LFM3-Audio-2B vs StepAudio 3: De open 2B tegenover de beoordeelde productlijn

StepAudio 3 Realtime heeft een cijfer op het punt waarop voiceproducten worden beoordeeld: 98,9% op de Conversational Dynamics-ranglijst van Artificial Analysis, eerste plaats. LFM3-Audio-2B heeft een licentie. Dat is geen retorische tegenstelling — het is de daadwerkelijke stand van het bewijs. StepFun's StepAudio 3-familie werd op 15 september 2026 gelanceerd als vijf commerciële audiomodellen op één platform, met plaatsingen door derden en een previewprijs van nul. Liquid AI's LFM3-Audio-2B verscheen op 27 oktober binnen de LFM3-drop van zes modellen als een open-weight checkpoint van 2B met een leverancierstabel en zonder onafhankelijke score. Het ene is een gemeten product dat je huurt. Het andere is een ongemeten bestand dat je kunt bezitten. De keuze tussen beide gaat minder over audiokwaliteit dan over welke van die twee zinnen jouw beperking beschrijft.

Er bestaat een verleiding om het gescoorde model tot winnaar uit te roepen en verder te gaan. Weersta die een alinea lang. De score van StepAudio 3 Realtime meet gespreksdynamiek — beurtwisseling, herstel na onderbrekingen, backchannels — op een gehost systeem met een persistente WebSocket en een op Chinees gerichte trainingsset. LFM3-Audio-2B staat niet op die ranglijst, is niet duplex en zou er niet door worden gemeten, zelfs als iemand het zou inschrijven. De twee modellen concurreren niet om dezelfde plek in een stack. De nuttige vergelijking is wat elk model kan dat het andere niet kan, en wat het je kost om daarachter te komen.

Wat StepAudio 3 eigenlijk is

{{1}}De naam omvat een familie, en het niveau dat je kiest verandert de vergelijking.{{/1}} StepFun bracht op 15 september vijf audiomodellen uit: {{2}}Realtime, ASR, TTS, Gen en Music{{/2}}, allemaal live op zijn open platform als commerciële API's. Een {{3}}Chat{{/3}}-niveau met een context van 256K en tekstuitvoer maakt het ontwikkelaarsaanbod compleet.

• StepAudio 3 Realtime — een native full-duplexgesprek, redeneert rechtstreeks op spraak in plaats van eerst te transcriberen, met tool calling en asynchrone uitvoering van lange taken terwijl het gesprek doorgaat. Het vlaggenschip, en de beste benadering van een algemeen spraakmodel.

• StepAudio 3 ASR — herkenning, met een woordfoutpercentage van 1,7% op de nauwkeurigheidsranglijst voor niet-streaming-ASR van Artificial Analysis, gedeeld eerste.

• StepAudio 3 TTS — streaming-synthese, zes talen (Engels, Chinees, Japans, Koreaans, Frans, Spaans), 12 systeemstemmen, tot 1.000 tekens invoer.

• StepAudio 3 Gen — uniforme generatie van spraak, geluidseffecten, omgevingsgeluid, achtergrondmuziek en zang op basis van natuurlijke taal, momenteel in een beperkte gratis preview.

• StepAudio 3 Music — zero-shot songgeneratie met multi-turnbesturing via ABC-notatie, zang-naar-arrangement en covers.

LFM3-Audio-2B is één checkpoint dat verschillende van die taken tegelijk probeert: herkenning, synthese, vertaling, audiobegrip en gesproken tool calls, geselecteerd via prompt en servingprofiel. Het genereert geen muziek, en het repertoire aan geluidseffecten is wat er uit een algemeen audiomodel komt. Wat het wel heeft, is een weightbestand. StepAudio 3 heeft er geen — het is een commerciële API-familie, geen open release, en geen enkel niveau levert weights.

Het scorebord, en wie dat heeft geproduceerd

De cijfers van StepFun vormen de sterkste bewijsbasis in deze vergelijking, en ze zijn ook het makkelijkst te overinterpreteren. Het cijfer van 98,9% voor Conversational Dynamics is een notering van een derde partij op Artificial Analysis, waardoor het geloofwaardiger is dan een leverancierstabel. Het cijfer van 99,7% voor spraakredenering wordt door StepFun aangehaald, niet onafhankelijk gereproduceerd. De ASR-woordfoutratio van 1,7% is een notering op Artificial Analysis, gedeeld op de eerste plaats, en hoort bij de ASR-laag, niet bij het Realtime-model. Dat zijn drie verschillende soorten claims in hetzelfde jasje.

De tabel van LFM3-Audio-2B is uniform door de leverancier gerapporteerd en uniform ten opzichte van zijn eigen voorganger, LFM2.5-Audio-1.5B: Engelse ASR-WER 6,23 tegen 6,13, meertalige WER/CER 6,03, UTMOSv2 3,83 tegen 3,22, VoiceBench 73,13 tegen 55,17, MMAR 50,60 tegen 25,85, en een interne tool-calling-evaluatie op 58,50. Er wordt geen testset, harness of variantie genoemd, en we konden geen onafhankelijke reproductie van enige rij vinden.

