LFM3-Audio-2B vs Dessa: 하나는 다운로드할 수 있고, 하나는 들을 수만 있습니다

Liquid AI의 LFM3-Audio-2B는 2B 매개변수 체크포인트로, 오픈 라이선스와 Hugging Face 리포지토리, 그리고 노트북으로 내려받을 수 있는 2.1 GB 빌드를 갖추고 있습니다. Block의 Dessa는 2026년 10월 23일 대기자 명단을 걸고 발표된 전이중 음성 모델로, 가중치도 매개변수 수치도 API도 공개된 벤치마크도 없습니다. 둘을 나란히 놓으면 흔한 비교는 시작하기도 전에 무너집니다. 이 글을 읽는 누구나 실행하고 미세 조정하고 측정할 수 있는 쪽이 하나 있고, 다른 하나는 들을 수만 있기 때문입니다. 유용한 질문은 어느 쪽이 더 잘 들리느냐가 아닙니다. 각 회사가 무엇을 공개하기로 선택했는지, 그리고 그 선택이 월요일 아침에 여러분이 무엇을 할 수 있게 하는지입니다.

둘 다 같은 경고 라벨을 달고서 정반대 방향에서 도착한다. LFM3-Audio-2B는 2026년 10월 27일, 6개 모델로 구성된 LFM3 패밀리 공개와 함께 출시되었고, 오디오 분기는 Liquid의 패밀리 게시물 한 문단과 모델 카드 하나를 받는 데 그쳤다. 독립된 "Introducing LFM3-Audio" 발표도 없고, Liquid 사이트에 오디오 가격 항목도 없으며 — 이 글을 쓰는 현재 — 어디에도 이 모델에 대한 독립적인 벤치마크 실행 결과가 없다. Dessa는 정반대의 문제를 안고 있다: 엄선된 대화 녹음은 열두 개나 되지만 사양은 거의 없다. 어느 회사도 외부인이 결과를 재현할 만큼 충분한 정보를 제공하지 않았다.

각자가 실제로 게시한 내용

형용사를 걷어내면 기록은 짧다. 아래 내용은 모두 Liquid의 모델 카드, 해당 패밀리 게시물, 또는 Block 자체 발표에서 나온 것이며, 독립적으로 검증된 것은 아무것도 없다.

• 제공되는 것 — LFM3-Audio-2B: BF16 체크포인트, GGUF 및 MLX 4비트 변환본, 토크나이저, 그리고 별도의 audio_tokenizer 디렉터리에 있는 코덱 가중치. Dessa: 대기 명단 양식과 일련의 비디오 클립.

• 크기 — LFM3-Audio-2B: 2B 파라미터, Ollama 빌드 기준 2.1 GB. Dessa: 공개되지 않음. Block은 MacBook Pro M4 Max에서 실행된다고 말하는데, 이는 128 GB 통합 메모리에 들어갈 만큼 작은 모델임을 암시하지만, 그것은 추론일 뿐 수치는 아니다.

• 입력 및 출력 — LFM3-Audio-2B: 텍스트 또는 16 kHz 오디오 입력; 텍스트, 24 kHz 음성 또는 텍스트와 음성이 교차된 출력. Dessa: 오디오 입력, 오디오 출력, 어느 시점에도 텍스트 중간 매개 없음.

• 맥락 — LFM3-Audio-2B: 입력과 출력을 포함해 32K 토큰입니다. 이는 일부 LFM3 관련 자료에서 반복되는 256K 수치가 아니며, 그 수치는 텍스트 모델인 LFM3-1.7B에 해당합니다. Dessa: 미공개.

• 라이선스 — LFM3-Audio-2B: LFM Open License v1.0, 연매출 1,000만 달러 미만이면 상업적 사용 무료. Dessa: 가중치가 없어 읽을 라이선스가 없음.

• 벤치마크 — LFM3-Audio-2B: 6행 공급업체 표. Dessa: 없음.

마지막 행에서 비교가 흥미로워진다. Liquid는 수치를 공개했지만 독립적인 증인은 없었다. Block은 증인들—같은 클립을 들은 기자들—을 공개했지만 수치는 없었다. 이 둘 중 하나를 고르려는 독자는 어떤 종류의 공백을 감수할지 고르는 셈이다.

데사가 가진, 다운로드할 수 없는 단 하나의 강점

Dessa는 전이중(full duplex)을 위해 만들어졌다. 말하면서 동시에 듣는다. 모델은 문장 중간에 끼어들기를 당할 수 있고, 상대가 아직 말하는 중에도 “맞아”나 “음-흠” 같은 추임새를 넣을 수 있으며, 자신의 타이밍을 상대에 맞춰 조정할 수 있다. Block의 데모들은 이 기능에 크게 의존한다. 자기 문장 중간에 웃음을 터뜨리거나, 요청에 따라 볼륨을 바꾸거나, 영화 제목을 잊은 발화자를 대신해 그 제목을 마저 말해 주는 식이다. 같은 녹음을 들은 The Verge는 그 대화가 “조금 어색하고 기묘하다”고 느꼈는데, 이는 타이밍을 대중 앞에서 배우는 시스템에 대한 타당한 묘사다.

