Премини към основното съдържание
Български— Изберете език
Меню

Voxtral 3, Voice Agents и нови специализирани модели

Урок 11 от 12 Обновен 2 ноември 2026 г. Средно
На тази страница
  1. Voxtral 3: Четири аудио модела
  2. Voice Agents: Готов гласов конвейер
  3. Нови специализирани модели
  4. Външни модели на платформата на Mistral
  5. OCR 4.1
  6. Ключови изводи

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.

МоделIDСлучай на употребаЦена
Voxtral Mini Transcribe 3voxtral-mini-transcribe-3-0Транскрибиране на файлове с диаризация и времеви маркери$0.0035 на минута
Voxtral Small Transcribe 3voxtral-small-transcribe-3-0Най-точното транскрибиране в семейството, с диаризация$0.004 на минута
Voxtral Mini Transcribe Realtime 3voxtral-mini-transcribe-realtime-3-0Транскрибиране в реално време, регулируема латентност и откриване на смени на говорещия$0.008 на минута
Voxtral TTS 3voxtral-mini-tts-3-0Гласов 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