LFM3-Audio-2B vs Voxtral 3: een download van 2,1 GB tegenover een spraakplatform

De eerlijke manier om een vergelijking tussen LFM3-Audio-2B en Voxtral 3 te openen, is te zeggen dat niemand er ooit een run van heeft gepubliceerd. Liquid AI publiceerde een benchmarktabel voor zijn audiomodel met 2 miljard parameters, en Mistral publiceerde er een voor zijn spraaksuite, en de twee tabellen delen bijna geen enkele rij. Waar ze elkaar wel raken, zijn de gemeten modellen niet van dezelfde generatie. Wie je vertelt welke van deze twee "beter" is op basis van een benchmark, vergelijkt een getal uit de ene testomgeving met een getal uit een andere en hoopt dat je het niet controleert.

Dit stuk doet dus iets minder netjes en iets nuttigers. Het scheidt de vraag die je kunt beantwoorden van de vraag die je niet kunt beantwoorden. Je kunt nog niet zeggen welk model Duits beter transcribeert, omdat er geen gedeelde meertalige test tussen beide is. Je kunt met zekerheid, op basis van de eigen documentatie van de twee leveranciers, zeggen dat dit helemaal niet hetzelfde soort product is: het ene is een bestand van 2,1 GB dat je zelf draait, en het andere is een pipeline van vier modellen met een gekoppelde telefonie-SDK en geen downloadbare gewichten.

Dat verschil bepaalt de meeste echte implementaties nog voordat er ook maar één WER-cijfer wordt bekeken. De rest van dit artikel gaat over waar dat niet geldt.

De gebenchmarkte Voxtral Liquid is niet de Voxtral waarmee je vergelijkt

De modelkaart van Liquid zet LFM3-Audio-2B naast zes concurrenten, en een daarvan is een Voxtral. De rij is gelabeld als Voxtral Mini 3B, en op Engelse ASR verslaat het Liquids model: 5,51% woordfoutpercentage tegenover 6,23%. Dat is de enige directe Voxtral-vergelijking die Liquid heeft gepubliceerd, en het is gemakkelijk te lezen als "Mistrals audiomodel transcribeert nauwkeuriger."

Het is niet de vergelijking die de kop suggereert. Voxtral Mini 3B is mistralai/Voxtral-Mini-3B-2507 — een 3B-model dat in juli 2025 werd uitgebracht onder Apache 2.0, gebouwd voor lokale en edge-implementatie. Het is vijftien maanden ouder dan Voxtral 3 en behoort tot een andere productgeneratie. De suite van Mistral van 20 oktober 2026 bevat geen model met de naam Voxtral Mini 3B; het kleinste transcriptiemodel is Voxtral Mini Transcribe 3 met 4B parameters en $0.0035 per minuut.

Er zit ook een discrepantie in de tabel. De parameterkolom in die rij vermeldt 5B, op een rij die vernoemd is naar een 3B-model. Dat is geen reden om de WER-cijfers wantrouwen, die afkomstig zijn uit een met naam genoemde evaluatie — ESB en de Open ASR leaderboard-set, gemiddeld. Het is een reden om de kolomkoppen op leverancierstabellen te lezen voordat je de cijfers leest.

Het is de moeite waard de consequentie ronduit te benoemen, want het is het nuttigste feit in dit artikel: er is geen gepubliceerde rechtstreekse vergelijking tussen LFM3-Audio-2B en welk Voxtral 3-model dan ook. Niet van Liquid, niet van Mistral en niet van een onafhankelijke evaluator. Liquid vergeleek zijn nieuwe model met Mistral's open-weights audiomodel uit 2025, wat een verdedigbare keuze is voor een eerlijke open-tegen-open-vergelijking — en ook de enige soort vergelijking die nu nog mogelijk is, omdat Voxtral 3 geen gewichten meelevert. De open-weight audiovergelijking van 2026 kan helemaal niet tegen Voxtral 3 worden uitgevoerd.

Wat de twee producten eigenlijk zijn

De asymmetrie is gemakkelijker te zien aan de vorm van de release dan aan de specificaties.

