LFM3-Audio-2B vs Ming-3.0-audio-flash: Een laptop-checkpoint tegenover een oor met acht GPU's

Het eerste getal dat een onderscheid maakt tussen LFM3-Audio-2B en Ming-3.0-audio-flash is geen benchmark. Het is acht. Ming-3.0-audio-flash, InclusionAI's 126B-parameter audio-taal mixture-of-experts met 6,5B actieve parameters, heeft tensorparallellisme over acht H800s van 80 GB nodig om zijn volledige 128K-contextprofiel met spraakuitvoer te bedienen — vier GPU's leveren een gevalideerd SGLang-pad op dat alleen tekst is, omdat de Talker-module niet past. LFM3-Audio-2B, dat Liquid AI op 27 oktober 2026 uitbracht binnen de LFM3-familie met zes modellen, is een 2B-checkpoint dat binnenkomt als een Ollama-download van 2,1 GB. Beide zijn open gewichten. Slechts één ervan is een beslissing die een enkele ontwikkelaar vanmiddag kan nemen.

Dat verschil is de hele vergelijking, en het loont om de voor de hand liggende fout te weerstaan om het als een kwaliteitsranglijst te behandelen. Ming-3.0-audio-flash hoort veel meer dan LFM3-Audio-2B: lange opnames, meerdere sprekers, muziek, akoestische scènes, niet-spraakgeluid. LFM3-Audio-2B is gebouwd voor een spraaklus op een laptop — herkenning, synthese, vertaling en gesproken tool-aanroepen in 18 talen. Ming is een oor met een mond eraan; het model van Liquid is een mond met een oor eraan. De vraag is welke taak je eigenlijk hebt.

Twee stille schepen, twee verschillende soorten stilte

Geen van beide modellen kende een conventionele lancering, en het verschil in hoe ze verschenen, verraadt wat je van elke repository kunt verwachten.

Ming-3.0-audio-flash werd op 3 september 2026 zonder aankondiging op Hugging Face geüpload en bleef daarna zes weken onbruikbaar tot de serveercode, voorbeelden en herschreven modelkaart tussen 15 en 19 oktober online werden gezet. De GitHub-repository werd op de 15e aangemaakt; op de 19e werd de modelkaart nog bewerkt. De HF-pagina toont 22 downloads vorige maand. Het is onder MIT-licentie uitgebracht en de referentie-deployment-YAML's staan in de repository.

LFM3-Audio-2B verscheen op 27 oktober als een van zes modellen in de familie-release van Liquid, met dezelfde LFM3-1.7B-Base-backbone. De audiotak kreeg één alinea in het familiebericht plus een modelkaart; er is geen zelfstandige audio-aankondiging en geen prijsvermelding daarvoor op de site van Liquid. Binnen een dag had het een samengevoegde llama.cpp pull request (#31257) en een Ollama-build. Het verschil zit in de snelheid van de tooling, niet in de diepte van de documentatie: Ming heeft benchmarkpanelen als afbeeldingen, Liquid heeft een zesrijige tabel zonder genoemde harness.

Wat elk van hen kan horen

• Invoer — LFM3-Audio-2B: tekst of audio van 16 kHz. Ming-3.0-audio-flash: audio plus een tekstinstructie.

• Uitvoer — LFM3-Audio-2B: tekst, spraak van 24 kHz, of afwisselend tekst en spraak. Ming-3.0-audio-flash: tekst, of tekst met gesynthetiseerde spraak via de optionele Talker.

• Context — LFM3-Audio-2B: 32K tokens, invoer plus uitvoer. Ming-3.0-audio-flash: 128K tokens, verhoogd van 8.192 in een commit van oktober.

• Talen — LFM3-Audio-2B: 18 talen vermeld als 19 locales omdat Engels voorkomt als US- en UK-varianten; live-ASR is alleen Engels. Ming-3.0-audio-flash: Chinees en Engels, inclusief accenten en dialecten — Kantonees, Shanghainees, Hunan en Hokkien worden genoemd in de dekking van de familie.

• Licentie — LFM3-Audio-2B: LFM Open License v1.0, gratis voor commercieel gebruik onder $10M jaarlijkse omzet. Ming-3.0-audio-flash: MIT.

• Minimale hardware — LFM3-Audio-2B: CPU-geschikt via GGUF, 2,1 GB. Ming-3.0-audio-flash: acht H800's van 80 GB voor het volledige audioprofiel, vier voor alleen tekst.

De taallijn is het punt waarop de twee het vaakst verkeerd worden geïnterpreteerd. Achttien talen klinkt breder dan twee, en voor synthese is dat ook zo. Maar de 18 zijn grotendeels Europees plus Japans, Koreaans en Chinees, en Liquid beperkt live-ASR expliciet tot Engels. De twee talen van Ming gaan gepaard met dialectdekking die in een Chinees contactcenter meer uitmaakt dan een lange lijst met locales. Als je audio Mandarijn met code-switching is, is de smal klinkende taalclaim van Ming de sterkere; als je een Nederlandse of Zweedse stem op een laptop nodig hebt, is LFM3-Audio-2B de enige van de twee die dat claimt.

Het ene getal dat klopt, en waarom het nog steeds geen uitspraak is

Beide leveranciers publiceren een VoiceBench-cijfer, waardoor dit hier het dichtst in de buurt komt van een gemeenschappelijke as. Ming-3.0-audio-flash meldt 86,74. LFM3-Audio-2B meldt 73,13. Op het eerste gezicht is dat een verschil van 13,6 punten in het voordeel van Ming.

