ACE-Step 1.5 vs MiniMax Music 3: qual modelo de música aberto escolher?
ACE-Step 1.5 é um modelo de música com licença MIT que roda com cerca de 4 GB de VRAM. MiniMax Music 3, de 11.1B, escreve músicas de até cinco minutos e precisa de uma GPU de 24 GB.
Veredito. Escolha pelo hardware e pela licença. O ACE-Step 1.5 tem licença MIT para código e pesos, seu modelo turbo de 2B roda com cerca de 4 GB de VRAM e gera músicas de 10 segundos a 10 minutos com letras em mais de 50 idiomas. Seus desenvolvedores dizem que uma música completa leva menos de 10 segundos em uma RTX 3090, e ainda oferecem covers, repintura, separação de stems e treinamento de LoRA. O MiniMax Music 3 tem 11,1 bilhões de parâmetros, escreve músicas de até cinco minutos a 32 kHz e aceita uma descrição detalhada de gênero, tempo, tom, vocais e arranjo. A rota do model card precisa de uma GPU CUDA com cerca de 24 GB em BF16, e o próprio guia de serving da MiniMax pede duas GPUs. A licença comunitária pede que produtos comerciais exibam o nome MiniMax-Music3 e exige autorização por escrito acima de 20 milhões de dólares por ano. No benchmark do próprio time YuE2, o Music 3 pontua 6,28 e o ACE-Step 1.5, 6,01, mas essa é a tabela de um único time e não um ranking independente, por isso ouça os dois. Os desenvolvedores do ACE-Step dizem ter treinado com dados licenciados, livres de royalties e sintéticos, o que não verificamos, enquanto o model card da MiniMax não descreve seus dados de treinamento.
Especificações
| Especificações | ACE-Step 1.5 | MiniMax Music 3 |
|---|---|---|
| Desenvolvedor | ACE-Step | MiniMax |
| Lançamento | 23 de janeiro de 2026 | 13 de agosto de 2026 |
| Total de parâmetros | 4B (1.5 XL Turbo (4B DiT)) | 11.1B (Music 3 (diffusers or SGLang-Omni)) |
| Parâmetros ativos | Todos | Todos |
| Arquitetura | Híbrida | Híbrida |
| Janela de contexto | – | – |
| Entrada | Texto, Áudio | Texto |
| Licença | MIT (Permissiva) | MiniMax Music3 Community (Condicional) |
| Memória para a menor variante (4 bits) | 4 GB (1.5 Turbo (2B DiT, with 1.7B LM)) | 24 GB (Music 3 (diffusers or SGLang-Omni)) |
As afirmações de desempenho vêm do desenvolvedor e não foram verificadas de forma independente.
Escolha ACE-Step 1.5 se
- Você quer termos MIT simples para código e pesos, sem linha de receita nem exigência de crédito.
- Você tem uma GPU de jogos ou um notebook com 4 a 8 GB de VRAM e quer um rascunho em segundos.
- Você precisa de covers, repintura, separação de stems ou de um LoRA treinado com algumas músicas.
- Você escreve letras em muitos idiomas, já que os desenvolvedores listam mais de 50.
Escolha MiniMax Music 3 se
- Você quer músicas de até cinco minutos com tags de seção e uma descrição detalhada de tempo, tom, vocais e arranjo.
- Você tem uma GPU CUDA de cerca de 24 GB, ou duas GPUs para o guia SGLang-Omni da MiniMax.
- Seu produto pode exibir o nome MiniMax-Music3, e sua empresa fatura menos de 20 milhões de dólares por ano ou pode obter a autorização da MiniMax.
- Você aceita um modelo maior pela pontuação mais alta no benchmark do time YuE2, 6,28 contra 6,01, e já conferiu as amostras por conta própria.