LFM3-Audio-2B is één model, uitgebracht op 27 oktober 2026 als onderdeel van de LFM3-familie van zes modellen. Het accepteert tekst of audio van 16 kHz als invoer en geeft tekst, spraak van 24 kHz of verweven tekst en spraak uit, plus tool-aanroepen. Een nieuwe eigen causale audio-encoder maakt prefill mogelijk terwijl je nog aan het spreken bent. De LiquidCodec-tokenizer comprimeert 80 milliseconden spraak tot 12 discrete tokens, die parallel in plaats van sequentieel worden gedecodeerd, tegen ongeveer 87 keer realtime op één CPU-thread van een M4 Max — een doorvoercijfer voor de codec, geen hardwarevereiste.

Voxtral 3, aangekondigd op 20 oktober 2026, is een suite: een batchtranscriber, een tweede kleinere batchtranscriber, een streamingtranscriber, een TTS-model, een product voor stemadaptatie en een op LiveKit gebaseerde voice-agent-SDK die ze via SIP en WebRTC aan elkaar knoopt. Je kiest niet voor Voxtral 3. Je kiest een pipeline, en Voxtral 3 levert de fasen.

• Gewichten — LFM3-Audio-2B wordt geleverd met open gewichten onder de LFM Open License v1.0; Voxtral 3 publiceert geen downloadbare gewichten, en het lanceringmateriaal van Mistral beschrijft in plaats daarvan API-toegang, Studio-playgrounds en implementatie op private infrastructuur.

• Voetafdruk — 2,1 GB op Ollama tegenover een endpoint; er is geen Voxtral 3-bestand om de grootte van te bepalen.

• Context — 32K tokens voor LFM3-Audio-2B, invoer plus uitvoer. Mistral publiceert helemaal geen contextcijfer voor de transcriptiemodellen; in plaats daarvan rekent het per minuut.

• Modaliteiten — LFM3-Audio-2B is any-to-any in één model: horen, spreken, begrijpen, vertalen en tools aanroepen. Voxtral 3 verdeelt dat over afzonderlijke modellen en endpoints; de transcribermodellen en het TTS-model zijn niet hetzelfde systeem.

• Licentie — LFM Open License v1.0, gratis voor commercieel gebruik onder de $10 miljoen aan jaaromzet; Voxtral 3 is een commerciële API waarvan de voorwaarden per aanroep gelden.

• Diarisatie en contextbiasing — Voxtral 3 heeft beide, met een cpWER van 18,4% op Mistrals eigen diarisatieset en een keyphrase-recall die stijgt van 81,4% naar 94,6% wanneer je context aanlevert. LFM3-Audio-2B publiceert geen van beide mogelijkheden.

Taaldekking is de enige kloof die niet dichtbij is.

LFM3-Audio-2B ondersteunt 18 talen verspreid over 19 locales, vermeld op de kaart: Arabisch, Deens, Duits, Grieks, Engels (Brits en Amerikaans afzonderlijk geteld), Fins, Frans, Hebreeuws, Italiaans, Japans, Koreaans, Nederlands, Pools, Portugees, Spaans, Zweeds, Turks en Chinees. Het benchmarkt meertalige ASR op negen daarvan en rapporteert een gemiddeld foutpercentage van 6,03 op FLEURS, waarbij voor Chinees, Japans en Koreaans het tekenfoutpercentage wordt gebruikt.

De transcriptiemodellen van Voxtral 3 ondersteunen 50 of meer talen. Het realtime model claimt op de ene plek op de pagina 35+ en op een andere 40+, precies het soort inconsistentie dat meestal betekent dat het aantal tijdens de lanceerweek is gewijzigd en dat niemand de copy op elkaar heeft afgestemd.

Als je audio in het Vietnamees, Hindi, Russisch, Noors of Catalaans binnenkomt, vermeldt LFM3-Audio-2B die niet, en Voxtral 3 spreekt alle vijf — ze behoren tot de achttien talen met stemvoorinstellingen die Mistral noemt. Over de hele lijst konden we geen taal vinden die Liquid ondersteunt en die niet onder Mistrals 50+ transcriptietalen valt die deze naar eigen zeggen dekt. De eerlijke kanttekening is dat Mistral zijn lijst met stemvoorinstellingen volledig publiceert en zijn transcriptiedekking alleen als een aantal, dus een deel van deze vergelijking is een lijst tegenover een getal.

