegue calcular

Uma hora de áudio contínuo enviada para G​emini 3.8 Live custa $0.30 pelo preço de tabela publicado pelo G​oogle. Uma hora de áudio de saída custa $1.08. Uma sessão de voz bidirecional, com ambos os sentidos funcionando durante a hora inteira, custa $1.38. Ming-3.0-audio-flash não tem preço por minuto algum, porque não há endpoint para comprar: é um checkpoint de mistura de especialistas com 126 bilhões de parâmetros sob a licença MIT, e seu custo é o que oito H800s custarem para você pela hora. Essa é a comparação inteira em duas frases, e quase todas as outras diferenças entre esses dois sistemas decorrem disso. As falhas de IA documentadas e os incidentes de agentes por trás de lançamentos como este são reunidos em o OrcaRouter AI Incident Archive onde cada entrada traz suas próprias fontes, severidade, grau de confiança e indicador de contestação.

A data importa, porque isto não é um lançamento. A inclusionAI publicou os pesos do Ming-3.0-audio-flash no Hugging Face em 3 de setembro de 2026 e não disse nada sobre isso. Durante seis semanas, o repositório foi efetivamente uma pasta de shards: nenhum código de serving, nenhum exemplo, nenhuma ficha do modelo utilizável. O repositório do GitHub foi criado em 15 de outubro, os perfis do vLLM-Omni e do SGLang, os presets de voz e uma ficha do modelo reescrita chegaram entre 15 e 19 de outubro, e, até o momento em que escrevo, a listagem no Hugging Face mostra 22 downloads. G​emini 3.8 Live, em contrapartida, é um modelo Live API estável e disponível para uso geral que a G​oogle descreve como a opção padrão para agentes de voz de baixa latência. Um deles é um produto que você pode chamar hoje à tarde. O outro se tornou executável esta semana e ainda não tem operador.

O que os dois sistemas realmente são

O Gemini 3.8 Live é um modelo de streaming hospedado por trás da Live API. A API aceita áudio PCM bruto de 16 bits a 16 kHz, imagens a até um quadro por segundo e texto, e retorna áudio PCM bruto a 24 kHz. A documentação da Live API do Google indica cobertura de 70 idiomas. Você abre uma sessão, faz streaming e recebe áudio de volta; não há checkpoint, nem reserva de GPU, nem licença para ler.

Ming-3.0-audio-flash é um modelo de áudio e linguagem no sentido mais literal. Um codificador de áudio e um projetor alimentam um backbone de linguagem com mistura de especialistas, e um Talker opcional converte a saída de texto do modelo em fala. As entradas são áudio mais uma instrução de texto. As saídas são texto, ou texto com fala sintetizada. O cartão lista chinês e inglês como idiomas principais, "incluindo diversos sotaques e dialetos". A licença é MIT.

• Parâmetros — Ming: 126B no total, 6,5B ativados por etapa de inferência (a barra lateral do Hugging Face diz separadamente 128B, uma discrepância que o cartão não explica). G​emini 3.8 Live: não divulgado.

• Idiomas — Ming: chinês e inglês. G​emini 3.8 Live: 70 idiomas conforme a documentação da Live API.

• Entrada — Ming: áudio e uma instrução de texto. G​emini 3.8 Live: áudio, imagens, texto.

• Saída — Ming: texto, opcionalmente fala. Gemini 3.8 Live: áudio e texto através da mesma sessão.

• Licença — Ming: MIT para pesos e código. G​emini 3.8 Live: um acordo de API comercial.

• Preço — Ming: sem tabela de preços; você paga pelas GPUs. G​emini 3.8 Live: US$ 3,00 por milhão de tokens de entrada de áudio ou US$ 0,005 por minuto; US$ 12,00 por milhão de tokens de saída de áudio ou US$ 0,018 por minuto; texto a US$ 0,75 por milhão de tokens de entrada e US$ 4,50 por milhão de tokens de saída.

