LFM3-Audio-2B vs Ming-3.0-audio-flash: 8-GPU 귀에 맞선 노트북 체크포인트

첫 번째 숫자는 LFM3-Audio-2B와 Ming-3.0-audio-flash를 구분합니다. 그것은 벤치마크가 아닙니다. 그것은 8입니다. Ming-3.0-audio-flash는 InclusionAI의 126B 파라미터 오디오-언어 전문가 혼합(mixture-of-experts) 모델로 활성 파라미터가 6.5B이며, 음성 출력을 포함한 전체 128K 컨텍스트 프로파일을 서비스하려면 80GB H800 8대에 걸친 텐서 병렬 처리가 필요합니다. GPU 4대에서는 검증된 SGLang 경로를 사용할 수 있지만 텍스트 전용입니다. Talker 모듈이 들어가지 않기 때문입니다. Liquid AI가 2026년 10월 27일 6개 모델로 구성된 LFM3 패밀리 안에서 출시한 LFM3-Audio-2B는 2.1GB Ollama 다운로드로 제공되는 2B 체크포인트입니다. 둘 다 오픈 웨이트입니다. 그중 하나만이 한 명의 개발자가 오늘 오후에 내릴 수 있는 결정입니다.

그 격차가 이 대결의 핵심이며, 그것을 품질 순위로 취급하는 뻔한 실수를 피할 가치가 있다. Ming-3.0-audio-flash는 LFM3-Audio-2B보다 훨씬 더 많이 듣는다. 긴 녹음, 여러 화자, 음악, 음향 장면, 비언어 소리까지. LFM3-Audio-2B는 노트북에서의 음성 루프를 위해 만들어졌다. 18개 언어에서 인식, 합성, 번역, 음성 도구 호출을 아우른다. Ming은 입이 달린 귀이고, Liquid의 모델은 귀가 달린 입이다. 문제는 당신에게 실제로 어떤 작업이 있느냐다.

두 척의 조용한 배, 두 가지 다른 종류의 침묵

두 모델 모두 전통적인 방식으로 출시되지 않았으며, 두 모델이 등장한 방식의 차이는 각 저장소에서 무엇을 기대할 수 있는지를 알려줍니다.

Ming-3.0-audio-flash은 2026년 9월 3일 아무런 공지 없이 Hugging Face에 업로드되었고, 이후 6주 동안 사용할 수 없는 상태로 있다가 10월 15일부터 19일 사이에 서빙 코드, 예제, 재작성된 카드가 올라왔다. GitHub 저장소는 15일에 생성되었으며, 카드는 19일에도 여전히 편집 중이었다. HF 페이지에는 지난달 다운로드 수가 22회로 표시된다. MIT 라이선스이며, 참조 배포 YAML 파일들은 저장소에 있다.

LFM3-Audio-2B는 10월 27일 Liquid의 패밀리 공개에 포함된 여섯 모델 중 하나로 등장했으며, LFM3-1.7B-Base 백본을 공유한다. 오디오 브랜치는 패밀리 게시물의 한 문단과 모델 카드만 받았고, 독립형 오디오 발표나 Liquid 사이트의 가격 항목은 없다. 하루 만에 병합된 llama.cpp 풀 리퀘스트(#31257)와 Ollama 빌드가 나왔다. 차이는 문서화의 깊이가 아니라 도구 지원의 속도다. Ming은 벤치마크 패널을 이미지로 제공하지만, Liquid는 하네스 이름이 없는 6행 표를 제공한다.

각자가 들을 수 있는 것

• 입력 — LFM3-Audio-2B: 텍스트 또는 16 kHz 오디오. Ming-3.0-audio-flash: 오디오 및 텍스트 지시문.

• 출력 — LFM3-Audio-2B: 텍스트, 24kHz 음성 또는 텍스트와 음성이 인터리브된 출력. Ming-3.0-audio-flash: 텍스트 또는 선택적 Talker를 통한 합성 음성이 포함된 텍스트.

• 컨텍스트 — LFM3-Audio-2B: 32K 토큰, 입력 및 출력. Ming-3.0-audio-flash: 128K 토큰, 10월 커밋에서 8,192에서 상향됨.

