Nemotron 3.5 Transcribe kontra Grok Voice Transcribe 2.0: otwarte wagi na Twoim GPU czy 0,20 USD za godzinę

Grok Voice Transcribe 2.0 pobiera 0,20 USD za każdą godzinę dźwięku przesyłanego strumieniowo i 0,10 USD za każdą godzinę przetwarzaną wsadowo. Nemotron 3.5 Transcribe nie pobiera żadnej opłaty za godzinę i wymaga posiadania GPU, który pomieści około 34 miliardów parametrów. Przeczytaj tylko to zdanie, a porównanie wygląda jak wojna cenowa między licznikiem a maszyną — z góry skazaną na porażkę licznika. Wcale nie przegrywa: na jednej tablicy wyników benchmarków, na której pojawiają się oba modele, ten rozliczany jest dokładniejszy, a otwarty nie jest na tyle blisko, by podważać ten wynik.

Dwa produkty trafiły na rynek w odstępie sześciu tygodni — Grok Voice Transcribe 2.0 w dniu 2026-09-18, Nemotron 3.5 Transcribe w dniu 2026-10-28 — i powstały do różnych zadań. Jedno to hostowane API z WebSocketem, które zwraca słowa, gdy osoba wciąż mówi. Drugie to checkpoint, który pobierasz, ładujesz i wskazujesz na gotowe nagranie. Opóźnienie, liczba języków, etykiety mówców, struktura kosztów, a nawet warunki prawne — wszystko to wynika z tej jednej różnicy, dlatego ciekawym pytaniem nie jest, które z nich transkrybuje lepiej.

Czym jest każdy z nich, w sześciu wersach

Kontrast kształtów jest tak jaskrawy, że lista specyfikacji brzmi jak błąd kategorii — i właśnie o to chodzi.

• Wdrażanie — hostowane API REST i WebSocket w infrastrukturze własnej xAI kontra otwarte wagi udostępniane na warunkach OpenMDW-1.1, które samodzielnie serwujesz za pomocą vLLM, SGLang-Omni lub NeMo Speech.

• Rozmiar — xAI nie podaje liczby parametrów, natomiast łącznie wynosi ona 34B, z czego około 4,3B jest aktywnych, w tym enkoder audio, przy czym model opiera się na szkiełecie Mamba i Transformer typu mieszanka ekspertów Nemotron 3.5 Lightning 30B-A3B.

• Audio wejściowe — pliki do 500 MB w dwunastu formatach kontenerowych oraz trzy surowe kodowania, z 2–8 kanałami w trybie wielokanałowym, w porównaniu z nagraniami do jednej godziny w 16 kHz mono PCM w kontekście 65 536 tokenów.

• Ścieżka czasu rzeczywistego — strumieniowanie z wynikami tymczasowymi mniej więcej co 500 ms, endpointing domyślnie ustawiony na 400 ms, inteligentne wykrywanie tur oraz osobny endpoint przetwarzania wsadowego, w przeciwieństwie do całkowitego braku strumieniowania; model odczytuje gotowy plik i zwraca transkrypcję.

Pokrycie językowe — 37 języków wymienionych w dokumentacji xAI i opisanych tam jako 38+, w porównaniu z 40 językami transkrybowanymi i 31 parami tłumaczeniowymi do lub z angielskiego na karcie NVIDIA.

• Etykiety mówców — flaga diarize, która dodaje numeryczny identyfikator mówcy do każdego słowa, dostępna w trybie wsadowym i strumieniowym, w porównaniu z fuzyjnym enkoderem diarizacji, który generuje transkrypcje z przypisanymi mówcami w jednym przebiegu dla maksymalnie 8 mówców w 13 językach.

• Cena — $0.10 za godzinę audio w trybie wsadowym i $0.20 za godzinę audio w trybie strumieniowym, w porównaniu z brakiem publikowanej stawki godzinowej, ponieważ NVIDIA sprzedaje wagi, a moc obliczeniową dostarcza użytkownik.

Jedyna tablica, na której się spotykają — i nie pęka tak, jak się spodziewasz.

Artificial Analysis prowadzi ranking transkrypcji mowy z dwoma torami: torem wsadowym dla gotowych plików oraz torem strumieniowym dla modeli generujących wyniki częściowe. Nemotron 3.5 Transcribe kwalifikuje się tylko do pierwszego. Tam Grok Voice Transcribe 2.0 plasuje się na poziomie 2,3% AA-WER, na piątym miejscu wśród około sześćdziesięciu modeli, podczas gdy model NVIDIA podano jako 2,80% w materiałach premierowych, a w tabeli na żywo w dniach po premierze widnieje 3,4%. Czy przyjmiemy 2,8%, czy 3,4%, model hostowany wygrywa na jedynej skali wspólnej dla obu — przewagą od pół punktu do pełnego punktu.

