Nemotron 3.5 Transcribe vs Gemini 3.5 Transcribe: 2,8% op de dia, 3,4% op het bord

Van Google Gemini 3.5 Transcribe staat op de negende plaats op de non-streaming spraakranglijst van Artificial Analysis met een foutpercentage van 2,6%. Van NVIDIA Nemotron 3.5 Transcribe, uitgebracht als open gewichten op 28 oktober 2026, staat op de twintigste plaats met 3,4%. Vier tienden van een punt scheidt hen op de enige openbare index die beide beoordeelt, en die vier tienden staan dicht bij het minst nuttige feit in deze vergelijking. De twee zijn niet voor dezelfde taak gebouwd: de een is een beheerd endpoint dat een transcriptie opschoont voordat je die ziet, de andere is een checkpoint dat je downloadt en dat acht sprekers uit elkaar houdt terwijl ze door elkaar heen praten. De ranglijst doet geen van beide recht aan datgene waarvoor ze daadwerkelijk zijn ontworpen.

Het is de moeite waard om vooraf één discrepantie te signaleren, omdat die terugkeert in elk artikel dat deze week over dit model wordt geschreven. NVIDIA's lanceermateriaal meldt 2,8% AA-WER en een gedeelde eerste plaats onder open-weight-systemen. Het live-scorebord, uitgelezen op 29 oktober, vermeldt 3,4% op rang twintig. Beide cijfers voeren terug naar dezelfde index, en het zijn geen metingen van dezelfde run — wat de eerste praktische les van deze combinatie is, en de reden waarom de nauwkeurigheidssectie hieronder is geschreven zoals ze is.

Wat NVIDIA heeft uitgebracht, en wat Google sinds augustus draait

Nemotron 3.5 Transcribe is geen transducer en geen gewone encoder. Het is een spraak-augmented taalmodel: een spraakencoder voedt een bevroren Nemotron 3 Diarization-model, waarvan het signaal over sprekeractiviteit via wat NVIDIA een Parallel Expert Encoder noemt in de ASR-encoder wordt geïnjecteerd, en de decoder is een hybride Mamba–Transformer mixture-of-experts-LLM met ruwweg 4 miljard actieve parameters per token van in totaal ongeveer 30 miljard. De eigen materialen van het bedrijf gebruiken zowel de labels 30B-A3B als 30B-A4B voor de taalmodelhelft, en de Hugging Face-zijbalk vermeldt 34B zodra de audiostream wordt meegeteld, dus beschouw elk afzonderlijk parametergetal als benaderend. De gewichten zijn gratis onder OpenMDW-1.1, dat commercieel gebruik toestaat.

Gemini 3.5 Transcribe is sinds 26 augustus 2026 algemeen beschikbaar voor $ 2,00 per miljoen audio-invoertokens en $ 12,00 per miljoen tekst-uitvoertokens, wat Google omrekent naar ruwweg $ 0,005 per minuut, of ongeveer $ 0,30 per audio-uur. Het heeft een gratis tier binnen het quotum, een aparte live-streaming-SKU van ongeveer $ 0,009 per minuut, en er zijn helemaal geen gewichten.

Het nummer dat veranderde tussen het lanceerpakket en de ochtend daarna

De AA-WER van Artificial Analysis is gebaseerd op drie datasets — AgentTalk voor 50%, VoxPopuli-Cleaned voor 25%, Earnings22-Cleaned voor 25% — en de index is één enkele gecombineerde score, niet één per domein. Dat is belangrijk omdat AgentTalk spraak van spraakagenten is, die kort en schoon is en sterk vertegenwoordigd is in de trainingsmix van een leverancier als die spraakagenten verkoopt. Een model dat de blend wint, kan uw archief verliezen.

Lees het bord zoals het er nu voorstaat, en de rangorde is: MAI Transcribe 2 met 2,0%, Voxtral Small Transcribe 3 met 2,1%, Gemini 3.5 Transcribe met 2,6%, GPT Transcribe met 3,3%, Nemotron 3.5 Transcribe met 3,4%. De claim van NVIDIA van 2,8% zou, als die stand had gehouden, het nieuwe model op gelijke hoogte hebben gebracht met Gemini 3.1 Pro Preview en Voxtral Small, en ruim vóór het batchmodel van OpenAI hebben geplaatst. Met 3,4% staat het achter al deze systemen en gelijk met drie systemen, waaronder een Gemini Flash-Lite-variant waartegen het nooit was gepositioneerd. Een herziening van 0,6 punt is geen afrondingsfout op een index waarvan de gehele top tien zich van 1,7% tot 2,9% uitstrekt.

De eerlijke lezing is niet dat NVIDIA heeft gelogen. AA meet opnieuw wanneer een model via een nieuw endpoint wordt aangeboden of opnieuw wordt uitgevoerd met bijgewerkte inputs, en het lanceringscijfer weerspiegelt vrijwel zeker de eigen inzending van NVIDIA en niet de standaardhost van de ranglijst. Maar het is precies het soort kloof dat in een inkoopfout omslaat: een team dat budgetteert op 'eerste onder open-weightmodellen' en dan 3,4% meet, heeft een model op een slide gekocht.

