El dictat de Cue té un pas de polit: la transcripció en brut, amb les seves paraules de farciment i la puntuació que hi falta, es converteix en un text que es llegeix com pretenia qui parlava. On s’executa aquest pas es va decidir amb una mesura, i la mesura és pública. Aquesta publicació segueix el cas d’estudi de Google DeepMind, amb xifres actualitzades a maig de 2026, i no hi afegeix res que la pàgina no digui.
El disseny original
El pas es va crear per utilitzar un model al núvol, amb un model local com a alternativa, assumint que un model més gran poliria amb més precisió. L’objectiu declarat de l’equip per a aquest pas era un text que es llegís com l’usuari i no com un model: restaurar la puntuació, segmentar les frases i eliminar els farciments, sense imposar un estil propi.
La mesura
L’equip va fer un benchmark del pas amb 227 mostres de veu reals que cobrien l’anglès, altres idiomes i entrades en diversos idiomes. En aquest benchmark, Gemma 4 E4B, executat localment a través d’Ollama en un Apple Silicon, va ser escollit com el model de primera opció. La latència mediana del pas de polit va baixar de 876 ms a 488 ms, cosa que la pàgina descriu com a dins del pressupost que l’equip havia establert per a un pas que ha de semblar més ràpid que teclejar.
El canvi de sentit
Després del benchmark, es va invertir l’arquitectura: el model local va passar a ser el predeterminat i el model al núvol, l’alternativa. L’aplicació d’escriptori comprova en iniciar-se si Ollama s’està executant; si no és així, el pas de polit es dirigeix a un model al núvol i el dictat continua.
Què va canviar per als usuaris, segons la pàgina
- El dictat per usuari va augmentar aproximadament un 30 per cent entre els usuaris actius de la beta en les quatre setmanes abans i després del canvi; els usuaris que havien dictat missatges curts van començar a dictar-ne de més llargs.
- El cost marginal d’inferència del pas va baixar a zero, i la pàgina dona això com la raó per la qual el dictat és il·limitat en tots els nivells, inclòs el gratuït.
El límit de l’afirmació
Només es va moure el pas de polit. La transcripció la fa un servei de veu a text al núvol abans del pas de polit, i el mode agent de Cue depèn d’un model al núvol. La pàgina informa d’avaluacions primerenques de la crida de funcions de Gemma 4 per a tasques d’agent autònomes i les qualifica de primerenques. Per tant, la nostra pàgina d’inici diu que el polit s’executa a l’ordinador de l’usuari i no diu res sobre l’execució local de l’agent; la pàgina de plataformes recull el mateix límit.