Ming-3.0-audio-flash vs Qwen-Audio-3.1: โฟลเดอร์ที่ดาวน์โหลดได้ เทียบกับแคตตาล็อกที่เรียกใช้ได้เพียงอย่างเดียว

มีเวอร์ชันหนึ่งของการเปรียบเทียบนี้ที่เขียนได้ง่าย และมันจะผิดMing-3.0-audio-flash และ Q​wen-Audio-3.1 ในฐานะโมเดลเสียงภาษาจีนสองตัว วางจำนวนพารามิเตอร์ของทั้งคู่ในแถวเดียวกัน แล้วประกาศผู้ชนะ ปัญหาคือ Q​wen-Audio-3.1 ไม่ได้มีอยู่เป็นเช็กพอยต์ที่คุณชั่งน้ำหนักได้ มันมีอยู่ในรูปแบบชุด ID โมเดลที่โฮสต์ไว้ในแค็ตตาล็อก Model Studio ของ A​libaba — qwen-audio-3.1-realtime-plus, qwen-audio-3.1-asr-flash-streaming, qwen-audio-3.1-asr-flash-filetrans — โดยไม่มีเวตต์เผยแพร่บน Hugging Face และไม่มีจำนวนพารามิเตอร์สาธารณะ Ming-3.0-audio-flash ตรงกันข้าม: พารามิเตอร์ทั้งหมด 126 พันล้านตัว ใช้งานจริง 6.5 พันล้านตัว สัญญาอนุญาต MIT อยู่ในรีโพซิทอรีที่คุณโคลนได้ ตัวหนึ่งคือโฟลเดอร์ อีกตัวคือสายผลิตภัณฑ์ที่คุณเช่าตามการเรียกใช้งาน ทุกคำถามที่มีความหมายเกี่ยวกับสองสิ่งนี้ล้วนเกิดจากความไม่สมมาตรนั้น และไม่มีคำถามจากตารางเบนช์มาร์กแบบปกติข้อใดที่ตอบได้เลย ความล้มเหลวของ AI และเหตุการณ์เอเจนต์ที่มีการบันทึกไว้เบื้องหลังการเปิดตัวแบบนี้ถูกรวบรวมไว้ใน the OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งอ้างอิง ระดับความรุนแรง เกรดความเชื่อมั่น และธงข้อโต้แย้งของตัวเอง

ประวัติที่มาคุ้มค่ากับการอธิบายสักย่อหน้า เพราะมันอธิบายว่าทำไมทั้งสองจึงรู้สึกว่าพอเทียบกันได้ทั้งที่จริง ๆ แล้วไม่ใช่ Ming-3.0-audio-flash เปิดตัวโดยปล่อยเวตก่อน: อัปโหลดไปยัง Hugging Face เมื่อวันที่ 3 กันยายน 2026 โดยไม่มีการประกาศ จากนั้นก็ถูกทิ้งให้ใช้งานไม่ได้เป็นเวลาหกสัปดาห์ จนกระทั่งโค้ดสำหรับให้บริการและตัวอย่างถูกผลักขึ้นไประหว่างวันที่ 15 ถึง 19 ตุลาคม Q​wen-Audio-3.1 เปิดตัวโดยลงแคตตาล็อกก่อน: มีไอดีโมเดลสามรายการระบุไว้ในเอกสาร Model Studio ของ A​libaba Cloud ภายใต้หมวดการรู้จำเสียงพูดและการแปลงเสียงพูดเป็นเสียงพูด โดยแต่ละรายการอธิบายไว้หนึ่งบรรทัด และหน้ารายละเอียดไม่ได้ระบุสเปกไว้ นั่นคือรูปแบบการเปิดตัวสองแบบที่โดดเด่นของปี 2026 ในแมตช์เดียว — แล็บเปิดที่ปล่อยรีโพซิทอรีแล้วปล่อยให้โลกสังเกตเห็นเอง กับคลาวด์ที่ปล่อย SKU แล้วปล่อยให้เอกสารกลายเป็นการเปิดตัว

