LFM3-Audio-2B vs Qwen-Audio-3.1: Một checkpoint, nhiều thước đo

Hỏi xem Qwen-Audio-3.1 tốn bao nhiêu và câu trả lời trung thực đầu tiên lại là một câu hỏi khác: gói nào? Tên gọi bao trùm một dòng dịch vụ giọng nói được nhà cung cấp vận hành, chia theo nhiều gói — một mô hình song công thời gian thực, một gói flash thời gian thực, phiên âm luồng và tệp, và hai mô hình tổng hợp — và mỗi gói có bảng giá riêng. LFM3-Audio-2B là một đối tượng thuộc kiểu trái ngược: một checkpoint 2B duy nhất từ Liquid AI, phát hành ngày 27 tháng 10 năm 2026 trong gia đình LFM3 gồm sáu mô hình, có thể tải xuống theo LFM Open License v1.0, với bản dựng Ollama 2,1 GB và không có đồng hồ tính phí theo từng lần gọi ở bất kỳ đâu. So sánh chúng không phải là so sánh chất lượng âm thanh. Mà là so sánh hai hình thái tính phí, và phép tính sẽ cho kết quả khác nhau tùy thuộc vào việc lưu lượng của bạn ổn định, tăng vọt theo đợt hay vẫn chỉ là giả định.

Cách thức phát hành cũng quan trọng, vì chúng định hình kỳ vọng đối với tài liệu. Qwen-Audio-3.1 ưu tiên danh mục: ID mô hình được ghi trong Alibaba Cloud Model Studio, mỗi mô hình được mô tả một hai dòng, định giá theo token, không công bố trọng số và không có số lượng tham số công khai. LFM3-Audio-2B ưu tiên trọng số: một kho lưu trữ, một thẻ mô hình, một pull request đã hợp nhất cho llama.cpp, và một đoạn trong bài viết về dòng mô hình của nhà cung cấp. Một cái là dòng sản phẩm bạn thuê. Cái còn lại là tệp bạn sở hữu. Mọi khác biệt thực tiễn dưới đây đều bắt nguồn từ đó.

Tên đó thực sự bao gồm những gì

Qwen-Audio-3.1 không phải là một endpoint duy nhất, và việc coi nó là một endpoint duy nhất là sai lầm phổ biến nhất khi so sánh. Các tầng đảm nhận những nhiệm vụ khác nhau:

• qwen-audio-3.1-realtime-flash — lời nói song công thời gian thực, văn bản và âm thanh vào ra, với gọi hàm, tìm kiếm web, nhân bản giọng nói và ba chế độ phát hiện lượt nói. Đây là sản phẩm tương đương gần nhất với LFM3-Audio-2B, và là hạng mà bài viết này định giá.

• qwen-audio-3.1-realtime-plus — tầng thời gian thực đầy đủ hơn. Alibaba ghi nhận tốc độ chuyển đổi âm thanh 12,5 token/giây cho sản phẩm này và tính mức giá đầu ra cao hơn đáng kể so với tầng flash. Sản phẩm khác, hóa đơn khác.

• qwen-audio-3.1-asr-flash-streaming — nhận dạng trên luồng, có kết quả trung gian, VAD, từ khóa nóng và loại bỏ sự ngập ngừng. Không có đầu ra giọng nói.

• qwen-audio-3.1-asr-flash-filetrans — cùng một tác vụ nhận dạng được xử lý theo lô trên một tệp.

• Qwen-Audio-3.1-TTS và TTS-Next — tổng hợp, với mô hình Next được quảng bá là mô hình "Audiogen" dành cho giọng nói, hiệu ứng âm thanh và âm thanh không gian trong một lượt xử lý ở 48 kHz.

LFM3-Audio-2B gộp những công việc đó vào một checkpoint. Nhận dạng, tổng hợp, dịch, hiểu âm thanh và các lời gọi công cụ bằng giọng nói là các chế độ của cùng mô hình 2B, được chọn bằng prompt và bằng cấu hình phục vụ. Không có SKU nào để chọn và không có đồng hồ đo riêng cho việc nói so với việc nghe. Đánh đổi là độ chi tiết lấy sự đơn giản: bạn không thể chỉ trả tiền cho nhận dạng khi nhận dạng là tất cả những gì bạn cần, vì dù sao bạn cũng đang chạy toàn bộ mô hình.

Hóa đơn, đã được tính toán

Alibaba công bố biểu giá cho qwen-audio-3.1-realtime-flash bằng USD trên mỗi triệu token. Tại Singapore: đầu vào văn bản $0,23, đầu vào âm thanh $0,93, đầu ra văn bản $0,70, đầu ra âm thanh $1,87. Bắc Kinh rẻ hơn một chút ở mức $0,212, $0,848, $0,636 và $1,696. Giới hạn tốc độ là 60 yêu cầu mỗi phút và 100.000 token mỗi phút, không có giới hạn riêng cho số kết nối WebSocket đồng thời. Cửa sổ ngữ cảnh là 262.144 token, với đầu vào tối đa 245.760 và đầu ra 16.384 — nhưng lịch sử âm thanh bị giới hạn ở 50 lượt hoặc 300 giây tích lũy, đây là giới hạn mà một cuộc hội thoại dài thực sự chạm tới.

