Microsoft’taki 10 kişilik ekip, OpenAI ve Google’ı geçen bir konuşma modeli inşa etti — saati 0,10 dolar

Modelin adı MAI-Transcribe-2. Mustafa Süleyman liderliğindeki Microsoft AI bölümü, modeli 3 Eylül’de saat başına $0.10 fiyatla piyasaya sürdü — bu fiyat 2026 sonuna kadar geçerli. Önceki sürüm MAI-Transcribe-1.5’in maliyeti saat başına $0.36 idi. Bu %72’lik fiyat indirimi pazarlama amaçlı bir yuvarlama değil. Yılda 100.000 saat ses işleyen bir çağrı merkezi, önceki model için $36.000 ödüyordu; aynı iş yükü artık $10.000’a mal oluyor.

Kıyaslama performansı, fiyatı sıra dışı kılan şey. FLEURS çok dilli değerlendirmesinde MAI-Transcribe-2, 60 dil arasında ortalama %5,2 kelime hatası oranıyla birinci sırada — OpenAI’ın GPT-Transcribe, Google’ın Gemini 3.5 Transcribe, ElevenLabs Scribe v2 ve Meta’nın Whisper V3-Large modellerinden daha iyi. Hem doğruluk hem de gecikme süresini birlikte izleyen Artificial Analysis liderlik tablosunda ise genel sıralamada ikinci sırada yer alıyor ve araştırmacıların Pareto sınırı dediği noktayı tanımlıyor — bu sınırın ötesinde bir metriği iyileştirirken diğerini kötüleştirmemek mümkün değil. Model, bu sınırın verimli kenarında konumlanmak üzere eğitildi, herhangi bir tek metrik tablosunda zirveyi kovalamak için değil.

Hız, incelenmeye değer ikinci iddia. Microsoft, MAI-Transcribe-2’nin sesi GPT-Transcribe’dan 10 kat, ElevenLabs Scribe v2’den 7 kat ve Gemini 3.5 Transcribe’dan 5 kat daha hızlı işlediğini söylüyor. Uzun formlu sesler için — podcast transkripsiyonu, hukuki ifadeler, klinik notlar — bu fark, bir iş akışının saniyeler mi yoksa dakikalar mı süreceğini belirliyor. Model ayrıca konuşmacı ayırma (kimin ne zaman konuştuğunu belirleme), kelime düzeyinde zaman damgaları, alan terminolojisi için anahtar kelime yönlendirme ve cümle ortasında dil karıştıran diller için kod değiştirme desteği sunuyor; test edilen örnekler olarak özellikle Hinglish ve Spanglish belirtiliyor.

Modeli geliştiren ekip, yaptığı işin büyüklüğüyle orantılı olarak dikkat çekici. Microsoft, çekirdek grubu 10 kişi olarak tanımlıyor; bu ekip minimum iç bürokrasiyle çalışıyor ve veri toplama ile satıcı yönetimi gibi alanlarda daha büyük ekipler tarafından destekleniyor. Ortaya çıkan GPU verimliliği iddiası spesifik: MAI-Transcribe-2, rakip en iyi modellerin yarısı kadar GPU maliyetiyle çalışıyor. Bunun kurumsal yük altında ölçekte geçerli olup olmadığı duyurudan doğrulanamıyor, ancak mimari iddiası test edilebilecek kadar kesin.

Model şu anda Microsoft Foundry, MAI Playground ve Open Router üzerinde kullanılabilir — yani erişim için bir Azure sözleşmesi veya Microsoft kurumsal ilişkisi gerekmiyor. Bu dağıtım genişliği bilinçli bir tercih. Microsoft AI’ın doğrudan geliştiriciye yönelik API’lere yönelmesi, OpenAI ortaklığının yeniden yapılandırılmasının ardından daha geniş bir konumlanma değişikliğinin parçası. Ekim 2025 ve Nisan 2026’daki değişiklikler, 2019’dan beri ilişkiyi tanımlayan münhasırlık ve gelir paylaşımı düzenlemelerini ortadan kaldırdı. Microsoft’un artık yalnızca OpenAI’ın çıktısını dağıtmak yerine model katmanında doğrudan rekabet etmek için bir teşviki var.

$0.10 fiyatı, 2026 sonuna kadar geçerli olarak işaretlenmiş. Bu tarihten sonraki standart fiyatlandırma açıklanmadı. MAI-Transcribe-2’yi üretim iş yükleri için değerlendiren alıcılar, 2027 takvim yılı için maliyetini bilmedikleri bir ürünü fiyatlandırıyor. Bu, açıkça belirtilmeye değer bir risk — mevcut oran modeli görünen tüm alternatiflere karşı cazip kılsa bile.

Etiketler: yapay zeka, Google, OpenAI, microsoft, ElevenLabs, konuşma tanıma