แต่ละอันให้อะไรกับคุณจริง ๆ

• สิ่งที่คุณได้รับ — Ming: เช็กพอยต์ MoE ขนาดประมาณ 126B พารามิเตอร์ พร้อมโปรเซสเซอร์ โทเคไนเซอร์ แอสเซต Talker สคริปต์สำหรับให้บริการและตัวอย่าง Q​wen-Audio-3.1: ข้อมูลรับรอง API และชื่อเอนด์พอยต์สามรายการ

• สิ่งที่คุณตรวจสอบได้ — Ming: สถาปัตยกรรม, ใบอนุญาต, แผงผลทดสอบมาตรฐาน, YAML สำหรับการติดตั้งใช้งาน, พรีเซ็ตเสียง Q​wen-Audio-3.1: ป้ายหมวดหมู่และคำอธิบายหนึ่งประโยคต่อ SKU

• สัญญาอนุญาต — Ming: MIT ทั้งน้ำหนักโมเดลและโค้ด Q​wen-Audio-3.1: ข้อกำหนดเชิงพาณิชย์ของ Model Studio; ไม่มีสัญญาอนุญาตสำหรับน้ำหนักโมเดล เพราะไม่มีน้ำหนักโมเดล

• รันที่ไหน — Ming: GPU ของคุณ แร็กของคุณ แอร์แกปของคุณ Q​wen-Audio-3.1: โครงสร้างพื้นฐานของ A​libaba ในภูมิภาคที่ให้บริการ

• โหมดความล้มเหลว — Ming: คุณรับผิดชอบเพจเจอร์ Q​wen-Audio-3.1: ปัญหาเรื่องโควตา ภูมิภาค หรือบัญชี ให้ถือเป็นตั๋วสนับสนุน

• ราคา — Ming: ฮาร์ดแวร์ Qwen-Audio-3.1: ไม่ได้เผยแพร่บนดัชนีโมเดล; คุณต้องดูที่หน้ารายละเอียดหรือคอนโซล

ประโยคสุดท้ายนั้นไม่ใช่การเลี่ยงคำตอบ ดัชนีแบบจำลองของ Model Studio แสดงรายการ ID ทั้งสามของ Q​wen-Audio-3.1 ภายใต้หมวดหมู่ของรายการเหล่านั้น และหน้านั้นไม่มีข้อมูลราคา หน้าต่างบริบท หรือความครอบคลุมภาษา เอกสารรายละเอียดที่ลิงก์ไว้ไม่สามารถเข้าถึงได้เมื่อตรวจสอบ การกล่าวว่า "Q​wen-Audio-3.1 มีค่าใช้จ่าย X" จะเป็นการกุตัวเลขขึ้นมา และลักษณะของผลิตภัณฑ์หมายความว่าตัวเลขนั้นจะเปลี่ยนไปอยู่แล้วไม่ว่าอย่างไร

SKU ทั้งสามไม่ใช่รุ่นเดียวกัน และเรื่องนี้สำคัญ

นี่คือจุดที่การเปรียบเทียบส่วนใหญ่มองข้ามไป Qwen-Audio-3.1 ไม่ใช่สิ่งเดียวที่คุณจะนำมาวัดประสิทธิภาพ แคตตาล็อกแบ่งออกเป็นสามส่วน:

qwen-audio-3.1-asr-flash-streamingคือการรู้จำเสียงที่ส่งมาแบบสตรีม — กรณีการใช้งานที่ตรงไปตรงมาคือคำบรรยายสดหรือบทถอดเสียงการโทรที่มาถึงขณะที่การโทรกำลังเกิดขึ้น

qwen-audio-3.1-asr-flash-filetrans เป็นงานการรู้จำเดียวกันที่ประมวลผลแบบเป็นชุดกับไฟล์ คำว่า "Flash" ในชื่อทั้งสองบ่งชี้ถึงระดับความเร็วและต้นทุนมากกว่าจะเป็นระดับคุณภาพ แม้ว่า Alibaba จะไม่ได้อธิบายความแตกต่างดังกล่าวไว้ในดัชนี

qwen-audio-3.1-realtime-plusดัชนีระบุว่าเป็น "การสนทนาด้วยเสียงแบบครบวงจรโดยไม่ต้องเรียก ASR และ TTS แยกกัน" — เอนด์พอยต์แบบเสียงสู่เสียง และplusบ่งบอกว่าเป็นรุ่นที่เต็มรูปแบบกว่าในบรรดาสองระดับเรียลไทม์

