
Scribe v3 Live Medical vs MAI Transcribe 2 Streaming: มีเพียงหนึ่งเดียวเท่านั้นที่มีราคา
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 89 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 97 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-079 tok/s
- Orcaใหม่OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 88 tok/s
- Orcaใหม่OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 134 tok/s
- Orcaใหม่OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 ต่อ 1 ล้านโทเค็น · 87 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447ความฉลาด
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 120 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 ต่อ 1 ล้านโทเค็น · 187 tok/s
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855ความฉลาด
เมื่อนำ Scribe v3 Live Medical และ MAI-Transcribe-2-Streaming มาเทียบกัน ความแตกต่างแรกไม่ใช่ความแม่นยำ ความหน่วง หรือจำนวนภาษา แต่คือหนึ่งในนั้นเป็นผลิตภัณฑ์ ส่วนอีกอันเป็นฟีเจอร์ MAI-Transcribe-2-Streaming มีสตริงโมเดลที่คุณส่งไปยัง API มีอัตราค่าบริการที่ประกาศไว้ มีสถานะพรีวิว มีภูมิภาค Azure ที่ระบุชื่อสี่ภูมิภาค และมีเส้นทางการผสานรวมที่มีเอกสารประกอบสองเส้นทาง Scribe v3 Live Medical มีดรอปดาวน์ในการตั้งค่าของเอเจนต์ ElevenAgents มีเกตการเข้าถึงช่วงแรกเริ่ม และไม่มีราคาของตัวเองเพราะถูกรวมไว้ในการสมัครสมาชิก Microsoft ส่งมอบระบบถอดเสียง ส่วน ElevenLabs ส่งมอบความสามารถที่อยู่ในแพลตฟอร์มที่บริษัทขายด้วย
ความไม่สมมาตรนั้นทำให้การเปรียบเทียบความแม่นยำเป็นส่วนที่มีประโยชน์น้อยที่สุดของหน้านี้ และการเปรียบเทียบด้านการจัดซื้อเป็นส่วนที่มีประโยชน์ที่สุด อย่างไรก็ตาม ตัวเลขเหล่านี้ก็ควรค่าแก่การระบุไว้ เพราะตัวเลขของ Microsoft คือฝ่ายที่ดุดันกว่า: อัตราความผิดพลาดระดับคำแบบสตรีมมิ่งที่อ้างว่า 2.5% ภายใน 0.13 วินาทีจนถึงทรานสคริปต์สุดท้าย เทียบกับ 12.8% ของ ElevenLabs ในการปรึกษาทางคลินิกจำลอง ตัวเลขสองตัวนี้ห่างกันถึงห้าเท่าและแทบไม่ได้อธิบายสิ่งเดียวกันเลย ซึ่งเป็นเหตุผลว่าทำไมการจับคู่นี้จึงต้องใช้ความระมัดระวังมากกว่าการตัดสินชี้ขาด
สิ่งที่ Microsoft ส่งมอบจริง
