Ming-3.0-audio-flash เทียบกับ Gemini 3.8 Live: น้ำหนักเปิด GPU แปดตัว และบิลที่คุณคำนวณได้จริง
- Orcaใหม่Orca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 9 tok/s
- deepseekใหม่DeepSeek: DeepSeek V4.1 Flash 10172026-10-17$0.15 / $0.60 ต่อ 1 ล้านโทเค็น · 230 tok/s
- DeepSeekใหม่DeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- Orcaใหม่Orca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 95 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 788 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238ความฉลาด
- OpenAIOpenAI: GPT-6 Sol2026-09-2248ความฉลาด
- AnthropicAnthropic: Claude Opus 5.52026-09-2258ความฉลาด
- xAIGrok 4.72026-09-2146ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 39 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 ต่อ 1 ล้านโทเค็น · 832 tok/s
- OpenAIOpenAI: GPT-6 Astra2026-09-0453ความฉลาด77การเขียนโค้ด
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241ความฉลาด76การเขียนโค้ด
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245ความฉลาด76การเขียนโค้ด
- AnthropicAnthropic: Claude Fable 5.12026-09-0153ความฉลาด82การเขียนโค้ด
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 52 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 ต่อ 1 ล้านโทเค็น · 119 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642ความฉลาด72การเขียนโค้ด
การส่งเสียงต่อเนื่องหนึ่งชั่วโมงเข้ามายังGemini 3.8 Live มีค่าใช้จ่าย $0.30 ตามราคาปลีกที่ Google ประกาศไว้ การส่งเสียงกลับออกไปหนึ่งชั่วโมงมีค่าใช้จ่าย $1.08 เซสชันเสียงแบบสองทางที่เดินทั้งสองทิศทางเต็มหนึ่งชั่วโมงอยู่ที่ $1.38 Ming-3.0-audio-flash ไม่มีราคาต่อ่นาทีเลย เพราะไม่มี endpoint ให้ซื้อ มันคือ checkpoint แบบ mixture-of-experts ขนาด 126,000 ล้านพารามิเตอร์ภายใต้สัญญา MIT และค่าใช้จ่ายของมันก็คือค่า H800 แปดตัวที่คุณต้องจ่ายสำหรับหนึ่งชั่วโมง นั่นคือการเปรียบเทียบทั้งหมดในสองประโยค และความแตกต่างอื่นแทบทุกอย่างระหว่างสองระบบนี้ก็สืบเนื่องมาจากสิ่งนั้น ความล้มเหลวของ AI และเหตุการณ์เกี่ยวกับเอเจนต์ที่ถูกบันทึกไว้ซึ่งอยู่เบื้องหลังการเปิดตัวแบบนี้ ถูกรวบรวมไว้ในคลังเหตุการณ์ AI ของ OrcaRouter โดยแต่ละรายการมีแหล่งอ้างอิง ระดับความรุนแรง เกรดความเชื่อมั่น และธงข้อโต้แย้งของตัวเอง