Ming-3.0-audio-flash ยุบรวมสิ่งเหล่านั้นเป็นอาร์ติแฟกต์เดียว การรู้จำเสียง การเข้าใจเสียงยาว การให้เหตุผลเกี่ยวกับเสียง และเอาต์พุตเสียงแบบเลือกใช้ได้ ล้วนเป็นโหมดของเช็กพอยต์เดียวกัน ซึ่งเลือกผ่านพรอมป์ต์และโปรไฟล์การให้บริการ แทนที่จะต้องเลือก SKU ที่แตกต่างกัน รีพозиторийมาพร้อมโปรไฟล์ ASR โปรไฟล์ข้อความ และโปรไฟล์เอาต์พุตเสียง โดยพรอมป์ต์ ASR ขอให้โมเดลระบุภาษาที่พูดและใส่แท็บระหว่างป้ายกำกับกับข้อความถอดเสียง

รูปแบบใดจะดีกว่ากันนั้นขึ้นอยู่กับสิ่งที่คุณกำลังสร้าง การมีสาม SKU หมายความว่าคุณจ่ายสำหรับการรู้จำเมื่อคุณต้องการเพียงการรู้จำ และไม่ต้องแบกรับต้นทุนการอนุมานของโมเดลขนาด 126B สำหรับงานถอดเสียง เช็กพอยต์เดียวหมายความว่าบทถอดเสียงและการวิเคราะห์บทถอดเสียงมาจากโมเดลเดียวกัน โดยไม่มีการสูญเสียจากการซีเรียลไลซ์ระหว่างกัน — ไม่มีโหมดความล้มเหลวแบบ "ASR พูดว่า 'their' แต่โมเดลให้เหตุผลเดาผิด" เพราะไม่มีโมเดลที่สอง

ทำไมที่นี่ถึงไม่มี benchmark ที่ซื่อสัตย์เลย

Ming-3.0-audio-flash เผยแพร่แผงการประเมินสามชุด ได้แก่ การรู้จำเสียง ปัญญาด้านเสียง และข้อความ ในรูปแบบภาพในที่เก็บ GitHub ของตน ค่าทั้งหมดเป็นเปอร์เซ็นต์ ค่าที่สูงกว่าดีกว่า ยกเว้นในกรณีที่มีลูกศรระบุไว้เป็นอย่างอื่น และผลลัพธ์ที่มีเครื่องหมายดาวเป็นผลของทีมเอง ที่เก็บดังกล่าวเพิ่มหมายเหตุว่าโมเดลสำหรับเปรียบเทียบถูกทำซ้ำภายใต้การตั้งค่าการประเมินของ inclusionAI และอาจแตกต่างจากรายงานอย่างเป็นทางการของโมเดลเหล่านั้น เนื่องจากพรอมป์ การตั้งค่าการถอดรหัส เวอร์ชัน และไปป์ไลน์

Qwen-Audio-3.1 ไม่ได้เผยแพร่ตารางผลการทดสอบมาตรฐานบนหน้าดัชนีของตน เอกสารรายละเอียดก็ไม่ได้เปิดเผยตารางดังกล่าวเช่นกัน ดังนั้นจึงไม่มีชุดทดสอบร่วมกัน ไม่มีการกำหนดค่าการถอดรหัสร่วมกัน และไม่มีบุคคลที่สามที่เป็นอิสระซึ่งให้คะแนนทั้งสองอย่าง