LFM3-Audio-2B không có bảng giá vì Liquid không bán nó như một endpoint. Chi phí là chiếc máy bạn chạy nó, bản tải xuống 2,1 GB và ngưỡng cấp phép: miễn phí cho mục đích thương mại khi doanh thu hằng năm dưới 10 triệu USD, phải trả phí khi vượt ngưỡng đó. Trên laptop thì gần như bằng không; trên GPU thì đó chính là khoản bạn vốn đã trả cho công suất nhàn rỗi. Codec là tuyên bố về hiệu quả đáng để biết — LiquidCodec đóng gói 80 ms giọng nói thành 12 token và giải mã với tốc độ khoảng 87 lần thời gian thực trên một luồng CPU đơn của M4 Max — nhưng đó là đo codec, không phải mô hình ngôn ngữ, và không nên hiểu là thông lượng đầu-cuối trên phần cứng của bạn.

Giờ đến phần quyết định. Một mô hình thời gian thực được lưu trữ tính phí theo token của cuộc hội thoại, bao gồm cả âm thanh mà nó tạo ra, và chi phí của một voice agent nằm ở đầu ra. Một mô hình tự vận hành tính phí theo giờ sử dụng phần cứng, bất kể có ai đang nói hay không. Với một contact centre chạy ở tải ổn định, chi phí cố định được phân bổ dần và con số theo giờ có thể xuống thấp hơn bất kỳ bảng giá nào. Với một sản phẩm có lưu lượng tăng vọt — một nhóm tuân thủ chuyển lời một nghìn cuộc gọi vào ngày cuối quý và không làm gì trong mười một tuần — tính phí theo cuộc gọi sẽ thắng, vì GPU vẫn tính phí xuyên suốt khoảng lặng. Không hình thức nào rẻ hơn một cách tổng quát. Chúng rẻ hơn ở những mức sử dụng khác nhau.

Độ phủ, độ trễ và những tuyên bố không đáp ứng

• Ngôn ngữ — LFM3-Audio-2B: 18 ngôn ngữ, 19 vùng ngôn ngữ, với ASR trực tiếp chỉ giới hạn ở tiếng Anh và khả năng dịch mạnh nhất khi sang hoặc từ tiếng Anh. Qwen-Audio-3.1: tài liệu của Alibaba cho bậc flash thời gian thực không công bố danh sách ngôn ngữ; các bậc nhận dạng của nó được ghi nhận xoay quanh tiếng Quan Thoại, tiếng Quảng Đông, tiếng Tứ Xuyên và các phương ngữ Trung Quốc khác, với tính năng tự động nhận diện ngôn ngữ. Hãy coi phạm vi hỗ trợ của Qwen là chưa rõ cho đến khi tài liệu liệt kê nó.

• Độ trễ — LFM3-Audio-2B: thời gian đến token đầu tiên "thấp tới 50 ms", do nhà cung cấp đo trên phần cứng Apple được nêu tên, không có phân vị hay harness. Qwen-Audio-3.1: con số tiêu đề 92 ms cho token đầu tiên của dòng sản phẩm Alibaba đến từ benchmark đồng thời cao của chính họ trên một cấu hình 0.6B, không phải kiểm thử bên thứ ba. Cả hai đều không phải con số điển hình.

• Song công — LFM3-Audio-2B: yêu cầu và phản hồi có truyền phát; bộ mã hóa nhân quả cho phép prefill trong khi bạn nói, nhưng không có tuyên bố ngắt lời. Qwen-Audio-3.1 realtime-flash: song công rõ ràng, với VAD phía máy chủ và chế độ smart-turn xử lý ngắt lời.

• Bối cảnh — LFM3-Audio-2B: 32K token, đầu vào cộng đầu ra. Đây không phải con số 256K được nhắc lại trong một số bài viết về LFM3; con số đó thuộc về mô hình văn bản. Qwen-Audio-3.1 realtime-flash: 262K token, với giới hạn lịch sử âm thanh nêu trên.

Chính ranh giới duplex đó là thứ làm thay đổi kiến trúc. Nếu sản phẩm của bạn cần bị ngắt giữa câu, LFM3-Audio-2B là sai kiểu mô hình và không có prompt nào sửa được điều đó. Nếu sản phẩm của bạn đọc một bản ghi âm và trả lời một câu hỏi về nó, duplex không liên quan và checkpoint 2B là đối tượng đơn giản hơn.

