LFM3-Omni-2B vs InternLumina U2: Twee modellen, twee betekenissen van Omni

LFM3-Omni-2B en InternLumina U2vallen beide onder "omni" en ze zitten niet in dezelfde branche. Het model van Liquid AI met 2,17 miljard parameters neemt tekst, afbeeldingen, video en audio op en geeft tekst of spraak van 24 kilohertz terug. InternLumina U2 van Shanghai AI Laboratory neemt tekst, afbeeldingen, video en 3D op en geeft tekst of afbeeldingen terug. De ene is een mond. De andere is een hand. Bijna elke vergelijking die je tussen beide zult vinden, besteedt haar hele lengte aan benchmarks waar slechts één kant zelfs maar aan tafel kan zitten, en daarom is de nuttige vraag smaller en goedkoper te beantwoorden: welke helft van "omni" mist jouw product?

De twee releases verschenen ook in tegengestelde vormen, en dat maakt meer uit dan gewoonlijk. Liquid AI kondigde de LFM3-familie op 27 oktober 2026 aan in één bericht over zes modellen uit de 2B-klasse, en LFM3-Omni-2B was slechts één regel in dat bericht in plaats van een eigen lancering — de gewichten ervan stonden al sinds 21 oktober in een openbare repository. InternLumina U2 ging de andere kant op: de inferentiecode en een projectpagina verschenen op 1 september, de gewichten volgden later in hardware-specifieke mappen, en er kwam nooit een aankondiging. Geen van beide modellen heeft een cijfer dat een derde partij heeft gereproduceerd. Elk getal hieronder is de leverancier die zichzelf beschrijft.

De weigeringen vertellen je meer dan de specificaties.

Specificatielijsten worden geschreven om modellen compatibel te laten lijken. Begin in plaats daarvan met wat elk ervan fysiek niet kan accepteren, want de twee lijsten overlappen helemaal niet.

LFM3-Omni-2B kan niet tekenen. Er zit wel een vision-encoder in de stack, maar die leest alleen; het uitvoerpad is tekst en spraak. Als je het vraagt een foto te bewerken, is het eerlijke antwoord dat dat verzoek geen representatie in het model heeft.

InternLumina U2 kan niet spreken. Het heeft geen audio-encoder, geen codec-tokenizer, geen spraakhead. Geef het een WAV-bestand en er is niets in de architectuur om het te ontvangen. Het "omni" is een gok dat begrip en generatie in één visuele backbone horen; de uitvoervocabulaire bestaat uit tekst- en imagetokens, niet uit golfvormen.

Dus de eerste vraag is niet welk model hoger scoort. Het is of je werklast een gesynthetiseerde stem of een bewerkte afbeelding nodig heeft, want precies één daarvan is aan elke kant beschikbaar en geen van beide modellen zal de andere capaciteit verwerven door te worden fine-tuned. Dat is een eigenschap van de tokenizer, niet van de trainingsdata.

De een dicteert een zin, de ander verfijnt hem.

De architecturen verschillen op een niveau dat dieper ligt dan het aantal parameters, en dat verschil verklaart de splitsing in capaciteiten.

LFM3-Omni-2B is autoregressief. Een LFM3-backbone met 1,7 miljard parameters leest tokens van een LFM3-visie-encoder en een causale LFM3-audio-encoder, en genereert van links naar rechts teksttokens of LiquidCodec-spraaktokens. Video wordt gesampled op 2 frames per seconde en elke 2×2-beeldpatch wordt samengevoegd tot één taaltoken; zo houdt een model van 2,17B een venster van 32K bruikbaar op een telefoon. Spraak komt eruit op 24 kHz, audio komt binnen op 16 kHz mono.

InternLumina U2 is een diffusietaal模型, en dat is het onderdeel waar je even bij stil moet staan. Het genereert niet één token per keer; het begint bij ruis en verfijnt een hele sequentie parallel, met een gemaskeerde-diffusiedoelstelling. De visuele representatie is volledig discreet: acht codebooks met AToken-visuele tokens per positie, aaneengeschakeld aan de invoerkant en codebook voor codebook voorspeld aan de uitvoerkant. Een afbeelding genereren is dan dezelfde bewerking als een vraag beantwoorden: een reeks visuele tokens denoisen. Dat is een wezenlijk andere gok dan die elk ander open multimodaal model neemt, en daarom kan het model überhaupt een afbeelding produceren.

De prijs van die gok is tooling. InternLumina is geen transformers-pipeline die je in drie regels aanroept. De kaart vereist de AToken-tokenizer met FlashAttention, een aangepaste generate-API voor block-diffusion en Blender 4.5 als je de 3D-uitvoer wilt laten renderen. LFM3-Omni-2B daarentegen wordt geleverd als gewone BF16-gewichten, met een gedocumenteerd fine-tuningtraject en een Ollama-build die al circuleert — een waarvan de vermelding een context van 125K opgeeft tegenover de 32K in de modelkaart, een discrepantie die nog niemand heeft verklaard.

De specificaties die bepalen of het past

• Parameters — LFM3-Omni-2B 2,17B dense; InternLumina U2 16B totaal, 1B actief in een sparse mixture of experts.

{{1}}Uitvoer{{/1}} — tekst en spraak van 24 kHz, inclusief afgewisselde tekst en spraak, versus tekst en gegenereerde of bewerkte afbeeldingen.

• Invoer — tekst, afbeelding, video met of zonder audio, en audio van 16 kHz, versus tekst, afbeelding, video en 3D.

