MAI-Transcribe-2 대 GPT Transcribe: Microsoft, 모든 수치에서 OpenAI의 트랜스크립트를 압도하다

세 가지 숫자가 MAI-Transcribe-2와 GPT Transcribe를 갈라놓으며, 그 세 숫자는 모두 같은 방향을 가리킨다. Artificial Analysis의 비스트리밍 단어 오류율(WER) 리더보드에서 Microsoft가 2026년 9월 3일에 출시한 MAI-Transcribe-2는 AA-WER 2.0%를 기록한 반면, OpenAI가 5주 앞선 2026년 7월 28일에 출시한 사전 녹음 전사 API인 GPT Transcribe는 3.31%를 기록했다. 같은 리더보드의 속도 항목에서 MAI-Transcribe-2는 실시간의 약 411배 속도로 처리되는 반면, GPT Transcribe는 약 34배에 머문다. 가격도 MAI-Transcribe-2는 오디오 시간당 $0.10 — 출시 한정 프로모션 기준 1,000분당 약 $1.67 — 인 반면, GPT Transcribe는 1,000분당 $4.50이다. 이 마지막 격차는 63%나 낮춘 가격으로, OpenAI가 불과 몇 주 전에 25% 인하했던 제품을 덮친다. 두 번째 프런티어 연구소가 가격 경쟁에 나서기로 한 순간, 이것이 바로 상품(commodity) 시장이 보여주는 모습이다.

격차, 숫자 하나씩

정확도부터 보자. 정확도는 어느 업체도 마케팅 문구 뒤에 숨길 수 없는 숫자다. 2.0%와 3.31%는 두 모델 모두를 대상으로 실행된 동일한 독립 평가 도구인 Artificial Analysis에서 나온 수치로, 그 덕분에 1.3%포인트 차이는 이번 비교 전체에서 가장 확실한 사실이다. 같은 WER 기준에서 단어 1,000개당 오류가 약 13개 적다는 뜻이다. GPT Transcribe의 3.31%는 그 자체로 이전 모델인 GPT-4o Transcribe보다 약 0.7%포인트 개선된 수치였으며, OpenAI가 자체적으로 수행한 다국어 평가에서도 이 모델이 Whisper 시대의 오류율을 대략 절반으로 줄이는 것으로 나타났다. Microsoft는 이제 같은 리더보드에서 단독 2위를 차지했고, 다국어 FLEURS에서는 60개 언어에 걸쳐 평균 WER 5.2%를 보고했다. 이 수치는 Microsoft의 출시 게시물에 근거한 것으로, 아직 언어별로 독립적으로 재산출되지는 않았다.

다음으로 속도입니다. GPT Transcribe의 실시간 대비 약 34배 속도는 비동기 전사 엔드포인트에서 일반적인 수준입니다. 1시간 분량의 파일을 약 2분의 컴퓨팅으로 처리합니다. MAI-Transcribe-2의 실시간 대비 약 411배 속도는 같은 1시간 분량을 9초 미만의 컴퓨팅으로 전사합니다. Artificial Analysis의 수치로 보면 실제 격차는 12배에 더 가깝습니다. Microsoft는 이를 "OpenAI의 GPT-Transcribe보다 10배 빠름"이라고 마케팅하는데, 이는 공급업체가 자신의 우위를 올림이 아니라 내림으로 표기한 이례적인 신호입니다. 솔직히 짚을 한계는, MAI-Transcribe-2의 수치는 4일 전에 측정된 배치 파일 처리량 기준이며 실시간 지연 시간이 아닌 반면, GPT Transcribe의 수치는 5주간의 프로덕션 트래픽이 뒷받침하고 있다는 점입니다. 하지만 두 제품의 아키텍처 어디에도 속도 격차가 좁혀질 조짐은 없습니다. 두 제품은 동일한 배치 작업을 위해 설계되었지만, 효율성은 매우 다릅니다.

