MAI-Transcribe-2 vs GPT Transcribe: Microsoft Mengungguli Transkrip OpenAI di Setiap Angka

Tiga angka memisahkan MAI-Transcribe-2 dari GPT Transcribe, dan semuanya menunjuk ke arah yang sama. Pada papan peringkat tingkat kesalahan kata non-streaming milik Artificial Analysis, MAI-Transcribe-2, yang dirilis Microsoft pada 3 September 2026, mencatat AA-WER 2,0% dibandingkan 3,31% untuk GPT Transcribe, API transkripsi pra-rekaman OpenAI yang diluncurkan lima minggu lebih awal pada 28 Juli 2026. Pada faktor kecepatan di papan yang sama, MAI-Transcribe-2 berjalan sekitar 411× waktu nyata dibandingkan GPT Transcribe yang sekitar 34×. Dan soal harga, MAI-Transcribe-2 dibanderol $0,10 per jam audio — sekitar $1,67 per 1.000 menit sebagai penawaran peluncuran terbatas — dibandingkan GPT Transcribe yang $4,50 per 1.000 menit. Selisih terakhir itu merupakan potongan harga 63%, dan menimpa produk yang baru beberapa minggu lalu dipangkas 25% oleh OpenAI. Seperti inilah penampakan pasar komoditas ketika laboratorium frontier kedua memutuskan untuk bersaing dalam harga.

Kesenjangan, satu angka pada satu waktu.

Akurasi menjadi prioritas utama, karena akurasi adalah angka yang tidak bisa disembunyikan vendor mana pun di balik klaim pemasaran. Angka 2,0% dan 3,31% berasal dari perangkat pengujian independen yang sama, Artificial Analysis, yang dijalankan terhadap kedua model — menjadikan selisih 1,3 poin sebagai fakta paling jernih dalam seluruh perbandingan ini: kira-kira tiga belas kesalahan lebih sedikit per seribu kata pada garis WER yang sama. Adapun 3,31% yang dicetak GPT Transcribe merupakan peningkatan sekitar 0,7 poin dibandingkan pendahulunya, GPT-4o Transcribe, dan uji multibahasa OpenAI sendiri menunjukkan bahwa model itu memangkas sekitar separuh tingkat kesalahan era Whisper. Microsoft kini resmi merebut posisi kedua di papan peringkat yang sama, dan pada FLEURS multibahasa mereka melaporkan rata-rata WER 5,2% di 60 bahasa — angka itu berasal dari pos peluncuran Microsoft dan belum diturunkan ulang secara independen per bahasa.

Selanjutnya soal kecepatan. GPT Transcribe dengan kecepatan kira-kira 34× real-time adalah tipikal untuk endpoint transkripsi asinkron: file berdurasi satu jam selesai dalam sekitar dua menit komputasi. MAI-Transcribe-2 dengan kecepatan kira-kira 411× real-time mentranskripsikan jam yang sama dalam waktu kurang dari sembilan detik komputasi. Berdasarkan angka-angka Artificial Analysis, kesenjangan sebenarnya lebih mendekati 12×; Microsoft memasarkannya sebagai "10× lebih cepat daripada GPT-Transcribe milik OpenAI," yang berarti vendor tersebut membulatkan keunggulannya sendiri ke bawah, bukan ke atas—sebuah isyarat yang tidak lazim. Catatan jujurnya adalah bahwa angka MAI-Transcribe-2 baru berumur empat hari dan mengukur throughput file batch, bukan latensi langsung, sementara GPT Transcribe telah didukung oleh lima minggu lalu lintas produksi. Namun tidak ada apa pun dalam arsitektur kedua produk tersebut yang mengindikasikan kesenjangan kecepatan ini akan menutup; keduanya dibangun untuk pekerjaan batch yang sama dengan efisiensi yang sangat berbeda.

