MAI-Transcribe-2 vs GPT Transcribe: Microsoft unterbietet OpenAIs Transkript bei jeder Zahl

Drei Zahlen unterscheiden MAI-Transcribe-2 von GPT Transcribe, und jede weist in dieselbe Richtung. In der Rangliste von Artificial Analysis für die Wortfehlerrate bei Nicht-Streaming-Transkription erreicht MAI-Transcribe-2, das Microsoft am 3. September 2026 veröffentlicht hat, eine AA-WER von 2,0 % gegenüber 3,31 % für GPT Transcribe – OpenAIs API zur Transkription vorab aufgezeichneter Audiodaten, die fünf Wochen früher, am 28. Juli 2026, an den Start ging. Beim Geschwindigkeitsfaktor derselben Rangliste arbeitet MAI-Transcribe-2 rund 411-mal schneller als in Echtzeit, GPT Transcribe etwa 34-mal. Und beim Preis steht MAI-Transcribe-2 mit 0,10 $ pro Audio-Stunde zu Buche – im zeitlich begrenzten Einführungsangebot also etwa 1,67 $ pro 1.000 Minuten – gegenüber 4,50 $ pro 1.000 Minuten bei GPT Transcribe. Der letzte Unterschied bedeutet eine Unterbietung um 63 % – und diese trifft auf ein Produkt, dessen Preis OpenAI erst vor wenigen Wochen um 25 % gesenkt hat. Genauso sieht ein Commodity-Markt aus, wenn ein zweites Frontier-Lab beschließt, über den Preis zu konkurrieren.

Die Lücke, eine Zahl nach der anderen

Genauigkeit zuerst, denn sie ist die Kennzahl, hinter der sich keiner der beiden Anbieter mit einer Marketing-Behauptung verstecken kann. Die 2,0 % und 3,31 % stammen aus derselben unabhängigen Testumgebung, Artificial Analysis, die bei beiden Modellen zum Einsatz kam – was den Abstand von 1,3 Prozentpunkten zur klarsten Tatsache dieses gesamten Vergleichs macht: rund dreizehn Fehler weniger pro tausend Wörter bei gleicher WER-Linie. Die 3,31 % von GPT Transcribe waren selbst eine Verbesserung um etwa 0,7 Punkte gegenüber dem Vorgänger GPT-4o Transcribe, und OpenAIs eigene mehrsprachige Läufe zeigten, dass es die Fehlerraten der Whisper-Ära in etwa halbierte. Microsoft hat sich nun auf derselben Bestenliste unangefochten den zweiten Platz gesichert und meldet beim mehrsprachigen FLEURS eine durchschnittliche WER von 5,2 % über 60 Sprachen – diese Zahl stammt aus dem Ankündigungspost von Microsoft und wurde noch nicht unabhängig pro Sprache neu berechnet.

Als Nächstes: Geschwindigkeit. GPT Transcribe arbeitet mit etwa 34-facher Echtzeitgeschwindigkeit – ein typischer Wert für einen asynchronen Transkriptions-Endpoint: Eine einstündige Datei benötigt etwa zwei Minuten Rechenzeit. MAI-Transcribe-2 kommt auf eine etwa 411-fache Echtzeitgeschwindigkeit und transkribiert dieselbe Stunde in weniger als neun Sekunden Rechenzeit. Laut den Zahlen von Artificial Analysis liegt die tatsächliche Lücke eher beim 12-Fachen; Microsoft vermarktet es als „10× schneller als GPT-Transcribe von OpenAI“ – der Anbieter rundet seinen eigenen Vorteil also ab statt auf, ein ungewöhnliches Indiz. Die ehrliche Einschränkung: Der Wert von MAI-Transcribe-2 ist vier Tage alt und erfasst den Durchsatz von Batch-Dateien, nicht die Live-Latenz, während der von GPT Transcribe fünf Wochen Produktionsbetrieb hinter sich hat. Doch nichts an der Architektur der beiden Produkte deutet darauf hin, dass sich die Geschwindigkeitslücke schließen wird; sie sind für denselben Batch-Job mit sehr unterschiedlicher Effizienz gebaut.

