MAI-Transcribe-2 vs GPT Transcribe: Microsoft supera la trascrizione di OpenAI su ogni numero.

Tre numeri separano MAI-Transcribe-2 da GPT Transcribe, e tutti quanti puntano nella stessa direzione. Nella classifica di Artificial Analysis sul tasso di errore sulle parole (word-error-rate) per la trascrizione non in streaming, MAI-Transcribe-2, rilasciato da Microsoft il 3 settembre 2026, registra un AA-WER del 2,0% contro il 3,31% di GPT Transcribe, l'API di trascrizione di file preregistrati di OpenAI lanciata cinque settimane prima, il 28 luglio 2026. Sul fattore velocità della stessa classifica, MAI-Transcribe-2 gira a circa 411× il tempo reale contro le circa 34× di GPT Transcribe. E sul prezzo, MAI-Transcribe-2 costa $0,10 l'ora audio — circa $1,67 per 1.000 minuti come offerta di lancio a tempo limitato — contro i $4,50 per 1.000 minuti di GPT Transcribe. Quest'ultimo divario è un ribasso del 63% e va a colpire un prodotto che OpenAI ha appena scontato del 25% solo poche settimane fa. Ecco come si presenta un mercato di commodity nel momento in cui un secondo laboratorio di frontiera decide di competere sul prezzo.

Il divario, un numero alla volta

Prima di tutto l'accuratezza: è il numero dietro cui nessuno dei due vendor può nascondersi con una semplice promessa di marketing. Il 2,0% e il 3,31% provengono dallo stesso banco di prova indipendente, Artificial Analysis, a cui sono stati sottoposti entrambi i modelli — il che rende il distacco di 1,3 punti il dato più pulito dell'intero confronto: circa tredici errori in meno ogni mille parole sulla stessa linea WER. Il 3,31% di GPT Transcribe era già di per sé un miglioramento di circa 0,7 punti rispetto al suo predecessore, GPT-4o Transcribe, e le prove multilingue di OpenAI hanno mostrato che dimezzava all'incirca i tassi di errore dell'era Whisper. Microsoft ha ora saldamente conquistato il secondo posto della stessa classifica e, su FLEURS multilingue, riporta un WER medio del 5,2% su 60 lingue — un dato che proviene dal post di lancio di Microsoft e che non è stato ancora ricalcolato in modo indipendente per ogni lingua.

Passiamo alla velocità. GPT Transcribe, a circa 34× il tempo reale, è nella norma per un endpoint di trascrizione asincrono: un file di un'ora richiede circa due minuti di calcolo. MAI-Transcribe-2, a circa 411× il tempo reale, trascrive la stessa ora in meno di nove secondi di calcolo. Secondo i dati di Artificial Analysis, il divario reale è più vicino a 12×; Microsoft lo commercializza come "10× più veloce di GPT-Transcribe di OpenAI", cioè il fornitore arrotonda per difetto il proprio vantaggio anziché per eccesso — un segnale insolito. L'avvertenza onesta è che la cifra di MAI-Transcribe-2 risale a quattro giorni fa e riguarda il throughput di file batch, non la latenza live, mentre quella di GPT Transcribe ha cinque settimane di traffico di produzione alle spalle. Ma nulla nell'architettura dei due prodotti suggerisce che il divario di velocità si colmerà; sono costruiti per lo stesso lavoro batch con efficienze molto diverse.

Il prezzo viene per ultimo, perché è il numero che fa cambiare le decisioni. GPT Transcribe ha un prezzo di listino di $0,0045 al minuto — $4,50 per 1.000 minuti, circa $0,27 per ora di audio — dopo che a luglio OpenAI ha tagliato il prezzo dai $0,006 di GPT-4o Transcribe. MAI-Transcribe-2 ha un prezzo di listino di $0,10 per ora di audio fino alla fine dell'anno, senza che sia stato comunicato un prezzo standard per dopo la promozione. Su 1.000 ore di audio al mese, la differenza è di circa $170: circa $100 alla tariffa early-bird di MAI-Transcribe-2 a fronte di circa $270 al prezzo di listino di GPT Transcribe. Il taglio del 25% operato da OpenAI a luglio sembrava aggressivo; il ribasso del 63% di Microsoft rispetto al prezzo successivo al taglio è una mossa di tutt'altra categoria, ed è l'intera ragione per cui questo confronto esiste.

Perché il numero di OpenAI era quello credibile

C'è un motivo se il 3,31% di AA-WER di GPT Transcribe ha avuto più peso della maggior parte dei numeri di lancio: era stato sottoposto ad audit indipendente, e l'audit aveva retto al contatto con audio difficile. La stessa esecuzione di Artificial Analysis che ha prodotto il dato principale ha anche fatto emergere il punto debole di GPT Transcribe — un WER del 6,10% sul set Earnings22 di earnings call, il benchmark pubblico più difficile della categoria — dicendo agli acquirenti esattamente dove non usarlo. Sono seguite cinque settimane di traffico in produzione, e il taglio del prezzo di OpenAI ha mostrato che competere sul costo contava più che proteggere il margine in modo difensivo. GPT Transcribe eredita anche il vincolo pratico della sua API: è un prodotto esclusivamente batch, con file fino a 25 MB per richiesta, nessun livello di streaming al prezzo di 4,50 dollari, nessuna diarizzazione, nessun bias di vocabolario e lingue che OpenAI non ha pubblicato. Trascrive; tutto ciò che sta al di sopra delle parole è un problema del chiamante.