가격은 마지막에 둡니다. 결정을 바꾸는 숫자이기 때문입니다. GPT Transcribe는 분당 $0.0045로 책정되어 있습니다 — 1,000분당 $4.50, 오디오 시간당 약 $0.27 — 이는 OpenAI가 7월에 GPT-4o Transcribe의 $0.006에서 인하한 이후의 가격입니다. MAI-Transcribe-2는 연말까지 오디오 시간당 $0.10로 책정되어 있으며, 프로모션 이후의 표준 가격은 공개되지 않았습니다. 한 달에 1,000시간의 오디오를 처리할 경우, 차이는 약 $170입니다: MAI-Transcribe-2의 조기 할인 요금으로 약 $100, GPT Transcribe의 정가로 약 $270입니다. OpenAI의 7월 25% 인하는 공격적으로 보였습니다. Microsoft가 인하된 가격을 63%나 밑도는 것은 다른 차원의 움직임이며, 이 비교가 존재하는 이유 그 자체입니다.

OpenAI의 수치가 왜 신뢰할 만한 것이었나

GPT Transcribe의 3.31% AA-WER이 대부분의 출시 수치보다 더 무게 있게 받아들여진 데는 이유가 있다. 독립적으로 감사받았고, 그 감사는 까다로운 오디오와 마주해서도 살아남았기 때문이다. 헤드라인 수치를 만들어 낸 동일한 Artificial Analysis 실행은 GPT Transcribe의 약점도 드러냈는데, 바로 이 카테고리에서 가장 어려운 공개 벤치마크인 Earnings22 어닝스콜 데이터셋에서 6.10%의 WER을 기록한 것이다. 이는 구매자에게 이 모델을 정확히 어디에 사용하지 말아야 하는지를 알려줬다. 이후 5주간의 프로덕션 트래픽이 이어졌고, OpenAI의 가격 인하는 마진을 방어적으로 지키려는 것이 아니라 비용 경쟁에 나섰음을 보여줬다. GPT Transcribe는 또한 그 API가 지닌 현실적 제약을 그대로 물려받는다. 배치(batch) 전용 제품이며 요청당 최대 25MB 파일만 지원한다. $4.50 가격에는 스트리밍 등급이 없고, 화자 분리(diarization)나 어휘 바이어싱(vocabulary biasing)도 없으며, OpenAI는 지원 언어를 공개하지 않았다. 이 모델은 전사만 수행한다. 단어 너머의 모든 것은 호출하는 쪽의 몫이다.

그 명확성이 바로 GPT Transcribe를 신뢰하기 쉽게 만든 이유이며, 그것은 정확히 출시 4일 된 모델이 아직 얻지 못한 명확성이다. Microsoft는 MAI-Transcribe-2에 대한 화자 분리 오류율(diarization error rate)도, 60개 언어 FLEURS 평균 뒤에 숨은 언어별 정확도 표도, 스트리밍 SKU도 공개하지 않았다. 이러한 누락 중 어느 것도 모델이 약하다는 뜻은 아니다 — 번들 화자 분리와 60개 언어 지원은 GPT Transcribe조차 제공하지 않는 실제 제품 표면적이다 — 그러나 각각은 독립적인 재실행이 서술을 수정할 수 있는 지점이다. 정확도 수치는 AA로 측정된 실제 값이며, 그 주변의 제품은 오직 프로덕션 트래픽만이 드러낼 수 있는 바로 그 방식들에서 검증되지 않은 상태다.

특성 집합의 형태가 동일하지 않습니다.

• 화자 분리 — MAI-Transcribe-2는 공개된 오류율 없이 화자 정보를 제공하는 반면, GPT Transcribe는 이를 전혀 제공하지 않아 전사 결과가 구분되지 않는 단일 스트림으로 출력됩니다.

• 제어 — MAI-Transcribe-2는 이름과 전문 용어에 대한 키워드 바이어싱과 함께 축어적 및 정리된 전사 스타일을 제공하는 반면, GPT Transcribe는 이 중 어느 것도 제공하지 않으며 호출자가 후처리할 수 있도록 원시 단어와 구두점 없는 텍스트를 반환합니다.

• 타임스탬프 — 둘 다 시간 정렬 출력을 반환하며, MAI-Transcribe-2는 기본적으로 단어 수준 타임스탬프를 제공합니다.

