Задержка 3 мс или 5 мс - это не принципиально.
Важно не какая задержка, а соотношение задержки и размера буфера. Типа тебе говорят, задержка 2.5 мс, и ты такой "факин эмэйзинг", а потом смотришь, что это при 96 кгц 32 сэмплах, и ты такой "пис оф щит гаддэм", потому что на таком буфере ты не сыграешь митол в реальном времени. Ну может интел какой-нибудь вусмерть разгонишь и память >4000 мгц, тогда да.
У моту с этим всё хорошо как для юсб интерфейса - правда, на высоких значениях буфера как-то аномально задержка увеличивается (как я уже говорил, 10 мс на 48/128 - это прям совсем стандартно, в этом плане фокусрайт даже быстрее будет вроде, судя по данным, которые я находил).
P.S. Кстати, про "не принципиально" как раз таки в этой теме -
sinister выкладывал сверху 3.8 мс на 44 кгц 16 сэмплах, но у меня почти такая же задержка уже на 32 сэмплах на той же частоте дискретизации. Разница в том, что в первом случае играть в реальном времени особо не получится, а во втором вполне классно всё играется и много эффектов навесить можно. А задержка одна. Вот и разница между интерфейсами.
Поэтому уровень карт, думаю, примерно один и тот же,
В чём моту точно разваливает фокусрайт, это в качестве вывода звука. Что с тюльпанов клёвый звук, что с выхода на наушники (тихий, но качественный, в этом плане он и е-му 0404 юсб таки разваливает, но наушники - только лёгкие на раскачку ему можно подсовывать).