Der Preis kommt zuletzt, denn er ist die Zahl, die Entscheidungen verändert. GPT Transcribe kostet $0.0045 pro Minute – $4.50 pro 1.000 Minuten, etwa $0.27 pro Audiostunde – nachdem OpenAI den Preis im Juli von $0.006 bei GPT-4o Transcribe gesenkt hat. MAI-Transcribe-2 kostet bis zum Jahresende $0.10 pro Audiostunde, wobei kein regulärer Preis für die Zeit nach der Aktion genannt wird. Bei 1.000 Stunden Audio pro Monat beträgt die Spanne etwa $170: ungefähr $100 zum Frühbucherpreis von MAI-Transcribe-2 gegenüber etwa $270 zum Listenpreis von GPT Transcribe. OpenAIs 25%ige Senkung im Juli wirkte aggressiv; Microsofts 63%ige Unterbietung des Preises nach der Senkung ist eine andere Art von Manöver, und genau darum existiert dieser Vergleich.

Warum OpenAIs Zahl die glaubwürdige war

Es gibt einen Grund, warum GPT Transcribes 3,31 % AA-WER bei der Markteinführung mehr Gewicht hatte als die meisten Zahlen: Es war unabhängig geprüft worden, und die Prüfung überstand den Kontakt mit schwierigem Audiomaterial. Derselbe Artificial-Analysis-Lauf, der die Schlagzeilenzahl hervorbrachte, offenbarte auch die Schwachstelle von GPT Transcribe – einen WER von 6,10 % beim Earnings22-Datensatz für Earnings-Calls, dem härtesten öffentlichen Benchmark der Kategorie – was Käufern genau sagte, wofür sie es nicht einsetzen sollten. Es folgten fünf Wochen Produktionsbetrieb, und die Preissenkung von OpenAI zeigte, dass man eher über die Kosten konkurrierte, als defensiv Margen zu schützen. GPT Transcribe erbt auch die praktischen Einschränkungen seiner API: Es ist ein reines Batch-Produkt, Dateien bis zu 25 MB pro Anfrage, ohne Streaming-Tarif zum Preis von 4,50 $, ohne Diarisierung, ohne Vokabular-Biasing und in Sprachen, die OpenAI nicht veröffentlicht hat. Es transkribiert; alles oberhalb der Wörter ist das Problem des Aufrufers.

Genau diese Klarheit machte GPT Transcribe leicht vertrauenswürdig, und genau diese Klarheit hat ein vier Tage altes Modell noch nicht verdient. Microsoft hat für MAI-Transcribe-2 keine Diarisierungsfehlerrate veröffentlicht, keine sprachspezifische Genauigkeitstabelle hinter dem FLEURS-Durchschnitt über 60 Sprachen und keine Streaming-SKU. Keines dieser Versäumnisse bedeutet, dass das Modell schwach ist – gebündelte Diarisierung und eine Abdeckung von 60 Sprachen sind echte Produktbereiche, die GPT Transcribe nicht einmal bietet –, aber jeder dieser Punkte ist eine Stelle, an der eine unabhängige Wiederholung die Geschichte revidieren könnte. Die Genauigkeitszahl ist AA-gemessen und real; das Produkt darum herum ist in genau den Bereichen unbewiesen, die nur der Produktionsbetrieb offenbart.

Die Feature-Sets haben nicht dieselbe Form.

• Diarisierung — MAI-Transcribe-2 beinhaltet eine Sprecherzuordnung ohne veröffentlichte Fehlerrate; GPT Transcribe bietet sie überhaupt nicht an, sodass das Transkript als ein einziger undifferenzierter Strom ankommt.

• Steuerung — MAI-Transcribe-2 bietet Keyword-Biasing für Namen und Fachjargon sowie wörtliche und bereinigte Transkriptionsstile; GPT Transcribe bietet weder das eine noch das andere, sondern gibt rohe Wörter und Text ohne Satzzeichen aus, den der Aufrufer nachbearbeiten muss.

• Zeitstempel — beide liefern zeitalignierte Ausgabe; die von MAI-Transcribe-2 sind standardmäßig auf Wortebene.

