LFM3-Audio-2B vs Qwen-Audio-3.1: Satu Checkpoint, Banyak Meter

Tanyakan berapa biaya Qwen-Audio-3.1 dan jawaban jujur pertama adalah pertanyaan lain: yang mana? Nama itu mencakup satu lini ucapan ter-hosting bertingkat — model dupleks real-time, tingkat flash real-time, transkripsi streaming dan berkas, serta dua model sintesis — dan setiap tingkat punya kartu tarifnya sendiri. LFM3-Audio-2B adalah jenis objek yang sebaliknya: satu checkpoint 2B dari Liquid AI, dirilis pada 27 Oktober 2026 di dalam keluarga LFM3 yang terdiri dari enam model, dapat diunduh di bawah LFM Open License v1.0, dengan build Ollama 2,1 GB dan tanpa meteran per panggilan di mana pun. Membandingkan keduanya bukanlah perbandingan kualitas audio. Ini adalah perbandingan dua bentuk penagihan, dan hitungannya berbeda tergantung apakah lalu lintas Anda stabil, melonjak, atau masih hipotetis.

Bentuk rilisnya juga penting, karena itu menetapkan ekspektasi untuk dokumentasi. Qwen-Audio-3.1 mengutamakan katalog: ID model didokumentasikan di Alibaba Cloud Model Studio, dijelaskan dalam satu atau dua baris masing-masing, diberi harga per token, tanpa bobot yang dipublikasikan dan tanpa jumlah parameter publik. LFM3-Audio-2B mengutamakan bobot: sebuah repositori, kartu model, pull request llama.cpp yang sudah digabungkan, dan satu paragraf di postingan keluarga produk vendornya. Yang satu adalah lini produk yang Anda sewa. Yang lain adalah file yang Anda miliki. Setiap perbedaan praktis di bawah ini berasal dari hal itu.

Apa yang sebenarnya dicakup oleh nama tersebut

Qwen-Audio-3.1 bukan satu endpoint, dan memperlakukannya sebagai satu merupakan kesalahan yang paling umum dalam perbandingan. Tier-tiernya melakukan tugas yang berbeda:

• qwen-audio-3.1-realtime-flash — ucapan dupleks waktu nyata, teks dan audio masuk dan keluar, dengan pemanggilan fungsi, pencarian web, kloning suara, dan tiga mode deteksi giliran. Ini adalah padanan terdekat untuk LFM3-Audio-2B, dan tier yang hargaannya dibahas dalam artikel ini.

• qwen-audio-3.1-realtime-plus — tier realtime yang lebih lengkap. Alibaba mendokumentasikan konversi audio 12,5 token per detik untuknya dan mengenakan tarif output yang jauh lebih tinggi daripada tier flash. Produk berbeda, tagihan berbeda.

• qwen-audio-3.1-asr-flash-streaming — pengenalan secara streaming, dengan hasil antara, VAD, hotwords, dan penghapusan disfluensi. Tidak ada keluaran suara.

• qwen-audio-3.1-asr-flash-filetrans — tugas pengenalan yang sama yang dijalankan secara batch pada sebuah file.

• Qwen-Audio-3.1-TTS dan TTS-Next — sintesis, dengan model Next dipasarkan sebagai model "Audiogen" untuk suara, efek suara, dan ambiens dalam satu proses pada 48 kHz.

LFM3-Audio-2B merangkum semua tugas itu ke dalam satu checkpoint. Pengenalan, sintesis, penerjemahan, pemahaman audio, dan panggilan alat lisan adalah mode dari model 2B yang sama, dipilih melalui prompt dan profil penyajian. Tidak ada SKU yang harus dipilih dan tidak ada meteran terpisah untuk berbicara versus mendengarkan. Komprominya adalah granularitas demi kesederhanaan: Anda tidak bisa membayar hanya untuk pengenalan ketika pengenalan adalah semua yang Anda butuhkan, karena Anda tetap menjalankan seluruh model.

Tagihan itu, telah dihitung.

Alibaba menerbitkan tarif untuk qwen-audio-3.1-realtime-flash dalam USD per juta token. Di Singapura: input teks $0,23, input audio $0,93, output teks $0,70, output audio $1,87. Beijing sedikit lebih murah pada $0,212, $0,848, $0,636 dan $1,696. Batas laju adalah 60 permintaan per menit dan 100.000 token per menit, tanpa batas terpisah untuk koneksi WebSocket bersamaan. Jendela konteks adalah 262.144 token, dengan input maksimum 245.760 dan output 16.384 — tetapi riwayat audio dibatasi pada 50 giliran atau 300 detik kumulatif, yang merupakan batas yang sebenarnya dicapai oleh percakapan panjang.