MAI-Transcribe-2-Streaming เป็นคู่หูแบบเรียลไทม์ของ MAI-Transcribe-2 ซึ่งเป็นโมเดลแบบแบตช์ภายในของ Microsoft AI เปิดตัวเมื่อวันที่ 1 ตุลาคม 2026 ในรูปแบบพับลิกพรีวิว ประมาณหนึ่งเดือนหลังจากการเปิดตัวเวอร์ชันแบตช์ และให้บริการผ่านสแต็กเสียงพูดของ Azure แทนที่จะเป็นเอนด์พอยต์ AI แยกต่างหาก มีเส้นทางการผสานรวมที่มีเอกสารประกอบอยู่สองเส้นทาง ได้แก่ WebSocket ที่เข้ากันได้กับ OpenAI Realtime และ Azure Speech SDK ซึ่งจัดการการเชื่อมต่อ การลองใหม่ และการสตรีมเสียงให้คุณ ทั้งสองเส้นทางส่งคืนผลลัพธ์ระดับกลางที่อัปเดตในตำแหน่งเดิม และผลลัพธ์สุดท้ายที่ยืนยันแต่ละเซกเมนต์
ข้อกล่าวอ้างที่ Microsoft แนบมากับสิ่งนี้ ซึ่งระบุว่าเป็นข้อกล่าวอ้างของผู้จำหน่ายเพราะนั่นคือสิ่งที่มันเป็น: อันดับหนึ่งด้านความแม่นยำทั้งในทรานสคริปต์ฉบับสมบูรณ์และฉบับบางส่วนในการประเมินแบบสตรีมมิ่งของ Artificial Analysis ที่อัตราคำผิด 2.5% โดยทรานสคริปต์ฉบับสมบูรณ์พร้อมภายใน 0.13 วินาทีหลังสิ้นสุดการพูด และ 2.5% ในฉบับบางส่วนแรกที่ 0.12 วินาที ข้อควรระวังสำคัญซึ่งการเปิดตัวแบบแบตช์ได้แบ่งปันไปด้วย: ตัวติดตามยังไม่ได้พล็อตโมเดลนี้เป็นแถวข้อมูล Microsoft กำลังอ้างผลลัพธ์ตามระเบียบวิธีของบุคคลที่สาม ไม่ได้อ้างอิงการวัดที่เผยแพร่โดยบุคคลที่สาม ผู้นำด้านสตรีมมิ่งที่แท้จริงบนบอร์ด ณ เวลาที่ร่างคือ Grok Voice Transcribe 2.0 ที่ 2.73% และ 0.49 วินาที
ส่วนอื่นๆ เกี่ยวกับมันเป็นเรื่องปกติและมีเอกสารประกอบอย่างดี: 60 ภาษา พร้อมการตรวจจับภาษาต่อเนื่องอัตโนมัติ การสลับภาษา (code-switching) สำหรับคู่ภาษาผสมอย่าง Hinglish และ Spanglish ข้อกล่าวอ้างเรื่องความทนทานต่อเสียงรบกวน และความพร้อมใช้งานใน Sweden Central, Central US, East US 2 และ Southeast Asia ข้อความปฏิเสธความรับผิดชอบสำหรับ preview เป็นถ้อยคำมาตรฐานของ Azure — ไม่มีข้อตกลงระดับการให้บริการ (SLA) และไม่แนะนำสำหรับเวิร์กโหลดโปรดักชัน

สิ่งที่ ElevenLabs เปิดตัว และเหตุใดจึงอยู่ในหมวดหมู่ที่แตกต่างออกไป
Scribe v3 Live Medical อยู่ในตระกูล Scribe v3 ที่เปิดตัวเมื่อวันที่ 9 พฤศจิกายน 2026 และเป็นสมาชิกแบบเรียลไทม์ด้านการแพทย์ของตระกูลนี้ เอกสารของ ElevenLabs ระบุขอบเขตอย่างชัดเจนว่า ใช้งานได้ใน ElevenAgents เท่านั้น ไม่สามารถใช้งานผ่าน Speech to Text API ได้ และหากคุณต้องการถอดเสียงทางการแพทย์ผ่าน API ควรใช้ Scribe v2 Medical — โมเดลแบบแบตช์ ในราคา $0.20 ต่อชั่วโมง ซึ่งเป็นผลิตภัณฑ์ปกติที่มี model ID