• 언어 — LFM3-Audio-2B: 영어가 미국 및 영국 변형으로 표시되기 때문에 18개 언어가 19개 로캘로 나열됩니다. 라이브 ASR은 영어만 지원합니다. Ming-3.0-audio-flash: 악센트와 방언을 포함한 중국어 및 영어 — 광둥어, 상하이어, 후난어, 푸젠어(민난어)가 이 제품군의 지원 범위에 명시되어 있습니다.

• 라이선스 — LFM3-Audio-2B: LFM Open License v1.0, 연간 매출 1,000만 달러 미만은 상업적 이용 무료. Ming-3.0-audio-flash: MIT.

• 하드웨어 최소 사양 — LFM3-Audio-2B: GGUF를 통해 CPU 구동 가능, 2.1 GB. Ming-3.0-audio-flash: 전체 오디오 프로파일에는 80 GB H800 8대, 텍스트 전용에는 4대.

언어 항목은 두 제품이 가장 자주 오해받는 부분이다. 18개 언어는 2개보다 더 넓게 들리고, 합성 측면에서는 실제로 그렇다. 하지만 그 18개는 대부분 유럽 언어에 일본어, 한국어, 중국어를 더한 것이며, Liquid는 실시간 ASR을 영어로 명시적으로 제한한다. Ming의 두 언어는 긴 로케일 목록보다 중국어 컨택트센터에서 더 중요한 방언 커버리지를 함께 제공한다. 오디오가 코드스위칭이 섞인 만다린이라면, Ming의 좁아 보이는 언어 주장이 더 강력하다. 노트북에서 네덜란드어나 스웨덴어 음성이 필요하다면, LFM3-Audio-2B가 둘 중 그 지원을 내세우는 유일한 제품이다.

유일하게 들어맞는 숫자, 그리고 그것이 여전히 판정이 아닌 이유

두 공급업체 모두 VoiceBench 수치를 공개하는데, 이는 여기서 공통 기준축에 가장 가까운 지표입니다. Ming-3.0-audio-flash는 86.74를 보고합니다. LFM3-Audio-2B는 73.13을 보고합니다. 표면적으로는 Ming에 유리한 13.6점 차이입니다.

이것을 결과가 아니라 가설로 취급하십시오. 두 수치는 서로 다른 하네스 버전, 서로 다른 프롬프트, 서로 다른 디코딩 설정에서 나온 것이며, 어느 저장소도 정확한 구성을 명시하지 않습니다. Ming의 자체 자료에서도 비교 모델들은 inclusionAI의 평가 설정에서 재현되었으며 프롬프트, 디코딩, 버전, 파이프라인 때문에 공식 보고서와 다를 수 있다고 경고합니다. Liquid의 표는 테스트 세트를 전혀 명시하지 않습니다. 한 벤더의 수치를 다른 벤더의 수치와 비교하는 것은 두 모델을 측정하는 것이 아니라 두 주장의 순서를 매기는 것입니다.

같은 주의 사항은 Ming의 나머지 패널에도 적용됩니다. 중국어 ASR 평균 CER 3.45, 영어 WER 3.69, 방언 CER 9.40, BigBenchAudio 99.40, MMAU 82.00 — 모두 공급자 보고 수치이며, 모두 표시용일 뿐입니다. LFM3-Audio-2B의 영어 WER 6.23 및 MMAR 50.60과 비교하면 방향은 일관됩니다. Ming이 더 강한 리스너입니다. 그 정도는 어느 연구소가 공개한 어떤 자료로도 입증되지 않았습니다.

라이선스로 얻는 것과 그 대가

MIT가 더 깔끔한 라이선스이며, 그 격차는 근소하지 않다. LFM Open License v1.0은 매출 기준선 미만에서는 무료이고, 그 기준을 넘으면 유료 상용 라이선스가 필요하다. MIT에는 이런 기준선이 없다. 매출 1,000만 달러를 넘어설 것으로 예상하는 기업에게 이 차이는 각주가 아니라 조달 예산 항목이다.