Ai đã đo cái gì

Liquid công bố sáu chỉ số cho LFM3-Audio-2B, tất cả đều so với mô hình trước đó của chính họ, LFM2.5-Audio-1.5B: WER ASR tiếng Anh 6,23 (so với 6,13, không đổi), WER/CER đa ngôn ngữ 6,03, UTMOSv2 3,83 (so với 3,22), VoiceBench 73,13 (so với 55,17), MMAR 50,60 (so với 25,85) và một đánh giá nội bộ về gọi công cụ ở mức 58,50. Không có tên tập kiểm thử, khung kiểm thử hay phương sai nào được nêu. Chúng tôi không thể tìm thấy bất kỳ bản tái lập độc lập nào cho bất kỳ dòng nào.

Bằng chứng của Qwen khác về bản chất. {{1}}Có một báo cáo kỹ thuật, “Qwen-Audio-3.1-Realtime: Towards Reliable Agentic Voice Interaction”, báo cáo rằng tỷ lệ thành công nhiệm vụ trên một bản chuyển thể chuyển giọng nói thành văn bản bán song công của τ-Voice đã tăng từ 78,4% lên 82,0%, và tỷ lệ phản hồi với giọng nói nền trên Full-Duplex-Bench v1.5 giảm từ 73,0% xuống 13,0%. Đó là hai con số được nêu trong phần tóm tắt; phần thân có các bảng ở cấp mô hình, nhưng tôi chưa xác minh chúng với một harness, và bài báo là báo cáo của nhà cung cấp chứ không phải đánh giá độc lập.{{/1}}

Vậy bảng điểm trung thực là: một mô hình có bảng số liệu của nhà cung cấp mà không có bài báo, mô hình kia có bài báo của nhà cung cấp mà không có bộ khung đánh giá tái lập được, và cả hai đều không xuất hiện trên một bảng xếp hạng trung lập dưới tên riêng của mình. Bất kỳ bài viết nào đặt số liệu của họ vào các cột cạnh nhau là đang sắp đặt hai tuyên bố chưa được kiểm chứng và để cách trình bày làm công việc thuyết phục.

Nơi bộ định tuyến phù hợp, một cách chính xác

Cả LFM3-Audio-2B lẫn Qwen-Audio-3.1 đều không có trong danh mục OrcaRouter, vì vậy không có tuyên bố định tuyến nào cần đưa ra về chính lớp giọng nói. Lớp phía trên nó lại là câu chuyện khác. Một sản phẩm giọng nói được xây dựng trên một trong hai mô hình vẫn cần một mô hình văn bản để tóm tắt, phân loại, trích xuất hoặc quyết định điều tác nhân nói tiếp theo, và chính lệnh gọi đó là nơi chi phí và độ tin cậy thực sự thay đổi.

OrcaRouter đưa hơn 200 mô hình văn bản và đa phương thức vào sau một khóa duy nhất với giá niêm yết của nhà cung cấp, không tăng giá, cùng khả năng chuyển đổi dự phòng tự động giữa các nhà cung cấp và một DSL định tuyến có thể kết hợp nhiều mô hình vào một lời gọi. Với phép so sánh này, mẫu hữu ích là A/B: chạy cùng các cuộc hội thoại đã ghi qua qwen-audio-3.1-realtime-flash và qua LFM3-Audio-2B trên phần cứng của riêng bạn, rồi gửi cả hai bản chép lời đến cùng một mô hình hạ nguồn trên cùng một điểm cuối. Việc so sánh vẫn sạch sẽ, và phần văn bản không bao giờ trở thành biến số mà bạn quên kiểm soát.

Chọn hóa đơn nào

Chọn Qwen-Audio-3.1 realtime-flash nếu bạn cần hội thoại song công, một ngăn xếp nhận dạng ưu tiên tiếng Trung, ngữ cảnh 262K hoặc SLA từ nhà cung cấp — và nếu lưu lượng của bạn biến động thất thường đủ mạnh đến mức tính phí theo token lại là một điểm cộng. Hãy đọc kỹ tên các gói trước khi báo giá: realtime-plus và realtime-flash không phải là cùng một sản phẩm, và đơn giá đầu ra chính là nơi quyết định hóa đơn của một voice agent.

Chọn LFM3-Audio-2B nếu bạn cần sở hữu mô hình, chạy ngoại tuyến, tránh cơ chế tính phí theo phút hoặc tổng hợp 18 ngôn ngữ trên một laptop. Hãy chấp nhận ngữ cảnh 32K, ASR trực tiếp chỉ tiếng Anh, ngưỡng giấy phép và việc độ chính xác nhận dạng của nó chỉ ở mức trung bình trong chính so sánh của nhà cung cấp.

Khoan đã, nếu bạn cần một con số mà bạn có thể bảo vệ trước đội thu mua. Cả hai mô hình đều chưa có con số đó. Đánh giá độc lập đầu tiên trên một kho ngữ liệu âm thanh dùng chung — không phải bảng của nhà cung cấp, không phải bài báo của nhà cung cấp — sẽ đáng giá hơn mọi con số nêu trên, và đó là thứ cần theo dõi trước khi một trong hai mô hình này trở thành tiêu chuẩn.