Wat Google verkoopt dat NVIDIA niet verkoopt

Het kenmerk dat meer transcriptiecontracten beslist dan WER, is wat er na de herkenning met de woorden gebeurt, en Gemini 3.5 Transcribe is daarop gebouwd. Zijn standaard verbatimmodus behoudt vulwoorden, valse starts en herhalingen voor compliancewerk; zijn slimme modus verwijdert disfluenties, lost zelfcorrecties op en normaliseert gesproken getallen en valuta in één doorgang. Een aangepast vocabulaire stuurt de herkenning richting maximaal 1.000 termen, waarbij Google ongeveer 100 goed gekozen termen aanbeveelt. Geen van beide bestaat in Nemotron 3.5 Transcribe, dat via een prompt richting een entiteitenlijst kan worden gestuurd en kan worden opgedragen verbatim- of schriftvormige uitvoer te produceren, maar dat getalopmaak en het herstellen van zelfcorrecties overlaat aan wat de transcriptie daarna leest.

Google wint ook op het gebied van het aantal benoemde locales: 85+, met automatische detectie en code-switching binnen een zin, tegenover 40 voor transcriptie en 31 voor vertaling bij NVIDIA. Alleen benoemde varianten geteld. Als je wachtrij een taal bevat die wel op Google's lijst staat en niet op die van NVIDIA, valt er geen benchmark te bediscussiëren.

Wat NVIDIA verkoopt en Google niet

Sprekertoewijzing is het omgekeerde geval, en het is scherper dan de marketing doet vermoeden. Gemini 3.5 Transcribe documenteert tot acht sprekers, maar het eigen materiaal van Google merkt toewijzing voor drie of meer sprekers aan als experimenteel, en zijn blog leunt op "tot drie". Nemotron 3.5 Transcribe labelt tot acht sprekers, doet dat in 13 talen en retourneert tijdstempels op woordiniveau met sprekertoewijzing via een post-decoding-CTC-adapter die het voltooide transcript op de audio uitlijnt.

• Parameters — 30B totaal met ongeveer 4B actief, hybride Mamba–Transformer-MoE versus een niet bekendgemaakte propriëtaire spraakstack.

• Licentie — OpenMDW-1.1, commercieel gebruik, gewichten downloadbaar vs. alleen via API zonder herverdelingsrechten.

• Prijs — geen gepubliceerd lijktarief; de kosten bestaan uit GPU-tijd, en een NVFP4-build op één RTX PRO 6000 Blackwell zou tot 2.238 seconden audio per seconde verwerken, tegenover een blended tarief van $0,005 per minuut.

• Talen — 40 getranscribeerd, 31 vertaald naar of uit het Engels, 13 met sprekerlabels versus 85+ locales met codewisseling.

• Luidsprekers — 8, gedocumenteerd en gebenchmarkt versus 8 gedocumenteerd, 3+ gemarkeerd als experimenteel.

• Audiolengte — 1 uur in één doorgang versus 1 uur, terugvallend naar 30 minuten wanneer diarisatie of tijdstempels worden aangevraagd.

• Streaming — geen; alleen opgenomen audio versus een afzonderlijke live-SKU tegen ongeveer $0.009 per minuut.

• Nabewerking — promptgestuurde letterlijke of geschreven vorm; geen ingebouwde opschoning versus een slimme modus die stopwoorden verwijdert en zelfcorrecties herstelt.

De diarisatiecijfers die slechts één partij publiceert

Hier houdt de vergelijking op nauw te zijn en begint ze scheef te worden, en ook hier wordt de onderbouwing dun. NVIDIA rapporteert een diarisatiefoutpercentage van 18,26% over 21 talen op de David AI-benchmark, het laagste van 14 geëvalueerde systemen, waarbij de volgende vermelding zijn eigen Nemotron 3 Diarization-model is met 18,38% en al het overige tussen 22,85% en 37,55%. Op VoiceArena's Diarization-Bench rapporteert het 32,4% geconcateneerde min-permutatie-WER, het beste van 14, met de naaste concurrent op 34,2%. Op Engelse sessies met overlappende spraak rapporteert het dat 8,32% van de referentiewoorden wordt weggelaten, tegen een mediaan van ongeveer 31%.

Google publiceert helemaal geen diarization error rate voor Gemini 3.5 Transcribe. Niet een slechtere — geen enkele. Die asymmetrie snijdt in twee richtingen en moet gewoon duidelijk worden gezegd: NVIDIA's cijfers zijn door de leverancier gerapporteerd op NVIDIA's eigen testopstelling, en er is geen cijfer van derden om ze tegen te controleren, omdat de onafhankelijke diarization-leaderboards die bestaan grotendeels worden gevuld door systemen die NVIDIA zelf heeft ingezonden. Wat niet in twijfel staat, is het gedocumenteerde plafond: Gemini gaat niet boven acht sprekers, met experimentele toewijzing boven drie, en verlaagt je maximale audiolengte van een uur naar dertig minuten zodra je sprekerlabels en woordtiming samen aanvraagt. Als je materiaal een directievergadering met zes personen is, dan is dat een productbeperking en geen kwaliteitsvraag, en geen enkele WER-vergelijking zal dat blootleggen.