• 언어 — MAI-Transcribe-2는 자동 식별과 함께 60개 언어를 게시하는 반면, GPT Transcribe는 언어 목록을 게시하지 않으며, 이는 그 자체로 다국어 워크로드 계획에 문제가 됩니다.

• 스트리밍 — GPT Transcribe의 $4.50 등급은 배치 전용이며, 스트리밍을 지원하는 자매 제품인 GPT Live Transcribe는 1,000분당 $17의 별도 제품입니다. MAI-Transcribe-2에는 발표되었거나 시연된 스트리밍 제품이 전혀 없습니다.

• Shape — 둘 다 사전 녹화된 파일을 위한 관리형 API이며, 그렇기에 이 비교는 공정합니다. 차이점은 Microsoft가 유용한 후처리 기능을 더 많이 기본 제품에 포함하면서도 가격은 3분의 1에 불과하다는 점입니다.

누가 이사해야 하는지, 그리고 언제 해야 하는지

대용량 배치 오디오를 전사하는 경우, 얼리버드 요율이 실제 파일에 적용해도 그대로라면 MAI-Transcribe-2가 현재 합리적인 기본값입니다. 측정 WER이 더 좋고, 처리량은 약 12배이며, 화자 분리(diarization)와 스타일 제어를 기본 제공하는 이 제품은 1,000분당 가격도 63% 낮습니다. OpenAI는 그 기능들을 제공하지 않기 때문에 추가 요금을 청구하지 않습니다. 전환 비용은 거의 없습니다. 가장 까다로운 오디오 일부로 테스트하면 대부분의 불확실성이 해소되고, $1.67 요율 덕분에 연말까지 실험은 사실상 공짜입니다.

워크로드가 프로덕션에 직결되거나 규제 대상이거나 이미 OpenAI를 중심으로 구축된 경우라면, 5주 앞선 출발과 공개된 Earnings22 약점은 가격 차이보다 더 가치가 있습니다. GPT Transcribe는 실패 유형을 분명히 짚을 수 있는 모델이고, MAI-Transcribe-2의 실패 유형은 아직 발견되는 중입니다. 신중한 패턴이란 라우팅 계층이 지원하기 위해 존재하는 바로 그 방식입니다. 검증된 모델을 기본값으로 유지하고, 도전자 모델로 일정 비율의 트래픽을 보내며, 어떤 모델을 승격시키기 전에 자체 데이터로 트랜스크립트를 비교하는 것입니다. 이러한 시험 후 승격 규율이 OrcaRouter의 자동 페일오버와 라우팅 DSL의 핵심입니다. 새 모델은 명령이 아니라 비율에 따라 프로덕션 트래픽을 얻게 되며, 200개 이상의 모델에 닿는 동일한 원키 설정 덕분에 STT 경쟁이 진행되는 동안에도 트랜스크립트 제공업체와 무관하게 나머지 상위 스택이 유지됩니다.

MAI-Transcribe-2의 수치 뒤에 있는 출시 게시물은 모든 것을 절대 수치가 아닌 이름이 명시된 경쟁사와의 비교로 구성합니다. 이는 게시물을 읽는 사람에게 유용한 잣대가 됩니다. 상대적 주장을 가져와 독립적인 게시판에서 절대 수치를 확인하고, 나머지는 공급업체의 프레이밍으로 분류하라는 것입니다.

$1.67 요율에는 만료일이 있고, 2.0%에는 나흘간의 평판이 있으며, OpenAI는 결국 둘 다에 답할 것이다. 그러나 이 시장의 구도는 방금 바뀌었다. 사상 처음으로, 가장 저렴한 고정확도 관리형 전사 API가 곧 가장 정확하고 가장 빠른 API이기도 하며, 그것은 OpenAI의 것이 아니다. MAI-Transcribe-2의 표준 가격이 출시 특가보다 훨씬 높게 자리 잡는다 해도, 관리형 전사에서 달러당 정확도의 기준선은 이미 움직였다 — 그리고 그것은 Microsoft의 조건으로 움직였다.