LFM3-Audio-2B לעומת Qwen-Audio-3.1: צ'קפוינט אחד, מדדים רבים
- OrcaחדשOrcaCyber: GLM 5.3 Flash Abliterated2026-10-2780 tok/s
- OrcaחדשOrcaCyber: Qwen3.8 Flash Next Abliterated2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 283 tok/s
- OrcaחדשOrcaCyber: MiMo V2.6 Flash Abliterated2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 83 tok/s
- MoonshotחדשMoonshotAI: Kimi K3.1 Pro2026-10-2455אינטליגנציה
- OrcaחדשOrcaCyber: DeepSeek V4.1 Flash Abliterated2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 119 tok/s
- minimaxחדשMiniMax: M3.1 Flash2026-10-1943אינטליגנציה
- OrcaחדשOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 45 tok/s
- deepseekחדשDeepSeek: DeepSeek V4.1 Flash 10172026-10-1745אינטליגנציה
- DeepSeekחדשDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 113 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 700 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238אינטליגנציה
- OpenAIOpenAI: GPT-6 Sol2026-09-2248אינטליגנציה
- AnthropicAnthropic: Claude Opus 5.52026-09-2258אינטליגנציה
- xiaomiXiaomi: MiMo-V2.6-Flash2026-09-2138אינטליגנציה
- xiaomiXiaomi: MiMo-V2.6-Pro2026-09-2146אינטליגנציה
- xAIGrok 4.72026-09-2146אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 לכל 1M טוקנים · 160 tok/s
שאל כמה Qwen-Audio-3.1 עולה, והתשובה הכנה הראשונה היא שאלה אחרת: איזה מהם? השם מכסה קו דיבור מתארח ומדורג — מודל דופלקס בזמן אמת, שכבת פלאש בזמן אמת, תמלול זורם ומקבצים, ושני מודלי סינתזה — ולכל שכבה יש מחירון משלה. LFM3-Audio-2B הוא סוג אחר של אובייקט: צ'קפוינט יחיד של 2B מבית Liquid AI, שהושק ב-27 באוקטובר 2026 בתוך משפחת LFM3 בת ששת המודלים, זמין להורדה תחת LFM Open License v1.0, עם בנייה של Ollama בגודל 2.1 GB ובלי מונה חיובים לפי קריאה בשום מקום. השוואה ביניהם אינה השוואה של איכות שמע. זו השוואה של שני מבני חיוב, והחשבון מתקבל אחרת בהתאם לשאלה אם התעבורה שלך יציבה, קופצנית, או עדיין היפותטית.
גם צורות ההפצה חשובות, משום שהן קובעות את הציפיות מהתיעוד. Qwen-Audio-3.1 הוא קטלוגי בראש ובראשונה: מזהי המודל מתועדים ב-Alibaba Cloud Model Studio, מתוארים בשורה או שתיים כל אחד, מתומחרים לפי טוקן, ללא משקלים מפורסמים וללא מספר פרמטרים פומבי. LFM3-Audio-2B הוא משקלים תחילה: מאגר, כרטיס מודל, pull request ממוזגת ל-llama.cpp, ופסקה אחת בפוסט המשפחה של הספק שלו. האחד הוא קו מוצרים שאתם שוכרים. האחר הוא קובץ שבבעלותכם. כל הבדל מעשי להלן נובע מכך.
מה השם למעשה מכסה
Qwen-Audio-3.1 אינו נקודת קצה אחת, והתייחסות אליו ככזה היא הטעות הנפוצה ביותר בהשוואות. השכבות ממלאות תפקידים שונים:
• qwen-audio-3.1-realtime-flash — דיבור דו-כיווני בזמן אמת, טקסט ואודיו בקלט ובפלט, עם קריאה לפונקציות, חיפוש באינטרנט, שיבוט קול ושלושה מצבי זיהוי תורות. זהו האנלוג הקרוב ביותר ל-LFM3-Audio-2B, והשכבה שעליה המאמר הזה מתמחר.
• qwen-audio-3.1-realtime-plus — שכבת ה-realtime המלאה יותר. Alibaba מתעדת המרת אודיו בקצב של 12.5 טוקנים לשנייה עבורה, וגובה תעריף פלט גבוה באופן מהותי מזה של שכבת הפלאש. מוצר אחר, חשבון אחר.
• qwen-audio-3.1-asr-flash-streaming — זיהוי על גבי זרם, עם תוצאות ביניים, VAD, מונחים מועדפים והסרת אי־שטף. ללא פלט דיבור.
• qwen-audio-3.1-asr-flash-filetrans — אותה משימת זיהוי, מעובדת באצווה על קובץ.
• Qwen-Audio-3.1-TTS ו-TTS-Next — סינתזה, כאשר מודל Next משווק כמודל "Audiogen" לקול, אפקטי סאונד ואווירה במעבר אחד ב-48 kHz.