มีผลที่ตามมาสามประการ และสิ่งเหล่านี้สำคัญกว่าตัวเลข WER ใด ๆ:
• คุณไม่สามารถกำหนดราคาแยกสำหรับมันได้ เพราะมันถูกรวมอยู่ในราคามาตรฐานของ ElevenAgents ซึ่งคิดค่าบริการตามนาทีการสนทนาและรวม ASR เข้ากับ LLM ของเอเจนต์ ระบบโทรศัพท์ การสังเคราะห์เสียง และการเรียกใช้เครื่องมือ ไม่มีอัตราค่าบริการ ASR แยกต่างหาก ดังนั้นจึงไม่มีตัวเลขใดที่จะใส่ลงในสเปรดชีตเปรียบเทียบได้
• คุณไม่สามารถวัดประสิทธิภาพของมันด้วยตัวเองนอกแพลตฟอร์มได้ ตัวเลขเดียวที่เผยแพร่คือผลการทดสอบของ ElevenLabs เองบน PriMock57 — การปรึกษาการดูแลสุขภาพปฐมภูมิจำลอง 57 ครั้ง — โดยได้คะแนน 12.8% เทียบกับ 15.5% ของ AssemblyAI Universal-3.6 Pro Realtime ในโหมดการแพทย์, 16.3% ของ Speechmatics Oak-1, 17.0% ของ Deepgram Nova-3 Pharma และ 17.2% ของ Nova-3 Medical
• คุณยังไม่สามารถส่ง PHI ไปยังบริการนี้ได้ เอกสารระบุไว้อย่างชัดเจนว่า อย่าส่งข้อมูลสุขภาพที่ได้รับการคุ้มครองไปยัง {{1}}Scribe v3 Live Medical{{/1}} จนกว่าจะได้รับการยืนยันว่ามีคุณสมบัติตาม HIPAA และไม่มีการรองรับการจัดเก็บข้อมูลในสหภาพยุโรป (EU data residency) ในช่วง early access นี่เป็นถ้อยแถลงที่หนักแน่นกว่าข้อความทั่วไปที่ระบุว่ามีคุณสมบัติตาม HIPAA บนหน้าการตลาด และเป็นข้อความที่เจ้าหน้าที่ด้านการปฏิบัติตามข้อกำหนดจะอ่าน

2.5% เทียบกับ 12.8% ไม่ใช่ช่องว่างถึงห้าเท่า
มันดูเหมือนจะเป็นเช่นนั้น แต่มันไม่ใช่ ด้วยเหตุผลสามข้อ และแต่ละข้อก็เป็นปัญหาการวัดที่แตกต่างกันคนละประเภท
ชุดข้อมูล (corpora) แตกต่างกัน ฮาร์เนสสำหรับสตรีมมิ่งของ Artificial Analysis วัดเสียงพูดทั่วไปครอบคลุมหลายภาษาและหลายเงื่อนไข ส่วน PriMock57 คือการจำลองการปรึกษาแพทย์เวชปฏิบัติทั่วไป (GP) 57 ครั้ง ซึ่งมีคนสองคนหารือเกี่ยวกับอาการ ใบสั่งยา และผลการตรวจ การปรึกษาทางคลินิกนั้นยากกว่าสำหรับทุกโมเดล — แผนภูมิของ ElevenLabs เองแสดงให้เห็นว่าเอนจินเรียลไทม์จากคู่แข่งสี่ตัวกระจุกตัวอยู่ระหว่าง 15.5% ถึง 17.2% ในชุดนี้ รวมถึงสองโมเดลที่สร้างขึ้นมาเพื่อเสียงทางการแพทย์โดยเฉพาะ การได้ 12.8% บนชุดนั้นเป็นผลลัพธ์ที่แข็งแกร่ง ส่วน 2.5% บนชุดทั่วไปเป็นความสำเร็จอีกแบบหนึ่ง