Ten wynik jest mniej szkodliwy, niż wygląda na pierwszy rzut oka, ponieważ oba modele nie znajdują się na liście rankingowej z tego samego powodu. NVIDIA twierdzi, że Nemotron 3.5 Transcribe jest najlepszym modelem mowy o otwartych wagach i na tej węższej liście rankingowej rzeczywiście nim jest: wygrywa porównanie z innymi checkpointami do pobrania, gdzie 2,8% to wynik, który trzeba pobić. Grok Voice Transcribe 2.0 jest własnościowy i rywalizuje w innej kategorii. Zestawianie ich ze sobą daje nagłówek — „model hostowany bije model otwarty o 0,5 punktu” — który mierzy mieszankę benchmarków, a nie decyzję produktową.

W ścieżce streamingu asymetria staje się strukturalna, a nie statystyczna. Grok Voice Transcribe 2.0 zajmuje najwyższą pozycję w streamingu z końcowym WER wynoszącym 2,7%, emitowanym 0,49 sekundy po zakończeniu mowy, oraz 3,4% na pierwszym wyniku częściowym przy tym samym opóźnieniu — pierwszy spośród około trzydziestu dwóch modeli streamingowych. Nemotron 3.5 Transcribe nie ma wpisu, ponieważ nie potrafi streamować. Jest modelem typu plik-wejściowy, transkrypcja-wyjściowa, a nie udokumentowano dla niego żadnej ścieżki streamingu z podziałem na fragmenty. Każdy, kto porównuje te dwa modele pod względem dokładności, planując wdrożenie napisów na żywo, porównuje model, którego nie może użyć.

Oba rankingi zawierają etykietę ostrzegawczą, którą warto powtórzyć. AA-WER zmienia się o prawie pełny punkt dla tego samego modelu w różnych punktach końcowych udostępniania, więc wspomniana różnica 0,5 punktu odpowiada w przybliżeniu szerokości szumu pomiarowego — jest realna co do kierunku, ale słaba jako werdykt. A własny wskaźnik xAI wynoszący 6,8% dla wielojęzycznych krótkich zwrotów, w dół z 20,6% w wersji 1.0, pochodzi ze zbioru wewnętrznego zbudowanego z ruchu produkcyjnego, a nie z udostępnionego korpusu. To deklaracja dostawcy dotycząca zbioru dostawcy i w ogóle nie pojawia się na Artificial Analysis.

Streaming to granica, której otwarty model nie może przekroczyć.

Dla agenta centrum obsługi telefonicznej, napisów na żywo, asystenta spotkań lub bota głosowego decyzja zapada, zanim jeszcze weźmie się pod uwagę dokładność. Grok Voice Transcribe 2.0 przyjmuje surowe binarne ramki audio przez WebSocket — pcm, mulaw, alaw lub opus — zwraca wyniki pośrednie mniej więcej dwa razy na sekundę i dostarcza sygnały końca tury dzięki wykrywaniu punktów końcowych i inteligentnemu wykrywaniu tur. To właśnie te mechanizmy sprawiają, że transkrypcja wydaje się działać na żywo, i dlatego Loom od Atlassian przeniósł swoją bibliotekę wideo na ten model już w momencie startu.

Nemotron 3.5 Transcribe ma celowo odwrotny profil. Odczytuje nawet godzinę dźwięku w jednym przebiegu i zwraca kompletny transkrypt, ze znacznikami czasu słów tworzonymi przez lekki adapter CTC po wygenerowaniu, a nie w jego trakcie. Taki projekt zapewnia dokładność w przypadku długich, nieuporządkowanych nagrań, ale kosztuje opóźnienie w każdym krótkim, interaktywnym zastosowaniu. NVIDIA ma w swojej ofercie osobny, znacznie mniejszy strumieniowy rozpoznawacz mowy — Nemotron Speech Streaming EN 0.6B — ale to inny model o innym zakresie, a nie tryb strumieniowy tego checkpointu. Kupowanie modelu 30B w nadziei, że później dokręci się strumieniowanie, to kupowanie niewłaściwej rzeczy dwa razy.

