Ming-3.0-audio-flash vs Sesame Preview: Một bên nghe được mọi thứ, bên kia chỉ cần phát ra âm thanh giống con người.

Hai cái này không phải đối thủ của nhau. Ming-3.0-audio-flash là một mô hình hỗn hợp chuyên gia (mixture-of-experts) âm thanh–ngôn ngữ với 126 tỷ tham số, theo giấy phép MIT, có năm nhiệm vụ được nêu rõ: nhận dạng giọng nói, hiểu âm thanh dài, cảm nhận âm thanh phi lời nói và âm nhạc, suy luận về âm thanh, và — như nhiệm vụ thứ năm tùy chọn — nói trở lại. Sesame Preview là một trợ lý giọng nói dành cho người tiêu dùng với bốn tính cách, một ứng dụng iOS và Android, và hoàn toàn không có API. Cái thứ hai không cần biết tiếng cửa đập mạnh nghe như thế nào. Cái thứ nhất được xây dựng chính xác để làm việc đó. Đặt chúng cạnh nhau chỉ hữu ích vì nó buộc phải đặt ra câu hỏi mà hầu hết các so sánh mô hình âm thanh đều bỏ qua: bạn đang mua một tai, hay một cái miệng? Những thất bại AI và sự cố tác nhân (agent) được ghi nhận đằng sau các bản phát hành như bản này được tập hợp trong Kho lưu trữ Sự cố AI OrcaRouter nơi mỗi mục đều mang nguồn riêng, mức độ nghiêm trọng, cấp độ tin cậy và cờ tranh chấp.

Thời điểm này khiến sự lệch pha càng trở nên rõ nét hơn. Ming-3.0-audio-flash xuất hiện trên Hugging Face vào ngày 3 tháng 9 năm 2026 mà không có thông báo và nằm đó suốt sáu tuần trước khi mã phục vụ, các ví dụ và thẻ mô hình được viết lại xuất hiện trong khoảng từ ngày 15 đến 19 tháng 10 — kho lưu trữ GitHub được tạo vào ngày 15, và thẻ vẫn đang được chỉnh sửa vào ngày 19. Danh sách hiển thị 22 lượt tải xuống. Sesame Preview đã được phát hành công khai từ mùa xuân, và sản phẩm nghiên cứu có thể tải xuống của nó, CSM-1B, đã có mặt trên Hugging Face từ tháng 3 năm 2025 với khoảng 130.000 lượt tải xuống trong tháng qua và khoảng 2.500 lượt thích. Một bên có cơ sở người dùng và không có kho lưu trữ. Bên còn lại có kho lưu trữ và chưa có người dùng.

Mỗi thứ được làm từ gì

Ming-3.0-audio-flash kết hợp một bộ mã hóa âm thanh và bộ chiếu với một xương sống ngôn ngữ hỗn hợp chuyên gia, cùng một mô-đun Talker tùy chọn chuyển đầu ra văn bản của mô hình thành giọng nói. Tổng số tham số là 126 tỷ, với 6,5 tỷ được kích hoạt mỗi bước suy luận — thanh bên Hugging Face liệt kê 128B, một sự khác biệt mà thẻ mô hình không làm rõ. Đầu vào là âm thanh cộng với một chỉ dẫn văn bản. Đầu ra là văn bản, hoặc văn bản kèm giọng nói tổng hợp. Nó xử lý tiếng Trung và tiếng Anh, với các giọng và phương ngữ được nêu rõ ràng.

Sesame Preview không được mô tả chi tiết đến mức đó ở bất kỳ đâu công khai. Điều được công khai là ứng dụng: một giao diện thoại với bốn tính cách được đặt tên, bộ nhớ, các trình kết nối, và kể từ tháng 10 năm 2026 là khả năng điều phối các tác nhân khác. Điều cũng được công khai là CSM-1B, checkpoint nghiên cứu Apache-2.0 của Sesame — một backbone Llama dự đoán codebook âm thanh đầu tiên và một bộ giải mã độ sâu nhỏ hơn dự đoán phần còn lại, được giải mã qua codec Mimi của Kyutai ở 24 kHz, chỉ tiếng Anh. Thẻ mô hình gọi nó là "một mô hình sinh cơ sở", và Sesame đã nói rõ rằng một dẫn xuất được tinh chỉnh của nó vận hành bản demo tương tác, chứ không phải checkpoint chính là bản demo.

