
Scribe v3 Live Medical против GPT Transcribe: две разные шкалы времени
- GoogleНОВИНКАGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 за 1 млн токенов · 89 tok/s
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 97 tok/s
- orcaНОВИНКАOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaНОВИНКАOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 за 1 млн токенов · 88 tok/s
- OrcaНОВИНКАOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 134 tok/s
- OrcaНОВИНКАOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 за 1 млн токенов · 87 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 за 1 млн токенов · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 за 1 млн токенов · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Интеллект
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 за 1 млн токенов · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 120 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 за 1 млн токенов · 187 tok/s
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 за 1 млн токенов · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Интеллект
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Интеллект
Эти две модели не конкуренты, и самый быстрый способ зря потратить квартал — считать их единым целым. GPT Transcribe — это офлайн-модель OpenAI для распознавания речи: вы отправляете готовый аудиофайл в эндпоинт транскрипции, и возвращается полный отформатированный транскрипт. Она не может слушать звонок, который идёт в данный момент, — документация OpenAI прямо это подтверждает и направляет всех, кому нужен стриминг, к gpt-live-transcribe или gpt-realtime-whisperвместо этого. Scribe v3 Live Medical устроена противоположным образом: это клиническая дообученная модель реального времени, которая существует только внутри ElevenAgents и транскрибирует звонки пациентов, участников и поставщиков, пока звонящий ещё на линии, чтобы агент мог отреагировать на дозировку до того, как закончится предложение.
Итак, честный вопрос не в том, какая модель лучше. А в том, по каким часам работает ваш рабочий процесс. Если человеку или модели нужно действовать во время разговора — ответить на вопрос, уточнить льготу, выявить противопоказание — GPT Transcribe исключается ещё до начала любого сравнения точности, а единственный вариант OpenAI в этом сегменте стоит в 3,8 раза дороже за минуту. Если транскрипт — это документ, создаваемый постфактум, Scribe v3 Live Medical непригоден по совершенно другой причине: у него нет API, нет ID модели и нет цены, и его нельзя вызвать ни из чего, кроме агента ElevenAgents.
Часы, по которым работает каждый из них
Тарификация GPT Transcribe составляет $0,0045 за минуту, или $0,27 за час аудио, а его ограничения — это ограничения файла: эндпоинт транскрипции OpenAI принимает до 25 МБ на запрос, и модель возвращает транскрипт с применёнными языковыми подсказками. Промежуточного результата нет, потому что нечего делать частично. Для записанного визита, надиктованной заметки, пакета архивных звонков это в точности подходящая форма, и это один из более дешёвых способов получить слова из аудио.
Потоковое направление OpenAI — это отдельная продуктовая линейка с другим тарифом: gpt-live-transcribeтарифицируется по $0.017 за минуту, около $1.02 за час аудио. Это цена работы в реальном времени — в 3,8 раза выше тарифа пакетной обработки для транскрипции того же поставщика, и это ещё до обсуждения точности. Именно здесь на самом деле и сосредоточена компетенция OpenAI в транскрипции в реальном времени, и если вы сравниваете живую транскрипцию с живой транскрипцией, то именно эту модель нужно сопоставлять с Scribe v3 Live, а не с GPT Transcribe.
Отсчёт времени для Scribe v3 Live Medical — это продолжительность разговора внутри ElevenAgents. Файла нет. Есть поток в форме WebSocket, которым управляет платформа, модель реплик, которая определяет, когда вызывающий закончил говорить, и транскрипт, который агент потребляет, чтобы действовать. ElevenLabs не публикует показатель задержки для медицинского варианта; показатель для семейства таков: у Scribe v3 Live семантическая частота ошибок в словах на 44% ниже, чем у Scribe v2 Realtime, у которого медианное время до зафиксированного транскрипта составляет около 150 мс. ElevenLabs утверждает, что медицинская дообученная модель соответствует Scribe v3 Live по задержке.