LFM3-Audio-2B는 그렇게 주장하지 않습니다. 이 모델은 스트리밍이 결합된 요청-응답 방식입니다. 인과적 오디오 인코더 덕분에 사용자가 말하는 동안 프리필할 수 있으며, Liquid가 말하는 "최저 50ms"라는 첫 토큰까지의 시간 수치가 바로 여기서 나옵니다. 또한 LiquidCodec이 음성을 다시 스트리밍합니다. 응답을 스트리밍하는 것은 끼어들기(barge-in)를 처리하는 것과 다릅니다. 제품에 사용자가 말로 끼어들 수 있는 대화가 필요하다면 LFM3-Audio-2B는 잘못된 형태의 모델이며, 아무리 파인튜닝해도 인터페이스는 바뀌지 않습니다.

데사의 데모가 말해주지 못하는 것은 아무도 클립을 선별하지 않을 때 그것이 얼마나 자주 그렇게 작동하는가이다. Block은 녹음이 라이브로 진행되고 유도되지 않았으며 이후에 자막이 입혀졌다고 말하는데, 이는 가장 조잡한 형태의 데모 사기 가능성은 배제한다. 하지만 선별 가능성은 배제하지 못한다. 많은 대화를 녹음한 뒤 그중 최고의 것들만 공개하는 팀은 좋은 대화가 존재한다는 사실을 입증했을 뿐, 모델이 신뢰할 수 있다는 것을 입증한 것은 아니다.

Liquid가 공개한 숫자들, 그리고 그 숫자들이 지닌 가치

리퀴드(Liquid)의 모델 카드에는 여섯 개의 수치가 실려 있으며, 그중 네 개는 이전 모델의 값도 함께 제시한다. 이들 모두는 LFM3-Audio-2B를 그것이 대체하는 모델인 LFM2.5-Audio-1.5B와 비교한 것이다. 테스트 세트나 평가 하네스, 편차는 어느 것도 명시되지 않았다.

• 영어 ASR, 단어 오류율 — 6.23 대 6.13. 변화 없음. 움직이지 않은 유일한 행이며, 샘플링 노이즈로 볼 수 있을 만큼 작은 차이입니다.

• 다국어 ASR, WER/CER — 6.03. 이전 수치 미공개.

• 영어 TTS, UTMOSv2 — 3.83 대 3.22. 0.6점 차이는 잡음 범위를 충분히 벗어난 것이며, 4.0이 보통 거의 인간 수준으로 여겨지는 척도에서의 결과입니다.

• VoiceBench — 55.17 대비 73.13.

• 오디오 이해, MMAR — 25.85 대비 50.60. 거의 두 배.

• 음성 기반 도구 호출, 내부 평가 — 58.50. 이전 수치 없음.

Liquid 자체 표의 다른 모델들과 비교하면, 이 모델은 선두주자라기보다는 우수한 소형 모델입니다. Voxtral Mini 3B는 WER 5.51, NVIDIA Audex 2B는 5.99로 둘 다 6.23보다 우수합니다. Qwen2.5-Omni 3B는 오디오 이해에서 54.41을, Gemma 4 E4B는 도구 호출에서 72.40을 기록합니다. 솔직히 요약하면 경쟁력 있는 인식 성능, 음성 품질의 뚜렷한 향상, 그리고 2B 모델로서 견실한 추론 능력이며, 어느 항목에서도 최고 기록은 아닙니다.

Dessa에는 대응하는 행이 없으며, 그 부재는 단순한 형식적 문제가 아니다. 텍스트 없이 훈련된 음성 전용 모델에는 JSON 스키마, PDF, API 호출을 위한 기본 인터페이스가 없다. Block은 자사 페이지에서 열린 질문들을 인정한다. 음성 전용 모델이 사실과 언어를 얼마나 효율적으로 학습하는지, 그리고 텍스트 사전 훈련 없이도 문맥 내 학습이 유지되는지가 그것이다. 이는 매력적인 대화 상대와 범용 어시스턴트의 차이를 가르며, 두 회사 모두 이를 결판낼 테스트를 공개하지 않았다.

라이선스, 접근 권한, 그리고 누가 무엇을 기반으로 구축할 수 있는지

LFM3-Audio-2B의 라이선스는 품질을 논하기 전에 대부분의 조달 논의에서 이 모델이 이기는 실질적인 이유입니다. LFM Open License v1.0은 연 매출 1,000만 달러 미만의 상업적 사용을 허용하며, 그 이상에서는 유료 라이선스가 필요합니다. 가중치는 Hugging Face에 있고, llama.cpp는 10월 27일 PR #31257에서 지원이 병합되었으며, Ollama에는 2.1GB 빌드가 등록되어 있습니다. Transformers는 trust_remote_code와 함께 5.20.2 이상이 필요합니다. 반드시 고정해야 할 부분은 커스텀 코드 요구 사항입니다. 모델은 자체 모듈에서 로드되고 별도 디렉터리에서 코덱 가중치를 읽으므로, 환경을 고정하지 않으면 지원 티켓이 발생할 일이 기다리고 있습니다.