Harga terakhir, karena itulah angka yang mengubah keputusan. GPT Transcribe tercantum seharga $0,0045 per menit — $4,50 per 1.000 menit, sekitar $0,27 per jam audio — setelah pemotongan OpenAI pada bulan Juli dari $0,006 milik GPT-4o Transcribe. MAI-Transcribe-2 tercantum seharga $0,10 per jam audio hingga akhir tahun, tanpa harga standar yang diungkapkan untuk setelah promosi. Untuk 1.000 jam audio per bulan, selisihnya sekitar $170: kira-kira $100 dengan tarif awal MAI-Transcribe-2 dibandingkan kira-kira $270 dengan harga tercantum GPT Transcribe. Pemotongan 25% OpenAI pada bulan Juli tampak agresif; pemotongan 63% Microsoft di bawah harga setelah pemotongan adalah kategori langkah yang berbeda, dan itulah alasan utama perbandingan ini ada.

Mengapa angka OpenAI adalah yang kredibel

Ada alasan mengapa AA-WER 3,31% milik GPT Transcribe lebih berbobot daripada kebanyakan angka peluncuran: angka itu telah diaudit secara independen, dan audit tersebut bertahan saat diuji dengan audio yang sulit. Proses Artificial Analysis yang sama yang menghasilkan angka utama tersebut juga mengungkap kelemahan GPT Transcribe — yaitu WER 6,10% pada kumpulan panggilan laba Earnings22, tolok ukur publik paling sulit dalam kategori ini — yang memberi tahu pembeli dengan tepat ke mana sebaiknya tidak mengarahkannya. Setelah itu, lima minggu lalu lintas produksi berjalan, dan pemotongan harga OpenAI menunjukkan bahwa mereka bersaing berdasarkan biaya, bukan untuk melindungi margin secara defensif. GPT Transcribe juga mewarisi kendala praktis dari API-nya: produk ini hanya mendukung batch, file hingga 25 MB per permintaan, tanpa tingkatan streaming pada harga $4,50, tanpa diarisasi, tanpa bias kosakata, dan bahasa-bahasa yang belum dipublikasikan OpenAI. Ia hanya mentranskripsi; segala sesuatu di luar kata-kata adalah masalah pemanggil.

Kejelasan itulah yang membuat GPT Transcribe mudah dipercaya, dan justru kejelasan itulah yang belum diperoleh model yang baru berumur empat hari. Microsoft belum memublikasikan tingkat kesalahan diarisasi untuk MAI-Transcribe-2, belum ada tabel akurasi per bahasa di balik rata-rata FLEURS 60 bahasanya, dan belum ada SKU streaming. Tidak satu pun dari kelalaian tersebut berarti modelnya lemah — diarisasi yang dibundel dan jangkauan 60 bahasa adalah area permukaan produk nyata yang bahkan tidak ditawarkan GPT Transcribe — tetapi masing-masing adalah titik di mana pengujian ulang independen dapat mengubah narasi tersebut. Angka akurasinya terukur oleh AA dan otentik; produk di sekitarnya belum terbukti justru dalam hal-hal yang hanya dapat diungkap oleh lalu lintas produksi.

Bentuk kumpulan fitur tidak sama.

• Diarization — MAI-Transcribe-2 menyertakan atribusi pembicara tanpa tingkat kesalahan yang dipublikasikan; GPT Transcribe tidak menawarkannya sama sekali, sehingga transkripnya tiba sebagai satu aliran yang tidak dapat dibedakan.

Kontrol — MAI-Transcribe-2 menawarkan pembobotan kata kunci untuk nama dan jargon, serta gaya transkripsi verbatim dan bersih; GPT Transcribe tidak menawarkan keduanya, melainkan mengembalikan kata-kata mentah dan teks tanpa tanda baca untuk diproses lebih lanjut oleh pemanggil.

• Timestamp — keduanya mengembalikan keluaran yang selaras waktu; MAI-Transcribe-2 sudah dalam bentuk tingkat kata secara langsung.

