ACE-Step 1.5 vs MiniMax Music 3: ¿qué modelo de canciones abierto elegir?
ACE-Step 1.5 es un modelo de canciones con licencia MIT que funciona con unos 4 GB de VRAM. MiniMax Music 3, de 11.1B, crea canciones de hasta cinco minutos y necesita una GPU de 24 GB.
Veredicto. Elige según tu hardware y la licencia. ACE-Step 1.5 tiene licencia MIT para el código y los pesos, su modelo turbo de 2B funciona con unos 4 GB de VRAM y genera canciones de 10 segundos a 10 minutos con letras en más de 50 idiomas. Sus desarrolladores dicen que una canción completa tarda menos de 10 segundos en una RTX 3090, y añaden covers, repintado, separación de stems y entrenamiento de LoRA. MiniMax Music 3 tiene 11.100 millones de parámetros, escribe canciones de hasta cinco minutos a 32 kHz y acepta una descripción detallada de género, tempo, tonalidad, voces y arreglo. La ruta de la ficha del modelo necesita una GPU CUDA con unos 24 GB en BF16, y la propia guía de servido de MiniMax pide dos GPU. Su licencia comunitaria pide a los productos comerciales mostrar el nombre MiniMax-Music3 y exige autorización por escrito por encima de 20 millones de USD al año. En el benchmark del propio equipo YuE2, Music 3 puntúa 6,28 y ACE-Step 1.5, 6,01, pero es la tabla de un solo equipo y no una clasificación independiente, así que escucha ambos. Los desarrolladores de ACE-Step afirman haber entrenado con datos con licencia, libres de regalías y sintéticos, algo que no hemos verificado, mientras que la ficha de MiniMax no describe sus datos de entrenamiento.
Especificaciones
| Especificaciones | ACE-Step 1.5 | MiniMax Music 3 |
|---|---|---|
| Desarrollador | ACE-Step | MiniMax |
| Lanzamiento | 23 de enero de 2026 | 13 de agosto de 2026 |
| Parámetros totales | 4B (1.5 XL Turbo (4B DiT)) | 11.1B (Music 3 (diffusers or SGLang-Omni)) |
| Parámetros activos | Todos | Todos |
| Arquitectura | Híbrida | Híbrida |
| Ventana de contexto | – | – |
| Entrada | Texto, Audio | Texto |
| Licencia | MIT (Permisiva) | MiniMax Music3 Community (Condicional) |
| Memoria de la variante más pequeña (4 bits) | 4 GB (1.5 Turbo (2B DiT, with 1.7B LM)) | 24 GB (Music 3 (diffusers or SGLang-Omni)) |
Las afirmaciones de rendimiento provienen del desarrollador y no se han verificado de forma independiente.
Elige ACE-Step 1.5 si
- Quieres condiciones MIT sencillas para el código y los pesos, sin umbral de ingresos ni requisito de crédito.
- Tienes una GPU de juegos o un portátil con 4 a 8 GB de VRAM y quieres un borrador en segundos.
- Necesitas covers, repintado, separación de stems o un LoRA entrenado con unas pocas canciones.
- Escribes letras en muchos idiomas: los desarrolladores listan más de 50.
Elige MiniMax Music 3 si
- Quieres canciones de hasta cinco minutos con etiquetas de sección y una descripción detallada de tempo, tonalidad, voces y arreglo.
- Tienes una GPU CUDA de unos 24 GB, o dos GPU para la guía SGLang-Omni de MiniMax.
- Tu producto puede mostrar el nombre MiniMax-Music3, y tu empresa factura menos de 20 millones de USD al año o puede obtener la autorización de MiniMax.
- Aceptas un modelo más grande por la puntuación más alta en el benchmark del equipo YuE2, 6,28 frente a 6,01, y ya has comprobado las muestras por tu cuenta.