Er zit een scherpere rand in Liquid's eigen documentatie. De live-ASR-modus van het model — degene die transcribeert terwijl audio binnenkomt, in blokken van ongeveer 0,96 seconden — ondersteunt alleen Engels. Batchtranscriptie omvat de volledige lijst van 18 talen; de streamingroute niet. Wie een realtime meertalige ondertitelfunctie met LFM3-Audio-2B wil bouwen, moet die regel twee keer lezen, want die sluit het model voor die taak uit, ongeacht de WER-tabel.

Twee latentiegetallen die niet hetzelfde meten

Liquid adverteert een tijd tot het eerste token van "slechts 50 ms". Mistral adverteert minder dan 500 ms voor zijn realtime transcriber en een volledige agent-turn onder één seconde. Die cijfers zijn niet vergelijkbaar, en het verschil is geen afrondingsfout.

Het getal van 50 ms is een spraak-naar-spraakpad: de causale encoder begint met verwerken voordat je de zin hebt afgemaakt, zodat het model al de eerste token van zijn antwoord kan beginnen uit te sturen terwijl er nog audio binnenkomt. Het is een bewering over interactiviteit in een conversationeel model. Het getal onder de 500 ms is transcriptielatentie — de vertraging voordat tekst verschijnt — en Mistrals eigen tabellen laten zien wat dat kost. Op zijn realtimebenchmark komt Voxtral Mini Transcribe Realtime 3 bij 960 ms latentie uit op 6,0% WER; bij 480 ms is dat 6,4%; bij 240 ms is dat 7,4%. Latentie en nauwkeurigheid zijn rechtstreeks tegen elkaar af te ruilen, en Mistral laat je het punt op die curve kiezen.

Liquid publiceert geen equivalente curve. Het publiceert een ondergrens — 50 ms — zonder opgegeven hardware, zonder testset en zonder nauwkeurigheid bij die latentie. De ondergrens kan reëel zijn. Het is nog geen specificatie waarop je een product kunt plannen.

De kostenrekensom, uitgewerkt in plaats van beweerd

Een open-weights-model vergelijken met een API per minuut komt neer op volume, en de rekensom is eenvoudig genoeg om goed te doen.

Transcriptie, 1.000 uur audio — 60.000 minuten. Voxtral Mini Transcribe 3 kost bij $0,0035/minuut $210. Voxtral Small Transcribe 3 kost bij $0,004 $240. Voxtral Mini Transcribe Realtime 3 kost bij $0,008 $480. LFM3-Audio-2B is een gratis download die draait op hardware die je al bezit, dus de marginale kosten zijn elektriciteit.

Spraaksynthese, 1.000 uur — bij ongeveer 900 tekens per gesproken minuut is dat 54 miljoen tekens. Voxtral Mini TTS 3 kost bij $13 per miljoen tekens $702. LFM3-Audio-2B kost niets per teken en biedt twee stemopties, mannelijk en vrouwelijk, geselecteerd via een prompt. Voxtral kloont een stem uit 30 minuten audio en biedt besturing voor emotie, tempo en nadruk.

Een live spraakagent, 1.000 uur aan gesprekken — Mistral prijst de samengestelde pipeline op $0,04 per minuut, waarbij Mistral Small 4 het redeneerwerk doet, en op $0,08 met een groter model. Dat komt neer op $2.400 tot $4.800. LFM3-Audio-2B verzorgt het horen en spreken lokaal, maar het heeft nog steeds een redeneermodel nodig voor alles wat buiten zijn eigen competentie valt, en de kaart ervan zegt ronduit dat het niet wordt aanbevolen voor complexe meerstapsredeneringen.

Nu het deel dat meestal wordt weggelaten: break-even. Een machine van {{1}}$1,000{{/1}} verdient zichzelf terug na ongeveer {{2}}4.760 uur{{/2}} Voxtral Mini Transcribe 3 — ruwweg {{3}}200 dagen{{/3}} continue audio, of anderhalf jaar bij acht uur per dag. Bij kleine volumes is de API goedkoper dan hardware kopen, en op de dag dat je begint is het al goedkoper. Het open-weights-scenario is niet "gratis." Het is "vaste kosten in plaats van marginale kosten," en het wint alleen wanneer het volume er is, de privacy-eis streng is, of het apparaat geen netwerk heeft.