Beschouw het als een hypothese, niet als een resultaat. De twee getallen komen uit verschillende harness-versies, verschillende prompts en verschillende decoding-instellingen, en geen van beide repositories noemt de exacte configuratie. Mings eigen materialen waarschuwen dat vergelijkingsmodellen zijn gereproduceerd onder inclusionAI's evaluatieopzet en kunnen afwijken van officiële rapporten vanwege prompts, decoding, versies en pipelines. De tabel van Liquid noemt de testset helemaal niet. Een getal van de ene leverancier vergeleken met dat van een andere leverancier is een ordening van twee beweringen, niet een meting van twee modellen.

Dezelfde voorzichtigheid geldt voor de rest van het panel van Ming: Chinese ASR gemiddelde CER 3,45, Engelse WER 3,69, dialect-CER 9,40, BigBenchAudio 99,40, MMAU 82,00 — allemaal door de aanbieder gerapporteerd, allemaal alleen ter weergave. Tegenover de Engelse WER van 6,23 en MMAR 50,60 van LFM3-Audio-2B is de richting consistent: Ming is de sterkere luisteraar. De grootte wordt niet onderbouwd door iets dat een van beide labs heeft gepubliceerd.

Wat de licentie oplevert, en wat ze kost

MIT is de zuiverdere licentie, en dat is niet eens een close call. LFM Open License v1.0 is gratis onder een omzetdrempel en vereist daarboven een betaalde commerciële licentie; MIT kent geen drempel. Voor een bedrijf dat verwacht te groeien tot boven $10M is dat verschil een inkooppost, geen voetnoot.

De licentie is ook de kleinere helft van de kosten. Ming's minimum van acht GPU's is een kapitaalbeslissing met een afschrijvingsschema, een rack en een pieper. Liquid's download van 2,1 GB draait op een laptop-CPU via GGUF, met MLX 4-bit voor Apple silicon en ONNX Runtime voor draagbaarheid. De marginale kosten van het duizendste uur audio zijn bij beide bijna nul; de vaste kosten liggen drie ordes van grootte uit elkaar.

Dat maakt Ming niet duur. Het maakt van Ming een andere aankoop. Als je werklast stabiel is en je audio het pand niet mag verlaten, kan het bezitten van een 126B-oor goedkoper zijn dan jarenlang per minuut betalen — het omslagpunt is een bezettingsberekening, geen benchmark. Als je werklast een prototype, een demo of een product is waarvan het audiovolume nog onbekend is, is het acht-GPU-profiel een weddenschap die wordt afgesloten voordat het bewijs binnen is.

Proberen voordat je koopt

Het praktische probleem bij beide modellen is hetzelfde: je kunt aan een modelkaart niet zien of een van beide werkt op jouw opnames. Ming's servingpad gaat uit van hardware die de meeste teams niet hebben; Liquid draait overal, maar heeft geen onafhankelijke evaluatie. De goedkope zet is in beide gevallen om op een kleine steekproef te meten voordat je je vastlegt.

OrcaRouter host geen van deze checkpoints, dus de routing-pitch is niet van toepassing op de audiolaag zelf. Die geldt één niveau hoger. Een spraakpipeline is een audiomodel plus een tekstmodel dat classificeert, samenvat of routeert wat er gehoord is, en die tweede call is waar een router zijn plek verdient: meer dan 200 modellen achter één sleutel tegen de prijslijst van de provider zonder opslag, automatische failover tussen providers, en een routing-DSL als je er meerdere wilt samenvoegen tot één call. Haal je twintig slechtste opnames door het audiomodel en haal de transcripties vervolgens door hetzelfde downstream-model op hetzelfde endpoint — dat houdt de vergelijking zuiver en kost bijna niets.

Welke moet je kiezen?

Kies LFM3-Audio-2B als het model op een machine moet draaien die je al bezit, als je spraakuitvoer nodig hebt in een taal die Ming niet dekt, of als je een gesproken tool-calling-lus aan het prototypen bent en het model op dezelfde machine wilt als de tools. Accepteer dat de herkenningshelft middenmoot is en dat live ASR alleen Engels ondersteunt en nog steeds een follow-up pull request in llama.cpp is.

Kies Ming-3.0-audio-flash als de taak begrip is en niet conversatie: lange vergaderingen, rumoerige opnamen met meerdere sprekers, audio-reasoning, of een werkbelasting in het Chinees waarbij dialectdekking belangrijk is. Begroot de acht GPU's, of accepteer het profiel met vier GPU's voor alleen tekst en geef de Talker op. Voer daarna je eigen evaluatie uit voordat je het panel van een van beide leveranciers gelooft.

Kies voorlopig geen van beide als je niet kunt benoemen welke van die twee taken je hebt. De modellen zijn respectievelijk vier dagen en zes weken oud, de documentatie over beide is dunner dan hun beweringen over hun capaciteiten, en de eerste onafhankelijke rechtstreekse vergelijking op een gedeeld corpus zal meer waard zijn dan elk cijfer in dit artikel. Tot die er is, is het hardwareminimum de eerlijkste beschikbare doorslaggever: een van deze past op je laptop, en de andere past in een rack.