Zet de twee naast elkaar en de eerlijke observatie is dat ze nauwelijks overlappen. StepAudio 3 Realtime wordt beoordeeld op gesprekstiming; LFM3-Audio-2B wordt beoordeeld op herkenning, synthesekwaliteit en audioreasoning. De enige as waarop beide iets publiceren is herkenning, en zelfs daar is de vergelijking niet zuiver: StepAudio's 1,7% is een onafhankelijke boardscore voor de ASR-tier, terwijl Liquid's 6,23 een leverancierscijfer is voor een algemeen audiomodel op een naamloze dataset. Het verschil is groot genoeg dat de richting waarschijnlijk reëel is. De grootte ervan is geen meting van iets dat twee teams samen hebben gedraaid.

Duplex is de architectonische lijn.

StepAudio 3 Realtime is gebouwd voor een telefoongesprek. Het luistert terwijl het spreekt, verwerkt onderbrekingen en redeneert op basis van ruwe audio in plaats van een transcriptie, wat volgens StepFun toon en nadruk behoudt die een omweg via tekst zou afvlakken. De documentatie maakt de tweedeling expliciet: de Realtime API biedt ingebouwde spraakherkenning, contextbeheer, VAD, webzoekopdrachten en retrieval; bij de Chat API moet je elk daarvan zelf implementeren.

LFM3-Audio-2B is gebouwd voor een verzoek. Een causale audio-encoder laat het vooraf vullen terwijl je spreekt, en LiquidCodec streamt spraak terug — 80 ms audio naar 12 tokens, gedecodeerd op ongeveer 87× realtime op één CPU-thread van een M4 Max. Het cijfer 'slechts 50 ms' voor de tijd tot het eerste token komt uit dat ontwerp. Maar een antwoord streamen is niet hetzelfde als omgaan met barge-in, en Liquid doet geen duplexclaim. Als gebruikers door je product heen moeten kunnen praten, bepaalt de architectuur dit vóór elke benchmark.

Er zit een addertje onder het gras aan de andere kant: StepAudio 3 Realtime noteert een tijd tot eerste audio van 8,83 seconden op dezelfde leaderboard waarop het wint op conversationele dynamiek — tegenover 1,18 seconden voor Gemini 3.8 Live en 1,24 tot 1,34 seconden voor GPT-Live-1. Een model dat wint op beurtwisseling maar er bijna een hele zin overheen laat gaan voordat het begint te spreken, is een model waarvan je de beste kwaliteit in productie mogelijk nooit laat zien. Test latentie vóór conversationele kwaliteit, en test het indien mogelijk buiten StepFun's eigen servingopstelling.

Prijs, licentie en wat je eigenlijk koopt

StepAudio 3 is tijdelijk gratis in preview binnen de hele familie, zonder dat er een tarief na de preview is aangekondigd voor de Realtime-tier. De TTS-tier heeft een gepubliceerd lijsttarief van ongeveer $0,36 per 10.000 tekens via een catalogus van een derde partij, maar dat is niet de Realtime-prijs en mag niet als zodanig worden gebruikt. De praktische situatie is dat StepAudio 3 Realtime vandaag gratis te evalueren is en voor productie geen prijs heeft — een goed moment om te testen, een slecht moment om een unit-economicsmodel te bouwen.

LFM3-Audio-2B kost de machine waarop het draait. De LFM Open License v1.0 is gratis voor commercieel gebruik onder $10M jaaromzet en betaald daarboven. De Ollama-build is 2,1 GB en CPU-geschikt; llama.cpp voegde op 27 oktober ondersteuning toe; Transformers vereist 5.20.2 of nieuwer met trust_remote_code, en de codec-gewichten worden uit een aparte map geladen, dus pin de omgeving. Er is geen meter per minuut. Er is ook geen SLA, geen pager en geen leverancier om te bellen wanneer de output achteruitgaat.

• Wat je krijgt — StepAudio 3 Realtime: een commercieel endpoint, het huidige flagship, met ondersteuning. LFM3-Audio-2B: een checkpoint, een licentie en de operationele last.

• Wat je kunt inspecteren — StepAudio 3: documentatie, leaderboardposities, geen gewichten. LFM3-Audio-2B: architectuur, modelkaart, gewichten, codec, fine-tuningpad.

• Kostenstructuur — StepAudio 3: per aanroep, nul bij inactiviteit, niet geprijsd na preview. LFM3-Audio-2B: vaste hardware, vrijwel nul marginale kosten, geen meter.

• Storingmodus — StepAudio 3: een quotum, een regio, een accountprobleem, een supportticket. LFM3-Audio-2B: jij draait piket.