การระบุวันที่มีความสำคัญ เพราะนี่ไม่ใช่การเปิดตัวของ inclusionAI ได้วางเวตของ Ming-3.0-audio-flash ขึ้นบน Hugging Face เมื่อวันที่ 3 กันยายน 2026 และไม่พูดอะไรเกี่ยวกับเรื่องนี้เลย เป็นเวลาหกสัปดาห์ที่รีโพซิทอรีนั้นแทบจะเป็นเพียงโฟลเดอร์ของชาร์ด: ไม่มีโค้ดสำหรับให้บริการ ไม่มีตัวอย่าง ไม่มีการ์ดที่ใช้งานได้ รีโพซิทอรี GitHub ถูกสร้างขึ้นเมื่อวันที่ 15 ตุลาคม โปรไฟล์ vLLM-Omni และ SGLang พรีเซ็ตเสียง และการ์ดโมเดลที่เขียนใหม่ถูกเผยแพร่ระหว่างวันที่ 15 ตุลาคมถึง 19 ตุลาคม และ ณ ขณะที่เขียนนี้ รายการบน Hugging Face แสดงยอดดาวน์โหลด 22 ครั้ง ส่วน Gemini 3.8 Live นั้นเป็นโมเดล Live API ที่เสถียรและพร้อมใช้งานทั่วไป ซึ่ง Google อธิบายว่าเป็นค่าเริ่มต้นสำหรับเอเจนต์เสียงที่มีความหน่วงต่ำ หนึ่งในนี้คือผลิตภัณฑ์ที่คุณเรียกใช้ได้ในช่วงบ่ายนี้ อีกตัวเพิ่งรันได้ในสัปดาห์นี้และยังไม่มีผู้ดำเนินการ
สองระบบนี้คืออะไรกันแน่
Gemini 3.8 Live เป็นโมเดลสตรีมมิ่งแบบโฮสต์ที่อยู่เบื้องหลัง Live API โดย API รองรับเสียง PCM 16 บิตแบบดิบที่ 16 kHz รูปภาพสูงสุดหนึ่งเฟรมต่อวินาที และข้อความ และส่งคืนเสียง PCM 24 kHz แบบดิบ เอกสาร Live API ของ Google ระบุความครอบคลุมภาษาที่ 70 ภาษา คุณเปิดเซสชัน สตรีม และได้รับเสียงกลับมา ไม่มี checkpoint ไม่มีการจอง GPU และไม่ต้องอ่านสัญญาอนุญาตใด ๆ
Ming-3.0-audio-flash เป็นโมเดลภาษาเสียงในความหมายที่ตรงตัวกว่า เอนโคเดอร์เสียงและโปรเจกเตอร์จะป้อนเข้าสู่แบ็กโบนภาษาที่ใช้ mixture-of-experts และ Talker แบบเลือกได้จะเปลี่ยนเอาต์พุตข้อความของโมเดลให้เป็นเสียงพูด อินพุตคือเสียงพร้อมคำสั่งข้อความ เอาต์พุตคือข้อความ หรือข้อความพร้อมเสียงพูดที่สังเคราะห์ขึ้น การ์ดระบุว่าภาษาจีนและอังกฤษเป็นภาษาหลัก "รวมถึงสำเนียงและภาษาถิ่นที่หลากหลาย" สัญญาอนุญาตคือ MIT
• พารามิเตอร์ — Ming: ทั้งหมด 126B, เปิดใช้งาน 6.5B ต่อขั้นตอนการอนุมาน (แถบด้านข้างของ Hugging Face ระบุแยกต่างหากว่า 128B ซึ่งเป็นความคลาดเคลื่อนที่การ์ดไม่ได้อธิบาย) Gemini 3.8 Live: ไม่เปิดเผย
• ภาษา — Ming: จีนและอังกฤษ. Gemini 3.8 Live: 70 ภาษาตามเอกสาร Live API
• อินพุต — Ming: เสียงและคำสั่งแบบข้อความ Gemini 3.8 Live: เสียง รูปภาพ ข้อความ
• เอาต์พุต — Ming: ข้อความ พร้อมเสียงเป็นตัวเลือก Gemini 3.8 Live: เสียง และข้อความผ่านเซสชันเดียวกัน
• ใบอนุญาต — Ming: MIT สำหรับน้ำหนักโมเดลและโค้ด Gemini 3.8 Live: ข้อตกลง API เชิงพาณิชย์
• ราคา — Ming: ไม่มีตารางราคา; คุณจ่ายค่า GPU เอง Gemini 3.8 Live: $3.00 ต่อล้านโทเค็นอินพุตเสียง หรือ $0.005 ต่อนาที; $12.00 ต่อล้านโทเค็นเอาต์พุตเสียง หรือ $0.018 ต่อนาที; ข้อความที่ $0.75 ขาเข้า และ $4.50 ขาออก ต่อล้าน
การคำนวณชั่วโมงเสียงที่ทำอย่างถูกต้อง
ตัวเลขต่อนาทีข้างต้นเป็นสิ่งที่ควรทำความเข้าใจและจดจำไว้ และยังเป็นสิ่งที่การเปรียบเทียบส่วนใหญ่มักทำผิด โดยการอ้างราคาต่อโทเคนกับผู้อ่านที่ไม่รู้เลยว่าการพูดหนึ่งนาทีใช้โทเคนไปเท่าไร จงใช้เรตต่อนาทีแทน เพราะ {{1}}Google{{/1}} เผยแพร่เรตเหล่านั้นโดยตรง
• ฟังเท่านั้น หนึ่งชั่วโมง — 60 นาทีในราคา $0.005 คือ $0.30
• เฉพาะการพูด หนึ่งชั่วโมง — 60 นาที ในราคา $0.018 คิดเป็น $1.08
