LFM3-Audio-2B vs Qwen-Audio-3.1: één checkpoint, vele meetlatten

Vraag wat Qwen-Audio-3.1 kost en het eerste eerlijke antwoord is een andere vraag: welke? De naam dekt een gelaagde gehoste spraaklijn — een realtime duplexmodel, een realtime flashtier, streaming- en bestandstranscriptie, en twee synthesemodellen — en elke tier heeft zijn eigen tariefkaart. LFM3-Audio-2B is het tegenovergestelde soort object: één 2B-checkpoint van Liquid AI, uitgebracht op 27 oktober 2026 binnen de familie van zes LFM3-modellen, downloadbaar onder de LFM Open License v1.0, met een Ollama-build van 2,1 GB en nergens een meter per aanroep. Ze vergelijken is geen vergelijking van audiokwaliteit. Het is een vergelijking van twee factureringsvormen, en de rekensom pakt anders uit afhankelijk van of je verkeer gelijkmatig, piekerig of nog steeds hypothetisch is.

De vorm van releases doet er ook toe, omdat die verwachtingen schept voor documentatie. Qwen-Audio-3.1 is catalogus-eerst: model-ID's gedocumenteerd in Alibaba Cloud Model Studio, elk in een regel of twee beschreven, geprijsd per token, zonder gepubliceerde gewichten en zonder openbaar aantal parameters. LFM3-Audio-2B is gewichten-eerst: een repository, een modelkaart, een samengevoegde llama.cpp-pullrequest en één alinea in de familiepost van de leverancier. Het ene is een productlijn die je huurt. Het andere is een bestand dat je bezit. Elk praktisch verschil hieronder volgt daaruit.

Wat de naam eigenlijk omvat

Qwen-Audio-3.1 is niet één endpoint, en het als één geheel behandelen is de meest voorkomende fout bij vergelijkingen. De niveaus vervullen verschillende functies:

• qwen-audio-3.1-realtime-flash — realtime duplexspraak, tekst en audio in en uit, met function calling, webzoekopdrachten, stemklonen en drie modi voor beurtdetectie. Dit is het dichtstbijzijnde equivalent van LFM3-Audio-2B, en de tier waar dit artikel een prijs aan koppelt.

• qwen-audio-3.1-realtime-plus — de uitgebreidere realtime-tier. Alibaba documenteert hiervoor een audioconversie van 12,5 tokens per seconde en rekent een aanzienlijk hoger outputtarief dan de flash-tier. Ander product, andere rekening.

• qwen-audio-3.1-asr-flash-streaming — herkenning via een stream, met tussenresultaten, VAD, hotwords en het verwijderen van disfluenties. Geen spraakuitvoer.

• qwen-audio-3.1-asr-flash-filetrans — dezelfde herkenningstaak, batchgewijs uitgevoerd op een bestand.

• Qwen-Audio-3.1-TTS en TTS-Next — synthese, waarbij het Next-model op de markt wordt gebracht als een "Audiogen"-model voor stem, geluidseffecten en omgevingsgeluid in één doorgang op 48 kHz.

LFM3-Audio-2B voegt die taken samen in één checkpoint. Herkenning, synthese, vertaling, audiobegrip en gesproken toolaanroepen zijn modi van hetzelfde 2B-model, gekozen via de prompt en via het servingprofiel. Er is geen SKU om te kiezen en geen aparte meter voor spreken versus luisteren. De ruil is granulariteit voor eenvoud: je kunt niet alleen voor herkenning betalen wanneer herkenning alles is wat je nodig hebt, omdat je hoe dan ook het hele model draait.

De rekening, uitgewerkt

Alibaba publiceert tarieven voor qwen-audio-3.1-realtime-flash in USD per miljoen tokens. In Singapore: tekstinvoer $0,23, audio-invoer $0,93, tekstuitvoer $0,70, audio-uitvoer $1,87. Beijing is iets goedkoper met $0,212, $0,848, $0,636 en $1,696. De snelheidslimieten zijn 60 verzoeken per minuut en 100.000 tokens per minuut, zonder aparte limiet voor gelijktijdige WebSocket-verbindingen. Het contextvenster is 262.144 tokens, met een maximale invoer van 245.760 en uitvoer van 16.384 — maar de audiohistorie is beperkt tot 50 beurten of 300 cumulatieve seconden, wat de limiet is die een lang gesprek daadwerkelijk raakt.

