Nemotron 3.5 Transcribe vs MAI Transcribe 2: $100 per uur tegenover een GPU die je zelf bezit

Duizend uur audio kost Microsoft honderd dollar. Dat is het hele prijsargument voor MAI Transcribe 2, dat sinds 3 september 2026 in openbare preview is tegen $0,10 per audiuur — ongeveer $1,67 per duizend minuten, een tarief dat elke beheerde concurrent die het noemt onderbiedt en ongeveer een derde van wat OpenAI voor hetzelfde werk rekent. Nemotron 3.5 Transcribe, het open checkpoint van NVIDIA van 28 oktober 2026, heeft helemaal geen prijs per minuut, omdat de enige manier om het te kopen is de hardware te kopen waarop het draait. Bij duizend uur per maand is de rekening van Microsoft een afrondingsfout in een afdelingsbudget en die van NVIDIA een kapitaalaankoop.

Dan het ongemakkelijke deel. Op de openbare nauwkeurigheidsranglijst staat MAI Transcribe 2 tweede ter wereld met 2,0% AA-WER. Nemotron 3.5 Transcribe staat twintigste met 3,4%. Het goedkopere model is ook het nauwkeurigere, met een marge die groter is dan de hele kloof tussen de negende en de twintigste plaats. Als deze vergelijking alleen over woorden en geld ging, zou ze in één alinea afgedaan zijn. Dat is niet het geval, want Microsoft publiceert geen cijfer voor diarisatiekwaliteit en NVIDIA publiceert er meerdere — en die lege kolom is de reden dat men nog steeds de dure optie zou kiezen.

Wat het bestuur zegt, en wat het niet kan zeggen

Artificial Analysis beoordeelt beide modellen op dezelfde mix van drie datasets, dus de 2,0% tegenover 3,4% is op zijn minst een appels-met-appelsvergelijking van dezelfde index, gemeten door dezelfde operator. Dat is zeldzamer dan het in deze categorie zou moeten zijn, en het verdient serieuze aandacht. MAI Transcribe 2 wordt alleen voorafgegaan door een realtime previewsysteem bovenaan de ranglijst; Nemotron 3.5 Transcribe deelt de positie met drie systemen, waarvan er één een Gemini Flash-Lite-variant is in de minimal-reasoningmodus.

Het eigen lanceringsmateriaal van NVIDIA vermeldt 2,8% AA-WER; als dat stand zou houden, zou het nog steeds een volle acht tienden achter Microsoft zitten. Het live scoreboard noteert 3,4%. Hoe dan ook verandert de rangorde niet, dus anders dan bij de andere confrontaties in deze reeks beslist de discrepantie tussen lanceringsmateriaal en scoreboard hier niets. Microsoft staat simpelweg voor op de maatstaf waarop beide bedrijven hebben afgesproken gemeten te worden.

Wat je voor $0,10 per uur echt kunt kopen

MAI Transcribe 2 is een batchtranscriptiemodel dat is gebouwd voor langdurige audio: vergaderingen, gesprekken, mediabibliotheken, opnames van contactcenters. Het ondersteunt 60 talen met automatische taalidentificatie, bevat sprekerdiarisatie, levert tijdstempels op woordniveau, ondersteunt keyword-biasing voor namen en domeintermen en biedt twee uitvoerstijlen: verbatim, waarbij vulwoorden en valse starts behouden blijven, en clean, waarbij deze worden verwijderd. Microsoft meldt een doorvoer van ongeveer 411× real-time op de snelheidslijst van Artificial Analysis, tweede overall, en in het eigen aankondigingsbericht wordt dat gepresenteerd als tien keer sneller dan GPT Transcribe en vijf keer sneller dan Gemini 3.5 Transcribe.

De functielijst is op papier een superset van wat de meeste teams nodig hebben en een bijna-overeenkomst met die van NVIDIA. Beide bieden diarisatie, beide bieden woordtiming, beide bieden keyword-biasing, beide leveren verbatim en schone output, beide ondersteunen maximaal ongeveer een uur audio, beide zijn alleen batch in de SKU die wordt vergeleken. De verschillen zitten aan de randen: 60 talen tegenover 40, acht sprekers tegenover een ongespecificeerd aantal, en een prijs die drie ordes van grootte gemakkelijker aan een financieel team uit te leggen is.

