LFM3-Audio-2B לעומת Dessa: אחד שאפשר להוריד, אחד שאפשר רק לשמוע

הדגם של Liquid AILFM3-Audio-2B הוא צ'ק-פוינט בעל 2B פרמטרים עם רישיון פתוח, מאגר Hugging Face וגרסה בגודל 2.1 GB שאפשר למשוך למחשב נייד. המוצר של Block, Dessaהיא מודל דיבור בדופלקס מלא שהוכרז ב-23 באוקטובר 2026 מאחורי רשימת המתנה, בלי משקלים, בלי מספר פרמטרים, בלי API ובלי בנצ'מרק שפורסם. אם מעמידים אותם זה לצד זה, ההשוואה הרגילה קורסת עוד לפני שהיא מתחילה: את אחד מהם אפשר להריץ, לכוונן ולמדוד על ידי כל מי שקורא את זה, ואילו לשני אפשר רק להאזין. השאלה המועילה אינה איזה מהם נשמע טוב יותר. אלא מה כל חברה בחרה לפרסם, ומה הבחירה הזו מאפשרת לך לעשות ביום שני בבוקר.

שניהם מגיעים עם אותה תווית אזהרה, מכיוונים מנוגדים. LFM3-Audio-2B יצא ב-27 באוקטובר 2026 במסגרת השקת משפחת LFM3 בת ששת הדגמים, וענף האודיו קיבל פסקה אחת מתוך פוסט המשפחה של Liquid בתוספת כרטיס דגם. אין הכרזה עצמאית בשם "Introducing LFM3-Audio", אין רשומת תמחור לאודיו באתר של Liquid, ונכון לכתיבת שורות אלה אין שום הרצת בנצ'מרק עצמאית של המודל בשום מקום. לדסה יש הבעיה ההפוכה: תריסר הקלטות שיחות נבחרות וכמעט ללא מפרט. אף אחת מהחברות לא סיפקה למי שמחוץ לחברה מספיק כדי לשחזר תוצאה.

מה כל אחד מהם פרסם בפועל

מסירים את שמות התואר והתיעוד קצר. כל מה שלהלן לקוח מכרטיס המודל של Liquid, מהפוסט המשפחתי שלה או מההכרזה של Block עצמה; שום דבר לא אומת באופן עצמאי.

• מה תקבלו — LFM3-Audio-2B: נקודת ביקורת BF16, המרות GGUF ו-MLX 4-bit, טוקנייזר, ומשקלי קודק בספריית audio_tokenizer נפרדת. Dessa: טופס רשימת המתנה ואוסף של קליפי וידאו.

• גודל — LFM3-Audio-2B: ‏2B פרמטרים, 2.1 GB בגרסת ה-Ollama. Dessa: לא נמסר. Block אומר שזה נכנס ב-MacBook Pro M4 Max, מה שמרמז על מודל קטן מספיק ל-128 GB של זיכרון מאוחד, אך זו הסקה, לא מספר.

• קלט ופלט — LFM3-Audio-2B: קלט של טקסט או אודיו ב-16 kHz; פלט של טקסט, דיבור ב-24 kHz, או טקסט ודיבור משולבים. Dessa: קלט אודיו, פלט אודיו, ללא טקסט ביניים בשום שלב.

• הקשר — LFM3-Audio-2B: 32K טוקנים המכסים קלט ופלט. זהו לא נתון ה-256K שמופיע שוב ושוב בסקירות מסוימות של LFM3; הוא שייך למודל הטקסט, LFM3-1.7B. Dessa: לא פורסם.

• רישיון — LFM3-Audio-2B: LFM Open License v1.0, חופשי לשימוש מסחרי מתחת להכנסה שנתית של $10M. Dessa: אין משקלים, ולכן אין רישיון לקרוא.

• בנצ'מרק — LFM3-Audio-2B: טבלת ספקים בת שישה שורות. Dessa: אין.

השורה האחרונה היא המקום שבו ההשוואה נעשית מעניינת. Liquid פרסמה נתונים ובלי עד עצמאי. Block פרסמה עדים — עיתונאים שהאזינו לאותם קטעים — ובלי נתונים. קורא שמנסה לבחור ביניהן בוחר איזה סוג של פער לסבול.

היתרון היחיד של Dessa שאי אפשר להוריד

Dessa בנויה לדופלקס מלא: היא מקשיבה בזמן שהיא מדברת. אפשר לקטוע את המודל באמצע משפט, הוא יכול לזרוק "נכון" או "ממ-המ" בזמן שאתם עדיין מדברים, ויכול להתאים את התזמון שלו לשלכם. ההדגמות של Block נשענות על זה מאוד — צחוק באמצע המשפט שלה עצמה, שינוי עוצמת קול לפי בקשה, והשלמת שם סרט עבור דובר ששכח אותו. The Verge, לאחר שהאזינה לאותן הקלטות, מצאה שהשיחות "מעט מביכות ומוזרות", וזה תיאור הוגן של מערכת שלומדת תזמון בפני הציבור.

