Avartha dice que su IA de voz de modelo abierto encabeza la clasificación a 2,50 dólares la hora
La startup Avartha afirma que su agente de voz Ava Zero, creado únicamente a partir de modelos abiertos, supera a OpenAI, Google y xAI en la finalización de tareas. Las cifras las proporciona la empresa.
Una startup llamada Avartha presentó Ava Zero, un agente de voz que, según dice, está construido completamente en modelos abiertos. Un agente de voz es una IA que puede mantener una conversación hablada y completar tareas, como atender la llamada de un cliente. Avartha informa que ocupa el primer lugar en τ³-Voice benchmark de Sierra en seis idiomas, con un 86,0% de finalización de tareas, por delante de phonic-1 (83,2%), gpt-live-1 (79,9%), grok-voice-think-fast-2.0 (71,4%) y Gemini (68,5%).
La pila es una mezcla de partes abiertas: Qwen3-ASR convierte la voz en texto, Fish Audio Drama 3 produce la voz, GLM-5.3 actúa como modelo principal y DeepSeek 4.1 Flash se encarga del trabajo de backend. Avartha lo valora a 2,50 dólares por hora de conversación y dice que es entre la mitad y un tercio de las oportunidades cerradas comparables. También afirma que su motor de inferencia, el software que ejecuta el modelo, maneja hasta un orden de magnitud más conversaciones simultáneas por GPU que vLLM y SGLang.
Lea atentamente la tabla. Ava obtiene solo un 25,0% en interacción, por debajo de tres rivales, lo que sugiere que es más débil en el ir y venir natural de una conversación. En calidad de generación obtiene una puntuación del 62,2%, muy por delante de gpt-live-1 con un 61,6%. La publicación no explica cómo se combinan las tres partituras y no publica números de latencia propios, aunque la velocidad es crucial en la voz. Su afirmación de simultaneidad no incluye ningún método ni detalles de hardware, y no se indica ninguna licencia para Ava.
Qué hay detrás de esto: Los modelos abiertos (aquellos cuyos pesos cualquiera puede descargar) se han ido poniendo al día en texto, y este es un intento de hacer lo mismo en voz. Combinar varios modelos abiertos especializados puede ser más económico que uno solo cerrado y permite a una empresa mantener más control. El problema es que todas las cifras provienen de la empresa y un benchmark es una prueba, no una llamada telefónica con un cliente frustrado.
Qué significa esto para ti: Para la mayoría de las personas, nada todavía. Si tiene una pequeña empresa y está pensando en un asistente telefónico con IA, esto sugiere que los precios pueden bajar, por lo que vale la pena comparar algunos proveedores. Antes de confiar en uno, escuche llamadas reales, verifique los retrasos, pregunte qué idiomas son realmente compatibles y lea los términos de la licencia.
Fuentes
Genie 4: El modelo de mundo interactivo de DeepMind ahora también emite sonido
El Genie 4 de Google DeepMind, anunciado la semana pasada, genera mundos reproducibles con audio y diálogo en tiempo real. Es un avance de la investigación con una lista de espera.