Czterdzieści języków wobec trzydziestu siedmiu i liczba, która się zmieniła

Na papierze różnica wynosi trzy języki. W praktyce zależy, którą stronę czytasz. Dokumentacja xAI dotycząca zamiany mowy na tekst wymienia 37 nazwanych języków — od arabskiego i bośniackiego po urdu i wietnamski, wraz z wariantami regionalnymi hiszpańskiego, portugalskiego i arabskiego — a łączną liczbę opisuje jako 38+. Publikowane około wrześniowego uruchomienia informacje o zakresie podawały 25. Dokumentacja jest bardziej aktualnym i bardziej szczegółowym źródłem, jednak liczba języków zmieniająca się o trzynaście między postem premierowym a stroną dokumentacji to liczba, którą należy zweryfikować na własnym nagraniu, zamiast ją przyjmować.

Karta NVIDIA jest bardziej szczegółowa i, wyjątkowo, bardziej konserwatywna: 40 języków z tabelą zaznaczeń dla każdego języka, przy czym 13 z nich oznaczono jako obsługujące transkrypcję wielu mówców. Te, które mają znaczenie dla przypisywania wypowiedzi mówcom, to węższy zestaw niż 40 — arabski, chiński mandaryński, angielski, francuski, niemiecki, hindi, włoski, japoński, koreański, portugalski, rosyjski, hiszpański i tajski. Jeśli Twoje archiwum jest w języku polskim lub tureckim, Nemotron 3.5 Transcribe dobrze je transkrybuje, ale nie powie Ci, kto co powiedział — a to właśnie funkcja, którą prawdopodobnie kupowałeś.

Kolumna tłumaczenia jest tutaj dostępna wyłącznie w Nemotronie. Model tłumaczy do i z angielskiego w 31 parach językowych w tym samym przebiegu, w którym dokonuje transkrypcji, czego Grok Voice Transcribe 2.0 nie oferuje; API xAI zwraca tekst w języku mówionym. Jeśli zadaniem są dwujęzyczne protokoły spotkań, to jest funkcja, której żadna inżynieria promptów po stronie Grok nie odtworzy.

Etykiety mówców: scalony enkoder w zestawieniu z wartością logiczną

To jest jedyny wymiar, w którym oba są sobie bliższe, niż sugeruje marketing, i w którym uczciwa odpowiedź brzmi: oba to robią.

• Nemotron 3.5 Transcribe — zamrożony model Nemotron 3 Diarization przekazuje reprezentacje aktywności mówców do enkodera ASR, dzięki czemu model językowy widzi, kto mówi, jako część swojego wejścia. Dane wyjściowe zawierają znaczniki mówców i surowe segmenty, do 8 mówców oraz znaczniki czasu na poziomie słów. To pojedynczy przebieg, bez dodatkowej usługi pośredniej.

• Grok Voice Transcribe 2.0 — ustaw diarize=true, a każde słowo wróci z całkowitym licznikiem mówcy (integer speaker field), zarówno w trybie wsadowym, jak i strumieniowym. Tryb wielokanałowy idzie dalej: do 8 kanałów transkrybowanych niezależnie i zwracanych z indeksem kanału — co daje dokładne przypisanie, gdy źródłem jest nagranie wielokanałowe, a nie zmiksowane.

Praktyczna różnica dotyczy zasięgu, nie istnienia. Flaga Groka działa w językach obsługiwanych przez jego API; ścieżka fused NVIDII jest wytrenowana dla 13. A wielokanałowość to realna zaleta w pomieszczeniach, w których ma zastosowanie — w sali posiedzeń z jednym mikrofonem na miejsce diarizer nie musi zgadywać. Wymaga tego zmiksowany plik mono z sali konferencyjnej i tam różnicę jakości między enkoderem fused a hostowaną flagą rozstrzygnie tylko własne audio.

Arytmetyka przy tysiącu godzin miesięcznie

Cena to punkt, w którym te dwa modele naprawdę się różnią, i warto policzyć sumę, zamiast wymieniać się anegdotami o rachunkach za GPU.

Przy 1000 godzin audio miesięcznie Grok Voice Transcribe 2.0 kosztuje 100 USD w trybie wsadowym lub 200 USD w trybie strumieniowym — 1200 USD lub 2400 USD rocznie, bez sprzętu, bez okna konserwacyjnego i bez zimnego startu. Nemotron 3.5 Transcribe kosztuje tyle, ile kosztuje GPU. Strona badawcza NVIDIA twierdzi, że checkpoint NVFP4 z modelem draft DFlash2 transkrybuje 2238 sekund audio na sekundę na pojedynczym RTX PRO 6000 Blackwell, co nawet po obniżeniu o rząd wielkości mieści 1000 godzin audio w kilku godzinach GPU miesięcznie. Moc obliczeniowa nie jest ograniczeniem; własność jest.