Точность: одна проверенная цифра, одна цифра от поставщика, без пересечений
GPT Transcribe имеет общедоступный, независимо измеренный показатель частоты ошибок в словах: 3,31% в бенчмарке AA-WER от Artificial Analysis, который на момент запуска в июле 2026 года поставил его на девятое место среди примерно пятидесяти отслеживаемых систем, с субпоказателями: 2,22% для аудио разговоров агентов, 2,72% для VoxPopuli и 6,10% для звонков по финансовым результатам. Самое интересное — это разброс внутри одного этого числа: звонки по финансовым результатам с их акцентами, наложением речи и отраслевым жаргоном почти втрое сложнее для него, чем чистая речь агентов. Клиническая консультация находится где-то внутри этого разброса, и никто не измерял, где именно.
Показатель Scribe v3 Live Medical — 12,8% частоты ошибок в словах на PriMock57, выбранном ElevenLabs наборе из 57 имитационных консультаций первичной медицинской помощи, против 15,5–17,2% у четырёх конкурирующих моделей реального времени в том же прогоне поставщика. Его нельзя сравнивать с 3,31% ни в ту, ни в другую сторону, и не только из-за корпуса: эти два показателя получены с разными тестовыми стендами, в разных аудиоусловиях и, что критически важно, при разной задержке. Пакетная модель может просмотреть весь файл; потоковая модель выдаёт результат, не зная, что будет дальше. WER потоковых моделей систематически хуже WER пакетных на одном и том же аудио, поэтому Artificial Analysis публикует эти два показателя на отдельных таблицах.
Утверждение, которое можно обосновать: GPT Transcribe — хорошо измеренная пакетная модель с низкими однозначными показателями на общей речи; Scribe v3 Live Medical — измеренная производителем потоковая модель, которая превосходит аналогичные модели реального времени на клиническом аудио примерно на три пункта; и нет ни одного публичного эксперимента, который сравнивал бы их на одной и той же записи.

Адаптация к предметной области — вот в чём заключается настоящая разница.
Клиническая лексика — вот ради чего вообще существует модель ElevenLabs, и она решает проблему двумя способами: дообученная модель, нацеленная на названия лекарств, анатомию и патологию, и механизм ключевых терминов, который принимает до 10 000 пользовательских терминов — формуляр, реестр врачей, специализированный словарь — и включает их без дополнительной платы. ElevenLabs честно говорит об ограничении в собственном FAQ: модель применяет термин, только когда аудио с большой вероятностью ему соответствует, а изолированные названия препаратов без контекста — самый сложный случай для любой модели. Пример транскрипта построен на более простом варианте: название препарата внутри предложения с указанной дозировкой.
Подход OpenAI — это инструкции, а не дообучение. GPT Transcribe принимает списки ключевых слов и свободный промпт, описывающий, о чём аудио, а в режиме реального времени модель переносит ранее транскрибированные реплики вперёд как контекст. Собственное измерение OpenAI этой контекстной обусловленности на бенчмарке Context Aware ASR повысило семантическую точность с 38,5% до 44,6% для модели реального времени — цифра, заявленная производителем, которая измеряет, сохранился ли смысл, а не то, были ли слова правильными.
Практический компромисс, и вполне реальный: модель, обусловленная промптом, может быть радикально лучше, чем показывает её исходный бенчмарк, когда вы сообщаете ей, чего ожидать, — и при этом она может галлюцинировать подсказанные вами ключевые слова. Введите «metformin» в промпт, и модель, которая не различает это слово, всё равно может его выдать. Модель со смещением в сторону ключевых терминов деградирует более плавно, потому что смещение сдвигает вероятность, а не утверждает наличие. Ни один из этих режимов отказа не виден в таблице лидеров. Оба проявляются в клинических записях, где галлюцинированная дозировка хуже пустого места.
Вопрос соответствия решается формой, а не картой показателей.