เงื่อนไขแตกต่างกัน ตัวเลขของ Microsoft เป็นข้ออ้างอิงจากวิธีการของบุคคลที่สาม ไม่ใช่แถวข้อมูลที่บุคคลที่สามนั้นเผยแพร่ ส่วนตัวเลขของ ElevenLabs เป็นการทดสอบที่ผู้ขายดำเนินการเองบนชุดข้อมูลสาธารณะที่ผู้ขายเลือกเอง ทั้งสองไม่ใช่การวัดที่คุณจะนำมาเทียบกันได้โดยไม่ทดสอบทั้งคู่กับเสียงชุดเดียวกัน และยังไม่มีใครทำเช่นนั้น
งานทั้งสองต่างกันในแง่ที่สำคัญทางคลินิก โมเดลของ Microsoft เป็นตัวถอดเสียงทั่วไปที่มีการให้น้ำหนักคำสำคัญ (keyword biasing) และมีกรณีการใช้งานบันทึกทางคลินิกที่มีเอกสารรองรับ ไม่ได้ fine-tune กับชื่อยา โมเดลของ ElevenLabs เป็น fine-tune ของ Scribe v3 Live ที่มุ่งเป้าไปที่คำศัพท์ชุดนั้นโดยเฉพาะ บนบอร์ดทั่วไปที่สะอาด ควรคาดว่าโมเดลทั่วไปจะชนะ ในประโยค "he's on metformin 1000 twice a day, empagliflozin 10, and atorvastatin 40" — ตัวอย่างบรรทัดบนหน้าด้านการแพทย์ของ ElevenLabs — ตัว fine-tune คือตัวที่มีเหตุผลให้ดีกว่า และโมเดลทั่วไปคือตัวที่พึ่งรายการวลีของตน
ความแตกต่างด้านความหน่วงคือสิ่งที่เป็นจริง
ตัวเลข 0.13 วินาทีของ Microsoft ในการได้บทถอดเสียงฉบับสมบูรณ์คือตัวเลขที่คู่แข่งควรกังวล เพราะมันเป็นตัวเลขชนิดที่สามารถสร้างแพลตฟอร์มขึ้นมาบนพื้นฐานนั้นได้ ที่ต่ำกว่าราว 0.2 วินาที ข้อความคำบรรยายจะอ่านรู้สึกได้ว่าเกิดขึ้นพร้อมกับคำพูด ส่วนหนึ่งในสามของวินาทีให้ความรู้สึกว่าบทถอดเสียงกำลังไล่ตามผู้พูดอยู่ ElevenLabs ไม่ได้เผยแพร่ค่าแลเทนซีสำหรับเวอร์ชันการแพทย์ มีเพียงระบุว่ามันเทียบเท่ากับ Scribe v3 Live ซึ่งการเปรียบเทียบภายในตระกูลเดียวกันคือมี semantic WER ต่ำกว่า Scribe v2 Realtime 44% — โมเดลที่ ElevenLabs ระบุไว้ในเอกสารว่ามีค่ามัธยฐานของเวลาจนถึงบทถอดเสียงที่ยืนยันแล้วอยู่ที่ราว 150 มิลลิวินาที ดังนั้นการตีความที่น่าเป็นไปได้คือทั้งสองอยู่ในย่านต่ำกว่าหนึ่งในสี่วินาทีเช่นเดียวกัน และความแตกต่างนั้นไม่สามารถรับรู้ได้สำหรับคนที่อ่านตามไปด้วย
จุดที่ความแตกต่างปรากฏชัดคือ endpointing และในจุดนี้ ElevenLabs มีคำอธิบายที่เจาะจงกว่า การคาดการณ์รอบการพูดของระบบใช้บริบทของการสนทนาเพื่อตัดสินว่าผู้โทรพูดจบหรือยัง ดังนั้นเอเจนต์จะรอผ่านช่วงหยุดกลางหมายเลขสมาชิกหรือวันเกิด แทนที่จะตอบสนองต่อตัวเลขสามหลักแรก สิ่งที่เทียบเท่ากันของ Microsoft คือการตรวจจับการสิ้นสุดรอบการพูดขั้นสูงของ Voice Live API ซึ่งเป็นคุณสมบัติของชั้นเอเจนต์ ไม่ใช่ของตัวถอดเสียง ทั้งสองแก้ปัญหานี้ได้ ตัวหนึ่งแก้ภายในผลิตภัณฑ์ ASR ส่วนอีกตัวแก้ที่ชั้นเหนือขึ้นไป และหากคุณกำลังประกอบลูปเอเจนต์ของคุณเอง ชั้นนี้สำคัญ