LFM3-Audio-2B מכניס את העבודות האלה ל-checkpoint אחד. זיהוי, סינתזה, תרגום, הבנת שמע וקריאות קוליות לכלים הם מצבים של אותו מודל 2B, שנבחרים לפי הפרומפט ולפי פרופיל ההגשה. אין SKU לבחור ואין מדידה נפרדת לדיבור לעומת האזנה. המחליף הוא גרנולריות תמורת פשטות: אי אפשר לשלם רק עבור זיהוי כשזיהוי הוא כל מה שצריך, מפני שבכל מקרה מריצים את המודל כולו.
החשבון, מחושב
Alibaba מפרסמת תעריפים עבור qwen-audio-3.1-realtime-flash בדולר ארה"ב למיליון טוקנים. בסינגפור: קלט טקסט $0.23, קלט אודיו $0.93, פלט טקסט $0.70, פלט אודיו $1.87. בייג'ינג מעט זולה יותר ב-$0.212, $0.848, $0.636 ו-$1.696. מגבלות הקצב הן 60 בקשות לדקה ו-100,000 טוקנים לדקה, ללא מגבלה נפרדת על חיבורי WebSocket בו-זמניים. חלון ההקשר הוא 262,144 טוקנים, עם קלט מקסימלי של 245,760 ופלט של 16,384 — אך היסטוריית האודיו מוגבלת ל-50 תורות או 300 שניות מצטברות, שזה הגבול ששיחה ארוכה באמת מגיעה אליו.
ל-LFM3-Audio-2B אין מחירון כי Liquid לא מוכרת אותו כנקודת קצה. העלות היא המכונה שעליה מריצים אותו, ההורדה של 2.1 GB, וסף הרישיון: חינם לשימוש מסחרי מתחת להכנסה שנתית של 10 מיליון דולר, בתשלום מעל לכך. על מחשב נייד זה כמעט אפס; על GPU זה מה שכבר משלמים עבור קיבולת לא מנוצלת. ה-codec הוא טענת היעילות ששווה להכיר — LiquidCodec דוחס 80 ms של דיבור ל-12 טוקנים ומפענח בקצב של בערך פי 87 מזמן אמת על thread יחיד של CPU ב-M4 Max — אבל זה מודד את ה-codec, לא את מודל השפה, ואין לקרוא זאת כתפוקה מקצה לקצה על החומרה שלכם.
עכשיו החלק שמכריע. מודל זמן אמת מתארח מחייב לפי טוקן של שיחה, כולל האודיו שהוא מייצר, והעלות של סוכן קולי טמונה בפלט. מודל באירוח עצמי מחייב לפי שעת חומרה, בין אם מישהו מדבר ובין אם לא. במוקד שירות הפועל בעומס קבוע, העלות הקבועה מתפרסת והעלות לשעה יכולה לרדת מתחת לכל מחירון. במוצר עם תעבורה עם קפיצות — צוות ציות שמתמלל אלף שיחות ביום האחרון של הרבעון ולא כלום במשך אחד עשר שבועות — חיוב לפי שיחה מנצח, כי ה-GPUs ממשיכים לחייב דרך השקט. אף אחת מהצורות לא זולה יותר באופן כללי. הן זולות יותר ברמות ניצול שונות.
כיסוי, השהיה, והטענות שאינן עומדות
• שפות — LFM3-Audio-2B: 18 שפות, 19 לוקאלים, כאשר ASR חי מוגבל לאנגלית והתרגום חזק ביותר מאנגלית או לאנגלית. Qwen-Audio-3.1: התיעוד של Alibaba עבור שכבת ה-flash בזמן אמת אינו מפרסם רשימת שפות; שכבות הזיהוי שלו מתועדות סביב מנדרינית, קנטונזית, סצ'ואנית וניבים סיניים אחרים, עם זיהוי שפה אוטומטי. התייחסו לכיסוי כלא ידוע עבור Qwen עד שהתיעוד יפרט אותו.
• השהיה — LFM3-Audio-2B: "עד 50 ms" זמן עד לאסימון הראשון, נמדד על ידי הספק על חומרת Apple ספציפית, ללא אחוזון או רתמת בדיקה. Qwen-Audio-3.1: נתון הכותרת של Alibaba למשפחה, 92 ms לאסימון הראשון, מגיע מהבנצ'מרק בעומס גבוה שלה על מפרט 0.6B, ולא מבדיקות צד שלישי. אף אחד מהם אינו מספר טיפוסי.
• דופלקס — LFM3-Audio-2B: בקשה ותגובה עם סטרימינג; מקודד סיבתי מאפשר prefill בזמן שאתם מדברים, אך אין טענה ל-barge-in. Qwen-Audio-3.1 realtime-flash: דופלקס מפורש, עם VAD בצד השרת ומצב smart-turn שמטפל בהפרעות.
• הקשר — LFM3-Audio-2B: 32K טוקנים, קלט ועוד פלט. זה לא נתון ה-256K שמופיע שוב ושוב בחלק מהסיקור של LFM3; הוא שייך למודל הטקסט. Qwen-Audio-3.1 realtime-flash: 262K טוקנים, עם מגבלת היסטוריית האודיו שלמעלה.