• Bahasa — MAI-Transcribe-2 menerbitkan 60 bahasa dengan identifikasi otomatis; GPT Transcribe tidak menerbitkan daftar bahasanya, yang merupakan masalah perencanaan tersendiri untuk beban kerja multibahasa.

• Streaming — Paket $4.50 GPT Transcribe hanya untuk batch, dan varian streaming-nya, GPT Live Transcribe, adalah produk terpisah dengan harga $17 per 1.000 menit; MAI-Transcribe-2 tidak memiliki produk streaming sama sekali, baik yang diumumkan maupun yang didemonstrasikan.

• Shape — keduanya adalah API terkelola untuk file pra-rekam, itulah mengapa perbandingan ini adil; perbedaannya adalah Microsoft memasukkan lebih banyak pasca-pemrosesan yang berguna ke dalam produk dasar dengan harga sepertiganya.

Siapa yang harus pindah, dan kapan

Jika Anda mentranskripsi audio batch bervolume tinggi dan tarif early-bird tetap kompetitif saat diuji pada file Anda sendiri, MAI-Transcribe-2 adalah pilihan default yang rasional saat ini: WER terukur yang lebih baik, throughput sekitar dua belas kali lipat, dan harga per 1.000 menit 63% lebih rendah pada produk yang menggabungkan diarisasi dan kontrol gaya — fitur yang tidak dipungut biaya tambahan oleh OpenAI karena OpenAI tidak menawarkannya. Langkah ini tidak memakan banyak biaya: pengujian terhadap sebagian audio Anda yang paling sulit akan menghilangkan sebagian besar ketidakpastian, dan tarif $1,67 membuat eksperimen ini hampir gratis hingga akhir tahun.

Jika beban kerja Anda kritis untuk produksi, terikat regulasi, atau sudah terintegrasi dengan OpenAI, keunggulan lima minggu lebih awal dan kelemahan pada Earnings22 yang telah dipublikasikan lebih berharga daripada selisih harganya. GPT Transcribe adalah model yang mode kegagalannya dapat Anda sebutkan; mode kegagalan MAI-Transcribe-2 masih terus ditemukan. Pola yang bijaksana adalah pola yang memang menjadi alasan dibuatnya lapisan perutean: pertahankan model yang sudah terbukti sebagai default dan kirim sebagian lalu lintas yang terukur kepada penantang, bandingkan transkrip pada data Anda sendiri sebelum mempromosikan apa pun. Disiplin uji-coba-lalu-promosikan itulah inti dari failover otomatis dan DSL perutean OrcaRouter — model baru mendapatkan lalu lintas produksi dalam bentuk persentase, bukan berdasarkan keputusan sepihak, dan pengaturan satu-kunci yang sama yang menjangkau 200+ model membuat seluruh tumpukan di atasnya menjadi agnostik terhadap penyedia transkrip sementara persaingan STT berlangsung.

Posting peluncuran di balik angka-angka MAI-Transcribe-2 membingkai semuanya sebagai perbandingan dengan rival-rival yang disebutkan namanya, bukan sebagai angka absolut — sebuah pemeriksaan disiplin yang berguna bagi siapa pun yang membacanya: ambillah klaim-klaim relatif, temukan angka absolut di papan independen, dan beri label pada sisanya sebagai framing vendor.

Tarif $1,67 memiliki tanggal kedaluwarsa dan 2,0% memiliki reputasi empat hari, dan OpenAI pada akhirnya akan menjawab keduanya. Namun bentuk pasar ini baru saja berubah: untuk pertama kalinya, API transkripsi terkelola dengan akurasi tinggi termurah juga yang paling akurat dan tercepat, dan itu bukan milik OpenAI. Bahkan jika harga standar MAI-Transcribe-2 berada jauh di atas penawaran peluncuran, standar akurasi-per-dolar dalam transkripsi terkelola telah bergeser — dan bergeser dengan ketentuan Microsoft.