LFM3-Audio-2B heeft geen tarievenkaart omdat Liquid het niet als endpoint verkoopt. De kosten zijn de machine waarop je het draait, de download van 2,1 GB en de licentiedrempel: gratis voor commercieel gebruik onder $10M jaaromzet, betaald daarboven. Op een laptop is dat bijna nul; op een GPU is het wat je al betaalt voor ongebruikte capaciteit. De codec is de efficiëntiebewering die het kennen waard is — LiquidCodec propt 80 ms spraak in 12 tokens en decodeert op ongeveer 87× realtime op één CPU-thread van een M4 Max — maar dat meet de codec, niet het taalmodel, en moet niet worden gelezen als end-to-end doorvoer op je hardware.

Nu het onderdeel dat de doorslag geeft. Een gehost realtime model factureert per token van het gesprek, inclusief de audio die het genereert, en de kosten van een spraakagent zitten in de output. Een self-hosted model factureert per uur hardware, of er nu iemand praat of niet. Voor een contactcenter met een constante belasting worden de vaste kosten afgeschreven en kan het bedrag per uur onder elke prijslijst zakken. Voor een product met piekverkeer — een compliance-team dat op de laatste dag van het kwartaal duizend gesprekken transcribeert en elf weken niets — wint facturering per gesprek, omdat de GPU's ook tijdens de stilte factureren. Geen van beide vormen is in het algemeen goedkoper. Ze zijn goedkoper bij verschillende bezettingsgraden.

Dekking, latentie en de claims die niet voldoen

• Talen — LFM3-Audio-2B: 18 talen, 19 localevarianten, waarbij live ASR beperkt is tot Engels en vertaling het sterkst is van of naar het Engels. Qwen-Audio-3.1: Alibaba's documentatie voor de realtime flash-laag publiceert geen talenlijst; de herkenningsniveaus zijn gedocumenteerd rond Mandarijn, Kantonees, Sichuanese en andere Chinese dialecten, met automatische taaldetectie. Beschouw de dekking als onbekend voor Qwen totdat de documentatie deze opsomt.

• Latentie — LFM3-Audio-2B: "slechts 50 ms" tijd tot het eerste token, door de leverancier gemeten op genoemde Apple-hardware, zonder percentiel of testharnas. Qwen-Audio-3.1: het kopcijfer van 92 ms voor het eerste token van Alibaba's familie komt uit zijn eigen high-concurrencybenchmark op een 0,6B-specificatie, niet uit tests door derden. Geen van beide is een typisch getal.

• Duplex — LFM3-Audio-2B: verzoek-en-antwoord met streaming; een causale encoder maakt prefill mogelijk terwijl je spreekt, maar er is geen barge-in-claim. Qwen-Audio-3.1 realtime-flash: expliciet duplex, met server-VAD en een smart-turn-modus die onderbrekingen afhandelt.

• Context — LFM3-Audio-2B: 32K tokens, invoer plus uitvoer. Dit is niet het 256K-cijfer dat in sommige LFM3-berichtgeving wordt herhaald; dat hoort bij het tekstmodel. Qwen-Audio-3.1 realtime-flash: 262K tokens, met de hierboven genoemde limiet voor de audiogeschiedenis.

Die duplexlijn is degene die de architectuur verandert. Als je product midden in een zin onderbroken moet kunnen worden, is LFM3-Audio-2B het verkeerde soort model en geen enkele prompt lost dat op. Als je product een opname leest en daar een vraag over beantwoordt, is duplex irrelevant en is de 2B-checkpoint het eenvoudigere object.