• หนึ่งชั่วโมงเต็มแบบสองทาง — $1.38 ก่อนค่าโทเค็นข้อความหรือการเรียกใช้เครื่องมือใด ๆ
• หนึ่งพันชั่วโมงแบบสองทาง — $1,380
ตอนนี้ชั่วโมงเดียวกันบน Ming-3.0-audio-flash โปรไฟล์การให้บริการอ้างอิงสำหรับบริบทเต็ม 128K ที่มีเอาต์พุตเสียงคือ tensor parallelism กระจายข้าม GPU H800 ขนาด 80 GB จำนวนแปดตัว ตามบันทึกการติดตั้งใช้งานของรีโพซิทอรีเอง GPU สี่ตัวรันโปรไฟล์ SGLang ที่ผ่านการตรวจสอบแล้ว แต่โปรไฟล์นั้นให้เอาต์พุตเป็นข้อความเท่านั้น ดังนั้นการเปรียบเทียบแบบโฮสต์เองที่ตรงไปตรงมาคือแปด GPU เทียบกับเซสชันแบบคิดตามการใช้งาน ในสมมติฐานราคา $2 ต่อ GPU-ชั่วโมง หนึ่งชั่วโมงของความจุมีต้นทุน $16 — และนั่นคือสำหรับ GPU ทั้งตัว ซึ่งคุณสามารถกระจายต้นทุนนี้ข้ามคำขอที่ทำงานพร้อมกันได้ แทนที่จะเป็นบทสนทนาเดียว ที่สิบสตรีมพร้อมกัน ต้นทุนต่อบทสนทนาลดลงต่ำกว่า $1.60 ต่อชั่วโมง ที่หนึ่งร้อยสตรีม ต่ำกว่า $0.16 ตัวเลขเหล่านี้เป็นการคำนวณ ไม่ใช่การวัด และไม่คำนึงถึงอัตราการใช้งาน ประสิทธิภาพการแบตช์ และข้อเท็จจริงที่ว่าโมเดล 126B ที่มีพารามิเตอร์ทำงาน 6.5B จะไม่ทำให้ H800 แปดตัวอิ่มตัวกับคลิปเสียงสั้น ๆ
จุดตัดนั้นมีจริง แต่ไม่ได้อยู่ตรงที่คนส่วนใหญ่คาดกันไว้ ที่ระดับต่ำกว่าประมาณหนึ่งโหลของบทสนทนาที่เกิดขึ้นพร้อมกัน Gemini 3.8 Live ถูกกว่าการเช่า H800 แปดตัว และถูกกว่าการซื้อมากมาย เมื่อสูงกว่านั้น และสมมติว่าคุณรักษาแบตช์ให้เต็มได้ checkpoint แบบเปิดก็ชนะในต้นทุนการประมวลผลล้วน ๆ — ซึ่งเป็นเหตุผลทางเศรษฐกิจทั้งหมดสำหรับน้ำหนักแบบเปิด และเป็นเหตุผลที่ข้อกำหนดแปด GPU คือตัวเลขที่ควรจดจำ ไม่ใช่จำนวนพารามิเตอร์
“audio understanding” หมายถึงอะไรในแต่ละด้าน
Gemini 3.8 Live ถูกสร้างมาเพื่อการสนทนา หน้าที่ของมันคือฟังคุณ ตอบอย่างรวดเร็ว และจัดการการผลัดกันพูด รายการโมเดลของ Google จัดตำแหน่งให้เป็นโมเดล Live ค่าเริ่มต้น "สำหรับประสบการณ์เอเจนต์เสียงที่มีความหน่วงต่ำส่วนใหญ่ โดยไม่มีความล่าช้าจากการให้เหตุผล" ซึ่งเป็นข้อความเกี่ยวกับงบประมาณความหน่วง ไม่ใช่เกี่ยวกับความลึกของการวิเคราะห์เสียง
Ming-3.0-audio-flash ถูกกำหนดให้ทำงานที่แตกต่างออกไป จุดเด่นห้าประการของการ์ดนี้ ได้แก่ การรู้จำเสียงพูดที่ซับซ้อนครอบคลุมภาษาถิ่น สำเนียง สัญญาณรบกวน และการบันทึกเสียงที่มีผู้พูดหลายคน; การทำความเข้าใจเสียงยาว; การรับรู้เสียงที่ไม่ใช่เสียงพูด ฉากเสียง และดนตรี; การให้เหตุผลเหนือเนื้อหาเสียง; และการโต้ตอบด้วยเสียงพร้อมคำตอบสังเคราะห์แบบเลือกได้ นั่นคือรายการถอดเสียงและวิเคราะห์ที่มีโหมดแชทติดเพิ่มเข้ามา ไม่ใช่รายการสำหรับ voice agent
