LFM3-Omni-2B vs Qwen3.8-Omni-Flash : seul l’un d’eux peut parler

Placez LFM3-Omni-2B et Qwen3.8-Omni-Flash dans la même pièce, et la différence qui décide de la plupart des produits ne figure pas sur la fiche de benchmark. Les deux acceptent l’audio. Les deux acceptent la vidéo. Un seul des deux peut répondre à voix haute. Le modèle d’Alibaba renvoie du texte et rien d’autre — sa propre documentation précise explicitement que les réponses parlées nécessitent un autre modèle de la gamme Qwen — tandis que le checkpoint de 2,17 milliards de paramètres de Liquid AI émet directement de la parole à 24 kHz, ou entrelace parole et texte dans une même réponse.

Tout le reste concernant ce duo est une étude d’échelle. Qwen3.8-Omni-Flash est un modèle fermé sur l’API d’Alibaba depuis le 18 septembre 2026, fondé sur un mélange d’experts de 125 milliards de paramètres avec environ 6 milliards actifs, et doté d’un contexte d’un million de jetons. LFM3-Omni-2B est à poids ouverts, avec 2,17 milliards de paramètres, 32K de contexte, et a été annoncé le 27 octobre 2026 comme l’un des six modèles dans le billet consacré à la famille LFM3 — son dépôt étant public depuis le 21 octobre et sans billet de lancement qui lui soit propre. L’un se loue au jeton ; l’autre se télécharge et se paie en matériel.

Les deux produits ne sont pas le même produit.

Réduit à ce à quoi chacun sert, Qwen3.8-Omni-Flash est un moteur de compréhension doté d’une fenêtre immense : transcrire, résumer, raisonner sur des heures de médias, appeler des outils et renvoyer du texte. LFM3-Omni-2B est un point de terminaison conversationnel qui se trouve voir et entendre : il reçoit une question à l’oral, regarde une image et répond à voix haute, sur un appareil.

La conséquence, c'est que construire un assistant vocal sur Qwen3.8-Omni-Flash implique de bâtir deux étapes de plus — la reconnaissance vocale à l'entrée, la synthèse à la sortie — et de payer pour trois modèles là où Liquid ne vous en facture qu'un. Construire un analyseur de réunions de deux heures sur LFM3-Omni-2B implique de l'alimenter par morceaux, car une fenêtre de 32K ne représente pas une heure d'audio et Liquid ne publie aucun ratio audio-tokens qui vous permettrait de calculer la limite avant de l'essayer.

Le contexte est l’écart le plus large sur la feuille.

• Contexte — Qwen3.8-Omni-Flash : 1 M de tokens, avec une entrée maximale d’environ 991 K et une sortie pouvant atteindre 131 K ; LFM3-Omni-2B : 32 K tokens couvrant à la fois l’entrée et la sortie.

• Limites des médias — Alibaba documente jusqu’à trois heures d’audio et deux heures de vidéo dans une seule requête, avec une entrée audio dans 113 langues et dialectes ; Liquid documente de l’audio mono à 16 kHz et de la vidéo échantillonnée à 2 images par seconde, de 4 à 384 images.

• Sortie — texte uniquement face au texte, parole à 24 kHz, ou texte et parole entrelacés.

• Échelle — un mélange d’experts de 125B avec environ 6B actifs, hébergé, contre 2,17B dense fonctionnant sur un téléphone.

• Poids — fermés contre ouverts, selon la LFM Open License v1.0.

• Prix — 0,15 $ par million de jetons d’entrée, 0,016 $ en cache, 0,47 $ par million de jetons de sortie pour Qwen3.8-Omni-Flash ; aucun prix par jeton pour LFM3-Omni-2B, car il n’y a rien à mesurer.

Le contexte de 1 M n’est pas un ornement de fiche technique. C’est la différence entre « résumer cette réunion » et « résumer cette réunion, puis répondre à des questions sur la troisième heure ». La présentation du lancement par Alibaba tenait d’une facture plutôt que d’un score : 98 % moins cher par heure d’entrée audio que Qwen3.5-Omni-Plus, 93 % moins cher par heure d’audio-vidéo, des chiffres obtenus en tarifiant un échantillon de deux minutes puis en multipliant. Les économies sont réelles, et elles sont aussi le calcul d’un fournisseur.

Ce que l’argent permet réellement d’acheter

À 0,15 $ en entrée et 0,47 $ en sortie, une heure de transcription est suffisamment bon marché pour que la plupart des équipes cessent de la modéliser. C’est là tout l’intérêt de la baisse de prix, et c’est l’argument le plus fort en faveur de la location : le coût marginal d’une requête est proche de zéro et quelqu’un d’autre possède les GPU.

LFM3-Omni-2B inverse la courbe. Les poids sont gratuits, le coût marginal par requête est la batterie de votre utilisateur, et le coût fixe correspond au temps d’ingénierie nécessaire pour intégrer un modèle de 2,17 milliards de paramètres dans une application. Si vous avez déjà une équipe mobile, ce n’est pas un chiffre élevé. Si vous n’en avez pas, c’est tout le projet.

