Nemotron 3.5 Transcribe vs GPT Transcribe: 0,1 punt verschil, maar één geeft je de checkpoint

Vraag GPT Transcribe om tijdstempels op woordiniveau, en de API geeft ze je niet. Niet slecht, niet bij benadering — het model heeft geen timing-head, de documentatie van OpenAI verwijst je voor die taak naar whisper-1, en hetzelfde geldt voor sprekerlabels, die in een apart diarisatiemodel zitten. Vraag nu Nemotron 3.5 Transcribe, die NVIDIA op 28 oktober 2026 als open gewichten heeft uitgebracht, en beide komen uit één enkele doorgang terug: aan sprekers toegewezen woordtiming van een CTC-adapter die het voltooide transcript na het decoderen aan de audio uitlijnt. De twee modellen liggen op de openbare nauwkeurigheidsranglijst binnen een tiende punt van elkaar. Voor de dingen die je met een transcript doet, zitten ze niet in dezelfde productcategorie.

Dat is de hele beslissing, en het is de moeite waard om er langzaam doorheen te lopen, want de berichtgeving rond de lancering heeft deze combinatie grotendeels teruggebracht tot een WER-race die geen van beide kanten echt met een betekenisvolle marge wint.

Het nauwkeurigheidsverschil is ruis; het verschil in functionaliteit niet.

Op de non-streamingindex van Artificial Analysis staat GPT Transcribe — OpenAI's batchtranscriptiemodel, op 28 juli 2026 uitgebracht samen met een live-streaming-tegenhanger — vermeld op 3,3%, gedeelde achttiende plaats met een kleine uitdager. Nemotron 3.5 Transcribe staat vermeld op 3,4%, gedeelde twintigste plaats. Een tiende punt, op een index waarvan de eigen vermeldingen voor hetzelfde model bijna een vol punt kunnen verschillen, afhankelijk van welk endpoint ze heeft bediend. Op basis daarvan zou niemand tussen twee spraaksystemen moeten kiezen.

Het lanceermateriaal van NVIDIA meldt ondertussen 2,8% AA-WER en een gedeelde eerste plaats onder open-weightmodellen. De liveboardmeting van 29 oktober staat op 3,4%. Beschouw de 2,8% als een inzendcijfer en de 3,4% als de huidige meting; het verschil is groter dan de kloof tussen Nemotron en GPT Transcribe, wat duidelijk maakt hoeveel waarde één enkel leaderboardverschil verdient.

• Parameters — ongeveer 30B totaal en ruwweg 4B actief per token in een hybride Mamba–Transformer MoE tegenover een niet bekendgemaakt, niet-generatief model.

• Licentie — OpenMDW-1.1, commercieel gebruik, gewichten downloadbaar versus alleen via API.

• Prijs — geen lijsttarief; GPU-tijd, met een NVFP4-build die tot 2.238 seconden audio per seconde op één RTX PRO 6000 Blackwell claimt, tegen $0,0045 per minuut, ongeveer $0,27 per audio-uur.

• Sprekerlabels — tot 8 sprekers in 13 talen, ingebouwd versus geen; er is een apart diarisatiemodel nodig.

Woordtiming — CTC-uitlijning na decodering, sprekerattributie versus niet aangeboden; whisper-1 is het gedocumenteerde alternatief.

• Talen — 40 getranscribeerd, 31 vertaald naar of vanuit het Engels vs. meertalig met automatische detectie en taalaanwijzingen, geen gepubliceerd aantal.

• Audiolengte — 1 uur in één doorgang versus bestandsgebaseerd, waarbij de API de opsplitsing in stukken verzorgt.

• Post-processing — door de prompt gestuurde verbatim- of geschreven vorm versus vrije context en trefwoordhints, geen opschoningsronde.