O cálculo de horas de áudio, feito corretamente

Os valores por minuto acima são os que vale a pena internalizar, e também são aqueles em que a maioria das comparações erra ao citar preços de tokens para um leitor que não faz ideia de quantos tokens um minuto de fala consome. Use as tarifas por minuto, em vez disso, porque o G​oogle as publica diretamente.

• Apenas escuta, uma hora — 60 minutos a $0.005 dá $0.30.

• Apenas fala, uma hora — 60 minutos a US$ 0,018 dá US$ 1,08.

• Uma hora completa bidirecional — $1.38, antes de quaisquer tokens de texto ou chamadas de ferramentas.

• Mil horas bidirecionais — $1,380.

Agora, a mesma hora no Ming-3.0-audio-flash. O perfil de serviço de referência para o contexto completo de 128K com saída de fala é paralelismo de tensores em oito GPUs H800 de 80 GB, conforme as próprias notas de implantação do repositório. Quatro GPUs executam um perfil SGLang validado, mas esse perfil é apenas de saída de texto. Portanto, a comparação honesta em auto-hospedagem é oito GPUs contra uma sessão cobrada por uso. A um hipotético US$ 2 por GPU-hora, uma hora de capacidade custa US$ 16 — e isso é para a GPU inteira, que você pode amortizar entre requisições concorrentes em vez de uma única conversa. Com dez fluxos simultâneos, o custo por conversa cai para menos de US$ 1,60 por hora; com cem, para menos de US$ 0,16. Isso é aritmética, não medições, e ignora a utilização, a eficiência de batching e o fato de que um modelo de 126B com 6,5B de parâmetros ativos não saturará oito H800 em clipes de áudio curtos.

O ponto de equilíbrio é real, mas não está onde as pessoas supõem. Abaixo de cerca de uma dúzia de conversas simultâneas, o G​emini 3.8 Live é mais barato do que alugar oito H800s e muito mais barato do que comprá-las. Acima disso, e supondo que você consiga manter o lote cheio, o checkpoint aberto vence no custo bruto de computação — que é todo o argumento econômico para pesos abertos, e a razão pela qual o requisito de oito GPUs é o número a lembrar, em vez da contagem de parâmetros.

O que "compreensão de áudio" significa em cada lado

G​emini 3.8 Live foi criado para conversação. Sua função é ouvir você, responder rapidamente e lidar com a alternância de turnos. A lista de modelos do G​oogle o posiciona como o modelo Live padrão "para a maioria das experiências de agentes de voz com baixa latência e sem atrasos de raciocínio", o que é uma afirmação sobre o orçamento de latência, não sobre a profundidade da análise de áudio.

O Ming-3.0-audio-flash está voltado para uma tarefa diferente. Os cinco destaques do cartão são reconhecimento de fala complexo em dialetos, sotaques, ruído e gravações com vários falantes; compreensão de áudios longos; percepção de sons não vocais, cenas acústicas e música; raciocínio sobre conteúdo de áudio; e interação falada com respostas sintetizadas opcionais. Essa é uma lista de transcrição e análise com um modo de chat enxertado, não uma lista voltada a agentes de voz.

A consequência prática: se o seu produto é um agente telefônico que precisa responder em 400 milissegundos, o G​emini 3.8 Live é o formato da coisa e o Ming-3.0-audio-flash não é, independentemente das pontuações de benchmark. Se o seu produto é "ingerir uma teleconferência de resultados de 90 minutos, me dizer quem disse o quê e sinalizar o momento em que o tom do CFO mudou", o card do Ming está descrevendo o seu trabalho, e a Live API está descrevendo um diferente.

O problema de benchmark que ninguém resolveu

O Ming-3.0-audio-flash disponibiliza três painéis de benchmark em seu repositório: reconhecimento de fala, inteligência de áudio e texto. Todos os valores são percentuais, valores mais altos são melhores, a menos que marcados com uma seta para baixo, e os resultados marcados com asterisco são a avaliação da própria equipe. O repositório acrescenta uma nota de que os resultados dos modelos de comparação foram reproduzidos na configuração de avaliação da própria inclusionAI e podem diferir dos relatórios oficiais desses modelos devido a prompts, configurações de decodificação, versões de modelo e pipelines.

