Nemotron 3.5 Transcribe 对比 MAI Transcribe 2：每小时 100 美元 vs. 你自己拥有的 GPU

微软要为一千小时的音频支付一百美元。这就是针对MAI Transcribe 2的全部定价理由，该产品自2026年9月3日起一直处于公开预览阶段，价格为每音频小时0.10美元——约合每千分钟1.67美元；这一费率低于它点名的每一家托管式竞争对手，约为OpenAI对同等工作量收费的三分之一。Nemotron 3.5 Transcribe是NVIDIA于2026年10月28日发布的开放检查点，根本没有按分钟计价的价格，因为购买它的唯一方式就是购买它运行所需的硬件。按每月一千小时计算，微软的账单只是部门预算中的零头，而NVIDIA的则是一笔资本采购。

接下来是尴尬的部分。在公开准确率榜单上，{{MAI Transcribe 2}}以2.0%的AA-WER位列世界第二。{{Nemotron 3.5 Transcribe}}则以3.4%排在第20位。更便宜的模型同时也是更准确的那个，而且领先幅度比第9名到第20名之间的整个差距还要大。如果这个比较只关乎词数和金钱，一段话就能讲完。但事实并非如此，因为微软没有公布任何说话人分离质量的数据，而英伟达公布了多项——正是这个空白的栏目，成了人们仍会选择昂贵方案的理由。

董事会说了什么，以及它不能说什么

Artificial Analysis 在同一组三数据集混合集上对两个模型进行评分，因此 2.0% 对 3.4% 至少是同一指数的同类可比比较，且由同一操作方测量。这在同类中本不该如此罕见，值得认真对待。MAI Transcribe 2 仅落后于榜首的一个实时预览系统；Nemotron 3.5 Transcribe 与三个系统并列，其中一个是处于最小推理模式的 Gemini Flash-Lite 变体。

NVIDIA 自己的发布材料报告的是 2.8% AA-WER，如果这一数字成立，它仍会整整落后微软 0.8 个百分点。实时榜单上则是 3.4%。无论哪种情况，排名顺序都不会改变，因此与本系列中的其他对比不同，发布材料与实时榜单之间的差异在这里并不决定任何结果。微软只是在两家公司都同意采用的衡量指标上领先。

每小时 $0.10 实际上能买到什么

MAI Transcribe 2 是一款专为长音频打造的批量转写模型：适用于会议、通话、媒体档案和联络中心录音。它覆盖 60 种语言并支持自动语言识别，内置说话人分离，可返回词级时间戳，支持针对姓名和领域术语的关键词偏置，并提供两种输出风格——逐字式（保留填充词和未说完的开头）与净化式（剔除这些内容）。Microsoft 称其在 Artificial Analysis 的速度榜上达到约 411 倍实时吞吐量，综合排名第二；其发布文章还将这一表现描述为比 GPT Transcribe 快十倍、比 Gemini 3.5 Transcribe 快五倍。

纸面上，这份功能列表是大多数团队所需功能的超集，也与 NVIDIA 的近乎匹配。两者都支持说话人分离，都支持词级时间戳，都支持关键词偏置，都能提供逐字输出和清洁输出，音频上限都约为一个小时，而且在所对比的 SKU 中两者都仅支持批处理。差异在边缘处：60 种语言对 40 种，八位说话人对未指定数量，以及一个向财务团队解释起来容易三个数量级的价格。

• 价格 — 每音频小时 0.10 美元，限时优惠至 2026 年底，相较无标价；成本为加速器时间。

• 准确率 — 2.0% AA-WER，排名第 2，而 3.4% 则为第 20 名（实时榜单上为 3.4%；NVIDIA 的资料中宣称 2.8%）。

• 吞吐量——在单块配备 NVFP4 和草稿模型的 RTX PRO 6000 Blackwell 上，相比每秒最高 2,238 秒音频，约为实时的 411 倍，基于高并发下的 30 秒音频片段测得。

• 语言 — 60 种支持自动识别，而 40 种支持转写、31 种支持翻译。

• 许可 — 专有、仅限 API，对比采用可下载权重的 OpenMDW-1.1。

• 说话人 — 内置说话人分离，未公布 DER；对比最高 8 人、带说话人归属、支持 13 种语言；在 David AI 基准的 21 种语言上 DER 为 18.26%。

• 微调——未提供 vs 单 GPU 适配，每个任务需 0.5–2.3 GPU 小时。

• 数据本地性 —— 音频是否会离开你的网络，对比可自托管（包括离线运行）。

微软留空的那一栏

微软将说话人分离功能捆绑提供，却不公布任何说话人分离错误率。这不是表现不佳——而是根本没有公布。NVIDIA 公布了四项独立的说话人分离结果：在 David AI 基准上，21 种语言的 DER 为 18.26%，在 14 个系统中最低；在 VoiceArena 的 Diarization-Bench 上，拼接最小排列 WER 为 32.4%，在 14 个系统中最佳；在重叠英语语音上，参考词丢失比例为 8.32%，而中位数接近 31%；以及在 13 种语言中的说话人归属结果，对照微软未说明数量的结果。