ข้อความเดียวที่ป้องกันได้คือข้อความเชิงปฏิเสธ: ไม่มีฝ่ายใดมีตัวเลขที่อีกฝ่ายสามารถนำมาเปรียบเทียบได้ หากบทความเปรียบเทียบแสดง Ming-3.0-audio-flash และ Q​wen-Audio-3.1 ในคอลัมน์ที่อยู่ติดกันพร้อมเปอร์เซ็นต์ นั่นหมายความว่าบทความได้นำการประเมินตนเองของผู้ขายมารวมกับ API ที่ยังไม่ได้วัดผล และการจัดเรียงคอลัมน์ต่างหากที่กำลังโน้มน้าวคุณ

คำถามเรื่องต้นทุนในมุมมองใหม่

เนื่องจากอัตราต่อโทเคนหรือต่อวินาทีของ Q​wen-Audio-3.1 ไม่ได้อยู่ในดัชนีสาธารณะ การเปรียบเทียบที่มีประโยชน์จึงไม่ใช่ราคากับราคา แต่เป็นโครงสร้างต้นทุนกับโครงสร้างต้นทุน

การคิดค่าบริการตามจำนวนครั้งที่เรียกใช้งานมีข้อดีมหาศาลอย่างหนึ่ง นั่นคือมันติดตามการใช้งานของคุณได้อย่างแม่นยำ และจะเป็นศูนย์เมื่อคุณไม่มีการใช้งานเลย สำหรับผลิตภัณฑ์ที่มีปริมาณการใช้งานพุ่งเป็นช่วง ๆ — เช่น ทีมด้านการปฏิบัติตามกฎระเบียบที่ถอดเสียงการโทรหนึ่งพันสายในวันสุดท้ายของไตรมาส และไม่ทำอะไรเลยอีกสิบเอ็ดสัปดาห์ — สิ่งนี้เป็นตัวชี้ขาด คุณไม่อาจเอาชนะการคิดค่าบริการต่อการเรียกใช้งานด้วย GPU ที่เป็นเจ้าของเองภายใต้ปริมาณงานที่พุ่งเป็นช่วง ๆ ได้ เพราะ GPU ยังคงมีค่าใช้จ่ายตลอดช่วงสัปดาห์ที่ไม่ได้ใช้งาน

น้ำหนักโมเดลที่ครอบครองเองมีข้อได้เปรียบกลับด้าน: ต้นทุนส่วนเพิ่มของชั่วโมงที่หนึ่งพันแทบจะเป็นศูนย์ และไม่ขยับเมื่อผู้ขายปรับราคาใหม่ สำหรับผลิตภัณฑ์ที่มีภาระงานสม่ำเสมอ — ศูนย์ติดต่อลูกค้าที่ทำงานที่ 60% ของกำลังความสามารถทุกวันธรรมดา — ต้นทุนคงที่จะถูกตัดจำหน่าย และตัวเลขต่อชั่วโมงจะต่ำกว่าอัตราค่าบริการมาตรฐานใด ๆ จุดตัดคือการคำนวณอัตราการใช้งาน ไม่ใช่เกณฑ์มาตรฐาน และแตกต่างกันในแต่ละทีม

พื้นฮาร์ดแวร์ของ Ming คือตัวเลขที่ใช้ตัดสิน โปรไฟล์อ้างอิงสำหรับบริบทเต็ม 128K พร้อมเอาต์พุตเสียงคือ tensor parallelism บน H800 ขนาด 80 GB จำนวนแปดตัว มีโปรไฟล์ SGLang ที่ผ่านการตรวจสอบแล้วบน GPU สี่ตัว แต่รองรับเฉพาะข้อความ — คุณจะเสีย Talker ไป เมื่อใช้ GPU สี่ตัว การเปรียบเทียบคือ Ming ในบทบาทตัวถอดเสียงเทียบกับ SKU ASR ของ Qwen; เมื่อใช้แปดตัว การเปรียบเทียบคือ Ming ในบทบาทบทสนทนาเทียบกับ qwen-audio-3.1-realtime-plus สิ่งเหล่านี้เป็นการตัดสินใจที่แตกต่างกันสองแบบ และควรตัดสินแยกจากกัน