Wyrównanie kosztów względem stawki strumieniowej — karta do stacji roboczej za 8000 USD zwraca się po 40 miesiącach przy 1000 godzin strumieniowania lub po 80 miesiącach względem stawki wsadowej.

• Przy 10 000 godzin miesięcznie — ta sama karta zwraca się w ciągu czterech miesięcy w porównaniu ze streamingiem, a stawka za godzinę spada do około 2 centów.

Wypożyczony GPU w chmurze — H100 za około 2 USD za godzinę przebija ceny katalogowe obu modeli, gdy tylko deklarowana przez dostawcę przepustowość potwierdzi się choćby w ułamku podanej wartości; kosztem stałym staje się czas pracy inżynierów, pamięć masowa oraz fakt, że utrzymujesz teraz serwer modelu.

Punkt opłacalności nie dotyczy więc wcale dokładności transkrypcji. Chodzi o wolumen i o to, czy audio może opuścić Twoją sieć. Poniżej kilku tysięcy godzin miesięcznie stawka usługi hostowanej jest niższa niż koszt inżynierii. Powyżej tego progu albo za barierą zgodności wygrywają wagi modelu i porównanie się odwraca.

Gdzie OrcaRouter pasuje, a gdzie nie

Żaden z tych transkryberów nie znajduje się dziś w katalogu OrcaRouter — udostępniamy modele tekstowe i wizyjne, więc nic tutaj nie powinno być odczytywane jako endpoint dla któregokolwiek z nich. Potok transkrypcji generuje natomiast dużą stertę tekstu, którą trzeba następnie streścić, wydobyć z niej encje, zredagować, sklasyfikować i przeszukać. Właśnie na te wywołania pojedynczy klucz zgodny z OpenAI obejmujący ponad 200 modeli zarabia na siebie: cena katalogowa dostawcy przekazywana bez narzutu (0%), więc obniżka ceny przez dostawcę trafia do Ciebie tego samego dnia, automatyczne przełączanie awaryjne, gdy jeden upstream zawodzi, oraz DSL routingu, który potrafi kierować tanie zadania klasyfikacji do małego modelu, a kosztowne streszczanie utrzymać na modelu frontier. Jeśli hostujesz Nemotron 3.5 Transcribe samodzielnie, GPU jest Twoim transkryberem; routing to to, co dzieje się z transkryptem później.

Który wybrać?

Decyzja dotyczy zegara w audio, a nie karty modelu.

• Dźwięk na żywo, agenci głosowi, napisy, routing połączeń — Grok Voice Transcribe 2.0, bez większych dyskusji. Strumieniowanie jest natywne, opóźnienie do finalnego transkryptu wynosi poniżej pół sekundy, a endpoint wsadowy to ten sam model do nocnego backfillu.

• Ukończone nagrania z wieloma rozmówcami, w językach innych niż angielski — Nemotron 3.5 Transcribe, pod warunkiem że dysponujesz GPU, a ścieżka rozmówców dla 13 języków obejmuje twoje audio. To właśnie ten przypadek, dla którego model powstał, i w którym 40 języków oraz jednoprzebiegowa diaryzacja przewyższają 0,5-punktową różnicę w dokładności.

• Dwujęzyczne archiwa — Nemotron 3.5 Transcribe, ponieważ pary tłumaczeniowe są dostarczane w ramach tego samego przebiegu, a Grok nie tłumaczy.

• Mały wolumen, brak GPU, tylko angielski — Grok Voice Transcribe 2.0 w trybie wsadowym za 0,10 USD za godzinę. Tysiąc godzin kosztuje sto dolarów; żadna swoboda licencyjna modeli open-weight nie zrekompensuje zakupu karty Blackwell, by zaoszczędzić tę kwotę.

Kusząca czwarta odpowiedź — wdrożyć Nemotron teraz i dodać streaming później — nie istnieje. Model dostarczony przez NVIDIA jest celowo offline, a sprzedawana obok niego linia streamingowa to angielski model rozpoznawania mowy 0,6B, a nie tryb tego modelu. Najpierw wybierz wariant, którego potrzebujesz; argument dotyczący rankingu może poczekać, ponieważ pół punktu AA-WER mieści się z zapasem w przedziale wahań tego samego modelu przy zmianie hostów.