LFM3-Audio-2B tidak memiliki rate card karena Liquid tidak menjualnya sebagai endpoint. Biayanya adalah mesin tempat Anda menjalankannya, unduhan 2,1 GB, dan ambang lisensi: gratis untuk penggunaan komersial di bawah pendapatan tahunan $10M, berbayar di atasnya. Di laptop, biayanya hampir nol; di GPU, biayanya adalah berapa pun yang sudah Anda bayarkan untuk kapasitas idle. Codec adalah klaim efisiensi yang perlu diketahui — LiquidCodec mengemas 80 ms ucapan menjadi 12 token dan mendekode sekitar 87× waktu nyata pada satu thread CPU M4 Max — tetapi itu mengukur codec, bukan model bahasanya, dan tidak boleh dibaca sebagai throughput end-to-end pada perangkat keras Anda.

Sekarang bagian yang menentukan. Model real-time terkelola menagih per token percakapan, termasuk audio yang dihasilkannya, dan biaya agen suara terletak pada output. Model yang dihosting sendiri menagih per jam perangkat keras, terlepas dari ada yang berbicara atau tidak. Untuk pusat kontak yang beroperasi pada beban stabil, biaya tetap teramortisasi dan angka per jam dapat turun di bawah kartu tarif mana pun. Untuk produk dengan lalu lintas yang melonjak — tim kepatuhan yang mentranskripsikan seribu panggilan pada hari terakhir kuartal dan tidak ada apa pun selama sebelas minggu — penagihan per panggilan lebih unggul, karena GPU tetap menagih sepanjang masa sepi. Tidak ada bentuk yang lebih murah secara umum. Keduanya lebih murah pada tingkat utilisasi yang berbeda.

Cakupan, latensi, dan klaim yang tidak terpenuhi

• Bahasa — LFM3-Audio-2B: 18 bahasa, 19 locale, dengan ASR langsung yang terbatas pada bahasa Inggris dan terjemahan paling kuat ke atau dari bahasa Inggris. Qwen-Audio-3.1: Dokumentasi Alibaba untuk tier flash real-time tidak menerbitkan daftar bahasa; tier pengenalannya didokumentasikan sekitar bahasa Mandarin, Kanton, Sichuan, dan dialek Tionghoa lainnya, dengan deteksi bahasa otomatis. Anggap cakupan tidak diketahui untuk Qwen sampai dokumentasinya mencantumkannya.

• Latensi — LFM3-Audio-2B: "serendah 50 ms" waktu ke token pertama, diukur oleh vendor pada perangkat keras Apple yang disebutkan, tanpa persentil atau harness. Qwen-Audio-3.1: angka utama keluarga Alibaba sebesar 92 ms untuk token pertama berasal dari tolok ukur konkurensi tinggi miliknya sendiri pada spesifikasi 0.6B, bukan pengujian pihak ketiga. Keduanya bukan angka yang tipikal.

• Duplex — LFM3-Audio-2B: permintaan-dan-respons dengan streaming; encoder kausal memungkinkan prefill saat Anda berbicara, tetapi tidak ada klaim barge-in. Qwen-Audio-3.1 realtime-flash: secara eksplisit duplex, dengan VAD sisi server dan mode smart-turn yang menangani interupsi.

• Konteks — LFM3-Audio-2B: 32K token, input ditambah output. Ini bukan angka 256K yang disebut berulang dalam beberapa liputan LFM3; itu milik model teks. Qwen-Audio-3.1 realtime-flash: 262K token, dengan batas riwayat audio seperti di atas.

Lini duplex itulah yang mengubah arsitektur. Jika produk Anda perlu bisa disela di tengah kalimat, LFM3-Audio-2B adalah bentuk model yang salah dan tidak ada prompt yang dapat memperbaikinya. Jika produk Anda membaca rekaman dan menjawab pertanyaan tentangnya, duplex tidak relevan dan checkpoint 2B adalah objek yang lebih sederhana.