จุดที่เราเตอร์พิสูจน์คุณค่าในสถานการณ์นี้คือช่วงทดลองใช้ คุณคงไม่อยากมารู้ทีหลังว่าคลาวด์เช็กพอยต์แบบเปิดทำงานได้ด้อยกว่ากับเสียงของคุณ หลังจากที่ซื้อแร็กไปแล้ว การรัน SKU แบบโฮสต์และตัวเลือกที่โฮสต์เองไว้เบื้องหลังเอนด์พอยต์เดียวช่วยให้คุณ A/B ทั้งสองแบบบนทราฟฟิกเดียวกันได้: มากกว่า 200 โมเดลด้วยคีย์เดียว ราคาตามรายการของผู้ให้บริการส่งผ่านโดยไม่บวกเพิ่มfailover อัตโนมัติเมื่อเส้นทางใดเส้นทางหนึ่งมีประสิทธิภาพลดลง เมื่อฝั่งที่โฮสต์เองให้ผลดีกว่าบนไฟล์บันทึกของคุณเอง คุณก็ปรับเปอร์เซ็นต์ได้ เมื่อไม่เป็นเช่นนั้น ก็ไม่มีอะไรพัง

ภาษา ภาษาถิ่น และสิ่งที่การ์ดทั้งสองใบพูด

Ming-3.0-audio-flash ระบุภาษาจีนและอังกฤษ “รวมถึงสำเนียงและภาษาถิ่นที่หลากหลาย” และจุดเด่นของมันชี้ให้เห็นถึงการบันทึกเสียงที่มีผู้พูดหลายคนและสภาพแวดล้อมที่มีเสียงรบกวน ถ้อยคำนั้นเจาะจงพอที่จะตรวจสอบได้และคลุมเครือพอที่คุณควรตรวจสอบ: “สำเนียงและภาษาถิ่นที่หลากหลาย” ในโมเดลเสียงภาษาจีนมักหมายถึงสำเนียงภูมิภาคของภาษาจีนกลาง และภาษายู่อย่างน้อยหนึ่งหรือสองชนิด แต่การ์ดไม่ได้ระบุรายละเอียดไว้

การครอบคลุมภาษาของ Q​wen-Audio-3.1 ไม่ได้ระบุไว้ในรายการดัชนี สายผลิตภัณฑ์ด้านเสียงที่กว้างขึ้นของ A​libaba เคยครอบคลุมภาษาและภาษาถิ่นจีนหลากหลายในอดีต แต่การครอบคลุมของผลิตภัณฑ์พี่น้องไม่ใช่เอกสารประกอบของผลิตภัณฑ์นี้ และจุดยืนที่สมเหตุสมผลคือจำนวนนี้ยังไม่เป็นที่ทราบจนกว่าหน้ารายละเอียดจะระบุไว้เป็นอย่างอื่น

โมเดลทั้งสองมาจากห้องแล็บจีน และทั้งคู่จะแข็งแกร่งที่สุดในจุดที่ข้อมูลฝึกของตนมีความหนาแน่นมากที่สุด ไม่มีการ์ดใบใดกล่าวอ้างสิ่งที่คุณหักล้างได้โดยไม่ต้องป้อนเสียงเข้าไปทดสอบกับมัน นั่นคือบททดสอบ: เอาเสียงบันทึกที่แย่ที่สุดของคุณเองมาสักยี่สิบนาที — อันที่มีเสียงรบกวน อันที่มีการสลับภาษา และอันที่มีคนสามคนพูดทับกัน — แล้วรันผ่านทั้งสองโมเดล มันจะบอกคุณได้มากกว่ากราฟใด ๆ ที่ทั้งสองแล็บเผยแพร่