这些数字都是供应商在自家测试框架上自行报告的；坦诚地看，它们只是对能力的宣称，而不是对质量的证明。但这种不对称很能说明问题。一家公司如果有说话人分离的数字，就会公布出来，因为说话人分离是转写中最难做对、也是客户最常抱怨的部分。一家公司把说话人分离打包进去却不给数字，等于在告诉你它并不认为这是卖点。这可能意味着该功能够用但平平无奇，也可能意味着它很弱。Microsoft 的发布材料中没有任何内容能区分这两种情况，而且目前还没有独立机构以这种细粒度衡量说话人分离错误率。

对于两人销售通话，这无关紧要——两种模型都能正确标注两个声音。对于存在串话的六人董事会会议，18% DER 与一个未知数字之间的差异，就是一份可用的逐分钟记录与一份没人信任的文档之间的差异。正是在这种工作负载下，开放检查点的价格才不再显得荒谬。

为什么有人会买贵的那个

四个原因，按其在实际采购决策中出现的频率由高到低排列。

首先是数据本地性。MAI Transcribe 2 是一个 API。音频会离开你的网络，进入供应商的租户环境，并受该供应商的数据保留条款约束。Nemotron 3.5 Transcribe 运行在你掌控的硬件上，包括完全离线运行；对于临床录音、法律程序、人力资源调查以及任何受数据驻留制度约束的内容而言，这不是偏好，而是硬性要求。任何按小时计费的价格都无法与合规约束抗衡。

第二点是持久性。Microsoft 的 $0.10 费率明确是限时优惠，持续到 2026 年底，而且发布材料中没有任何地方披露标准价格。一个基于这个数字构建产品的团队，实际上是在一个到期日未知的促销费率上构建。开放权重没有这种失效模式：你下载的检查点会以电费为代价继续工作，无论供应商接下来做什么。

第三点是自适应。NVIDIA 报告称，在单块 GPU 上进行微调时，每个任务耗时 0.5 到 2.3 GPU 小时；另有一项医疗语音案例研究，其中自适应在 3,619 个音频片段上将词错误率从 30.8% 降至 11.8%，留出说话人的错误率则从 22.44% 改善至 12.17%。Microsoft 则完全不提供微调途径。对于带口音、嘈杂或术语密集的音频——正是这类音频让 2.0% 的平均值变成 25% 的现实——自适应能力比排行榜上两个百分点的位置更有价值。Perit 经人工审核的英语测试集从另一个方向讲述了同样的故事：它让 MAI Transcribe 2 和 GPT Transcribe 在 1.76% 的水平上相差不到 0.01 个百分点，这提醒人们，这些榜单在干净音频上紧密聚集，而在其他所有音频上则差距拉开。

第四点是，MAI Transcribe 2 处于公开预览阶段。预览意味着没有正常运行时间承诺、没有弃用通知期，并且功能集可能会在你使用期间发生变化。Nemotron 3.5 Transcribe 才发布一天，也有自身的成熟度问题——其 GGUF 工具仍被描述为“即将推出”，量化本地构建版本尚未发布——但检查点不会因此脱离预览状态。

零成本的对冲

大多数团队并不需要二选一。把队列中的大部分交给便宜的 API 处理，把不能离开本机构的文件，或必须确保说话人归属准确的会议，转交给检查点处理。这种混合方案比任何一种纯策略都更便宜，而且失败时也能优雅收场：如果微软的优惠费率到期后涨到一个不划算的数字，自托管路径已经配置就绪；如果开源模型关于说话人分离的宣称在你的音频上经不起检验，API 也已经接入。

这种对冲在实践中之所以可行，关键在于让流水线的两半保持可分离。语音识别是一份合同；消费转录文本的摘要生成器、分类器和路由器则是另一份合同。OrcaRouter 覆盖后半部分，靠的是一个密钥即可调用 200+ 款文本与多模态模型，供应商标价按 0% 加价率原样传导——因此供应商一旦降价，当天就能反映到你的账单上，而不必等到下一次合同续签——此外还提供自动故障转移，以及可将不同转录类别导向不同模型的路由 DSL。MAI Transcribe 2 和 Nemotron 3.5 Transcribe 都不在该目录中，而且我们完全不提供语音转文字服务，因此转录合同仍留在你签署它的地方。要点只在于，其下游模型不应被焊死在同一家供应商上。

按数量得出的结论

在每月大约几百个音频小时的使用量下，如果没有数据驻留限制，并且除双方通话外没有说话人归属要求，那么 MAI Transcribe 2 在电子表格中体现的每一个维度上都更值得购买：更便宜、在共享索引上更准确、更快，而且无需预配即可立即使用。促销定价是一个真实风险，值得按当前费率的两到三倍进行测算，但这并不能抹去三个数量级的差距。

超过那个用量，或附加上面四项约束中的任何一项，账就算反了——不是因为开放模型每小时更便宜，而是因为那些小时根本买不到了。Nemotron 3.5 Transcribe 的理由建立在说话人、语言、本地性、适应性和持久性上，大致按这个顺序。它在准确性上的依据则来自一项供应商声明，而公开榜单目前并不支持这一声明；任何人把“开放权重中第一”挂在嘴边、仿佛这已经决定了比较结果，引用的都是幻灯片，而不是测量结果。