Phonic 1 vs Qwen Audio 3.1: 82,0% en 79,9% zijn niet hetzelfde getal

De vergelijking die iedereen zal maken tussen Phonic 1 en Qwen Audio 3.1 Realtime is een tabel van twee regels: Qwen scoort 82,0% op τ-Voice, Phonic scoort 79,9%, dus het goedkopere model wint. Het is een net verhaal en het is onjuist, omdat die twee cijfers uit verschillende instrumenten komen. Qwens 82,0% komt uit het eigen paper van de leverancier, gemeten op een aangepaste, half-duplex spraak-naar-tekst-variant van de benchmark. Phonics 79,9% is de agentische component van de spraak-naar-spraak-index van Artificial Analysis, gemeten op het echte werk. Het ene van het andere aftrekken is dezelfde fout als het vergelijken van een examencijfer van een oefenexamen met een cijfer van het echte examen.

Wat de fout het vermelden waard maakt, is dat het de enige beschikbare vergelijking is. Qwen Audio 3.1 Realtime staat helemaal niet op het spraak-tot-spraak-overzicht van Artificial Analysis — het overzicht vermeldt Qwen Audio 3.0 Realtime Plus met 69,5 en Qwen Audio 3.0 Realtime Flash met 67,7, en niets nieuwere. Dus de nieuwste goedkope uitdager in deze categorie heeft zijn eigen cijfers gepubliceerd, in zijn eigen eenheden, en geen enkele onafhankelijke instantie heeft hem beoordeeld. Die kloof is het verhaal, en het eerlijke artikel gaat vooral over wat nog niet gezegd kan worden.

Wat Qwen Audio 3.1 eigenlijk is

Eind september 2026 verscheen Alibaba's Qwen-Audio-3.1 niet als één enkele release, maar als een stack van vijf modellen: ASR, ASR-Next, TTS, TTS-Next en Realtime. Het model dat de concurrentie aangaat met Phonic 1 is Qwen Audio 3.1 Realtime, en dan met name de Realtime-Plus-tier, die uitsluitend via QwenCloud over een WebSocket beschikbaar is — geen open weights, anders dan de TTS- en ASR-leden van de familie, en geen self-host-pad in het openbare materiaal.

• Context — 262K totaal, 245K maximale invoer en 16K maximale uitvoer, tegenover de ongepubliceerde context van Phonic 1.

• Doorvoerlimieten — standaard 60 verzoeken en 100K tokens per minuut op QwenCloud; Phonic publiceert geen equivalente sessielimiet.

• Functies — functieaanroepen, webzoekopdracht, gestructureerde outputs, contextcaching, fine-tuning en stemklonen worden allemaal vermeld voor Qwen Audio 3.1 Realtime; Phonic vermeldt inline synchrone tools, 50+ talen en taalwisseling midden in een gesprek.

• Beschikbaarheid — Qwen Audio 3.1 Realtime is alleen via API beschikbaar; Phonic 1 biedt cloud, single-tenant, VPC-peering en self-host.

Die twee rijen zijn degene die van belang zijn voor inkoop. De familie van Qwen levert meestal de gewichten mee; dit exemplaar doet dat niet, wat de belangrijkste reden wegneemt waarom een team Qwen boven een gehoste leverancier kiest. De self-hostoptie van Phonic is het spiegelbeeld — het is de enige manier waarop een van deze twee modellen ergens anders dan in andermans cloud draait.

De benchmark die niet dezelfde benchmark is

Het cijfer van 82,0% komt voor in Alibaba's arXiv-artikel over Qwen-Audio-3.1, waar het wordt gepresenteerd als een verbetering ten opzichte van 78,4% in de vorige generatie. Hetzelfde artikel maakt expliciet dat dit een half-duplex spraak-naar-tekst-aanpassing van τ-Voice is, en niet de full-duplex agentische evaluatie die de cijfers op het publieke leaderboard oplevert. Dat is niet oneerlijk — het wordt openlijk vermeld — maar het betekent dat het cijfer een engere vraag beantwoordt: gegeven een opzet in transcriptstijl en een taak, hoe vaak voltooit het model die taak?

De 79,9% van Phonic 1 beantwoordt de bredere vraag, en de kloof tussen de twee vragen is niet klein. Een half-duplexaanpassing verwijdert de delen van een agentische aanroep die het lastigst goed te krijgen zijn: barge-in, overlappende spraak, beslissen wanneer te stoppen met luisteren en herstellen wanneer de caller tijdens een tool-call zijn gedachten verandert. Elk van die punten is een plek waar een model taken verliest die het anders zou voltooien.