Wat een uur audio eigenlijk kost bij elk

Laat het duizend uur per maand draaien, een realistische belasting voor een contactcenter of een media-archief. Gemini 3.5 Transcribe tegen $0,005 per minuut kost $300 per duizend uur. Nemotron 3.5 Transcribe heeft geen adviesprijs omdat er niets te vermelden valt: je koopt de GPU. Eén RTX PRO 6000 Blackwell met de NVFP4-checkpoint is de configuratie die NVIDIA demonstreert, en de doorvoerclaim — tot 2.238 seconden audio per seconde — gaat gepaard met een voorwaarde die in de Hugging Face-post staat en die de koppen weglaten: die is gemeten op clips van 30 seconden bij hoge gelijktijdigheid. Lange vergaderingen met overlappende sprekers zullen dat aantal niet halen.

De omslag is dus een kwestie van benutting, niet van prijs. Een enkele kaart die ongeveer evenveel kost als een paar maanden beheerde transcriptie, verdient zich alleen terug als je hem druk bezet houdt, en bij een kleine wachtrij verdient hij zich nooit terug ten opzichte van $300 per maand aan API-aanroepen. Het pleidooi voor het checkpoint is niet goedkopere minuten bij laag volume. Het is dat de minuten helemaal geen kostenpost meer zijn, de audio je netwerk nooit verlaat, en fine-tuning een middag op één GPU is — NVIDIA meldt 0,5 tot 2,3 GPU-uren per taak, en een medische-spraakadaptatie die het woordfoutpercentage op 3.619 clips van 30,8% naar 11,8% bracht, waarbij achtergehouden sprekers verbeterden van 22,44% naar 12,17%.

NVIDIA's eigen onderzoekspagina is de enige plek waar de doorvoer- en fine-tuningclaims samen voorkomen, en het loont de moeite die naast de bovenstaande cijfers te lezen: het cijfer van 2.238 seconden per seconde gaat uit van het NVFP4-checkpoint en het DFlash2-conceptmodel op Blackwell-hardware, en de fine-tuningclaim van 0,5 tot 2,3 GPU-uur gaat uit van één GPU en een taak die klein genoeg is om op één GPU te passen. Geen van beide is een kop die je zonder die voorwaarden in een capaciteitsplan kunt overnemen.

Welke kant je ook kiest, het transcript is niet het einde van de pipeline. Het wordt samengevat, geclassificeerd, doorzocht en gerouteerd, en juist in die stroomafwaartse helft is één endpoint waar het om draait: OrcaRouter herbergt 200+ tekst- en multimodale modellen achter één sleutel, waarbij de lijstprijzen van providers met 0% opslag worden doorgegeven, automatische failover en een routing-DSL die notulen naar de ene samenvatter kan sturen en compliancebeoordeling naar een andere, zonder een tweede integratie. Noch Gemini 3.5 Transcribe noch Nemotron 3.5 Transcribe staat vandaag in die catalogus — spraak-na-tekst is nog steeds een apart contract, waar je het ook koopt — dus het punt is beperkter dan het klinkt: kies de transcriber op basis van transcriptie, en laat de laag daarboven portabel blijven.

Welke hoort thuis in jouw stack?

Kies Gemini 3.5 Transcribe als je probleem de tekst is: onsamenhangende interviewaudio, callcenterspraak vol "nee wacht, ik bedoelde", een localelijst die je op naam moet controleren, en een beheerd endpoint dat je vanmiddag achter een sleutel kunt zetten. Het is vandaag het nauwkeurigere model op de openbare ranglijst, met een kleine maar echte marge, het corrigeert het transcript tijdens de verwerking, en het kost dertig cent per uur met een gratis tier om tegen te testen.

Kies Nemotron 3.5 Transcribe als je probleem de ruimte is. Meer dan drie sprekers, overlappende spraak, sprekerlabels in dertien talen, woordtiming die standhoudt in een bestand van een uur, en een audiobeleid dat verbiedt om de opname naar een derde partij te sturen — dat zijn de omstandigheden waarin het open checkpoint geen compromis is, maar de enige optie die aan de vereiste voldoet. Het is ook de enige van de twee die je kunt fine-tunen, wat bij audio met accenten of domeinspecifieke audio meer waard is dan vier tienden van een punt.

Wat zou dit oordeel veranderen: een onafhankelijke diarization-herrun die Gemini ergens in de buurt van NVIDIA's 18,26% DER plaatst, of een AA-hermeting die Nemotron tussen 2,8% en 3,4% vastlegt. Tot een van die twee er is, is het nauwkeurigheidsargument er een van de leverancier, en is het functieargument het argument dat je zelf in een middag kunt verifiëren met je eigen slechtste opname.