• Những gì bạn có thể tải xuống — Ming: toàn bộ checkpoint 126B, processor, tokenizer, các tài nguyên Talker. Sesame: CSM-1B, một mô hình cơ sở 1B tham số không phải là giọng nói trong ứng dụng.

• Những gì bạn có thể gọi — Ming: một endpoint tương thích OpenAI trên vLLM-Omni hoặc SGLang, sau khi bạn tự triển khai nó. Sesame: một ứng dụng. Không có endpoint, không có model ID cho giọng nói production.

• Những gì nó lắng nghe — Ming: giọng nói, phương ngữ, tiếng ồn, nhiều người nói, âm thanh phi lời nói, cảnh âm thanh, âm nhạc. Sesame: giọng của bạn, trong một cuộc trò chuyện.

• Nội dung nói — Ming: văn bản, tùy chọn kèm giọng nói thông qua giọng có sẵn hoặc giọng sao chép từ mẫu tham chiếu. Sesame: lời nói được tạo ra cho hơi thở, sự ngập ngừng và ngắt lời.

• Ngôn ngữ — Ming: tiếng Trung và tiếng Anh. Sesame: tiếng Anh là ngôn ngữ chính thức; hướng dẫn của chính ứng dụng liệt kê tiếng Pháp, tiếng Ý, tiếng Đức, tiếng Tây Ban Nha, tiếng Trung, tiếng Nhật và tiếng Hàn là "early."

• Giấy phép — Ming: MIT. Sesame: điều khoản dịch vụ của ứng dụng; Apache-2.0 chỉ áp dụng cho checkpoint nghiên cứu.

Sự bất đối xứng trong đánh giá là toàn phần

Với Ming-3.0-audio-flash, bạn có thể tạo cùng một câu một trăm lần và nghe nó. Bạn có thể đưa cho nó cùng một cuộc họp ồn ào và kiểm tra bản ghi. Bạn có thể tự xây dựng tỷ lệ lỗi của riêng mình trên âm thanh của riêng bạn, và tỷ lệ lỗi đó là một con số do bạn sở hữu.

Với Sesame Preview, bạn không thể tạo ra bất cứ thứ gì. Không có endpoint nào, không có checkpoint nào cho giọng nói production, cũng không có benchmark nào được công bố cho nó. Bạn có thể nghe ứng dụng và hình thành ý kiến, và ý kiến đó chính là toàn bộ bằng chứng của bạn. Checkpoint nghiên cứu CSM-1B có thể kiểm thử được — bạn có thể chạy nó, tinh chỉnh nó, đo lường nó — nhưng nó rõ ràng không phải là mô hình đằng sau giọng nói đã khiến Sesame nổi tiếng.

Đây là một màn so tài hiếm hoi mà ở đó mô hình mở là mô hình duy nhất bạn có thể đánh giá, dù mô hình đóng là mô hình duy nhất có lượng người dùng thực sự. Sự đảo ngược đó đáng để suy ngẫm, bởi lập luận thông thường diễn ra theo chiều ngược lại: các sản phẩm đóng mới là những thứ được cho là có thành tích đã được kiểm chứng.

Nơi hai thứ thực sự chạm nhau

Có đúng một điểm trùng lặp, và đó là Talker. Ming-3.0-audio-flash có thể tạo giọng nói, và phần giọng nói của nó có thể cấu hình linh hoạt hơn một ứng dụng bốn giọng: đường vLLM-Omni đi kèm các giọng IP tích hợp, thư mục mô hình chứa các giọng tham chiếu đặt trước cùng bản ghi lời thoại tương ứng, và bạn có thể truyền bất kỳ tệp WAV tham chiếu nào cùng bản ghi lời thoại chính xác của nó để nhân bản. Có một ví dụ hoạt động về giọng nói phát trực tuyến với các chỉ số độ trễ. Đường SGLang hoàn toàn không xử lý giọng nói — nó chỉ xử lý văn bản — điều này đáng biết trước khi bạn chọn một ngăn xếp phục vụ.