อะไรจะทำให้ภาพเปลี่ยนไป

สองเหตุการณ์ อย่างแรก ถ้า A​libaba เปิดเผยเวตของ Q​wen-Audio-3.1 — สาย Q​wen ได้เปิดเวตสำหรับโมเดลข้อความและวิชันมาหลายครั้งแล้ว ดังนั้นนี่ไม่ใช่เรื่องเพ้อฝัน — การเปรียบเทียบทั้งหมดจะยุบเหลือเป็น "เช็กพอยต์ MIT หรือ Apache สองตัว เอาไปเทียบบนฮาร์ดแวร์ของคุณเอง" และกรอบคิดแบบแคตตาล็อกเทียบกับโฟลเดอร์ก็จบไป อย่างที่สอง ถ้าผู้ให้บริการเสิร์ฟโมเดลระบุ Ming-3.0-audio-flash ไว้หลังเอนด์พอยต์ที่เข้ากันได้กับ OpenAI พร้อมอัตราค่าบริการที่ประกาศไว้ ข้อจำกัดขั้นต่ำแปด GPU ก็จะไม่ใช่ปัญหาของผู้อ่านอีกต่อไป และผลิตภัณฑ์ทั้งสองจะเทียบกันได้โดยตรงในเรื่องราคาต่อชั่วโมงเสียง

ทั้งสองกรณีไม่เกิดขึ้น ณ เวลาที่เขียนนี้ ตระกูล Q​wen-Audio-3.1 เรียกใช้งานได้แต่ไม่สามารถเข้าถึงน้ำหนักโมเดลได้ ส่วน Ming-3.0-audio-flash เข้าถึงน้ำหนักโมเดลได้แต่เรียกใช้งานไม่ได้ ยกเว้นบนฮาร์ดแวร์ที่คุณจัดหาเอง นั่นคือการจับคู่ทั้งหมด และเป็นการจับคู่เกี่ยวกับการกระจาย ไม่ใช่เกี่ยวกับคุณภาพเสียง

จะตัดสินใจในสัปดาห์นี้ได้อย่างไร

หากคุณต้องการเอนด์พอยต์แปลงเสียงเป็นข้อความในวันนี้ และคุณใช้งาน Alibaba Cloud อยู่แล้ว Qwen-Audio-3.1 ASR SKU คือเส้นทางที่สั้นที่สุด และความเสี่ยงด้านการดำเนินงานคือโควตา ไม่ใช่เพจเจอร์ หากคุณต้องการการแปลงเสียงเป็นเสียงในสแตกเดียวกัน qwen-audio-3.1-realtime-plus คือตัวเลือกที่มีเอกสารระบุไว้ และราคาของมันเป็นคำถามที่ต้องดูในคอนโซล ไม่ใช่คำถามจากบล็อก

หากคุณจำเป็นต้องเป็นเจ้าของโมเดล — ไม่ว่าจะด้วยข้อกำหนดด้านกฎระเบียบ การใช้งานแบบ air-gapped หรือเพียงเพราะคุณเชื่อมั่นว่าข้อมูลเสียงของคุณคือสินทรัพย์และไม่ควรเช่าโมเดล — Ming-3.0-audio-flash เป็นเพียงตัวเดียวในสองตัวนี้ที่ทำให้คุณทำได้ จัดงบ H800 จำนวนแปดตัวสำหรับโปรไฟล์แบบเต็ม สี่ตัวสำหรับแบบข้อความล้วน และเวลาประเมินด้วยตัวเองหนึ่งสัปดาห์ ก่อนที่คุณจะเชื่อสิ่งใดก็ตามในภาพ benchmark

และถ้าคุณยังไม่แน่ใจว่าตัวเองเป็นแบบไหนในนั้น คำตอบคือยังไม่ใช่ทั้งสองแบบ ส่งเสียงของคุณผ่าน endpoint ที่โฮสต์ไว้ วัดอัตราความผิดพลาดที่คุณรับได้ แล้วให้ตัวเลขนั้นบอกคุณว่าฮาร์ดแวร์คุ้มที่จะซื้อหรือไม่ การเลือกโมเดลเป็นสิ่งที่อยู่ปลายน้ำของการวัดนั้น ไม่ใช่ต้นน้ำของมัน