Taaldekking is geen gelijkspel

LFM3-Audio-2B vermeldt 18 talen over 19 locales, waarbij Engels twee keer voorkomt als Amerikaanse en Britse variant. Dat is een brede syntheselijst voor een 2B-model, en het is het sterkste praktische argument ervoor in een Europees of meertalig product. De beperkingen zijn even specifiek: live-ASR is alleen Engels, en vertaling is het sterkst van of naar het Engels.

StepAudio 3 is in de eerste plaats Chinees. De documentatie van de Realtime-tier publiceert geen volledige talenlijst; de TTS-tier van de familie dekt zes talen, en de ASR-tier is gebouwd rond Chinees en Engels met dialectverwerking, code-switching, lange audio en zang. Als je verkeer Mandarijn is met Engels erdoor gemengd, is StepFuns stack gebouwd voor die werklast en die van Liquid niet. Als je verkeer Zweeds en Nederlands is, is de 18-talige checkpoint de enige van de twee die dat claimt.

Waar een router past, en waar niet

StepAudio 3 staat niet in de OrcaRouter-catalogus, en LFM3-Audio-2B ook niet — de ene is een gesloten API, de andere een download. Er is dus geen verhaal over failover tussen deze twee te vertellen, en geen reden om te doen alsof dat anders is.

De routeringslaag is één niveau hoger van belang, waar spraakagenten hun complexiteit daadwerkelijk kwijt zijn. StepAudio 3 Realtime ondersteunt tool calling en langdurige asynchrone taken, wat betekent dat het gesprek voortdurend werk overdraagt aan gewone tekstmodellen: een opzoeking, een extractie, een beleidscontrole. Die delegatielaag is waar storingen bij providers en kostenverschillen zich voordoen. OrcaRouter zet meer dan 200 tekst- en multimodale modellen achter één sleutel tegen de lijstprijs van de provider, zonder opslag, met automatische failover, een routerings-DSL die meerdere modellen in één aanroep samenbrengt, en modelfusie wanneer het oordeel van één model niet volstaat. Voor een LFM3-Audio-2B-prototype is dat het deel van de stack dat je vandaag achter een endpoint kunt zetten terwijl het audiomodel lokaal blijft.

Drie vragen die de doorslag geven

Heb je een gesprek nodig dat onderbroken kan worden?

Dan is StepAudio 3 Realtime de enige van deze twee die dat gedrag claimt, en het is het juiste startpunt ondanks de latencykwestie. LFM3-Audio-2B is request-and-response; geen enkele mate van fine-tuning verandert de interface. Test het cijfer van 8,83 seconden voor de eerste audio op je eigen netwerk voordat je je vastlegt.

Moet u het model bezitten of offline kunnen werken?

Dan is LFM3-Audio-2B hier de enige optie, en de licentiedrempel is het getal dat je tegen je omzet moet afzetten. Accepteer de 32K-context, de live ASR die alleen Engels ondersteunt, en het ontbreken van een onafhankelijke evaluatie. Haal je eigen opnamen erdoor voordat je de UTMOS-winst vertrouwt.

Is een leveranciersscore voldoende om te kiezen?

Nog niet, en de reden is niet dat de cijfers van StepFun zwak zijn. Het is dat de scores verschillende dingen meten uit verschillende harnesses, en het model zonder score komt niet in aanmerking voor het leaderboard dat het meest geciteerde cijfer heeft opgeleverd. Een neutrale head-to-head op dezelfde gesprekset zou meer beslechten dan de tabel van welke leverancier dan ook. Tot die bestaat, is de keuze een kwestie van beperkingen, niet van kwaliteit.

Het vonnis

StepAudio 3 Realtime wint op de dimensie die de markt momenteel meet — gespreksdynamiek — en heeft de sterkere bewijsbasis, omdat een derde partij een deel ervan heeft geproduceerd. Het heeft ook een onopgelost latencyprobleem, geen gepubliceerde prijs na de previewfase, geen gewichten en een taalprofiel dat in de eerste plaats op Chinees is gericht. Het is de betere keuze voor een realtime spraakagent gericht op Chinese en Engelse gebruikers, mits de latencytest slaagt en de previewprijs niet tot een verrassing leidt.

LFM3-Audio-2B wint op eigendom en breedte van synthese, en verliest op bewijs. Het is vier dagen oud, de cijfers zijn door de leverancier gerapporteerd, de ASR staat in de middenmoot van zijn eigen tabel, en de licentie heeft een omzetdrempel. Het is de betere keuze voor een offline product, een meertalige stem, of een team dat geen facturering per aanroep kan accepteren — en de enige van de twee die je deze week volledig op je eigen hardware kunt evalueren.

Waar je op moet letten, is aan beide kanten hetzelfde: een neutrale evaluatie die een duplexmodel en een request-and-responsemodel op dezelfde gespreksset zet, en een gepubliceerde productieprijs voor StepAudio 3. Het eerste zou je vertellen of het 2B-checkpoint van Liquid dichter bij de frontier zit dan zijn papierwerk suggereert. Het tweede zou je vertellen of de voorsprong van StepFun de confrontatie met een factuur doorstaat.