ต้นทุน แบบวางเคียงกัน พร้อมทำเครื่องหมายรูไว้
• Microsoft — $0.54 ต่อชั่วโมงเสียงเป็นราคาเริ่มต้นของ MAI-Transcribe-2-Streaming โดยไม่มีการเปิดเผยราคามาตรฐาน Microsoft เคยใช้โครงสร้างนี้มาก่อน และราคาโปรโมชันช่วงแรกของโมเดลแบบแบตช์ถูกจำกัดเวลาไว้อย่างชัดเจน
• ElevenLabs — ไม่มีอัตราค่า ASR สำหรับ Scribe v3 Live Medical ราคาอ้างอิงของกลุ่มผลิตภัณฑ์บน API อยู่ที่ $0.22 ต่อชั่วโมงสำหรับ Scribe v3 Live และ $0.08 ต่อชั่วโมงสำหรับการพรอมต์คำสำคัญแบบเรียลไทม์ และผลิตภัณฑ์ทางการแพทย์บน API อย่าง Scribe v2 Medical อยู่ที่ $0.20 ต่อชั่วโมงบน endpoint แบบแบตช์
• ในระดับ規模 — เสียงที่สตรีม 10,000 นาทีมีค่าใช้จ่ายประมาณ $90 ตามอัตราเริ่มต้นของ Microsoft และไม่สามารถประเมินเป็นตัวเลขได้ภายใต้ราคาแพลตฟอร์มของ ElevenLabs ซึ่ง 10,000 นาทีเดียวกันนั้นยังเรียกเก็บค่าโทเค็น LLM ค่าโทรศัพท์ และค่าเสียงด้วย
• คำศัพท์ที่กำหนดเอง — รายการวลีของ Microsoft เป็นพารามิเตอร์ของคำขอที่ไม่มีค่าบริการเพิ่มเติมใด ๆ ประกาศไว้ ส่วน ElevenLabs รองรับคำศัพท์ที่กำหนดเองได้ถึง 10,000 คำโดยไม่มีค่าใช้จ่ายเพิ่มเติมใน ElevenAgents และคิดค่าบริการชั่วโมงละ $0.08 สำหรับ keyterms แบบเรียลไทม์บนโมเดล API
คู่สุดท้ายนั้นน่าหยุดพิจารณา เพราะ 10,000 คำศัพท์ไม่ใช่ตัวเลขกลม ๆ ทางการตลาด แต่มีขนาดroughly เท่ากับรายการยาของระบบสุขภาพขนาดกลางบวกกับรายชื่อผู้ให้บริการของระบบนั้น หากปัญหาคำศัพท์ทางคลินิกของคุณมีขนาดใหญ่ งบประมาณคำศัพท์ก็ถือเป็นฟีเจอร์จริง และรายการวลีของ Microsoft ซึ่งมีเอกสารระบุว่าเป็นคำใบ้มากกว่าผลลัพธ์ที่บังคับนั้น เป็นกลไกที่แตกต่างออกไปพร้อมรูปแบบความล้มเหลวที่แตกต่างกัน
ตำแหน่งที่ชั้นการให้เหตุผลลงตัว
ไม่มีโมเดลใดในสองตัวนี้ตัดสินใจอะไรเลย แอเจนต์เสียงทางคลินิกจะรับบทสนทนาที่ถอดความแล้วและทำอะไรบางอย่างกับมัน — ตรวจสอบกฎความคุ้มครอง ร่างบันทึก หรือตัดสินใจว่าจะส่งต่อให้พยาบาลหรือไม่ — และขั้นตอนนั้นคือการเรียกโมเดลแยกต่างหากที่มีงบเวลาหน่วงของตัวเอง ในไปป์ไลน์แบบเรียลไทม์ เวลาถึงโทเคนแรกของโมเดลการให้เหตุผลมักเป็นปัจจัยที่ทำให้เกิดความหน่วงที่รับรู้ได้มากกว่า 0.13 หรือ 0.15 วินาทีของตัวถอดเสียง
