LFM3-Omni-2B vs. Qwen3.8-Omni-Flash: Nur einer von ihnen kann sprechen

Stellen Sie LFM3-Omni-2B und Qwen3.8-Omni-Flash in denselben Raum, und der Unterschied, der bei den meisten Produkten den Ausschlag gibt, steht nicht auf der Benchmark-Tabelle. Beide akzeptieren Audio. Beide akzeptieren Video. Nur eines von ihnen kann laut antworten. Alibabas Modell gibt ausschließlich Text zurück – die eigene Dokumentation stellt ausdrücklich klar, dass gesprochene Antworten ein anderes Modell aus der Qwen-Reihe erfordern – während der 2,17-Milliarden-Parameter-Checkpoint von Liquid AI direkt 24-kHz-Sprache ausgibt oder Sprache und Text in einer einzigen Antwort miteinander verschränkt.

Alles andere an diesem Paar ist ein Lehrstück in Sachen Skalierung. Qwen3.8-Omni-Flash ist seit dem 18. September 2026 ein geschlossenes Modell auf Alibabas API, gebaut auf einer Mixture-of-Experts-Architektur mit 125 Milliarden Parametern und rund 6 Milliarden aktiven, mit einem Kontext von einer Million Token. LFM3-Omni-2B hat offene Gewichte, 2,17 Milliarden Parameter, 32K Kontext und wurde am 27. Oktober 2026 als eines von sechs Modellen im LFM3-Familienbeitrag angekündigt – wobei sein Repository seit dem 21. Oktober öffentlich ist und es keinen eigenen Launch-Beitrag hat. Das eine mietet man pro Token; das andere lädt man herunter und bezahlt mit Hardware.

Die beiden Produkte sind nicht dasselbe Produkt.

Reduziert man jedes auf seinen Zweck, ist {{1}}Qwen3.8-Omni-Flash{{/1}} eine Verstehens-Engine mit einem riesigen Kontextfenster: transkribieren, zusammenfassen, über Stunden an Medieninhalten hinweg schlussfolgern, Tools aufrufen und Text zurückgeben. {{2}}LFM3-Omni-2B{{/2}} ist ein konversationeller Endpunkt, der zufällig sehen und hören kann: Er nimmt eine Frage per Stimme entgegen, betrachtet ein Bild und antwortet per Stimme – auf einem Gerät.

Die Konsequenz ist, dass der Aufbau eines Sprachassistenten auf Qwen3.8-Omni-Flash bedeutet, zwei weitere Stufen zu bauen – Spracherkennung am Eingang, Sprachsynthese am Ausgang – und für drei Modelle zu zahlen, während Liquid Ihnen nur eines berechnet. Der Aufbau eines Analysators für zweistündige Besprechungen auf LFM3-Omni-2B bedeutet, ihn in Blöcken zu füttern, denn ein 32K-Fenster entspricht nicht einer Stunde Audio, und Liquid veröffentlicht keine Audio-zu-Token-Rate, mit der Sie das Limit berechnen könnten, bevor Sie es ausprobieren.

Der Kontext ist die größte Lücke auf dem Blatt.

• Kontext — {{1}}Qwen3.8-Omni-Flash{{/1}} 1 Mio. Tokens, mit einer maximalen Eingabe von rund 991K und einer Ausgabe von bis zu 131K; {{2}}LFM3-Omni-2B{{/2}} 32K Tokens, die Eingabe und Ausgabe zusammen abdecken.

• Medienlimits — Alibaba dokumentiert bis zu drei Stunden Audio und zwei Stunden Video in einer einzelnen Anfrage, wobei Audioeingaben in 113 Sprachen und Dialekten möglich sind; Liquid dokumentiert 16-kHz-Mono-Audio und Video mit einer Abtastrate von 2 Bildern pro Sekunde, 4 bis 384 Bilder.

• Ausgabe — nur Text als Text, 24-kHz-Sprache oder verschachtelter Text und Sprache.

• Skalierung — ein 125B-Mixture-of-Experts mit etwa 6B aktiven Parametern, gehostet, gegenüber einem 2,17B dichten Modell, das auf einem Telefon läuft.

• Gewichte — Closed gegen Open, unter der LFM Open License v1.0.

• Preis — 0,15 $ pro Million Input-Tokens, 0,016 $ gecacht, 0,47 $ pro Million Output für Qwen3.8-Omni-Flash; kein Preis pro Token für LFM3-Omni-2B, da es nichts zu messen gibt.

Der 1M-Kontext ist kein Datenblatt-Ornament. Er ist der Unterschied zwischen „diese Besprechung zusammenfassen“ und „diese Besprechung zusammenfassen und dann Fragen zur dritten Stunde beantworten“. Alibabas Rahmung zum Marktstart war eine Rechnung statt einer Punktzahl: 98 % günstiger pro Stunde Audioeingabe als Qwen3.5-Omni-Plus, 93 % günstiger pro Stunde Audio-Video; die Zahlen stammen aus der Bepreisung eines zweiminütigen Beispiels und deren Multiplikation. Die Einsparungen sind real, und sie sind zugleich die eigene Arithmetik eines Anbieters.

Was das Geld tatsächlich kauft

Bei 0,15 $ pro Input und 0,47 $ pro Output ist eine Stunde Transkription so günstig, dass die meisten Teams aufhören, sie zu modellieren. Das ist der Sinn der Preissenkung, und es ist das stärkste Argument fürs Mieten: Die Grenzkosten einer Anfrage liegen nahe null, und jemand anders besitzt die GPUs.

LFM3-Omni-2B kehrt die Kurve um. Die Gewichte sind kostenlos, die Grenzkosten pro Anfrage sind die Batterie deines Nutzers, und die Fixkosten sind die Engineering-Zeit, um ein 2,17B-Modell in eine App zu bringen. Wenn du bereits ein Mobile-Team hast, ist das keine große Zahl. Wenn nicht, ist es das gesamte Projekt.