ผลลัพธ์ในทางปฏิบัติ: หากผลิตภัณฑ์ของคุณเป็น phone agent ที่ต้องตอบภายใน 400 มิลลิวินาที Gemini 3.8 Live คือรูปแบบที่เหมาะกับงานนี้ และ Ming-3.0-audio-flash ไม่ใช่ ไม่ว่าคะแนน benchmark จะออกมาเป็นอย่างไร หากผลิตภัณฑ์ของคุณคือ “นำข้อมูลการประชุมผลประกอบการความยาว 90 นาทีเข้ามา บอกฉันว่าใครพูดอะไร และชี้จุดที่น้ำเสียงของ CFO เปลี่ยนไป” การ์ดของ Ming กำลังอธิบายงานของคุณ ส่วน Live API กำลังอธิบายงานอีกแบบหนึ่ง
ปัญหามาตรฐานที่ยังไม่มีใครแก้ได้
Ming-3.0-audio-flash มาพร้อมกับแผงเกณฑ์มาตรฐานสามแผงในรีโพซิทอรี ได้แก่ การรู้จำเสียง ปัญญาด้านเสียง และข้อความ ค่าทั้งหมดเป็นเปอร์เซ็นต์ ค่าที่สูงกว่าถือว่าดีกว่า เว้นแต่จะมีเครื่องหมายลูกศรชี้ลงกำกับ และผลลัพธ์ที่มีเครื่องหมายดอกจันคือการประเมินของทีมเอง รีโพซิทอรีระบุเพิ่มเติมว่าผลลัพธ์ของโมเดลเปรียบเทียบได้รับการทำซ้ำภายใต้การตั้งค่าการประเมินของ inclusionAI เอง และอาจแตกต่างจากรายงานอย่างเป็นทางการของโมเดลเหล่านั้น เนื่องจากพรอมต์ การตั้งค่าการถอดรหัส เวอร์ชันของโมเดล และไปป์ไลน์
บันทึกนั้นตรงไปตรงมาอย่างผิดปกติ และยังหมายความว่ากราฟเหล่านี้ไม่สามารถใช้จัดอันดับ Ming เทียบกับ Gemini 3.8 Live ได้ ตัวเลขอยู่ในภาพ ไม่ได้อยู่ในข้อความ README และ Google ไม่ได้เผยแพร่ชุดทดสอบความเข้าใจเสียงที่เทียบเคียงได้สำหรับ 3.8 Live ไม่มีกระดานอันดับของบุคคลที่สามที่ให้คะแนนทั้งสองโมเดล ใครก็ตามที่แสดงกราฟแท่งให้คุณเห็นโดยมีสองโมเดลนี้วางเคียงกัน ได้สร้างกราฟนั้นจากคำกล่าวอ้างของผู้ขายในแกนหนึ่งและไม่มีข้อมูลใด ๆ ในอีกแกนหนึ่ง
ข้อความจริงเพียงข้อเดียวที่ใช้ได้ในวันนี้: Ming-3.0-audio-flash มีตัวเลขที่ผู้ขายรันเองและไม่มีตัวเลขจากแหล่งอิสระ ขณะที่ Gemini 3.8 Live มีประวัติการใช้งานจริงในระบบผลิตและไม่มีเกณฑ์มาตรฐานการให้เหตุผลด้านเสียงที่เผยแพร่ นั่นคือการเสมอกันในหมวดเดียวที่สำคัญต่อการตัดสินใจซื้อ ซึ่งก็คือหลักฐาน
OrcaRouter เหมาะกับตรงไหน และไม่เหมาะกับตรงไหน
Ming-3.0-audio-flash ไม่มีอยู่บนแพลตฟอร์มของเรา เราจะไม่เสแสร้งว่าเป็นอย่างอื่น: หากคุณต้องการรันมัน คุณต้องโคลนรีโพซิทอรี ติดตั้งสาขา vLLM-Omni หรือ SGLang ที่ระบุไว้ และเตรียม GPU ให้พร้อม สิ่งที่เราเตอร์มีประโยชน์ในเชิงเปรียบเทียบนี้คืออีกด้านของการตัดสินใจ — ส่วนที่คุณตัดสินใจแล้วว่าโมเดลเสียงแบบโฮสต์จะรองรับทราฟฟิกสดของคุณ และคำถามก็กลายเป็นว่าโมเดลโฮสต์ตัวไหน ในราคาเท่าใด และมีทางเลือกสำรองอย่างไรเมื่อเซสชันล้มเหลว นั่นคือปัญหาการกำหนดเส้นทางข้ามโมเดลกว่า 200 รายการภายใต้คีย์เดียว ในราคาตามรายการของผู้ให้บริการโดยไม่บวกเพิ่ม ดังนั้นการเปลี่ยนแปลงราคาจากผู้จำหน่ายจะไปถึงคุณในวันเดียวกัน แทนที่จะเป็นตอนต่อสัญญาครั้งถัดไป
สำหรับทีมที่กำลังทดสอบว่า checkpoint เสียงแบบเปิดควรค่าแก่ทราฟฟิกโปรดักชันหรือไม่ รูปแบบที่เป็นประโยชน์คือเก็บเส้นทางที่โฮสต์ไว้เป็นทางสำรอง และค่อย ๆ ย้ายปริมาณการใช้งานไปยัง Ming ที่โฮสต์เองทีละส่วน ระบบ failover อัตโนมัติคือสิ่งที่ทำให้การย้ายระบบนั้นย้อนกลับได้แทนที่จะเป็นการเดิมพัน.