LFM3-Audio-2B לא טוען זאת. זהו מודל בקשה-תגובה עם סטרימינג: מקודד אודיו סיבתי מאפשר לו לבצע prefill בזמן שאתם מדברים, ומכאן מגיע נתון הזמן עד לטוקן הראשון של Liquid — "נמוך עד 50 אלפיות השנייה" — ו-LiquidCodec משדר את הדיבור בחזרה. סטרימינג של תגובה אינו זהה לטיפול בהפרעה באמצע הדיבור. אם המוצר שלכם צריך שיחה שאפשר להפריע בה בדיבור, LFM3-Audio-2B הוא הצורה הלא נכונה של מודל, ושום כמות של כוונון עדין לא תשנה את הממשק.

מה שהדמו של Dessa לא יכול לספר לך הוא באיזו תדירות המודל מתנהג כך כשאף אחד לא בוחר את הקליפ. Block אומר שההקלטות הן חיות, לא מכוונות ומתומללות לאחר מכן, מה ששולל את הצורה הגסה ביותר של הונאת דמו. זה לא שולל ברירה. צוות שמקליט שיחות רבות ומפרסם את הטובות שבהן הוכיח ששיחות טובות קיימות, לא שהמודל אמין.

המספרים ש-Liquid פרסמה, וכמה הם שווים

כרטיס הדגם של Liquid מציג שישה נתונים, ארבעה מהם עם ערך של הדגם הקודם. כולם משווים את LFM3-Audio-2B ל-LFM2.5-Audio-1.5B, הדגם שהוא מחליף. לא צוינו מערך בדיקה, הרנס בדיקות או שונות.

• ASR באנגלית, שיעור שגיאות מילים — 6.23 לעומת 6.13. ללא שינוי. השורה היחידה שלא זזה, ופער קטן מספיק כדי להיות רעש דגימה.

• ASR רב־לשוני, WER/CER — 6.03. לא פורסם נתון קודם.

• TTS באנגלית, UTMOSv2 — 3.83 לעומת 3.22. שינוי של 0.6 נקודות, הרבה מעבר לרעש, בסולם שבו 4.0 נחשב בדרך כלל לכמעט אנושי.

• VoiceBench — 73.13 לעומת 55.17.

• הבנת אודיו, MMAR — 50.60 לעומת 25.85. כמעט כפול.

• קריאה לכלים מתוך דיבור, הערכה פנימית — 58.50. אין נתון קודם.

לעומת שאר המודלים בטבלה של Liquid עצמה, זהו מודל קטן וטוב ולא מוביל: Voxtral Mini 3B רושם WER של 5.51 ו-NVIDIA Audex 2B רושם 5.99, שניהם טובים מ-6.23; Qwen2.5-Omni 3B משיג הבנת אודיו של 54.41; Gemma 4 E4B משיג קריאה לכלים של 72.40. הסיכום הכנה הוא זיהוי תחרותי, קפיצת מדרגה ברורה באיכות הקול והסקה מוצקה עבור 2B — לא שיא באף עמודה.

ל-Dessa אין שורה מקבילה, והיעדרותה אינה עניין טכני. למודל דיבור בלבד שאומן ללא טקסט אין ממשק ילידי לסכימת JSON, ל-PDF או לקריאת API. Block מודה בעמוד שלה בשאלות הפתוחות: באיזו יעילות לומד מודל דיבור בלבד עובדות ושפות, והאם למידה בהקשר שורדת ללא אימון מוקדם על טקסט. אלה הם ההבדל בין בן שיח מרתק לבין עוזר כללי, ואף אחת מהחברות לא פרסמה את המבחן שיכריע את השאלה.

רישיון, גישה ומי יכול לבנות על מה

הרישיון של LFM3-Audio-2B הוא הסיבה המעשית לכך שהוא מנצח ברוב שיחות הרכש לפני שדנים באיכות. רישיון LFM Open License v1.0 מתיר שימוש מסחרי בהכנסה שנתית מתחת ל-10 מיליון דולר ומחייב רישיון בתשלום מעל לכך. המשקלים נמצאים ב-Hugging Face; llama.cpp מיזגה תמיכה ב-PR #31257 ב-27 באוקטובר; Ollama מציינת בנייה בגודל 2.1 GB; Transformers דורש 5.20.2 או חדש יותר עם trust_remote_code. דרישת הקוד המותאם היא הדבר שחייבים לנעול — המודל נטען מהמודול של עצמו וקורא משקלי codec מתיקייה נפרדת, כך שסביבה לא נעולה היא פנייה לתמיכה שמחכה לקרות.