Nhưng khả năng cấu hình không đồng nghĩa với chất lượng, và kho lưu trữ Ming không công bố bất kỳ đánh giá chất lượng giọng nói nào. Ba bảng điểm chuẩn của nó bao gồm nhận dạng giọng nói, trí tuệ âm thanh và văn bản. Không có điểm MOS, không có bài kiểm tra sở thích, không có so sánh ngữ điệu. Vậy nên quan điểm trung thực về việc “Ming nghe hay hơn Sesame” là chưa ai đo lường điều đó, và những người có điều kiện đưa ra ý kiến tốt nhất — người dùng của Sesame — chưa từng nghe Ming.

Điều mà Talker của Ming mang lại cho bạn mà Sesame không thể là quyền sở hữu giọng nói. Một đoạn clip tham chiếu và bản phiên âm của nó, và mô hình nói bằng giọng đó, trên phần cứng của bạn, theo giấy phép MIT, không có bên thứ ba can dự. Nếu giọng nói của sản phẩm bạn là tài sản thương hiệu, thì đó không phải là so sánh tính năng. Đó là một phạm trù khác.

Phần cứng, và tại sao nó quyết định phần lớn điều này

Cấu hình phục vụ tham chiếu của Ming-3.0-audio-flash cho ngữ cảnh đầy đủ 128K với đầu ra giọng nói là song song tensor trên tám GPU H800 80 GB. Bốn GPU sẽ cho bạn một cấu hình SGLang đã được xác thực, nhưng chỉ dành cho văn bản. Kho lưu trữ ghi chú rằng cấu hình âm thanh đầy đủ cấp cho Talker ngân sách bộ nhớ riêng trên GPU 7.

Sesame Preview không có yêu cầu về phần cứng vì nó không có triển khai. Đó không phải là câu đùa để chế giễu nó; đó chính là giá trị mà nó thực sự mang lại. Một nhóm muốn có giọng nói biểu cảm trong ứng dụng di động và không muốn phải nghĩ về GPU có thể triển khai hành vi kiểu Sesame thông qua một nhà cung cấp và không bao giờ phải nhìn thấy tệp YAML.

So sánh chi phí dưới đây không hề sát nút. Tám chiếc H800 là một quyết định đầu tư vốn gắn với lịch khấu hao. Một ứng dụng chỉ là một lần tải về. Lý do duy nhất để so sánh chúng là cả hai đều có thể nói, và chi phí của việc nói không phải là biến số đáng quan tâm — chi phí của việc nghe mới là, và Sesame không bán thứ đó.

Mỗi thứ thực sự giỏi hơn ở điểm nào

Ming-3.0-audio-flash làm tốt hơn ở mọi việc liên quan đến việc hiểu âm thanh thay vì tạo ra âm thanh. Bản ghi dài, nhiều người nói, tiếng ồn nền, âm nhạc, cảnh âm thanh, các câu hỏi về những gì đã được nói và nói như thế nào. Thẻ của chính nó tuyên bố khả năng nhận dạng phức tạp xuyên phương ngữ và giọng điệu; các bảng điểm chuẩn của nó do nhà cung cấp vận hành và chưa được kiểm toán, nhưng chúng tồn tại, điều mà đối thủ trong màn so tài này không có.

Sesame Preview làm sản phẩm tốt hơn. Nó có bộ nhớ, các trình kết nối tới mail, lịch và Drive, bề mặt duyệt và thao tác riêng, hỗ trợ MCP qua OAuth, và từ tháng Mười có khả năng điều phối các tác nhân khác. Không điều nào trong số đó là tính năng của một mô hình giọng nói; nó là một trợ lý, và giọng nói là giao diện. Ming không có bất kỳ điều nào trong số đó và không tuyên bố là có.