• Context — 32K tokens voor invoer en uitvoer, tegenover een contextlengte die de InternLumina-kaart nog steeds niet vermeldt.

• Talen — 16 teksttalen en 19 spraaklocales voor LFM3-Omni-2B; InternLumina publiceert geen aantal.

• Licentie — LFM Open License v1.0, een licentie met een omzetdrempel, tegenover Apache 2.0 met uitzonderingen voor de meegeleverde AToken- en VeOmni-code.

• Hardware — telefoons, laptops en edgeboards aan de ene kant; aan de andere kant checkpoints, opgesplitst in een ascend/-boom die is getraind op Huawei Ascend NPU's en een nvidia/-boom, ongeveer 33,8 GB per boom.

De twee benchmarks die ze daadwerkelijk gemeen hebben

Er staan in beide kaarten precies twee videonummers, en ze zijn het oneens over welk model beter is, wat het meest informatieve op deze pagina is.

Op MVBench rapporteert InternLumina U2 61,8 en LFM3-Omni-2B 58,03 — een voorsprong van 3,8 punten voor het diffusiemodel. Op Video-MME zonder ondertitels rapporteert LFM3-Omni-2B 57,70 en InternLumina U2 56,7 — een voorsprong van 1 punt in de andere richting. Beide sets zijn door de leverancier uitgevoerd, op verschillende testharnassen, met verschillende prompts, en geen van beide labs heeft de evaluatiecode gepubliceerd. Een verschil van 1 punt is onder die omstandigheden ruis; een verschil van 3,8 punten is waarschijnlijk echt, maar zegt weinig over uw beeldmateriaal.

Al het overige is niet gedeeld. De kaart van InternLumina opent met CharXiv-DQ 85,9 en HallusionBench 64,6, document- en hallucinatietests die LFM3-Omni-2B nooit heeft afgelegd. De kaart van LFM3-Omni-2B opent met DocVQA 92,47, OCRBench 806 en MMMU 42,44, plus een spraakkolom — Engels ASR-woordfoutpercentage 6,36, meertalig 6,72, TTS UTMOSv2 3,80 — waarvoor aan de andere kant geen tegenhanger bestaat. Op zijn eigen kaart worden de cijfers aangeduid als gemeten door Liquid AI met de eigen chattemplate van elk model en greedy decoding, wat de standaarddisclaimer is, en een terechte.

InternLumina is nog openhartiger: op zijn modelkaart worden de resultaten "voorlopige, gedeeltelijke resultaten" genoemd en worden de vergelijkingstabellen uitgesteld. Dat is geen valse bescheidenheid. Een 16B-A1B-diffusiemodel dat afbeeldingen genereert en daarbij 87,79 haalt op DPG-Bench en 0,89 op GenEval, is een serieuze prestatie, en het is ook het soort resultaat dat verandert wanneer iemand het opnieuw uitvoert met een andere sampler.

Wie moet welke kiezen

Als je product moet kunnen terugpraten — een spraakassistent, een handsfree-interface, een toegankelijkheidshulpmiddel, een gesprekssamenvatter die de beller een gesproken antwoord geeft — dan is LFM3-Omni-2B de enige van deze twee die de klus kan klaren. Het is ook de enige die op het apparaat zelf draait, wat voor spraak dubbel zo belangrijk is: audio is de privacygevoeligste modaliteit waarmee de meeste apps in aanraking komen, en het naar een server sturen is een beslissing die je moet verantwoorden.

Als je product een afbeelding moet genereren of bewerken, is InternLumina U2 de enige die van start kan gaan. De keerzijde is dat je nu een diffusion-inferentiestack onderhoudt op hardware die in de eerste plaats op Ascend is gericht, met een NVIDIA-tak die pas onlangs bruikbaar is geworden en een 3D-pad dat een Blender-installatie vereist. Dat is een onderzoeksdeployment, geen app-store-deployment.

Wat bijna niemand toegeeft, is dat echte producten beide nodig hebben, en dat deze twee modellen niet met elkaar te combineren zijn. Een verzoek dat een gegenereerd diagram en een gesproken uitleg nodig heeft, moet twee runtimes, twee licenties en twee hardwareprofielen doorkruisen. Die naad is waar de meeste teams uiteindelijk een router plaatsen in plaats van een groter model. OrcaRouter is de gehoste kant van die regeling — één API over 200+ modellen tegen 0% opslag op de lijstprijs van de provider, met automatische failover wanneer een provider uitvalt — en noch LFM3-Omni-2B noch InternLumina U2 staat vandaag in die catalogus. Het punt is niet dat een van beide daar thuishoort. Het punt is dat zodra je het werk in tweeën splitst, de tweede helft ergens moet draaien.

Wat zou het antwoord veranderen

Eén onafhankelijke evaluatie van een van beide modellen zou meer waard zijn dan nog een leverancierstabel. Voor InternLumina U2 is het getal om in de gaten te houden de generatiekwaliteit met een andere sampler, omdat diffusie-outputs veranderen wanneer de sampler verandert en geen enkele externe partij het heeft geprobeerd. Voor LFM3-Omni-2B is het de vraag of de spraak overeind blijft buiten de eigen prompts van Liquid — specifiek of de 3.80 UTMOSv2 contact overleeft met een luisteraar die niet diens eigen werk beoordeelt.

Tot dan toe berust de beslissing op iets zeldzamers dan een benchmark: een lijst met mogelijkheden. LFM3-Omni-2B spreekt en kan niet tekenen. InternLumina U2 tekent en kan niet horen. Voor de meeste teams is daarmee de kwestie beslecht nog voordat de eerste evaluatie draait.