Для организации, подпадающей под регулирование (covered entity), именно этот раздел фактически завершает оценку. ElevenLabs заявляет, что Scribe v2 Medical — пакетный вариант, тот, который можно вызывать через API, — отвечает критериям HIPAA при наличии соглашения о деловом партнёре (Business Associate Agreement) и режима нулевого хранения (Zero Retention Mode), и что при включённом ZRM аудио и транскрипт не сохраняются после обработки. В его документации содержится более строгое предупреждение для модели реального времени с ранним доступом: не отправляйте защищённую медицинскую информацию в Scribe v3 Live Medical, пока для неё не подтверждено соответствие критериям HIPAA, а во время раннего доступа размещение данных в ЕС недоступно. Эти два утверждения сосуществуют на сайте ElevenLabs, и это не одно и то же утверждение.
Со стороны OpenAI эндпоинт транскрипции — это стандартный корпоративный API с обычным подходом к обработке данных; он не продаётся как клинический продукт и не имеет медицинской донастройки. Зато у него есть практическое преимущество пакетной модели: PHI покидает ваш периметр один раз, в выбранном вами файле, на известный вам срок, и возвращается в виде текста, который вы храните сами. Здесь нет постоянного потока, о котором нужно беспокоиться.
Эта асимметрия срабатывает в неожиданном направлении. Пакетный конвейер проще привести в соответствие требованиям именно потому, что в нём меньше движущихся частей, и если ваш клинический рабочий процесс допускает задержку в несколько минут — фоновое документирование, просматриваемое после визита, черновик записи, подготовленный для подписания врачом, — то GPT Transcribe с тщательно продуманным промптом и списком ключевых слов представляет собой более простую задачу обеспечения соответствия, чем модель реального времени с ранним доступом, которая пока не имеет права работать с PHI.
Стоимость за тысячу вызовов, обе формы
Тысяча десятиминутных клинических звонков — это 10 000 минут. На GPT Transcribe это $45. В live-режиме OpenAI это $170. В Scribe v3 Live Medical нечего вычислять, потому что модель входит в подписку ElevenAgents с ценой за минуту разговора и поставляется в комплекте с LLM, синтезом речи, телефонией и обработкой перехода реплик. Будет ли этот пакет дешевле, чем $45 плюс ваш собственный стек агентов, полностью зависит от того, сколько стоит ваш собственный стек агентов, а цену ElevenLabs нельзя разложить на отдельную строку ASR.
Декомпозируемой является ветвь рассуждений, и именно она масштабируется с длительностью звонка, а не с длительностью аудио. Клинический агент, который читает транскрипт и что-то решает, вызывает LLM на каждом ходу; OrcaRouter предоставляет 215 моделей через один OpenAI-совместимый API с наценкой 0%, цены из прайс-листов провайдеров передаются без изменений, поэтому модель, стоящую за любым из транскрайберов, можно заменить или обеспечить для неё автоматическое переключение при сбое, не затрагивая аудиотракт. Мы не предоставляем Scribe v3 Live Medical или какую-либо модель транскрипции OpenAI, и ни один из тарифов, указанных выше, не является нашим.

Как решить
Если транскрипт должен существовать, пока звонящий ещё говорит, GPT Transcribe — неподходящая модель, и честное сравнение нужно проводить с live-эндпоинтом OpenAI за $0,017 в минуту. Переходите на ElevenAgents, если вам нужен клинический файнтюн с детекцией реплик и вы принимаете комплаенс-позицию раннего доступа; переходите в live-контур OpenAI, если вам нужен вызываемый эндпоинт, опубликованная цена и контекстное обусловливание, и вы готовы тестировать галлюцинации на собственном формуляре.
Если транскрипт — это документ, то здесь даже не близкое сравнение. GPT Transcribe дешевле, прошёл независимое тестирование, доступен для вызова уже сегодня и лицензирован именно для вашего сценария «файл на входе — текст на выходе». Собственный ответ ElevenLabs в этой нише — Scribe v2 Medical по цене $0.20 в час с на 15% меньшим числом ошибок, чем у Scribe v2, на клинических тестовых аудиозаписях — настоящий конкурент, и притом другой: не та модель, что указана в этом заголовке.
Ловушка этого сопоставления в том, что оба названия содержат слово transcribe, а оба производителя публикуют долю ошибок в словах, так что сравнение напрашивается само собой. Но не должно. Одна модель читает файлы; другая слушает людей. Сначала определитесь с часами, а потом спорьте о точности внутри них.