라이선스 또한 비용에서 더 작은 부분이다. Ming의 8개 GPU 최소 구성은 감가상각 일정과 랙, 페이저를 수반하는 자본 결정이다. Liquid의 2.1GB 다운로드는 GGUF를 통해 노트북 CPU에서 실행되며, Apple silicon용 MLX 4비트와 이식성을 위한 ONNX Runtime을 갖춘다. 천 번째 오디오 시간의 한계 비용은 둘 다 거의 0이고, 고정 비용은 세 자릿수 차이다.

그렇다고 해서 Ming이 비싼 것은 아닙니다. 그것은 Ming을 다른 구매로 만드는 것입니다. 워크로드가 일정하고 오디오가 건물 밖으로 나갈 수 없다면, 126B ear를 소유하는 것이 수년간 분당 비용을 지불하는 것보다 더 저렴할 수 있습니다 — 전환점은 벤치마크가 아니라 활용률 계산입니다. 워크로드가 프로토타입, 데모, 또는 오디오 볼륨이 아직 알려지지 않은 제품이라면, 8-GPU 프로필은 증거가 도착하기 전에 걸어진 베팅입니다.

구매 전에 먼저 사용해 보기

두 모델의 실질적인 문제는 같습니다. 모델 카드만 보고서는 두 모델 중 어느 것이 당신의 녹음에서 작동하는지 알 수 없습니다. Ming의 서빙 경로는 대부분의 팀이 갖추지 못한 하드웨어를 전제로 합니다. Liquid의 것은 어디서나 실행되지만 독립적인 평가가 없습니다. 두 경우 모두 저렴한 방법은 확정하기 전에 작은 샘플에서 측정하는 것입니다.

OrcaRouter는 이 두 체크포인트를 호스팅하지 않으므로, 라우팅에 관한 제안은 오디오 계층 자체에는 해당되지 않습니다. 그것은 한 단계 위에 적용됩니다. 음성 파이프라인은 오디오 모델에 더해 들은 내용을 분류하거나 요약하거나 라우팅하는 텍스트 모델로 구성되며, 바로 이 두 번째 호출에서 라우터가 제 역할을 합니다: 키 하나로 200개 이상의 모델을 제공업체 정가 그대로, 추가 마크업 없이 이용할 수 있고, 제공업체 간 자동 장애 조치가 지원되며, 여러 모델을 하나의 호출로 조합하고 싶다면 라우팅 DSL도 쓸 수 있습니다. 가장 형편없는 녹음 20개를 오디오 모델에 통과시킨 다음, 그 전사 결과를 동일한 엔드포인트의 동일한 다운스트림 모델에 통과시키세요 — 그러면 비교가 깔끔하게 유지되고 비용도 거의 들지 않습니다.

어느 걸 고를까?

LFM3-Audio-2B는 모델이 이미 보유한 머신에서 실행되어야 하거나, Ming이 지원하지 않는 언어의 음성 출력이 필요하거나, 음성 도구 호출 루프를 프로토타이핑하면서 모델을 도구와 같은 머신에 두고 싶을 때 선택하세요. 인식 부분은 중간 수준이며, 실시간 ASR은 영어만 지원하고 llama.cpp에서는 여전히 후속 풀 리퀘스트라는 점을 받아들이세요.

작업이 대화보다는 이해에 가깝다면 Ming-3.0-audio-flash를 선택하세요. 긴 회의, 잡음이 많은 다중 화자 녹음, 오디오 추론, 또는 방언 지원이 중요한 중국어 작업 부하가 여기에 해당합니다. GPU 8개를 예산에 배정하거나, 4-GPU 텍스트 전용 프로필을 받아들여 Talker를 포기하세요. 그런 다음 어느 공급업체의 패널도 믿기 전에 자체 평가를 실행하세요.

아직은 둘 다 선택하지 마세요. 두 작업 중 어느 쪽인지 말할 수 없다면요. 두 모델은 각각 출시된 지 4일과 6주 되었고, 둘 모두 문서가 성능 주장보다 빈약하며, 공유 코퍼스에서의 첫 독립적 직접 비교는 이 글의 모든 수치보다 더 가치 있을 것입니다. 그 비교가 존재하기 전까지는 하드웨어 최소 요건이 가장 정직한 결정 기준입니다. 이들 중 하나는 노트북에 들어가고, 다른 하나는 랙에 들어갑니다.