• Prijs — $0,10 per audio-uur, tijdelijk tot eind 2026, tegenover geen lijsttarief; de kosten betreffen acceleratortijd.

• Nauwkeurigheid — 2,0% AA-WER, rang 2 versus 3,4%, rang 20 (3,4% op het live scorebord; NVIDIA's packet claimt 2,8%).

• Doorvoer — ongeveer 411× realtime versus tot 2.238 seconden audio per seconde op één RTX PRO 6000 Blackwell met NVFP4 en een draft-model, gemeten op clips van 30 seconden bij hoge gelijktijdigheid.

• Talen — 60 met automatische identificatie versus 40 getranscribeerd, 31 vertaald.

• Licentie — propriëtair, alleen API versus OpenMDW-1.1 met downloadbare gewichten.

• Sprekers — diarisatie inbegrepen, geen gepubliceerde DER tegenover tot 8, toegeschreven, in 13 talen, 18,26% DER over 21 talen op de David AI-benchmark.

• Fine-tuning — niet aangeboden vs single-GPU-adaptatie bij 0,5–2,3 GPU-uren per taak.

• Gegevenslocatie — audio verlaat uw netwerk versus zelf te hosten, inclusief offline.

De kolom die Microsoft leeg laat

Microsoft bundelt diarisatie en publiceert geen diarisatiefoutpercentage. Niet eens een zwakke score — helemaal geen. NVIDIA publiceert vier afzonderlijke diarisatieresultaten: 18,26% DER over 21 talen op de David AI-benchmark, het laagste van 14 systemen; 32,4% samengevoegde min-permutatie-WER op VoiceArena's Diarization-Bench, het beste van 14; 8,32% van de referentiewoorden weggelaten bij overlappende Engelse spraak, tegen een mediaan van bijna 31%; en sprekerattributie in 13 talen tegen Microsofts niet-gespecificeerde aantal.

Al die cijfers zijn door leveranciers gerapporteerd op basis van een eigen testopstelling, en de eerlijke lezing is dat ze een claim over capaciteit vormen, niet een bewijs van kwaliteit. Maar de asymmetrie is veelzeggend. Een bedrijf dat een diarisatiegetal heeft, publiceert het, omdat diarisatie het moeilijkste onderdeel van een transcript is om goed te krijgen en het onderdeel waar klanten over klagen. Een bedrijf dat diarisatie bundelt zonder een getal, zegt je daarmee dat het dat niet als verkoopargument beschouwt. Dat kan betekenen dat de functie toereikend en onopvallend is. Het kan betekenen dat ze zwak is. Niets in Microsofts lanceringsmateriaal onderscheidt de twee gevallen, en nog geen enkel onafhankelijk orgaan meet het diarisatiefoutenpercentage op dit fijnmazige niveau.

Voor een verkoopgesprek met twee personen maakt dit niet uit — elk model labelt twee stemmen correct. Voor een boardmeeting met zes personen waarbij door elkaar heen wordt gepraat, is het verschil tussen 18% DER en een onbekend getal het verschil tussen een bruikbaar verslag van minuut tot minuut en een document dat niemand vertrouwt. Dat is de workload waarbij de prijs van de open checkpoint niet meer absurd begint te lijken.

Waarom iemand het dure koopt

Vier redenen, in aflopende orde van hoe vaak ze daadwerkelijk voorkomen in inkoopbeslissingen.

Het eerste is datalokaliteit. MAI Transcribe 2 is een API. De audio verlaat uw netwerk, belandt bij een leverancier en valt onder de bewaartermijnen van die leverancier. Nemotron 3.5 Transcribe draait op hardware die u zelf beheert, inclusief volledig offline, wat voor klinische opnames, juridische procedures, HR-onderzoeken en alles wat onder een regeling voor gegevensresidentie valt geen voorkeur is, maar een vereiste. Geen enkele prijs per uur kan op tegen een compliancebeperking.

Het tweede is permanentie. Microsofts tarief van $0.10 is expliciet een tijdelijke aanbieding die tot eind 2026 loopt, en nergens in het lanceermateriaal is een standaardprijs bekendgemaakt. Een team dat een product op dat bedrag bouwt, bouwt op een promotietarief met een onbekende vervaldatum. Open weights hebben die faalmodus niet: de checkpoint die je hebt gedownload, blijft werken tegen de prijs van elektriciteit, wat de leverancier daarna ook doet.

