Voxtral 3, hlasoví agenti a nové specializované modely
Na této stránce
Podzimní aktualizace společnosti Mistral se netýkají pouze modelu Large 4. Dne 20. října 2026 společnost obnovila celou svou rodinu audio modelů a spustila spravované hlasové potrubí; současně se v katalogu objevilo několik specializovaných modelů a modelů třetích stran. Tato lekce pokrývá vše a rozlišuje mezi tím, co je obecně dostupné, a tím, co zůstává ve fázi veřejného náhledu.
Voxtral 3: Čtyři audio modely
Rodina Voxtral 3 zahrnuje čtyři modely, které jsou k 2. listopadu 2026 všechny ve veřejném náhledu.
| Model | ID | Případ použití | Cena |
|---|---|---|---|
| Voxtral Mini Transcribe 3 | voxtral-mini-transcribe-3-0 | Přepis souborů s diarizací a časovými značkami | 0,0035 $ za minutu |
| Voxtral Small Transcribe 3 | voxtral-small-transcribe-3-0 | Nejpřesnější přepis v rodině s diarizací | 0,004 $ za minutu |
| Voxtral Mini Transcribe Realtime 3 | voxtral-mini-transcribe-realtime-3-0 | Přepis v reálném čase s nastavitelnou latencí a detekcí střídání řečníků | 0,008 $ za minutu |
| Voxtral TTS 3 | voxtral-mini-tts-3-0 | Syntéza řeči s klonováním hlasu, 35+ jazyků a 50 dialektů, streamování | 13 $ za milion znaků |
Tyto modely nahrazují audio generaci z roku 2026 – Voxtral TTS (voxtral-mini-tts-2603), Voxtral Mini Transcribe 2 (voxtral-mini-2602) a jeho verzi pro reálný čas – které byly vyřazeny 31. října a odstraněny 30. dubna 2027. Mistral zdůrazňuje, že rodina je navržena pro suverénní nasazení: prostřednictvím jejího API hostovaného v Evropě nebo pomocí self-hostingu, což organizaci poskytuje kontrolu nad tím, kde je audio zpracováváno a kde jsou konverzace uchovávány.
Hlasoví agenti: Komplexní hlasové potrubí
Ve stejný den, 20. října, Mistral spustil Voice Agents, obousměrné hlasové potrubí pro reálný čas zpřístupněné prostřednictvím SDK Voice Agents. Toto SDK zpracovává celý řetězec: zachycení zvuku z mikrofonu, přepis, generování odpovědi modelem, syntézu a přehrávání. Modely běží na infrastruktuře Mistral, vaše aplikace zachycuje a streamuje audio a rozhraní jsou poskytována pro telefonii, prohlížeče i vlastní audio řešení. Pro kontaktní centra nebo asistenty bez použití rukou to znamená rozdíl mezi sestavováním pěti bloků a integrací jednoho.
Nové specializované modely
Ve veřejném náhledu se objevily dvě nové rodiny modelů. Shieldstral 1.0 je kompaktní multimodální model pro moderování, který klasifikuje bezpečnost textu a obrázků. Timestral 1.0 je základní model pro časové řady, dostupný ve čtyřech velikostech, který vytváří předpovědi bez předchozího tréninku a produkuje pravděpodobnostní výstupy. Pro produkční moderování zůstává obecně dostupným modelem Mistral Moderation 2 (mistral-moderation-2603), který zpracovává kontext o délce 128 000 tokenů a detekuje pokusy o obejití bezpečnostních omezení (jailbreak).
Modely třetích stran na platformě Mistral
Tichší, ale významnou novinkou je, že Mistral nyní hostuje modely od jiných vydavatelů. K 2. listopadu 2026 katalog zahrnuje Z.ai GLM 5.3 a GLM 5.3 Flash v obecné dostupnosti a DeepSeek V4.1 Flash ve veřejném náhledu, všechny s oknem o velikosti 1 milionu tokenů. Volají se pomocí stejného API jako modely Mistral; GLM 5.2 byl vyřazen 29. září a odstraněn 31. října ve prospěch GLM 5.3.
OCR 4.1
Nakonec, co se týče dokumentů, OCR 4.1 (mistral-ocr-4-1) je obecně dostupný od 31. srpna za stejnou cenu jako OCR 4.0, který byl odstraněn 30. září. Přidává skóre důvěryhodnosti na úrovni bloků; alias mistral-ocr-latest na něj odkazuje již od 16. července.
Oficiální zdroje: Changelog · Models · Voice Agents · Pricing
Klíčové poznatky
- Voxtral 3 (20. října, veřejný náhled): tři modely pro přepis a jeden model pro syntézu řeči, nahrazující audio z roku 2026
- Voice Agents zpracovává celé hlasové potrubí v reálném čase prostřednictvím SDK
- Noví specialisté v náhledu: Shieldstral (moderování) a Timestral (časové řady)
- Hostované modely třetích stran: GLM 5.3, GLM 5.3 Flash, DeepSeek V4.1 Flash; OCR 4.1 v obecné dostupnosti