Wat GPT Transcribe beter doet dan de open checkpoint

Drie dingen, en ze zijn niet triviaal. Het eerste is dat het een API is. Er is geen checkpoint van 30B parameters om te dimensioneren, geen NVFP4-build om op te wachten, geen vLLM-recept om vast te leggen. OpenAI meldt ongeveer 34× realtime verwerking, wat langzamer is dan de door NVIDIA geclaimde doorvoer op een Blackwell-kaart en irrelevant voor de meeste teams, omdat 34× realtime al sneller is dan elke wachtrij die zij draaien.

Het tweede is contexteverwerking. GPT Transcribe accepteert vrije context, trefwoord- en vocabulairehints en meerdere taalhints, en retourneert naast het transcript een array met gedetecteerde talen. Die combinatie is echt nuttig bij code-switching-audio en bij domeinjargon, en het is een prompting-interface, geen fine-tune — wat betekent dat een productteam het kan afstemmen zonder een GPU te bezitten. Het NVIDIA-equivalent, een lijst met verwachte entiteiten die in de prompt wordt meegegeven, wordt toegeschreven aan een zesvoudige afname van fouten bij benoemde entiteiten op ContextASR-Bench, maar dat cijfer is door de leverancier gemeld en niet gerepliceerd.

Het derde is het integratieoppervlak: hetzelfde endpoint bedient bestandstranscriptie, gestreamde bestandstranscripten, vastgelegde realtime-beurten via WebSocket, de Responses API en Batch. Een team dat al op OpenAI's platform zit, krijgt transcriptie als parameter, niet als een deployment.

De eigen gepubliceerde kwaliteitsclaims van OpenAI zijn breed en moeilijk te controleren: een woordfoutpercentage (WER) van 19,27% op een 22-talige Common Voice-set, tegenover 40,37% voor Whisper, en 8,98% op een negentalige praktijkbenchmark, tegenover 15,21%. Dat zijn leverancierscijfers vergeleken met een basislijn uit 2024, niet met een concurrent uit 2026. Het onafhankelijke beeld is gunstiger voor GPT Transcribe dan de AA-ranglijst suggereert: op de door mensen beoordeelde Engelse set van Perit komt het uit op 1,76% WER, op de zesde plaats van 22, waarbij 61,3% van de clips perfect is getranscribeerd. Dat is een andere testset dan die van Artificial Analysis, en de cijfers zijn niet vergelijkbaar tussen de twee ranglijsten — maar de richting is consistent, en het plaatst het model van OpenAI vóór het gehoste Parakeet-endpoint op dezelfde set.

Waar de ontbrekende functies echt pijn doen

Als je output platte tekst voor een zoekindex is, kosten de hiaten van GPT Transcribe je niets. Op het moment dat je meer nodig hebt, verveelvoudigt het werk zich. Woordtiming betekent een tweede doorgang door whisper-1 of een forced aligner, wat precies de faalmodus opnieuw introduceert die alignment moet oplossen: een transcript met verschoven grenzen dat prima leest maar ondertitels kapotmaakt. Sprekerlabels betekenen een derde model, dat op segmentgrenzen wordt samengevoegd, met een eigen foutpercentage om te debuggen. En geen van beide tweede doorgangen weet van de andere, dus een gesprek met twee sprekers wordt drie modellen en een samenvoegstap.

De cascade is geen kritiek op de technische aanpak van OpenAI. Het is wat het product is: een zeer accurate transcriptietool met een bewust smalle output. Microsoft en Google leveren allebei dezelfde splitsing — diarisatie als een aparte SKU of een aparte modus met eigen beperkingen. NVIDIA's weddenschap is het tegenovergestelde, en de eerlijke manier om het te stellen is dat Nemotron 3.5 Transcribe meer rekenkracht kost om een pipeline te vermijden.

Wat die rekenkracht oplevert, is gedocumenteerd maar door de leverancier gerapporteerd: een diarisatiefoutpercentage van 18,26% over 21 talen op de David AI-benchmark, de beste van 14 systemen; 32,4% geconcateneerde min-permutatie-WER op VoiceArena, ook de beste van 14; 8,32% van de referentiewoorden weggelaten bij overlappende Engelse spraak, tegen een mediaan van bijna 31%. Er is geen OpenAI-diarisatiecijfer om daartegenover te zetten, omdat OpenAI er voor dit model geen publiceert.

