Microsofts 10-personersteam byggde en talmodell som slår OpenAI, Google och ElevenLabs — för 0,10 dollar per timme

Modellen heter MAI-Transcribe-2. Microsoft AI, divisionen under ledning av Mustafa Suleyman, lanserade den 3 september till ett pris på 0,10 dollar per ljudtimme – ett pris som är begränsat till utgången av 2026. Den tidigare versionen, MAI-Transcribe-1.5, kostade 0,36 dollar per timme. Den prisreduktionen på 72 procent är ingen marknadsföringsavrundning. En kontaktcenterverksamhet som bearbetar 100 000 timmar ljud per år betalade 36 000 dollar för den tidigare modellen; samma arbetsmängd kostar nu 10 000 dollar.

Det som gör priset anmärkningsvärt är prestandan i riktmärkena. På den flerspråkiga utvärderingen FLEURS rankas MAI-Transcribe-2 först bland 60 språk med en genomsnittlig ord-felfrekvens på 5,2 procent – bättre än OpenAIs GPT-Transcribe, Googles Gemini 3.5 Transcribe, ElevenLabs Scribe v2 och Metas Whisper V3-Large. På Artificial Analysis leaderboard, som samtidigt mäter både noggrannhet och latens, ligger den på andra plats totalt och definierar vad forskarna kallar Pareto-fronten – gränsen bortom vilken man inte kan förbättra en parameter utan att försämra en annan. Modellen tränades för att ligga på den effektiva kanten av den fronten, inte för att jaga toppen i någon enskild mättabell.

Hastighet är det andra påståendet värt att granska. Microsoft uppger att MAI-Transcribe-2 bearbetar ljud 10 gånger snabbare än GPT-Transcribe, 7 gånger snabbare än ElevenLabs Scribe v2 och 5 gånger snabbare än Gemini 3.5 Transcribe. För långtidsljud – poddtranskribering, rättsliga depositioner, kliniska anteckningar – avgör den skillnaden om ett arbetsflöde körs på sekunder eller minuter. Modellen gör också talardiarisering (identifierar vem som talade när), tidsstämplar på ordnivå, nyckelordsstyrning för domänterminologi och kodväxlingsstöd för språk som blandas mitt i meningar, med specifik hänvisning till hinglish och spanglish som testade exempel.

Teamet som byggde den är anmärkningsvärt i förhållande till vad det byggde. Microsoft beskriver kärngruppen som 10 personer, som arbetar med minimal intern byråkrati och stöds av större team som hanterar dataanskaffning och leverantörshantering. Det resulterande påståendet om GPU-effektivitet är specifikt: MAI-Transcribe-2 körs till halva GPU-kostnaden jämfört med konkurrerande toppmoderna modeller. Huruvida det håller under företagsbelastning i stor skala går inte att verifiera från tillkännagivandet, men arkitekturpåståendet är tillräckligt precist för att testa.

Modellen finns nu tillgänglig på Microsoft Foundry, MAI Playground och Open Router – vilket innebär att tillgång inte kräver ett Azure-avtal eller en Microsoft-företagsrelation. Den distributionsbredden är avsiktlig. Microsoft AI:s satsning på direkt-till-utvecklare-API:er är en del av en bredare ompositionering efter omstruktureringen av OpenAI-partnerskapet. Ändringar i oktober 2025 och april 2026 eliminerade exklusivitets- och intäktsdelningsarrangemangen som hade definierat relationen sedan 2019. Microsoft har nu ett direkt incitament att konkurrera på modellnivån snarare än att enbart distribuera OpenAIs output.

Priset på 0,10 dollar är markerat som begränsat till utgången av 2026. Standardprissättning efter det datumet har inte offentliggjorts. Köpare som utvärderar MAI-Transcribe-2 för produktionsarbetsbelastningar prissätter en produkt vars kostnad de inte känner till för kalenderåret 2027. Det är en risk värd att nämna tydligt, även om den nuvarande avgiften gör modellen attraktiv mot alla synliga alternativ.

Taggar: Google, OpenAI, microsoft, AI, ElevenLabs, MAI-Transcribe-2