การเลือก
เลือกใช้ Gemini 3.8 Live หากคุณต้องการ voice agent ที่พร้อมใช้งานจริงในโปรดักชันภายในไตรมาสนี้ ต้องการมากกว่าสองภาษา ต้องการให้มีภาพในสตรีมเดียวกัน หรือคาดว่าจะมีบทสนทนาแบบพร้อมกันไม่ถึงสิบสองรายการ ค่าใช้จ่ายต่อนาทีนั้นต่ำ ภาระด้านการดำเนินงานแทบเป็นศูนย์ และโมเดลมีความเสถียรและมีเอกสารประกอบครบถ้วน
เลือก Ming-3.0-audio-flash หากคุณต้องการเป็นเจ้าของน้ำหนักโมเดลเอง ต้องรันภายในองค์กรหรือแบบ air-gapped ต้องการเงื่อนไข MIT ทำงานหลักด้วยภาษาจีนและอังกฤษ และมี H800s แปดตัวหรือตัวจัดตารางที่ให้คุณได้ คาดว่าคุณจะต้องประเมินด้วยตัวเอง เพราะยังไม่มีใครทำสิ่งนั้นให้คุณ คาดว่าเครื่องมือจะยังใหม่เพียงไม่กี่วัน เพราะมันเป็นเช่นนั้นจริง และคาดว่าการ์ดโมเดลจะเปลี่ยนแปลงอยู่ตลอดภายใต้คุณ: คอมมิตล่าสุดของมันคือวันที่เขียนสิ่งนี้
ยังมีกรณีที่สาม และเป็นกรณีที่ใหญ่ที่สุดด้วย หากคุณยังไม่รู้ว่าตัวเองอยู่ในสองกรณีนั้นกรณีไหน คุณก็ยังไม่พร้อมที่จะเลือกระหว่าง API แบบคิดค่าบริการตามการใช้งานกับดีพลอยเมนต์แบบแปด GPU จงนำไฟล์เสียงของคุณเองหนึ่งร้อยชั่วโมงไปรันผ่านโมเดลแบบโฮสต์ก่อน วัดดูว่าจริง ๆ แล้วคุณต้องการความแม่นยำระดับไหน แล้วให้ตัวเลขนั้นเป็นตัวตัดสินว่า open checkpoint นั้นคุ้มค่ากับตู้แร็คหรือไม่
ดูอะไรดี
สิ่งที่จะเปลี่ยนการเปรียบเทียบนี้ไม่ใช่เบนช์มาร์ก แต่คือผู้ดำเนินการ ทันทีที่ผู้ให้บริการด้านการเสิร์ฟโมเดลประกาศให้ Ming-3.0-audio-flash อยู่เบื้องหลัง endpoint ที่เข้ากันได้กับ OpenAI พร้อมราคาต่อชั่วโมง ข้อโต้แย้งเรื่อง GPU แปดตัวก็จะไม่ใช่ปัญหาของผู้อ่านอีกต่อไป และชั่วโมงละ $1.38 ก็จะมีคู่แข่ง จนถึงตอนนั้น สรุปตามจริงคือ Google ขายเป็นนาที ส่วน inclusionAI แจกเครื่อง และทั้งสองจะเปรียบเทียบกันได้ก็ต่อเมื่อคุณมีเครื่องนั้นอยู่แล้ว