Waar een router in dit plaatje zijn plek verdient, is niet op een van beide audiomodellen — noch LFM3-Audio-2B noch Voxtral 3 staat vandaag in de OrcaRouter-catalogus, en we gaan niet doen alsof dat anders is. Het is op de redeneerfase die beide architecturen uiteindelijk nodig hebben. Een spraakagent is een keten: transcriberen, redeneren, spreken. De middelste schakel is een gehoste LLM, en dat is de schakel die profiteert van één sleutel voor meer dan 200 modellen, lijstprijzen van providers doorgegeven tegen 0% opslag zodat een prijswijziging van een leverancier je dezelfde dag bereikt, en automatische failover wanneer een provider midden in een gesprek een slecht uur heeft.

Wat is geverifieerd, en wat niet

Hier zijn drie niveaus van bewijs in het spel, en het platslaan daarvan is precies waardoor vergelijkingen misgaan.

Onafhankelijk gemeten. De transcriptiekwaliteit van Voxtral 3 heeft cijfers van derden: Artificial Analysis plaatste Voxtral Small Transcribe 3 op 2,1% WER in zijn eigen index, als derde overall per 21 oktober 2026, met Voxtral Mini Transcribe 3 op 2,2%. De TTS kwam op plaats 13 in de Provider Voice-arena met 1.217 Elo en op plaats 14 bij Controlled Voice met 1.066 — middenmoot, en dat is het waard om ronduit te zeggen, gezien Mistrals socialmediapost het als top twaalf omschreef.

Door de leverancier gerapporteerd, niet gereproduceerd. Elk LFM3-Audio-2B-cijfer in dit artikel is afkomstig van Liquid zelf: de 6,23 Engelse WER, het meertalige cijfer van 6,03, de 3,83 UTMOSv2, de 73,13 VoiceBench, de interne tool-calling-evaluatie van 58,50 en de 50,60 MMAR. Er is op het moment van schrijven geen Artificial Analysis-vermelding voor het model, en geen enkele derde partij heeft een reproductie gepubliceerd. Beschouw ze als claims, niet als metingen.

Helemaal niet vergelijkbaar. Liquid's 6,23% Engelse WER en Mistral's 4,0% FLEURS-waarde en Artificial Analysis' 2,1% zijn drie verschillende tests op drie verschillende audiosets. Trek ze niet van elkaar af. De enige vergelijking binnen dezelfde testomgeving die Liquid heeft gepubliceerd, betreft Voxtral Mini 3B — het open-weightsmodel van 2025. Daar scoort Liquid's 2B 6,23 tegenover Voxtral's 5,51 op Engelse ASR, maar verslaat het Voxtral op meertalige ASR met 6,03 tegen 7,76, VoiceBench met 73,13 tegen 65,78, MMAR met 50,60 tegen 50,10 en tool calling met 58,50 tegen 44,50.

Wat "stilletjes uitgebracht" hier eigenlijk betekent

LFM3-Audio-2B heeft geen eigen lancering gekregen, en dat onderscheid is van belang als je beslist hoeveel vertrouwen je in de documentatie moet stellen.

Liquid kondigde de LFM3-familie op 27 oktober 2026 aan met een bericht getiteld "Introductie van LFM3: elke modaliteit voor gespecialiseerde intelligentie." Het audiomodel verschijnt daar als een van de zes, in een sectie — er is geen aparte blogpost over LFM3-Audio, geen afzonderlijke lancering, geen eigen productpagina. De gewichten en de modelkaart zijn compleet en openbaar. De Ollama-vermelding, ollama run lfm3-audio van 2,1 GB, verscheen op 28 oktober zonder een bijbehorende aankondiging van zowel Liquid als Ollama, samen met een pullrequest voor llama.cpp die de audio- en omni-modellen toevoegde, waarbij live-ASR naar een vervolg werd uitgesteld.