• Sprachen — MAI-Transcribe-2 weist 60 mit automatischer Erkennung aus; GPT Transcribe veröffentlicht seine Sprachliste nicht, was für mehrsprachige Arbeitslasten selbst ein Planungsproblem darstellt.

• Streaming – Der 4,50-$-Tarif von GPT Transcribe ist nur für die Stapelverarbeitung (Batch) gedacht; das Streaming-Pendant GPT Live Transcribe ist ein separates Produkt für 17 $ pro 1.000 Minuten. MAI-Transcribe-2 hat überhaupt kein Streaming-Produkt – weder angekündigt noch demonstriert.

• Shape — beide sind verwaltete APIs für voraufgezeichnete Dateien, weshalb dieser Vergleich fair ist; der Unterschied besteht darin, dass Microsoft mehr von der nützlichen Nachbearbeitung in das Basisprodukt integriert hat, und das für ein Drittel des Preises.

Wer sollte umziehen, und wann

Wenn Sie große Mengen an Batch-Audio transkribieren und der Frühbucherpreis den Kontakt mit Ihren eigenen Dateien übersteht, ist MAI-Transcribe-2 derzeit die rationale Standardwahl: eine bessere gemessene Wortfehlerrate, etwa zwölfmal so viel Durchsatz und ein um 63 % niedrigerer Preis pro 1.000 Minuten bei einem Produkt, das Diarisierung und Stilsteuerung bündelt – Funktionen, für die OpenAI nichts extra verlangt, weil es sie nicht anbietet. Der Wechsel kostet wenig: Ein Test anhand eines Ausschnitts Ihres schwierigsten Audiomaterials beseitigt den Großteil der Unsicherheit, und der Preis von 1,67 $ macht das Experiment bis zum Jahresende nahezu kostenlos.

Wenn Ihre Arbeitslast produktionskritisch, reguliert oder bereits auf OpenAI ausgerichtet ist, sind der fünfwöchige Vorsprung und die veröffentlichte Earnings22-Schwäche mehr wert als der Preisunterschied. GPT Transcribe ist das Modell, dessen Fehlermodi Sie benennen können; die von MAI-Transcribe-2 werden noch entdeckt. Das umsichtige Muster ist das, für dessen Unterstützung eine Routing-Ebene existiert: das bewährte Modell als Standard beibehalten und einen bemessenen Teil des Datenverkehrs an den Herausforderer senden, wobei die Transkripte auf Ihren eigenen Daten verglichen werden, bevor etwas hochgestuft wird. Diese Disziplin aus Erprobung und Hochstufung ist der eigentliche Sinn von OrcaRouters automatischem Failover und Routing-DSL – neue Modelle erhalten Produktionsverkehr in Prozentanteilen, nicht per Dekret, und dasselbe Ein-Schlüssel-Setup, das auf über 200 Modelle zugreift, macht den Rest des Stacks oberhalb des Transkriptanbieters anbieterunabhängig, während sich der STT-Wettstreit abspielt.

Der Launch-Post hinter den Zahlen von MAI-Transcribe-2 stellt alles als Vergleich mit namentlich genannten Konkurrenten dar statt als absolute Zahlen – was für alle, die ihn lesen, ein nützlicher Disziplin-Check ist: Nimm die relativen Behauptungen, finde die absoluten Zahlen auf dem unabhängigen Board und kennzeichne den Rest als Anbieter-Framing.

Der 1,67-$-Tarif hat ein Ablaufdatum, und der 2,0-Prozent-Tarif hat einen viertägigen Ruf, und OpenAI wird auf beides irgendwann antworten. Aber die Form dieses Marktes hat sich gerade verändert: Zum ersten Mal ist die günstigste hochpräzise verwaltete Transkriptions-API auch die genaueste und die schnellste – und sie stammt nicht von OpenAI. Selbst wenn der Standardpreis von MAI-Transcribe-2 deutlich über dem Einführungsangebot liegt, hat sich die Messlatte für Genauigkeit pro Dollar bei verwalteter Transkription verschoben – und sie hat sich zu Microsofts Bedingungen verschoben.