Wie heeft wat gemeten

Liquid publiceert zes cijfers voor LFM3-Audio-2B, allemaal tegenover zijn eigen vorige model, LFM2.5-Audio-1.5B: Engelse ASR-WER 6,23 (tegenover 6,13, onveranderd), meertalige WER/CER 6,03, UTMOSv2 3,83 (tegenover 3,22), VoiceBench 73,13 (tegenover 55,17), MMAR 50,60 (tegenover 25,85) en een interne tool-calling-evaluatie op 58,50. Er worden geen testset, harness of variantie genoemd. We konden voor geen enkele rij een onafhankelijke reproductie vinden.

Qwens bewijs is van een andere aard. Er is een technisch rapport, "Qwen-Audio-3.1-Realtime: Towards Reliable Agentic Voice Interaction", dat meldt dat taaksucces bij een half-duplex spraak-naar-tekst-aanpassing van τ-Voice stijgt van 78,4% naar 82,0%, en dat het percentage reacties op achtergrondspraak bij Full-Duplex-Bench v1.5 daalt van 73,0% naar 13,0%. Dat zijn de twee cijfers die in het abstract worden genoemd; de hoofdtekst bevat tabellen op modelniveau, maar ik heb die niet geverifieerd aan de hand van een harness, en het paper is een leveranciersrapport in plaats van een onafhankelijke evaluatie.

Dus het eerlijke scorebord is: het ene model heeft een leverancierstabel zonder paper, het andere heeft een leverancierspaper zonder reproduceerbare harness, en geen van beide verschijnt onder zijn eigen naam op een neutraal bord. Elk artikel dat hun cijfers in naast elkaar gelegen kolommen zet, rangschikt twee ongeverifieerde beweringen en laat de opmaak het overtuigingswerk doen.

Waar een router precies past

Noch LFM3-Audio-2B, noch Qwen-Audio-3.1 staat in de OrcaRouter-catalogus, dus er valt geen routingclaim te maken over de spraaklaag zelf. De laag daarboven is een ander verhaal. Een spraakproduct dat op een van beide modellen is gebouwd, heeft nog steeds een tekstmodel nodig om samen te vatten, te classificeren, te extraheren of te beslissen wat de agent hierna zegt, en die aanroep is waar kosten en betrouwbaarheid daadwerkelijk variëren.

OrcaRouter plaatst meer dan 200 tekst- en multimodale modellen achter één sleutel tegen de lijstprijs van de provider, zonder markup, met automatische failover tussen providers en een routing-DSL waarmee je meerdere modellen in één aanroep kunt combineren. Voor deze vergelijking is het nuttige patroon een A/B-test: voer dezelfde opgenomen gesprekken uit via qwen-audio-3.1-realtime-flash en via LFM3-Audio-2B op je eigen hardware, en stuur vervolgens beide transcripties naar hetzelfde downstreammodel op hetzelfde endpoint. De vergelijking blijft schoon, en het tekstgedeelte wordt nooit de variabele die je vergat te controleren.

Welke rekening moet ik kiezen?

Kies Qwen-Audio-3.1 realtime-flash als je duplexgesprekken, een Chinese-first herkenningsstack, een context van 262K of een leveranciers-SLA nodig hebt — en als je verkeer genoeg pieken vertoont dat facturering per token een feature is. Lees de tiernamen zorgvuldig voordat je een prijs opgeeft: realtime-plus en realtime-flash zijn niet hetzelfde product, en het uitvoertarief bepaalt de rekening van een spraakagent.

Kies LFM3-Audio-2B als je het model in eigendom wilt hebben, offline wilt draaien, afrekening per minuut wilt vermijden, of 18 talen op een laptop wilt synthetiseren. Accepteer de context van 32K, de live-ASR die alleen Engels ondersteunt, de licentiedrempel en het feit dat de herkenningsnauwkeurigheid in de middenmoot zit in de eigen vergelijking van de leverancier.

Wacht eens, als je een cijfer nodig hebt dat je tegenover een inkoopteam kunt verdedigen. Geen van beide modellen heeft er nog een. De eerste onafhankelijke evaluatie op een gedeeld audiocorpus — geen leverancierstabel, geen leverancierspaper — zal meer waard zijn dan elk cijfer hierboven, en dat is het punt om in de gaten te houden voordat een van deze twee een standaard wordt.