Essa observação é excepcionalmente franca e também significa que os gráficos não podem ser usados para classificar o Ming em comparação com o Gemini 3.8 Live. Os números estão nas imagens, não no texto do README, e o Google não publica nenhum conjunto de testes comparável de compreensão de áudio para o 3.8 Live. Não existe nenhum ranking de terceiros que tenha avaliado ambos. Qualquer pessoa que lhe mostre um gráfico de barras com esses dois modelos lado a lado o construiu a partir de alegações dos fornecedores em um dos eixos e de nada no outro.

A única afirmação honesta disponível hoje: o Ming-3.0-audio-flash tem números divulgados pelo fornecedor e nenhum independente; o G​emini 3.8 Live tem histórico comprovado em produção e nenhum benchmark publicado de raciocínio em áudio. Isso é um empate na única categoria que importa para uma decisão de compra, que é evidência.

Onde o OrcaRouter se encaixa, e onde não

O Ming-3.0-audio-flash não está na nossa plataforma. Não vamos fingir o contrário: se você quiser executá-lo, clone o repositório, instale a branch do vLLM-Omni ou do SGLang que ele indica e traga as GPUs. O que um roteador oferece nesta comparação é o outro lado da decisão — a parte em que você já decidiu que um modelo de áudio hospedado cuida do seu tráfego ao vivo, e a questão passa a ser qual modelo hospedado, a que preço, com qual fallback quando uma sessão falha. Isso é um problema de roteamento entre mais de 200 modelos por trás de uma única chave, pelo preço de tabela do provedor, sem acréscimo de margem, de modo que uma mudança de preço do fornecedor chegue até você no mesmo dia, e não na próxima renovação de contrato.

Para uma equipe testando se um checkpoint de áudio aberto merece tráfego de produção, o padrão útil é manter o caminho hospedado como fallback e mover o volume gradualmente para o Ming auto-hospedado. O failover automático é o que torna essa migração reversível em vez de uma aposta.

Escolhendo

Escolha o G​emini 3.8 Live se você precisar de um agente de voz em produção neste trimestre, precisar de mais de dois idiomas, precisar de imagens no mesmo fluxo ou esperar menos de uma dúzia de conversas simultâneas. O custo por minuto é baixo, a superfície operacional é zero, e o modelo é estável e documentado.

Escolha o Ming-3.0-audio-flash se precisar ser dono dos pesos, precisar rodar no local ou em ambiente isolado (air-gapped), precisar dos termos MIT, estiver trabalhando principalmente em chinês e inglês e tiver oito H800s ou um agendador que possa disponibilizá-las para você. Espere fazer sua própria avaliação, porque ninguém a fez por você. Espere que o conjunto de ferramentas tenha apenas alguns dias, porque é o caso. E espere que o card do modelo continue mudando debaixo de você: o último commit foi no dia em que isto foi escrito.

Há um terceiro caso, e é o maior de todos. Se você ainda não sabe qual desses dois você é, ainda não está pronto para escolher entre uma API com cobrança por uso e uma implantação com oito GPUs. Primeiro, processe cem horas do seu próprio áudio com um modelo hospedado, meça de que precisão você realmente precisa e deixe esse número decidir se o checkpoint aberto vale o rack.

O que assistir

O que mudaria essa comparação não é um benchmark. É um operador. No momento em que um provedor de serviço listar o Ming-3.0-audio-flash atrás de um endpoint compatível com OpenAI com preço por hora, o argumento das oito GPUs deixa de ser problema do leitor e a hora de US$ 1,38 ganha um concorrente. Até lá, o resumo honesto é que o G​oogle vende um minuto e a inclusionAI dá uma máquina de graça, e os dois só são comparáveis se você já tiver a máquina.