LFM3-Audio-2B vs Qwen-Audio-3.1: En checkpoint, många mätare

Frågar du vad Qwen-Audio-3.1 kostar är det första ärliga svaret en annan fråga: vilken av dem? Namnet täcker en nivåindelad värdbaserad tallinje – en realtidsduplexmodell, en realtids-flash-nivå, strömning och filtranskribering samt två syntesmodeller – och varje nivå har sitt eget prisblad. LFM3-Audio-2B är ett objekt av motsatt slag: en enda 2B-checkpoint från Liquid AI, släppt den 27 oktober 2026 inom LFM3-familjen med sex modeller, nedladdningsbar under LFM Open License v1.0, med en 2,1 GB stor Ollama-bygge och ingen mätare per anrop någonstans. Att jämföra dem är inte en jämförelse av ljudkvalitet. Det är en jämförelse av två faktureringsformer, och aritmetiken slår olika ut beroende på om din trafik är jämn, toppig eller fortfarande hypotetisk.

Utgivningsformerna spelar också roll, eftersom de sätter förväntningar på dokumentationen. Qwen-Audio-3.1 är katalog först: modell-ID:n dokumenterade i Alibaba Cloud Model Studio, beskrivna med en rad eller två vardera, prissatta per token, utan publicerade vikter och utan offentligt parameterantal. LFM3-Audio-2B är vikter först: ett repository, ett modellkort, en mergad pull request för llama.cpp och ett stycke i leverantörens inlägg om modellfamiljen. Den ena är en produktlinje du hyr. Den andra är en fil du äger. Alla praktiska skillnader nedan följer av detta.

Vad namnet faktiskt omfattar

Qwen-Audio-3.1 är inte en enda slutpunkt, och att behandla det som en är det vanligaste misstaget i jämförelser. Nivåerna utför olika uppgifter:

• qwen-audio-3.1-realtime-flash — realtidsduplex tal, text och ljud in och ut, med funktionsanrop, webbsökning, röstkloning och tre lägen för turdetektering. Detta är den närmaste motsvarigheten till LFM3-Audio-2B och den nivå som den här artikeln prissätter.

• qwen-audio-3.1-realtime-plus — den fylligare realtidsnivån. Alibaba dokumenterar en ljudkonvertering på 12,5 token per sekund för den och debiterar en väsentligt högre outputtaxa än flash-nivån. Annan produkt, annan räkning.

• qwen-audio-3.1-asr-flash-streaming – igenkänning över en ström, med mellanliggande resultat, VAD, hotwords och borttagning av talspråksavvikelser. Ingen talutmatning.

• qwen-audio-3.1-asr-flash-filetrans — samma igenkänningsuppgift, batchad mot en fil.

• Qwen-Audio-3.1-TTS och TTS-Next — syntes, där Next-modellen marknadsförs som en "Audiogen"-modell för röst, ljudeffekter och atmosfär i ett enda pass vid 48 kHz.

LFM3-Audio-2B slår samman de uppgifterna till en enda checkpoint. Igenkänning, syntes, översättning, ljudförståelse och talade verktygsanrop är lägen i samma 2B-modell, valda av prompt och av betjäningsprofil. Det finns ingen SKU att välja och ingen separat mätare för att tala kontra lyssna. Avvägningen är granularitet mot enkelhet: du kan inte betala bara för igenkänning när igenkänning är allt du behöver, eftersom du kör hela modellen ändå.

Notan, uträknad

Alibaba publicerar priser för qwen-audio-3.1-realtime-flash i USD per miljon tokens. I Singapore: textindata $0,23, ljudindata $0,93, textutdata $0,70, ljudutdata $1,87. Peking är något billigare med $0,212, $0,848, $0,636 och $1,696. Gränserna är 60 förfrågningar per minut och 100 000 tokens per minut, utan separat gräns för samtidiga WebSocket-anslutningar. Kontextfönstret är 262 144 tokens, med maximal indata på 245 760 och utdata på 16 384 – men ljudhistoriken är begränsad till 50 turer eller 300 kumulativa sekunder, vilket är gränsen som en lång konversation faktiskt når.

LFM3-Audio-2B har ingen prislista eftersom Liquid inte säljer den som en endpoint. Kostnaden är maskinen du kör den på, nedladdningen på 2,1 GB och licenströskeln: gratis för kommersiellt bruk under $10M i årlig omsättning, avgiftsbelagd över det. På en laptop är den nära noll; på en GPU är den vad du redan betalar för outnyttjad kapacitet. Codec:en är det effektivitetsanspråk som är värt att känna till – LiquidCodec packar 80 ms tal i 12 tokens och avkodar i cirka 87× realtid på en enda CPU-tråd i en M4 Max – men det mäter codec:en, inte språkmodellen, och bör inte tolkas som ändra-till-ända-genomströmning på din hårdvara.

Nu kommer delen som avgör saken. En hostad realtidsmodell debiterar per token i konversationen, inklusive ljudet den genererar, och en röstagents kostnad ligger i utdata. En egenhostad modell debiterar per timme för hårdvara, oavsett om någon pratar. För ett kontaktcenter med jämn belastning amorteras den fasta kostnaden och timpriset kan falla under vilket prislistan som helst. För en produkt med spikig trafik – ett compliance-team som transkriberar tusen samtal sista dagen i kvartalet och inget på elva veckor – vinner debitering per samtal, eftersom GPU:erna debiterar genom tystnaden. Ingen av formerna är billigare generellt. De är billigare vid olika utnyttjandegrader.