De richting van de fout is daarom voorspelbaar, en ze is het tegenovergestelde van de voor de hand liggende interpretatie. Qwens 82,0% is zeer waarschijnlijk een optimistische bovengrens voor zijn full-duplexgedrag, geen overwinning op gelijke basis ten opzichte van de 79,9% van Phonic. Of het die lat haalt, is onbekend. Alibaba heeft het model niet aan de evaluator voorgelegd die de 79,9 heeft geproduceerd.

Wat Qwen wél publiceert, en waar zijn eigen cijfers tegen hem keren

Alibaba's publicatie is ongewoon open over tekortkomingen, waardoor ze nuttiger is dan de kopregel over τ-Voice. Als je de hele tabel leest, lijkt het model minder op een beslissende uitdager en meer op een sterk realtime systeem van de tweede generatie met twee specifieke zwakke plekken.

• FLEURS-wordfoutpercentage — van 9,01 naar 3,98, een echte verbetering in de herkenningsaccuratesse over talen heen.

• Gemiddelde voor Big Bench Audio over 14 talen — 81,7% tot 88,1%.

• Audio MultiChallenge — 47.12 tot 52.21.

• Responspercentage voor achtergrondspraak bij Full-Duplex-Bench v1.5 — van 73,0% naar 13,0%, wat betekent dat het model veel minder geneigd is om te antwoorden op spraak die niet op het model gericht was.

• Stop-latentie bij onderbreking — 1,116 s, tegenover 0,383 s voor GPT-Realtime-2. Dit is het getal dat je moet afwegen tegen de 0,61 s van Phonic tot eerste audio: het ene meet hoe snel een model begint, het andere hoe snel het stopt, en een trage stop is wat bellers beschrijven als eroverheen worden gesproken.

Ongewenst hervattingspercentage — 0,035 stijgend naar 0,130, een regressie die het paper meldt ten opzichte van zijn eigen voorganger; de kans is groter dat het model weer begint te spreken wanneer dat niet zou moeten.

Die laatste twee regels zijn de meest onderbelichte feiten in de introductie van Qwen Audio 3.1. Een model dat 1,116 seconden nodig heeft om het woord te geven en weer doorpraat als de onderbreking niet gewenst was, zal tijdens een echte telefonische conversatie slechter aanvoelen dan zijn accuratesscores suggereren — en dat is precies de dimensie waar de marketing van Phonic 1 op leunt, met zijn claim "reageert voordat de spreker uitgesproken is" en zijn spraak-tot-spraaklatentie van minder dan 600 ms.

Het enige vergelijkbare gegevenspunt

Omdat Qwen Audio 3.1 Realtime geen indexscore heeft, is de enige manier om het op hetzelfde instrument tegen Phonic 1 af te zetten via zijn voorganger. Qwen Audio 3.0 Realtime Plus scoorde 69,5 op de spraak-naar-spraakindex, met 54,6% agentische prestatie, 99% spraakredenering, 77,8% taaksucces, 798 arena-Elo en 1,54 s tot eerste audio.

• Agentische prestaties — Phonic 1 79,9 vs. Qwen Audio 3.0 Realtime Plus 54,6. Als 3.1 de verbetering levert die het eigen paper voor taken impliceert, wordt een deel van die kloof van 25 punten gedicht; niemand heeft gemeten hoe groot dat deel is.

• Arena-voorkeur — Phonic 1 1.012 versus 798 voor 3.0. Dit is de grootste kloof in de vergelijking en de kloof die het minst waarschijnlijk is gedicht, omdat arena-voorkeur een maatstaf op basis van menselijke stemmen is die langzaam verschuift tussen generaties.

• Tijd tot eerste audio — Phonic 1 0,61 s tegenover 1,54 s voor 3.0. De realtime-tier van Qwen is hier historisch gezien de langzamere familie, en 3.1 publiceert geen cijfer voor tijd tot eerste audio.

• Taaksucces — Phonic 1 92,3% vs 3.0's 77,8%.

Het patroon over drie generaties is consistent: de realtime-modellen van Qwen zijn sterke herkenners en zwakke agenten geweest, en 3.1 is de generatie die claimt de agenthelft te repareren. Of dat is gelukt, is precies wat de ontbrekende indexscore je zou vertellen.

Twee prijseenheden die niet converteren

Qwen Audio 3.1 Realtime rekent per token: $0,80 voor een miljoen tekstinvoertokens, $6,40 voor audio-invoer, $6,40 voor tekstuitvoer en $24 voor audio-uitvoer in de regio Singapore, waarbij de tarieven in Beijing over de hele linie ongeveer 14% lager liggen. Phonic 1 rekent $0,07 per gespreksminuut, vast, zonder kosten per token.