ל-Dessa אין מסלול דומה. הגישה היא רשימת המתנה בתוספת גישה מוקדמת לקבוצה קטנה של חוקרי בטיחות AI שמגישים בקשה באמצעות דוא״ל מוסדי. הסיבות שמציין Block — סקרנות, אינטראקציה בין אדם ל-AI, בטיחות — עולות בקנה אחד עם השארת קול שקורא רגשות בתוך חדר קטן. הפשרה היא שגישה מגודרת והערכה עצמאית מושכות בכיוונים מנוגדים. עד שקבוצה חיצונית תפרסם נתונים, התיעוד הציבורי הוא הקליפים של הספק בתוספת רשמים של עיתונאים מהקליפים של הספק.

יש עלות מסדר שני שכמעט ולא נכנסת להשוואות. מודל להורדה הוא תלות שבבעלותכם: 2.1 GB, תהליך שצריך להשאיר פעיל, ללא SLA, וסף רישוי שצריך לעקוב אחריו ככל שאתם גדלים. מודל ברשימת המתנה אינו תלות כלל — הוא תוצאת מחקר שאפשר לצטט ואי אפשר לשחרר. עבור צוות שבוחר סטאק קולי, אלה אינם שתי נקודות על אותו קו. אלה שתי החלטות שונות.

מה שסוכן קולי צריך ושאף אחד מהמודלים לא מספק לבדו

מערכות קוליות בייצור הן לעתים נדירות מודל אחד. בין אם הקצה הקדמי הוא דו-כיווני או בקשה־ותגובה, השיחה ממשיכה להעביר עבודה למודלים טקסטואליים רגילים: חיפוש, חילוץ, בדיקת מדיניות, קריאת הסקה מאחורי השהיה מוחזקת. שכבת ההאצלה הזו היא המקום שבו חי שונות העלויות, ושבו שעה רעה של ספק אחד הופכת להשבתה שלך.

ליתר דיוק לגבי הכיסוי שלנו: LFM3-Audio-2B אינו זמין ב-OrcaRouter, ו-Dessa אינה API כלל. מה ש-OrcaRouter מספק הוא שכבת הטקסט שסוכן קולי מאציל לה — יותר מ-200 מודלים מאחורי מפתח אחד במחיר המחירון של הספק ללא תוספת רווח, מעבר אוטומטי כשאר ספק נתקל בתקלה, DSL לניתוב שמרכיב כמה מודלים לקריאה אחת, ומיזוג מודלים כשהשיקול דעת של מודל בודד אינו מספיק. אם אתם יוצרים אב-טיפוס עם LFM3-Audio-2B באופן מקומי, החצי של הלופ שעוסק בקריאה לכלים הוא החלק שאפשר להעמיד מאחורי נקודת הקצה הזו כבר היום; חצי האודיו נשאר במכונה שלכם.

המבחן שיכריע את העניין

עבור LFM3-Audio-2B, הראיות החסרות ספציפיות: הרצת WER עצמאית על סט סטנדרטי, מדידת השהיה על חומרה שאינה M4 Max, ושחזור של השיפור ב-UTMOS בידי מישהו שאינו עובד ב-Liquid. גם ההמשך של live-ASR ב-llama.cpp חשוב, משום שתמלול באצווה הוא המסלול הנתמך כיום, ו"אנגלית בלבד" היא המגבלה כאשר הסטרימינג יגיע.

עבור דסה, הרשימה קצרה יותר וקשה יותר: מערך שיחות שנשמר בצד, השהיה מקצה לקצה כולל התגובה הנשמעת הראשונה, התאוששות מהפרעה, בהירות דיבור ברעש, תקציב נתונים וחישוב, ומדד כלשהו לשימור עובדות. כל אחד מאלה היה הופך סרטון הדגמה להערכה. כולם יחד היו הופכים אותו למוצר.

עד אז, התיאור המדויק הוא צר ושימושי. LFM3-Audio-2B הוא מודל דיבור של 2B שאפשר להוריד בדקה, שמדבר טוב יותר מהמודל שהוא מחליף, מקשיב בערך באותה מידה, ואין לו עדיין עדים בלתי תלויים. Dessa הוא הדמו הקולי המעניין ביותר של החודש, בלי שום דרך לבדוק אותו. אם אתם צריכים לבנות ברבעון הזה, רק אחד מהמשפטים האלה מסתיים בפריסה.