Et team på 10 hos Microsoft bygde en talemodell som slår OpenAI, Google og ElevenLabs — for 0,10 dollar timen

Modellen heter MAI-Transcribe-2. Microsoft AI, avdelingen ledet av Mustafa Suleyman, lanserte den 3. september til 0,10 dollar per lydtime – prisen er begrenset til utgangen av 2026. Den forrige versjonen, MAI-Transcribe-1.5, kostet 0,36 dollar per time. Den prisreduksjonen på 72 prosent er ikke en markedsføringsavrunding. Et kundesenter som behandler 100 000 timer lyd per år, betalte 36 000 dollar for den forrige modellen; samme arbeidsmengde koster nå 10 000 dollar.

Ytelsen på benchmarkene er det som gjør prisen uvanlig. På FLEURS-flerspråksevalueringen rangerer MAI-Transcribe-2 først på tvers av 60 språk med en gjennomsnittlig ordfeilrate på 5,2 prosent – bedre enn OpenAIs GPT-Transcribe, Googles Gemini 3.5 Transcribe, ElevenLabs Scribe v2 og Metas Whisper V3-Large. På Artificial Analysis-ledertavlen, som følger både nøyaktighet og latens samtidig, ligger den på andreplass totalt og definerer det forskerne kaller Pareto-fronten – grensen hvor man ikke kan forbedre én metrikk uten å svekke en annen. Modellen ble trent til å ligge på den effektive kanten av denne fronten, ikke for å jage toppen av en enkeltmetrikk-tabell.

Hastighet er det andre kravet verdt å undersøke. Microsoft sier MAI-Transcribe-2 behandler lyd 10 ganger raskere enn GPT-Transcribe, 7 ganger raskere enn ElevenLabs Scribe v2 og 5 ganger raskere enn Gemini 3.5 Transcribe. For langformat lyd – podkasttranskripsjon, juridiske avhør, kliniske notater – avgjør forskjellen om en arbeidsflyt tar sekunder eller minutter. Modellen gjør også talerdiarisering (identifisere hvem som sa hva når), ordnivå-tidsstempler, nøkkelordvektlegging for domeneterminologi og kodevekslingsstøtte for språk som blander midt i setninger, spesifikt med Hinglish og Spanglish som testede eksempler.

Teamet som bygde den, er bemerkelsesverdig i forhold til hva de bygde. Microsoft beskriver kjerneteamet som 10 personer, som opererer med minimalt internt byråkrati og støttet av større team som håndterer datainnsamling og leverandørstyring. Den resulterende GPU-effektivitetspåstanden er spesifikk: MAI-Transcribe-2 kjører til halve GPU-kostnaden av konkurrerende toppmodeller. Om det holder under bedriftsbelastning i stor skala, er ikke verifiserbart fra kunngjøringen, men arkitekturpåstanden er presis nok til å testes.

Modellen er tilgjengelig nå på Microsoft Foundry, MAI Playground og Open Router – noe som betyr at tilgang ikke krever en Azure-kontrakt eller et Microsoft-bedriftsforhold. Den distribusjonsbredden er bevisst. Microsoft AIs satsing på direkte-til-utvikler-APIer er en del av en bredere omposisjonering etter omstruktureringen av OpenAI-partnerskapet. Endringer i oktober 2025 og april 2026 eliminerte eksklusivitets- og inntektsdelingsordningene som hadde definert forholdet siden 2019. Microsoft har nå et direkte insentiv til å konkurrere på modelllaget i stedet for bare å distribuere OpenAIs output.

Prisen på 0,10 dollar er merket som begrenset til utgangen av 2026. Standardprising etter den datoen er ikke offentliggjort. Kjøpere som vurderer MAI-Transcribe-2 for produksjonsarbeidsmengder, priser et produkt hvis kostnad de ikke kjenner for kalenderåret 2027. Det er en risiko verdt å nevne tydelig, selv om den nåværende satsen gjør modellen attraktiv mot alle synlige alternativer.

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