Voxtral 3, Voice Agents и нови специализирани модели
На тази страница
Есенните актуализации на Mistral не се ограничават само до Large 4. На 20 октомври 2026 г. компанията обнови цялото си аудио семейство и пусна управляван гласов конвейер; едновременно с това в каталога се появиха няколко специализирани и външни модели. Този урок обхваща всичко, като прави разграничение между това, което е общодостъпно, и това, което остава в предварителен преглед.
Voxtral 3: Четири аудио модела
Семейството Voxtral 3 включва четири модела, всички в публичен предварителен преглед към 2 ноември 2026 г.
| Модел | ID | Случай на употреба | Цена |
|---|---|---|---|
| Voxtral Mini Transcribe 3 | voxtral-mini-transcribe-3-0 | Транскрибиране на файлове с диаризация и времеви маркери | $0.0035 на минута |
| Voxtral Small Transcribe 3 | voxtral-small-transcribe-3-0 | Най-точното транскрибиране в семейството, с диаризация | $0.004 на минута |
| Voxtral Mini Transcribe Realtime 3 | voxtral-mini-transcribe-realtime-3-0 | Транскрибиране в реално време, регулируема латентност и откриване на смени на говорещия | $0.008 на минута |
| Voxtral TTS 3 | voxtral-mini-tts-3-0 | Гласов синтез с клониране на глас, над 35 езика и 50 диалекта, стрийминг | $13 на милион знака |
Тези модели заменят аудио генерациите от 2026 г. – Voxtral TTS (voxtral-mini-tts-2603), Voxtral Mini Transcribe 2 (voxtral-mini-2602) и неговата версия за реално време, които са обявени за остарели на 31 октомври и ще бъдат премахнати на 30 април 2027 г. Mistral отбелязва, че семейството е проектирано за суверенно внедряване: чрез неговия API, хостван в Европа, или чрез самостоятелно хостване, което дава на организацията контрол върху това къде се обработва аудиото и къде се съхраняват разговорите.
Voice Agents: Готов гласов конвейер
В същия ден, 20 октомври, Mistral пусна Voice Agents – двупосочен гласов конвейер в реално време, достъпен чрез Voice Agents SDK. SDK обработва цялата верига: заснемане от микрофона, транскрибиране, генериране на отговор от модел, синтез и възпроизвеждане. Моделите работят на инфраструктурата на Mistral, Вашето приложение заснема и стриймва аудиото, а са предоставени интерфейси за телефония, браузър и персонализирано аудио. За контакт център или асистент без използване на ръце това прави разликата между сглобяването на пет блока и интегрирането на един.
Нови специализирани модели
Две нови семейства се появиха в публичен предварителен преглед. Shieldstral 1.0 е компактен мултимодален модел за модериране, който класифицира безопасността на текст и изображения. Timestral 1.0 е фундаментален модел за времеви редове, наличен в четири размера, който прави прогнози без предварително обучение и произвежда вероятностни изходи. За производствено модериране общодостъпният модел остава Mistral Moderation 2 (mistral-moderation-2603), който обработва контекст от 128 000 токена и открива опити за пробив на защитите (jailbreak).
Външни модели на платформата на Mistral
По-тиха, но значима новост: Mistral вече хоства модели от други издатели. Към 2 ноември 2026 г. каталогът включва Z.ai GLM 5.3 и GLM 5.3 Flash в обща достъпност, както и DeepSeek V4.1 Flash в публичен предварителен преглед, всички с прозорец от 1 милион токена. Те се извикват чрез същото API като моделите на Mistral; GLM 5.2 беше обявен за остарял на 29 септември и премахнат на 31 октомври в полза на GLM 5.3.
OCR 4.1
Накрая, що се отнася до документите, OCR 4.1 (mistral-ocr-4-1) е в обща достъпност от 31 август на същата цена като OCR 4.0, който беше премахнат на 30 септември. Той добавя оценки за достоверност на ниво блок; псевдонимът mistral-ocr-latest сочи към него от 16 юли.
Официални източници: Changelog · Models · Voice Agents · Pricing
Ключови изводи
- Voxtral 3 (20 октомври, публичен предварителен преглед): три модела за транскрибиране и един модел за гласов синтез, заменящи аудиото от 2026 г.
- Voice Agents обработва целия гласов конвейер в реално време чрез SDK
- Нови специалисти в предварителен преглед: Shieldstral (модериране) и Timestral (времеви редове)
- Хоствани външни модели: GLM 5.3, GLM 5.3 Flash, DeepSeek V4.1 Flash; OCR 4.1 в обща достъпност