Het derde punt is adaptatie. NVIDIA meldt fine-tuning op een enkele GPU van 0,5 tot 2,3 GPU-uren per taak, en een casestudy over medische spraak waarin adaptatie het woordfoutpercentage van 30,8% naar 11,8% bracht over 3.619 clips, waarbij holdout-sprekers verbeterden van 22,44% naar 12,17%. Microsoft biedt überhaupt geen mogelijkheid tot fine-tuning. Voor audio met accenten, ruis of veel jargon — precies de audio waarin een gemiddelde van 2,0% een realiteit van 25% wordt — is de mogelijkheid om te adapteren meer waard dan twee punten op de ranglijst. De door mensen beoordeelde Engelse set van Perit vertelt hetzelfde verhaal vanuit de andere richting: die plaatst MAI Transcribe 2 en GPT Transcribe binnen een honderdste punt van elkaar op 1,76%, wat een herinnering is dat deze ranglijsten op schone audio dicht bij elkaar clusteren en zich op alles daarbuiten uitspreiden.

Het vierde punt is dat MAI Transcribe 2 in openbare preview is. Preview betekent geen uptime-verplichting, geen aankondigingsperiode voor deprecatie en een functieset die onder je kan veranderen. Nemotron 3.5 Transcribe is één dag oud en heeft zijn eigen volwassenheidsprobleem — de GGUF-tooling wordt nog steeds beschreven als binnenkort beschikbaar en de gekwantiseerde lokale builds zijn nog niet uitgebracht — maar een checkpoint raakt zijn previewstatus niet kwijt.

De heg die niets kost

De meeste teams hoeven niet te kiezen. Gebruik de goedkope API voor het grootste deel van de wachtrij en stuur de bestanden die het gebouw niet mogen verlaten, of de vergaderingen waarbij sprekerattributie moet kloppen, naar de checkpoint. Die hybride aanpak is goedkoper dan beide pure strategieën en faalt op een elegante manier: als Microsofts promotietarief afloopt op een onaantrekkelijk tarief, is het self-hosted pad al ingericht; als de diarisatieclaim van het open model geen stand houdt bij jouw audio, is de API al aangesloten.

Wat die hedge in de praktijk laat werken, is dat je de twee helften van de pijplijn scheidbaar houdt. Spraakherkenning is één contract; de samenvatter, classifier en router die de transcripties verwerken, vallen onder een ander contract. OrcaRouter dekt de tweede helft af met meer dan 200 tekst- en multimodale modellen achter één sleutel, lijstprijzen van providers doorgegeven met 0% opslag — zodat een prijsverlaging van een leverancier dezelfde dag op je factuur terechtkomt en niet pas bij de volgende contractverlenging — plus automatische failover en een routing-DSL waarmee verschillende transcriptieklassen naar verschillende modellen kunnen worden geleid. MAI Transcribe 2 en Nemotron 3.5 Transcribe staan geen van beide in die catalogus, en wij bieden überhaupt geen spraak-naar-tekst aan, dus het transcriptiecontract blijft waar je het hebt ondertekend. Het punt is alleen dat het model dat daarop volgt, niet aan dezelfde leverancier vastgekoppeld moet zijn.

De uitspraak, naar volume

Bij ongeveer een paar honderd audio-uren per maand, zonder beperking op dataresidentie en zonder vereiste voor sprekerattributie buiten tweepartijgesprekken, is MAI Transcribe 2 de betere aankoop op elke as die in een spreadsheet voorkomt: goedkoper, nauwkeuriger op de gedeelde index, sneller en vandaag beschikbaar zonder provisioning. De promotieprijs is een reëel risico en het waard om te modelleren bij twee of drie keer het huidige tarief, maar hij maakt een verschil van drie ordegroottes niet ongedaan.

Boven dat volume, of met een van de vier bovenstaande beperkingen erbij, keert de rekensom om — niet omdat het open model per uur goedkoper is, maar omdat de uren helemaal niet meer te koop zijn. De argumentatie voor Nemotron 3.5 Transcribe steunt op sprekers, talen, lokaliteit, aanpassing en permanentie, ongeveer in die volgorde. De argumentatie voor de nauwkeurigheid ervan steunt op een claim van de leverancier die de openbare ranglijst momenteel niet ondersteunt, en wie "eerste onder de open gewichten" herhaalt alsof daarmee de vergelijking is beslecht, citeert een dia in plaats van een meting.