Siapa yang telah mengukur apa

Liquid menerbitkan enam angka untuk LFM3-Audio-2B, semuanya dibandingkan dengan model sebelumnya sendiri, LFM2.5-Audio-1.5B: WER ASR bahasa Inggris 6,23 (versus 6,13, datar), WER/CER multibahasa 6,03, UTMOSv2 3,83 (versus 3,22), VoiceBench 73,13 (versus 55,17), MMAR 50,60 (versus 25,85), dan evaluasi internal untuk pemanggilan alat sebesar 58,50. Tidak ada test set, harness, maupun varians yang disebutkan. Kami tidak dapat menemukan reproduksi independen untuk satu pun baris tersebut.

Bukti Qwen berbeda jenisnya. Ada laporan teknis, "Qwen-Audio-3.1-Realtime: Towards Reliable Agentic Voice Interaction", yang melaporkan keberhasilan tugas pada adaptasi ucapan-ke-teks half-duplex dari τ-Voice meningkat dari 78,4% menjadi 82,0%, dan laju respons terhadap ucapan latar belakang pada Full-Duplex-Bench v1.5 turun dari 73,0% menjadi 13,0%. Itu adalah dua angka yang dinyatakan dalam abstrak; bagian isi memuat tabel tingkat model, tetapi saya belum memverifikasinya terhadap harness, dan makalah tersebut adalah laporan vendor, bukan evaluasi independen.

Jadi papan skor yang jujur adalah: satu model memiliki tabel vendor tanpa makalah, yang lain memiliki makalah vendor tanpa harness yang dapat direproduksi, dan keduanya tidak muncul di papan netral dengan nama masing-masing. Artikel apa pun yang menempatkan angka-angka mereka di kolom bersebelahan sedang menata dua klaim yang belum terverifikasi dan membiarkan tata letaknya yang membujuk.

Di mana router cocok, secara tepat

Baik LFM3-Audio-2B maupun Qwen-Audio-3.1 tidak ada dalam katalog OrcaRouter, jadi tidak ada klaim routing yang bisa dibuat tentang lapisan wicara itu sendiri. Lapisan di atasnya adalah cerita yang berbeda. Produk suara yang dibangun di atas salah satu model tersebut tetap memerlukan model teks untuk merangkum, mengklasifikasikan, mengekstrak, atau memutuskan apa yang dikatakan agen selanjutnya, dan pemanggilan itulah yang sebenarnya membuat biaya dan keandalan bervariasi.

OrcaRouter menempatkan lebih dari 200 model teks dan multimodal di balik satu kunci dengan harga daftar penyedia tanpa markup, dengan failover otomatis antarpenyedia dan DSL perutean yang dapat menyusun beberapa model menjadi satu panggilan. Untuk perbandingan ini, pola yang berguna adalah A/B: jalankan percakapan terekam yang sama melalui qwen-audio-3.1-realtime-flash dan melalui LFM3-Audio-2B di perangkat keras Anda sendiri, lalu kirim kedua transkrip ke model hilir yang sama pada endpoint yang sama. Perbandingannya tetap bersih, dan bagian teks tidak pernah menjadi variabel yang lupa Anda kendalikan.

Tagihan mana yang harus dipilih

Pilih Qwen-Audio-3.1 realtime-flash jika Anda memerlukan percakapan duplex, stack pengenalan yang mengutamakan bahasa Mandarin, konteks 262K, atau SLA vendor — dan jika lalu lintas Anda cukup berfluktuasi sehingga penagihan per token justru menguntungkan. Baca nama tier dengan saksama sebelum Anda mengutip harga: realtime-plus dan realtime-flash bukan produk yang sama, dan tarif output adalah penentu biaya agen suara.

Pilih LFM3-Audio-2B jika Anda perlu memiliki modelnya, menjalankannya secara offline, menghindari tarif per menit, atau menyintesis 18 bahasa di laptop. Terimalah konteks 32K, ASR langsung khusus bahasa Inggris, ambang lisensi, dan fakta bahwa akurasi pengenalannya berada di papan tengah dalam perbandingan vendor model itu sendiri.

Tunggu, jika Anda membutuhkan angka yang bisa Anda pertahankan di hadapan tim pengadaan. Belum ada model yang memilikinya. Evaluasi independen pertama pada korpus audio bersama — bukan tabel vendor, bukan makalah vendor — akan bernilai lebih dari setiap angka di atas, dan itulah hal yang perlu diperhatikan sebelum salah satu dari keduanya menjadi standar.