Hier verdient sich ein Router seinen Platz, statt nur ein Slogan zu sein. Die Textmodelle der Qwen3.8-Familie sind bereits im Katalog von OrcaRouter zum Listenpreis mit 0 % Aufschlag verfügbar, was bedeutet, dass eine Preissenkung eines Anbieters bei uns noch am selben Tag live ist, an dem sie eintrifft; Qwen3.8-Omni-Flash selbst ist nicht im Katalog, und LFM3-Omni-2B ebenfalls nicht. Was der Katalog Ihnen jedoch bietet, ist die Möglichkeit, die gehostete Hälfte eines Hybrids – den Long-Audio-Batch-Job, den Fallback, wenn ein Telefon offline ist – hinter einem Schlüssel und einer Rechnung zu bündeln, mit automatischem Failover, falls ein Anbieter ausfällt.

Benchmarks: eine gemeinsame Kennzahl, zwei Testumgebungen

RealWorldQA ist der einzige Benchmark, den beide Karten ausweisen, und der Abstand beträgt 21 Punkte: Qwen3.8-Omni-Flash bei 87,7, LFM3-Omni-2B bei 66,54 im Vision-Modus und 64,68, wenn die Frage gesprochen wird.

Verstehe das nicht als Niederlage unter gleichen Bedingungen. Qwens 87.7 wurde von Alibaba an einem 125B-Modell mit Reasoning-Budget gemessen; Liquids Zahlen wurden von Liquid mit Greedy-Decoding und dem jeweiligen Chat-Template des Modells gemessen, und seine Sprachvariante speist die Frage als Audio statt als Text ein. Gleicher Benchmark-Name, unterschiedliche Bedingungen, unterschiedliche Modellklassen. Die Richtungsaussage ist belastbar – ein zwanzigmal größeres Modell mit aktiviertem Denken sollte bei visueller Fragebeantwortung besser sein –, aber die Größenordnung ist kein Maß für irgendetwas.

Der Rest der jeweiligen Karte wird nicht geteilt. Qwen3.8-Omni-Flash meldet LiveCodeBench v6 mit 92,6, GPQA Diamond mit 91, SpotSoundBench 67,2, WildClawBench-MM 71,0 und OmniVideoBench 67,8. LFM3-Omni-2B meldet Daily-Omni 70,09, WorldSense 47,10, OmniBench 46,32, OmniBench speech 48,25, MMAR 51,40 und einen Tool-Calling-Wert von 52,20. Die Überschneidung zwischen diesen Listen ist nahezu null, was man von zwei Modellen erwarten würde, die für unterschiedliche Aufgaben gebaut wurden – und ein Hinweis darauf, dass keiner der Anbieter eine unabhängige Bewertung veröffentlicht hat.

Latenz – und der Roundtrip, den niemand einpreist

Ein gehostetes Omni-Modell hat vor jeder Antwort einen Netzwerk-Roundtrip und dahinter eine Warteschlange. Bei Batch-Arbeit ist das unsichtbar. In einem Gespräch ist es der Unterschied zwischen einem Produkt, das lebendig wirkt, und einem, das sich wie das Absenden eines Formulars anfühlt.

Der Vorteil von LFM3-Omni-2B liegt hier eher in der Struktur als in Messwerten: Das Audio verlässt nie das Gerät, das Modell hat 2,17B Parameter, und die Ausgabe besteht aus Sprach-Tokens, die im selben Durchlauf wie der Text erzeugt werden. Es gibt keinen ASR-Aufruf, keinen Synthese-Aufruf und keine Orchestrierung zwischen beiden. Ob das einen gut ausgestatteten gehosteten Endpunkt hinsichtlich der Wall-Clock-Latenz schlägt, ist eine empirische Frage, die Liquid nicht beantwortet hat — es veröffentlicht keine Latenzwerte, und es gibt keinen unabhängigen Test.

Die ehrliche Aussage ist, dass der lokale Weg drei Fehlerarten (Hochladen, Warteschlange, Herunterladen) beseitigt und eine hinzufügt (ein Telefon, das thermisch drosselt).

Wer sollte was auswählen?

Wählen Sie Qwen3.8-Omni-Flash, wenn Ihre Eingabe lang ist, Ihre Ausgabe Text ist und Ihre Nutzer nicht auf eine Stimme warten. Meeting-Transkription, Medienbeobachtung, Callcenter-Analytik, Videosuche – alles, was von einem Fenster mit einer Million Tokens und einem Reasoning-Budget profitiert, ist genau die Modellklasse, die dafür gebaut wurde, und der Preis macht die Entscheidung leicht. Akzeptieren Sie, dass Sie mieten, dass die Gewichte niemals Ihnen gehören werden und dass eine gesprochene Schnittstelle bedeutet, Modelle hinzuzufügen, anstatt eines zu konfigurieren.

Wähle LFM3-Omni-2B, wenn die Interaktion gesprochen erfolgt und das Gerät das Produkt ist. Es ist kleiner, es sieht weniger, es merkt sich 32K statt einer Million, und seine Lizenz enthält eine Umsatzklausel, die Apache 2.0 nicht hat. Im Gegenzug ist es das einzige der beiden, das einen Satz mit einer Stimme beenden kann.

Das ist der ganze Kompromiss, und es lohnt sich, das klar zu sagen, weil die meisten Vergleiche dieser beiden Modelle den Großteil ihrer Länge mit Scores verbringen, die nur eines von ihnen jemals zu gewinnen versuchte. Wenn Ihr Produkt spricht, wurde eines dieser Modelle für Sie gebaut und das andere nicht.