Còn một lập luận về độ trễ mà chưa ai giải quyết. Một trợ lý hội thoại sống còn nhờ việc luân phiên lượt lời — Sesame gây dựng danh tiếng bằng thời điểm do dự và ngắt lời đủ thuyết phục đến mức những người nghe ban đầu tưởng rằng có người thật ở đầu dây bên kia. Giao diện của Ming-3.0-audio-flash là yêu cầu-và-phản hồi: âm thanh cộng với một chỉ dẫn ở đầu vào, văn bản hoặc giọng nói ở đầu ra. Có các ví dụ về truyền phát, nhưng truyền phát một phản hồi không giống với việc xử lý chen ngang, và kho lưu trữ không đưa ra tuyên bố nào về song công.

Nếu bạn thực sự đang lựa chọn

Bạn có lẽ không phải đang chọn giữa hai cái này, và đáng để nói thẳng như vậy. Những quyết định thực tế là "Ming-3.0-audio-flash so với một API hiểu âm thanh do nhà cung cấp vận hành" và "Sesame Preview so với bất kỳ giọng nói nào mà ứng dụng của bạn đã dùng." Việc ghép cặp này tồn tại vì cả hai đều là mô hình âm thanh có tin tức gần đây, không phải vì người mua sẽ cân nhắc chúng với nhau.

Dù vậy, câu hỏi liền kề — có nên tự host một mô hình âm thanh mở hay không — là câu hỏi mà cả hai sản phẩm đều buộc phải đối diện. Ming đưa ra lập luận ủng hộ quyền sở hữu: giấy phép MIT, có thể kiểm tra, có thể sửa đổi, không có nhà cung cấp nào nằm trên đường đi của yêu cầu. Sesame đưa ra lập luận chống lại việc tự xây dựng: một ứng dụng đã hoạt động, với những năng lực mà đội ngũ của bạn sẽ phải mất một năm để tái tạo. Hầu hết các đội nên dùng phiên bản hosted cho đến khi phiên bản hosted không đáp ứng được họ theo một cách mà họ có thể gọi tên.

Vai trò của OrcaRouter trong quyết định đó là hẹp và đáng được nói rõ. Chúng tôi không host Ming-3.0-audio-flash và cũng không host Sesame Preview — một cái là checkpoint bạn tự chạy, cái còn lại là ứng dụng. Điều một lớp định tuyến mang lại cho bạn là khung so sánh: hơn 200 mô hình đằng sau một khóa với giá niêm yết của nhà cung cấp, không cộng thêm phụ phí, để các mô hình âm thanh được host mà bạn thực sự đang cân nhắc so với Ming tự host có thể được A/B trên cùng lưu lượng, với tính năng tự động chuyển đổi dự phòng nếu một đường bị suy giảm. Đó là cách bạn biết liệu canh bạc tám GPU có đáng hay không, mà không cần đặt cược trước.

Câu hỏi mở

Ming-3.0-audio-flash đã có thể chạy được từ bốn ngày trước và có 22 lượt tải xuống. Thẻ của nó được chỉnh sửa vào đúng ngày bài này được viết. Các con số benchmark của nó là hình ảnh, chất lượng giọng nói của nó chưa được đánh giá, và hồ sơ phục vụ của nó giả định một rack mà hầu hết các đội không sở hữu. Không điều nào trong số đó khiến nó bị loại — đó là diện mạo của tuần đầu tiên trong một bản phát hành âm thầm, và những bài viết sớm dạng “những gì chúng tôi biết” là phản hồi đúng đắn cho tình huống này.

Sesame Preview, trong khi đó, vẫn liên tục tung ra các tính năng cho một sản phẩm mà không có mô hình công bố nào đằng sau chúng. Khoảng cách giữa những gì bạn có thể nghe và những gì bạn có thể kiểm tra chính là toàn bộ câu chuyện của công ty đó, và nó đã không thay đổi trong một năm.

{{1}}Điều cần chú ý không phải là một benchmark.{{/1}} Mà là liệu một trong hai bên có thu hẹp được khoảng cách của mình hay không: Ming có được một đơn vị vận hành và một con số độ trễ, hay Sesame công bố một checkpoint thực sự chính là giọng nói trong ứng dụng. Bên nào xảy ra trước sẽ cho bạn biết cách tiếp cận nào trong hai cách này đang giành phần thắng.