Täckning, latens och påståendena som inte håller

• Språk — LFM3-Audio-2B: 18 språk, 19 språkvarianter, där live-ASR är begränsad till engelska och översättningen är starkast till eller från engelska. Qwen-Audio-3.1: Alibabas dokumentation för realtids-Flash-nivån publicerar ingen språklista; dess igenkänningsnivåer dokumenteras kring mandarin, kantonesiska, sichuanesiska och andra kinesiska dialekter, med automatisk språkidentifiering. Betrakta täckningen som okänd för Qwen tills dokumentationen förtecknar den.

• Latens – LFM3-Audio-2B: "så lågt som 50 ms" till första token, leverantörsmätt på namngiven Apple-hårdvara, utan percentil eller testrigg. Qwen-Audio-3.1: Alibabas familjerubrik på 92 ms för första token kommer från deras egen benchmark för hög samtidighet på en 0,6B-specifikation, inte från tredjepartstestning. Inget av dem är ett typiskt värde.

• Dubbelriktad — LFM3-Audio-2B: förfrågan-och-svar med strömning; en kausal kodare möjliggör förfyllning medan du talar, men det finns inget påstående om barge-in. Qwen-Audio-3.1 realtime-flash: uttryckligen dubbelriktad, med server-VAD och ett smart-turn-läge som hanterar avbrott.

• Kontext — LFM3-Audio-2B: 32K token, indata plus utdata. Detta är inte den 256K-siffra som upprepas i viss LFM3-bevakning; den tillhör textmodellen. Qwen-Audio-3.1 realtime-flash: 262K token, med taket för ljudhistorik ovan.

Den duplexlinjen är den som förändrar arkitekturen. Om din produkt behöver kunna avbrytas mitt i en mening är LFM3-Audio-2B fel slags modell, och ingen prompt åtgärdar det. Om din produkt läser en inspelning och svarar på en fråga om den är duplex irrelevant och 2B-checkpointen det enklare objektet.

Vem har mätt vad

Liquid publicerar sex siffror för LFM3-Audio-2B, alla mot dess egen tidigare modell, LFM2.5-Audio-1.5B: engelsk ASR-WER 6,23 (mot 6,13, oförändrat), flerspråkig WER/CER 6,03, UTMOSv2 3,83 (mot 3,22), VoiceBench 73,13 (mot 55,17), MMAR 50,60 (mot 25,85) och en intern utvärdering av verktygsanrop på 58,50. Ingen testuppsättning, testramverk eller varians anges. Vi kunde inte hitta någon oberoende reproduktion av någon rad.

Qwens bevis är av en annan karaktär. Det finns en teknisk rapport, "Qwen-Audio-3.1-Realtime: Towards Reliable Agentic Voice Interaction", som rapporterar att uppgiftsframgången för en halvduplex tal-till-text-anpassning av τ-Voice förbättras från 78,4 % till 82,0 %, och att andelen svar på bakgrundstal i Full-Duplex-Bench v1.5 sjunker från 73,0 % till 13,0 %. Det är de två siffrorna som anges i sammanfattningen; brödtexten innehåller tabeller på modellnivå, men jag har inte verifierat dem mot en testrigg, och artikeln är en leverantörsrapport snarare än en oberoende utvärdering.

Så den ärliga resultattavlan är: den ena modellen har en leverantörstabell utan en vetenskaplig artikel, den andra har en leverantörsartikel utan en reproducerbar testrigg, och ingen av dem förekommer på en neutral resultattavla under sitt eget namn. Varje artikel som ställer upp deras siffror i angränsande kolumner arrangerar två overifierade påståenden och låter layouten göra övertalningen.

Exakt var en router passar

Varken LFM3-Audio-2B eller Qwen-Audio-3.1 finns i OrcaRouter-katalogen, så det finns inget routningspåstående att göra om själva tallagret. Lagret ovanför är en annan historia. En röstprodukt byggd på endera modellen behöver fortfarande en textmodell för att sammanfatta, klassificera, extrahera eller avgöra vad agenten säger härnäst, och det anropet är där kostnad och tillförlitlighet faktiskt varierar.

OrcaRouter sätter fler än 200 text- och multimodala modeller bakom en enda nyckel till leverantörens listpris utan påslag, med automatiskt failover mellan leverantörer och ett routing-DSL som kan komponera flera modeller till ett enda anrop. För den här jämförelsen är det användbara mönstret ett A/B: kör samma inspelade samtal genom qwen-audio-3.1-realtime-flash och genom LFM3-Audio-2B på din egen hårdvara, och skicka sedan båda transkripten till samma nedströmsmodell på samma endpoint. Jämförelsen förblir ren, och textdelen blir aldrig variabeln du glömde att kontrollera.

Vilken räkning ska väljas

Välj Qwen-Audio-3.1 realtime-flash om du behöver duplexkonversation, en igenkänningsstack som prioriterar kinesiska, en 262K-kontext eller ett leverantörs-SLA – och om din trafik är tillräckligt ojämn för att fakturering per token ska vara en fördel. Läs nivånamnen noggrant innan du anger ett pris: realtime-plus och realtime-flash är inte samma produkt, och det är utdatatakten som avgör fakturan för en röstagent.

Välj LFM3-Audio-2B om du behöver äga modellen, köra offline, undvika en minutbaserad mätare eller syntetisera 18 språk på en laptop. Acceptera 32K-kontexten, den engelskspråkiga live-ASR:en, licens tröskeln och det faktum att dess igenkänningsnoggrannhet ligger i mitten av tabellen i leverantörens egen jämförelse.

Vänta, om du behöver en siffra som du kan försvara inför ett inköpsteam. Ingen av modellerna har en ännu. Den första oberoende utvärderingen på en gemensam ljudkorpus – inte en leverantörstabell, inte en leverantörsrapport – kommer att vara värd mer än alla siffror ovan, och det är det man bör hålla ögonen på innan någon av dessa blir en standard.