Twee manieren om niet meer per minuut te betalen

GPT Transcribe factureert $0,0045 per minuut, wat $4,50 per duizend minuten is en ongeveer $270 per duizend audio-uren. Nemotron 3.5 Transcribe rekent niets per minuut en vraagt in plaats daarvan om een GPU. NVIDIA's demonstratieconfiguratie is één RTX PRO 6000 Blackwell die de NVFP4-checkpoint uitvoert met een DFlash2-draftmodel, en de doorvoerclaim — 100 uur audio in minder dan drie minuten — werd gemeten op clips van 30 seconden bij hoge gelijktijdigheid, niet op vergaderingen van een uur. Lees het als een bovengrens voor goed gebatcht werk.

Dat laat een omslagpunt achter dat wordt bepaald door benutting, niet door de lijstprijs. Een kaart die je al bezit en continu bezet houdt, verslaat $270 per duizend uur met gemak. Een kaart die je zou moeten kopen voor een wachtrij van veertig uur per maand doet dat niet, en geen enkele hoeveelheid parameterefficiëntie verandert die rekensom.

Er is een derde optie die het tweerichtingskader verbergt, en het is degene die de meeste teams daadwerkelijk kiezen: houd de beheerde API voor het gros, en leid de moeilijke bestanden — de vergaderingen met zes personen, de klinische interviews met accent, de audio die je niet mag uploaden — naar een zelfgehoste checkpoint. Dat werkt alleen als de twee outputs dezelfde vorm krijgen, wat het argument is om te standaardiseren op een transcriptschema met spreker- en timingvelden, zelfs wanneer je huidige leverancier die niet vult. Standaardiseer eerst het schema; het model wordt later verwisselbaar.

Op de laag boven het transcript is het de taak van OrcaRouter om te voorkomen dat die uitwisselbaarheid bij de modelgrens ophoudt. De samenvatter, de classificator en de compliancechecker die deze transcripten lezen, kunnen allemaal gebruikmaken van één sleutel voor meer dan 200 modellen, met de lijstprijzen van providers tegen 0% opslag doorgegeven, automatische failover wanneer een upstream hapert, en een routerings-DSL die elke workload naar een ander model stuurt zonder een tweede integratie. GPT Transcribe en Nemotron 3.5 Transcribe vallen beide buiten die catalogus — we bieden geen van beide aan — dus de spraakoproep blijft waar je die ook koopt, en alleen het downstreamdeel wordt overdraagbaar.

De korte versie, per situatie

Als je een transcript wilt en niets anders, en je het volgende week wilt hebben zonder iets te hoeven provisioneren, is GPT Transcribe de keuze met minder risico: een zesde plaats op de onafhankelijke Perit-set, een integratieoppervlak dat je waarschijnlijk al hebt, en een prijs waarvoor geen kapitaalaankoop nodig is. Als je transcripten input zijn voor ondertitels, vergaderanalyses, zoeken met sprekerattributie of een compliance-archief, kosten de extra modellen die je aan GPT Transcribe zou vastkoppelen meer in engineeringtijd dan de checkpoint in GPU-uren kost, en Nemotron 3.5 Transcribe doet dat werk in één pass.

De waarschuwing die bij beide hoort: dit is een model dat één dag oud is, de belangrijkste benchmarks zijn van de leverancier zelf en de onafhankelijke boards hebben de checkpoint van 30 miljard parameters nog helemaal niet beoordeeld. Verwar het niet met nvidia/nemotron-3.5-asr-streaming-0.6b, het 600M-streamingmodel uit juni dat wél op onafhankelijke boards staat en het aanzienlijk slechter doet (3,35% WER, rang 21 van 22 op Perit). Ze delen alleen een familienaam en verder niets.