ส่วนนั้นคือจุดที่เราเตอร์พิสูจน์คุณค่า OrcaRouter ให้บริการ 215 โมเดลผ่าน API เดียวที่เข้ากันได้กับ OpenAI โดยคิดมาร์กอัป 0% โดยราคาตามรายการของผู้ให้บริการถูกส่งต่อโดยไม่เปลี่ยนแปลง พร้อมกับ การสลับไปใช้ผู้ให้บริการรายอื่นอัตโนมัติเมื่อเกิดข้อขัดข้อง — ดังนั้นโมเดลที่ใช้ให้เหตุผลกับบทถอดเสียงสามารถสลับเป็นโมเดลที่เร็วกว่า หรือสลับไปยังตัวสำรองระหว่างการเรียกได้ โดยไม่ต้องแตะการเชื่อมต่อกับ Azure หรือ ElevenLabs เราไม่ให้บริการ Scribe v3 Live Medical หรือ MAI-Transcribe-2-Streaming; ส่วนการถอดเสียงยังคงอยู่กับผู้ให้บริการที่คุณซื้อไว้

คำตัดสิน ซึ่งระบุออกมาในรูปของการตัดสินใจด้านการจัดซื้อจัดจ้าง
เลือก MAI-Transcribe-2-Streaming หากคุณต้องการตัวถอดเสียงที่เรียกใช้ได้ ตั้งราคาได้ และใส่ในเรตการ์ดได้ เป็นเพียงตัวเดียวในสองตัวที่เป็นโมเดลแทนที่จะเป็นฟีเจอร์ของแพลตฟอร์ม มีเอกสารครบถึงระดับรีเจียนและ SDK และคู่ความแม่นยำ-ความหน่วงที่อ้างไว้ก็เป็นจุดยืนที่เผยแพร่แข็งแกร่งที่สุดใน streaming ASR ตอนนี้ โดยมีข้อแม้ว่าข้ออ้างนั้นเป็นของ Microsoft และบอร์ดยังไม่ได้นำมาพล็อตกราฟ ต่อยอดจากพรีวิวด้วยความระมัดระวังตามปกติ: ไม่มี SLA และราคาเปิดตัวที่จะเปลี่ยนแปลง
เลือก Scribe v3 Live Medical หากคุณกำลังซื้อเอเจนต์ ไม่ใช่เครื่องถอดเสียง — หากระบบโทรศัพท์ การผลัดกันพูด เสียง และ guardrails จะเป็นของ ElevenLabs อยู่แล้ว การ fine-tune ด้านคลินิกภายในสแต็กนั้นย่อมคุ้มค่ากว่าค่า WER ทั่วไปที่ดีกว่า ซึ่งคุณต้องนำมาผสานรวมเอง ทดสอบกับไฟล์บันทึกเสียงของคุณเองก่อน และอย่าใส่ PHI เข้าไปจนกว่าเอกสารจะหยุดเตือนว่าอย่าทำเช่นนั้น
หากคุณยังตัดสินใจไม่ได้จริง ๆ ตัวตัดสินไม่ได้อยู่บนเว็บไซต์ของผู้ขายรายใดรายหนึ่ง: ให้ลองเรียกใช้งานของคุณเองยี่สิบครั้งกับทั้งสองทางเลือก นับเฉพาะข้อผิดพลาดที่จะเปลี่ยนการตัดสินใจทางคลินิก rather than ข้อผิดพลาดทั้งหมด แล้วเปรียบเทียบจำนวนนั้นกับต้นทุนต่อเดือนของแต่ละทางเลือก รวมถึงส่วนที่คุณจะต้องสร้างเองหากไม่ได้ใช้ทางเลือกนั้น ในการทดสอบนั้นทั้ง 2.5% และ 12.8% จะผิดทั้งคู่ และอันดับอาจสลับกันได้เลย