C’est aussi là qu’un routeur justifie sa place plutôt que de rester un slogan. Les modèles texte de la famille Qwen3.8 figurent déjà au catalogue d’OrcaRouter au prix catalogue, avec 0 % de marge, ce qui signifie qu’une baisse de prix d’un fournisseur est effective de notre côté le jour même où elle est annoncée ; Qwen3.8-Omni-Flash lui-même n’est pas au catalogue, et LFM3-Omni-2B non plus. Ce que le catalogue vous offre, c’est la possibilité de garder la moitié hébergée d’un hybride — la tâche par lots sur audio long, la solution de repli lorsqu’un téléphone est hors ligne — derrière une seule clé et une seule facture, avec bascule automatique en cas de panne d’un fournisseur.

Benchmarks : un chiffre commun, deux bancs d’essai

RealWorldQA est le seul benchmark que les deux cartes rapportent, et l'écart est de 21 points : Qwen3.8-Omni-Flash à 87,7, LFM3-Omni-2B à 66,54 en mode vision et à 64,68 lorsque la question est posée à l'oral.

N’interprétez pas cela comme une défaite à armes égales. Le 87,7 de Qwen a été mesuré par Alibaba sur un modèle de 125B avec un budget de raisonnement ; les chiffres de Liquid ont été mesurés par Liquid avec un décodage glouton et le gabarit de conversation propre à chaque modèle, et sa variante vocale fournit la question sous forme audio plutôt que texte. Même nom de benchmark, conditions différentes, classes de modèles différentes. La conclusion directionnelle est sûre — un modèle vingt fois plus grand, avec le raisonnement activé, devrait être meilleur en réponse aux questions visuelles — mais l’ampleur ne mesure rien.

Le reste de chaque carte n'est pas partagé. Qwen3.8-Omni-Flash affiche 92,6 sur LiveCodeBench v6, 91 sur GPQA Diamond, 67,2 sur SpotSoundBench, 71,0 sur WildClawBench-MM et 67,8 sur OmniVideoBench. LFM3-Omni-2B affiche 70,09 sur Daily-Omni, 47,10 sur WorldSense, 46,32 sur OmniBench, 48,25 sur OmniBench speech, 51,40 sur MMAR et un score d'appel d'outils de 52,20. Le chevauchement entre ces listes est presque nul, ce à quoi on peut s'attendre de deux modèles conçus pour des tâches différentes — et un rappel qu'aucun des deux fournisseurs n'a publié d'évaluation indépendante.

Latence, et l’aller-retour que personne ne facture

Un modèle omni hébergé impose un aller-retour réseau avant chaque réponse et une file d’attente derrière. Pour du traitement par lots, c’est invisible. Pour une conversation, c’est la différence entre un produit qui semble vivant et un autre qui donne l’impression de remplir un formulaire.

L’avantage de LFM3-Omni-2B ici est structurel plutôt que mesuré : l’audio ne quitte jamais l’appareil, le modèle fait 2,17 B, et la sortie est constituée de jetons vocaux générés dans la même passe que le texte. Il n’y a pas d’appel ASR, pas d’appel de synthèse, ni d’orchestration entre eux. Savoir si cela bat un point de terminaison hébergé bien dimensionné en latence réelle est une question empirique à laquelle Liquid n’a pas répondu — elle ne publie aucun chiffre de latence, et il n’existe aucun test indépendant.

La formulation honnête est que le chemin local élimine trois modes de défaillance (téléversement, file d’attente, téléchargement) et en ajoute un (un téléphone qui subit un bridage thermique).

Qui devrait choisir lequel ?

Choisissez Qwen3.8-Omni-Flash si votre entrée est longue, votre sortie est du texte et vos utilisateurs n’attendent pas une voix. Transcription de réunions, veille média, analyse de centres d’appels, recherche vidéo, tout ce qui profite d’une fenêtre d’un million de tokens et d’un budget de raisonnement — c’est la classe de modèles conçue pour cela, et le prix rend la décision facile. Acceptez que vous louez, que les poids ne seront jamais à vous et qu’une interface vocale implique d’ajouter des modèles plutôt que d’en configurer un.

Choisissez LFM3-Omni-2B si l’interaction est vocale et que l’appareil est le produit. Il est plus petit, il voit moins, il mémorise 32 K au lieu d’un million, et sa licence comporte une clause sur les revenus que Apache 2.0 n’a pas. En échange, c’est le seul des deux qui peut terminer une phrase avec une voix.

C’est tout le compromis, et il vaut la peine de le dire clairement, car la plupart des comparaisons de ces deux modèles consacrent l’essentiel de leur texte à des scores que seul l’un d’entre eux cherchait vraiment à obtenir. Si votre produit parle, l’un de ces modèles a été conçu pour vous et l’autre non.