Questa chiarezza è ciò che ha reso GPT Transcribe facile da fidarsi, ed è esattamente la chiarezza che un modello vecchio di quattro giorni non si è ancora guadagnato. Microsoft non ha pubblicato alcun tasso di errore di diarizzazione per MAI-Transcribe-2, nessuna tabella di accuratezza per lingua dietro la sua media FLEURS di 60 lingue, e nessuno SKU di streaming. Nessuna di queste omissioni significa che il modello sia debole — la diarizzazione integrata e un'ampiezza di 60 lingue sono una reale superficie di prodotto che GPT Transcribe non offre nemmeno — ma ciascuna è un punto in cui un'esecuzione indipendente potrebbe riscrivere la narrazione. Il dato di accuratezza è misurato da AA ed è reale; il prodotto che lo circonda non è comprovato esattamente nei modi che solo il traffico di produzione può rivelare.

I set di feature non hanno la stessa forma

• Diarizzazione — MAI-Transcribe-2 include l'attribuzione dei parlanti senza un tasso di errore pubblicato; GPT Transcribe non la offre affatto, quindi la trascrizione arriva come un unico flusso indifferenziato.

• Controllo — MAI-Transcribe-2 offre il bias delle parole chiave per nomi e termini tecnici, oltre agli stili di trascrizione integrale e pulita; GPT Transcribe non offre nessuna di queste opzioni e restituisce parole grezze e testo senza punteggiatura che il chiamante deve post-elaborare.

• Timestamp — entrambi restituiscono un output allineato temporalmente; quelli di MAI-Transcribe-2 sono a livello di parola fin da subito.

• Lingue — MAI-Transcribe-2 ne pubblica 60 con identificazione automatica; GPT Transcribe non pubblica il proprio elenco di lingue, il che è di per sé un problema di pianificazione per carichi di lavoro multilingue.

• Streaming — Il livello da $4,50 di GPT Transcribe è esclusivamente batch, e la sua controparte streaming, GPT Live Transcribe, è un prodotto separato al costo di $17 per 1.000 minuti; MAI-Transcribe-2 non dispone affatto di un prodotto di streaming, né annunciato né dimostrato.

• Shape — entrambe sono API gestite per file preregistrati, ed è per questo che il confronto è equo; la differenza è che Microsoft ha incluso più post-elaborazione utile nel prodotto base a un terzo del prezzo.

Chi dovrebbe trasferirsi, e quando

Se trascrivi audio batch ad alto volume e la tariffa early-bird sopravvive al contatto con i tuoi file, MAI-Transcribe-2 è la scelta razionale predefinita in questo momento: un WER misurato migliore, circa dodici volte il throughput e un prezzo inferiore del 63% per 1.000 minuti su un prodotto che include diarizzazione e controllo dello stile, per cui OpenAI non fa pagare nulla in più — perché non li offre. Il cambiamento costa poco: un test su una parte del tuo audio più difficile elimina gran parte dell'incertezza, e la tariffa di $1,67 rende l'esperimento quasi gratuito fino alla fine dell'anno.

Se il tuo carico di lavoro è critico per la produzione, regolamentato o già costruito intorno a OpenAI, il vantaggio di cinque settimane e la debolezza pubblicata di Earnings22 valgono più del differenziale di prezzo. GPT Transcribe è il modello di cui puoi citare le modalità di guasto; quelle di MAI-Transcribe-2 devono ancora emergere. Lo schema prudente è quello che un livello di routing esiste per supportare: tenere il modello collaudato come predefinito e inviare una quota misurata di traffico allo sfidante, confrontando le trascrizioni sui tuoi dati prima di promuovere qualsiasi cosa. Questa disciplina prova-e-promuovi è il senso stesso del failover automatico e della DSL di routing di OrcaRouter: i nuovi modelli si guadagnano il traffico di produzione in percentuali, non per decreto, e la stessa configurazione con un’unica chiave, che raggiunge oltre 200 modelli, rende il resto dello stack indipendente dal fornitore di trascrizione mentre la sfida STT è in corso.

Il post di lancio dietro i numeri di MAI-Transcribe-2 inquadra tutto come un confronto con rivali esplicitamente nominati, piuttosto che come cifre assolute — il che è un utile controllo di rigore per chiunque lo legga: prendete le affermazioni relative, cercate i numeri assoluti sulla tabella indipendente, ed etichettate il resto come narrazione del fornitore.

La tariffa di 1,67 dollari ha una data di scadenza e il 2,0% ha una reputazione di quattro giorni, e OpenAI risponderà a entrambe alla fine. Ma la forma di questo mercato è appena cambiata: per la prima volta, l'API di trascrizione gestita ad alta precisione più economica è anche la più precisa e la più veloce, e non è quella di OpenAI. Anche se il prezzo standard di MAI-Transcribe-2 si attesta ben al di sopra dell'offerta di lancio, l'asticella di precisione per dollaro nella trascrizione gestita si è spostata — e si è spostata alle condizioni di Microsoft.