Er bestaat geen openbare conversie tussen die eenheden. Om een tokentarief om te rekenen naar een prijs per minuut heb je de audiotokendichtheid nodig — hoeveel tokens een minuut spraak beslaat — en Alibaba publiceert die niet voor dit model. Iedereen die u een equivalent per minuut voor Qwen Audio 3.1 voorschotelt, gokt ofwel op de dichtheid of leent die van een andere modelfamilie met een andere codec. De richting van het antwoord staat niet ter discussie: de audiotarieven van Qwen zijn laag genoeg dat een goed getokeniseerde minuut zeer waarschijnlijk onder zeven cent uitkomt, en de prijsverlaging van ~85% op de Realtime-tier was het hoofdpunt van de lancering. De grootte is onbekend, en die onbekende is groot genoeg om relevant te zijn voor een implementatie met hoog volume.

• Audio-invoer — Qwen $6,40 / 1 miljoen tokens (Singapore) tegenover Phonic $0,07 per gespreksminuut, zonder gepubliceerde wisselkoers tussen beide.

Audio-uitvoer — Qwen $24 / 1M tokens; Phonic's vaste minuuttarief dekt audio-uitvoer.

• Regionale prijsstelling — Qwens Beijing-regio is ongeveer 14% goedkoper dan Singapore; Phonic publiceert één wereldwijde prijslijst.

• Minima — De Pro-tier van Phonic heeft een maandelijks minimum van $200; QwenCloud publiceert standaard rate limits, niet een platformminimum.

Het verschil in vorm is het deel dat de ontbrekende conversie overleeft. Een factuur per token houdt bij hoeveel het model daadwerkelijk doet — lange transcripties, uitvoerige antwoorden en turns met veel toolgebruik kosten allemaal meer. Een factuur per minuut houdt bij hoelang de telefoonlijn open was. Voor een agent die het grootste deel van een gesprek luistert, is het tokenmodel het vriendelijker; voor een agent die uitvoerig antwoordt, niet.

Op welke vraag geef je antwoord?

Als u een model kiest om op uw eigen infrastructuur te implementeren, is deze vergelijking niet voor u: Qwen Audio 3.1 Realtime heeft geen gewichten, en Phonic 1 is zelf te hosten, waardoor Phonic hier de enige optie is die de cloud van de leverancier überhaupt verlaat. Dat is een antwoord in één regel, en het is gemakkelijk te missen in het benchmarkverhaal.

Als u op kosten een gehost realtime-model wilt kiezen, is Qwen Audio 3.1 de interessantere keuze — drastisch goedkoper per eenheid, een goed gedocumenteerde sprong in de accuratesse van de herkenning, en een leverancier met een diep open-weight-ecosysteem achter zich. Het risico is dat zijn agentdeel ongemeten is en dat zijn onderbrekingsgedrag in de eigen tabel van de leverancier is verslechterd.

Als je kiest op basis van gemeten agentische prestaties, is Phonic 1 van de twee de enige die je daadwerkelijk kunt rangschikken, omdat het de enige is die is gerangschikt. Dat is een zwakkere bewering dan "Phonic is beter", en het is de ware bewering.

En als je Qwen-tekstmodellen naast een spraaklaag gebruikt, is dat deel van de stack al routeerbaar — Qwen3.8-Max staat op OrcaRouter tussen 200+ modellen op één sleutel tegen de listprijs van de provider zonder opslag, dus een prijsverlaging van Alibaba is dezelfde dag live. Het audio-endpoint staat niet in onze catalogus en Phonic 1 ook niet; elk komt van zijn eigen leverancier. Wat een router je oplevert op een markt die zo jong is, is de mogelijkheid om een werkend spraakpad op zijn plaats te houden terwijl een nieuwer, goedkoper pad zich een weg naar binnen verdient — automatische failover betekent dat Qwen Audio 3.1 met je eigen verkeer testen je een routingregel kost, geen migratie.

De eerlijke conclusie is dat deze vergelijking momenteel onbeslisbaar is op de as waarop beide leveranciers willen dat ze beslist wordt. Alibaba heeft een getal gepubliceerd dat zijn model vleit door een eenvoudiger taak te meten. Phonic heeft een getal gepubliceerd dat correct is gemeten, maar op één board, één configuratie, één week beschikbaarheid. Het eerste waarop je moet letten is niet een prijsverlaging of een benchmark — het is de verschijning van Qwen Audio 3.1 Realtime op een board dat beide modellen op dezelfde manier scoort. Tot die tijd is de enige verdedigbare bewering dat Phonic 1 de bekende grootheid is en Qwen Audio 3.1 de goedkope onbekende, wat een volkomen goede reden is om de tweede achter een failoverregel uit te proberen en niet recht voor je klanten.