קו הדופלקס הזה הוא זה שמשנה ארכיטקטורה. אם המוצר שלך צריך להיות מופרע באמצע משפט, LFM3-Audio-2B הוא הצורה הלא נכונה של מודל ושום פרומפט לא מתקן את זה. אם המוצר שלך קורא הקלטה ועונה על שאלה לגביה, דופלקס אינו רלוונטי וצ'קפוינט 2B הוא האובייקט הפשוט יותר.
מי מדד מה
Liquid מפרסמת שישה נתונים עבור LFM3-Audio-2B, כולם לעומת המודל הקודם שלה, LFM2.5-Audio-1.5B: WER של ASR באנגלית 6.23 (לעומת 6.13, ללא שינוי), WER/CER רב-לשוני 6.03, UTMOSv2 3.83 (לעומת 3.22), VoiceBench 73.13 (לעומת 55.17), MMAR 50.60 (לעומת 25.85) והערכת tool-calling פנימית ב-58.50. לא מצוינים מערך בדיקה, harness או שונות. לא הצלחנו למצוא שחזור עצמאי של אף שורה.
הראיות של Qwen הן מסוג אחר. קיים דו״ח טכני, "Qwen-Audio-3.1-Realtime: Towards Reliable Agentic Voice Interaction", אשר מדווח ששיעור הצלחת המשימות בהתאמת דיבור לטקסט במצב חצי-דופלקס של τ-Voice עלה מ-78.4% ל-82.0%, ושה שיעור התגובה לדיבור ברקע ב-Full-Duplex-Bench v1.5 ירד מ-73.0% ל-13.0%. אלה שני הנתונים המצוינים בתקציר; גוף המאמר כולל טבלאות ברמת המודל, אך לא אימתתי אותם מול מערך בדיקה, והמאמר הוא דו״ח של ספק ולא הערכה בלתי תלויה.
אז לוח התוצאות הכנה הוא: למודל אחד יש טבלת ספק בלי מאמר, ולשני יש מאמר ספק בלי מערך בדיקות שניתן לשחזור, ואף אחד מהם לא מופיע على לוח ניטרלי תחת שמו שלו. كل מאמר שמציב את המספרים שלהם בעמודות סמוכות מסדר שתי טענות לא מאומתות ונותן לפריסה לשכנע.
איפה נתב משתלב, בדיוק
לא LFM3-Audio-2B ולא Qwen-Audio-3.1 נמצאים בקטלוג של OrcaRouter, ולכן אין טענת ניתוב להציג לגבי שכבת הדיבור עצמה. השכבה שמעליה היא סיפור אחר. מוצר קולי שנבנה על אחד משני המודלים עדיין זקוק למודל טקסט כדי לסכם, לסווג, לחלץ או להחליט מה הסוכן אומר בהמשך, וקריאה זו היא המקום שבו העלות והאמינות למעשה משתנות.
OrcaRouter מציב יותר מ-200 מודלים טקסטואליים ומולטימודליים מאחורי מפתח אחד במחיר המחירון של הספק וללא תוספת, עם מעבר אוטומטי בין ספקים ו-DSL לניתוב שיכול להרכיב כמה מודלים לקריאה אחת. עבור ההשוואה הזו, התבנית השימושית היא A/B: הריצו את אותן שיחות מוקלטות דרך qwen-audio-3.1-realtime-flash ודרך LFM3-Audio-2B על החומרה שלכם, ואז שלחו את שני התמלולים לאותו מודל במורד הזרם באותה נקודת קצה. ההשוואה נשארת נקייה, והחצי הטקסטואלי לעולם לא הופך למשתנה ששכחתם לשלוט בו.
איזה חשבון לבחור
בחרו ב-Qwen-Audio-3.1 realtime-flash אם אתם צריכים שיחה דו-כיוונית, מחסנית זיהוי בעדיפות סינית, הקשר של 262K, או SLA של ספק — ואם התעבורה שלכם כל כך תנודתית שחיוב לפי טוקן הוא יתרון. קראו היטב את שמות הדרגות לפני שאתם נותנים מחיר: realtime-plus ו-realtime-flash הם לא אותו מוצר, ותעריף הפלט הוא המקום שבו נקבע החשבון של סוכן קולי.
בחר ב-LFM3-Audio-2B אם אתה צריך להחזיק בבעלותך את המודל, להריץ אותו במצב לא מקוון, להימנע ממדידה לפי דקה, או לסנתז 18 שפות על מחשב נייד. קבל את ההקשר של 32K, את ה-ASR החי באנגלית בלבד, את סף הרישיון, ואת העובדה שדיוק הזיהוי שלו נמצא באמצע הטבלה בהשוואה של הספק שלו עצמו.
רגע — אם אתם צריכים מספר שתוכלו להגן עליו בפני צוות רכש. לאף אחד מהמודלים אין כזה עדיין. ההערכה העצמאית הראשונה על מאגר אודיו משותף — לא טבלה של ספק, לא מאמר של ספק — תהיה שווה יותר מכל נתון לעיל, וזה הדבר שכדאי לעקוב אחריו לפני שמי מהם יהפוך לסטנדרט.