Dessa에는 비교할 만한 경로가 없다. 접근 방식은 대기자 명단에 더해, 기관 이메일로 신청하는 소규모 AI 안전 연구자 그룹을 위한 얼리 액세스다. Block이 밝힌 이유인 호기심, 인간–AI 상호작용, 안전은 감정을 읽는 음성을 작은 방 안에 두는 것과 일치한다. 문제는 제한된 접근과 독립적 평가가 서로 반대 방향으로 당긴다는 점이다. 외부 그룹이 수치를 공개하기 전까지, 공개적으로 남는 기록은 벤더의 클립과 그 클립에 대한 기자들의 인상뿐이다.

비교에 거의 포함되지 않는 이차적 비용이 있습니다. 다운로드 가능한 모델은 여러분이 소유하는 의존성입니다. 2.1 GB, 계속 살려 둬야 하는 프로세스, SLA 없음, 그리고 규모가 커질수록 지켜봐야 하는 라이선스 임계값이 있죠. 대기 목록에 있는 모델은 의존성이 전혀 아닙니다. 인용할 수는 있지만 출시할 수는 없는 연구 결과입니다. 음성 스택을 선택하는 팀에게 이 둘은 한 직선 위의 두 점이 아닙니다. 서로 다른 두 가지 결정입니다.

음성 에이전트에 필요한, 어느 모델도 단독으로는 제공하지 못하는 것

프로덕션 음성 시스템이 단일 모델로 구성되는 경우는 드뭅니다. 프런트 엔드가 듀플렉스 방식이든 요청-응답 방식이든, 대화는 계속해서 일반 텍스트 모델에 작업을 넘깁니다. 조회, 추출, 정책 검사, 일시 정지 상태에서 뒤에서 수행되는 추론 호출 같은 작업이죠. 바로 이 위임 계층에 비용 편차가 존재하며, 한 제공업체의 불량한 한 시간이 곧 여러분의 서비스 중단이 되는 곳입니다.

우리 자체 커버리지에 관해 정확히 말하자면: LFM3-Audio-2B는 OrcaRouter에 없고, Dessa는 API가 전혀 아닙니다. OrcaRouter가 제공하는 것은 음성 에이전트가 위임하는 텍스트 계층입니다 — 하나의 키로 접근하는 200개 이상의 모델을 공급자 정가에 추가 마크업 없이 제공하고, 공급자가 문제를 겪을 때 자동 페일오버하며, 여러 모델을 하나의 호출로 구성하는 라우팅 DSL, 그리고 단일 모델의 판단으로 충분하지 않을 때의 모델 퓨전을 제공합니다. 로컬에서 LFM3-Audio-2B로 프로토타이핑 중이라면, 루프의 도구 호출 절반은 오늘 그 엔드포인트 뒤에 둘 수 있는 부분이고, 오디오 절반은 여러분의 머신에 남습니다.

그것을 결정지을 시험

LFM3-Audio-2B의 경우, 빠진 증거는 구체적입니다. 표준 세트에서의 독립적인 WER 실행, M4 Max가 아닌 하드웨어에서의 지연 시간 측정, 그리고 Liquid 소속이 아닌 사람에 의한 UTMOS 향상 재현입니다. llama.cpp의 라이브 ASR 후속 작업도 중요합니다. 오늘날 지원되는 경로는 배치 전사이며, 스트리밍이 출시될 때 영어 전용이라는 점이 한계이기 때문입니다.

Dessa의 경우, 목록은 더 짧고 더 어렵습니다: 홀드아웃 대화 세트, 첫 번째로 들리는 반응까지 포함한 종단 간 지연 시간, 중단 복구, 소음 속 명료도, 데이터 및 컴퓨팅 예산, 그리고 사실 보존에 대한 일정한 측정치. 그중 하나만으로도 데모 릴은 평가로 바뀝니다. 이 모두를 갖추면 제품이 됩니다.

그때까지는, 정확한 설명은 좁지만 유용하다. LFM3-Audio-2B는 1분 만에 다운로드할 수 있는 2B 음성 모델로, 대체하는 모델보다 말을 더 잘하고, 듣기는 거의 비슷하며, 아직 독립적인 검증자는 없다. Dessa는 이번 달 가장 흥미로운 음성 데모이지만, 확인할 방법이 없다. 이번 분기에 구축해야 한다면, 그 문장들 중 단 하나만이 실제 배포로 이어진다.