Dus de insteek is: het artefact is echt en gedocumenteerd, de lancering was een alinea in een aankondiging van een modelfamilie, en de ondersteuning voor een lokale runtime kwam een dag later, geruisloos. Wat dat praktisch betekent, is dat de modelkaart de autoriteit is — niet een lanceringspost, want die is er niet — en de kaart is ongewoon specifiek over beperkingen, wat in haar voordeel pleit. Er staat dat LiveASR alleen Engels ondersteunt. Er staat dat het model niet bedoeld is voor agentic coding of complexe redeneringen in meerdere stappen. Het verwijst kennisintensieve taken naar retrieval. Een leverancier die een zwak model verbergt, schrijft dat meestal niet op.

Wie moet welke nemen

Kies LFM3-Audio-2B als de audio het apparaat niet kan verlaten, als je één model nodig hebt dat zowel hoort als spreekt zonder twee diensten aan elkaar te naaien, als je talen tot de achttien ervan behoren, en als je volume hoog genoeg is dat een vaste hardwarekost goedkoper is dan een factuur per minuut. Het is ook de juiste keuze voor het prototypen van een spraakinterface zonder enige inkoop — 2,1 GB en een Ollama-commando. Accepteer dat de Engelse ASR achterloopt op de laatste generatie open Voxtral, dat streaming alleen Engels is, en dat geen enkele onafhankelijke evaluator een van de cijfers heeft gecontroleerd.

Kies Voxtral 3 als je een telefoonagent bouwt in plaats van een modelfunctie. De suite is bedoeld om samengesteld te worden: transcriber, reasoningmodel, TTS, via SIP en WebRTC, waarbij barge-in en detectie van het einde van een beurt al zijn opgelost. Kies het ook als je 50+ talen, diarisatie, contextbiasing voor namen en jargon, of stemklonen nodig hebt — vier mogelijkheden die LFM3-Audio-2B in geen enkele vorm biedt. De keerzijde is dat je het niet kunt downloaden, het niet kunt inspecteren, en dat je kosten lineair meeschalen met elke minuut die je levert, voor altijd.

Neem beide als de architectuur het toelaat, en dat doet ze vaak. Draai LFM3-Audio-2B op het apparaat voor wake-word, lokale dictatie en het offline pad; stuur de oproepen die meertalige dekking, diarisatie of een gekloonde stem nodig hebben naar Voxtral 3. De twee concurreren niet om dezelfde plek in een stack. De ene is het model in je product; de andere is de leverancier die je aanroept wanneer het product een telefoonlijn is.

De vergelijking om in de gaten te houden

Twee dingen zouden dit goed beslechten, en geen van beide bestaat nog.

De eerste is een onafhankelijke evaluatie van LFM3-Audio-2B op dezelfde harness die Artificial Analysis gebruikt voor de Voxtral 3-modellen. Dat enkele getal — de WER-index ervan op een gedeelde test — zou de meest verstrekkende bewering in de tabel van Liquid omzetten van leveranciersbewering naar meting, en zou je vertellen of een 2B-model dat op een laptop draait echt binnen één punt zit van een gehost 4B-model.

Het tweede is of Mistral ooit de gewichten van Voxtral 3 uitbrengt. De audiomodellen van het bedrijf uit 2025 waren open onder Apache 2.0; de suite uit 2026 is dat niet. Als dat wordt omgekeerd, wordt de eerlijke open-versus-openvergelijking die Liquid koos te publiceren weer actueel, en vervalt het centrale voorbehoud van dit artikel.

Totdat een van die dingen gebeurt, is de verdedigbare positie de weinig glamoureuze. Op het gebied van capaciteitsbreedte wint Voxtral 3 met een afstand die geen enkele benchmarkcontroverse kan dichten: vijftig talen, diarisatie, stemklonen, telefonie. Op het gebied van inzetbaarheid wint LFM3-Audio-2B met een even grote marge, omdat het de enige van de twee is die je kunt vasthouden. Alles daartussen is een getal uit de tabel van de ene leverancier naast een getal uit die van de andere, en het eerlijke antwoord op "welke is nauwkeuriger" is dat niemand dat heeft gemeten.