Voxtral 3, Voice Agents og nye specialiserede modeller
På denne side
Mistrals opdateringer i efteråret handler ikke kun om Large 4. Den 20. oktober 2026 fornyede virksomheden hele sin audio-familie og lancerede en administreret voice-pipeline; samtidig ankom flere specialiserede modeller og tredjepartsmodeller til kataloget. Denne lektion dækker det hele og skelner mellem, hvad der er generelt tilgængeligt, og hvad der stadig er i preview.
Voxtral 3: Fire audio-modeller
Voxtral 3-familien omfatter fire modeller, som alle er i offentlig preview pr. 2. november 2026.
| Model | ID | Anvendelsestilfælde | Pris |
|---|---|---|---|
| Voxtral Mini Transcribe 3 | voxtral-mini-transcribe-3-0 | Filtransskription med diarisering og tidsstempling | $0.0035 per minut |
| Voxtral Small Transcribe 3 | voxtral-small-transcribe-3-0 | Familiens mest nøjagtige transskription med diarisering | $0.004 per minut |
| Voxtral Mini Transcribe Realtime 3 | voxtral-mini-transcribe-realtime-3-0 | Realtidstransskription med justerbar latenstid og talegendkendelse | $0.008 per minut |
| Voxtral TTS 3 | voxtral-mini-tts-3-0 | Talesyntese med stemmekloning, 35+ sprog og 50 dialekter, streaming | $13 per million tegn |
Disse modeller erstatter audio-genereringen fra 2026 – Voxtral TTS (voxtral-mini-tts-2603), Voxtral Mini Transcribe 2 (voxtral-mini-2602) og dens realtidsversion – som blev udfaset den 31. oktober og fjernet den 30. april 2027. Mistral bemærker, at familien er designet til suveræn implementering: enten via deres API hostet i Europa eller gennem selvhosting, hvilket giver organisationen kontrol over, hvor audio behandles, og hvor samtaler opbevares.
Voice Agents: Den nøglefærdige voice-pipeline
Samme dag, den 20. oktober, lancerede Mistral Voice Agents, en tovejs voice-pipeline i realtid, der eksponeres via Voice Agents SDK’et. SDK’et håndterer hele kæden: mikrofonoptagelse, transskription, svar-generering fra en model, syntese og afspilning. Modellerne kører på Mistral, din applikation optager og streamer lyden, og der leveres grænseflader til telefoni, browser og brugerdefineret audio. Til et kontaktcenter eller en håndfri assistent er dette forskellen mellem at skulle samle fem blokke og blot integrere én.
Nye specialiserede modeller
To nye familier er dukket op i offentlig preview. Shieldstral 1.0 er en kompakt multimodal modereringsmodel, der klassificerer sikkerheden af tekst og billeder. Timestral 1.0 er en grundlæggende model til tidsserier, tilgængelig i fire størrelser, der laver prognoser uden forudgående træning og producerer probabilistiske output. Til produktionsmoderering forbliver den generelt tilgængelige model Mistral Moderation 2 (mistral-moderation-2603), som håndterer 128.000 tokens kontekst og opdager jailbreak-forsøg.
Tredjepartsmodeller på Mistral-platformen
En mere stillestående, men betydningsfuld nyhed: Mistral hoster nu modeller fra andre udgivere. Pr. 2. november 2026 inkluderer kataloget Z.ai GLM 5.3 og GLM 5.3 Flash i generel tilgængelighed samt DeepSeek V4.1 Flash i offentlig preview, alle med et vindue på 1 million tokens. De kaldes ved hjælp af samme API som Mistral-modeller; GLM 5.2 blev udfaset den 29. september og fjernet den 31. oktober til fordel for GLM 5.3.
OCR 4.1
Endelig på dokumentsiden har OCR 4.1 (mistral-ocr-4-1) været generelt tilgængelig siden den 31. august til samme pris som OCR 4.0, som blev fjernet den 30. september. Den tilføjer konfidensscorer på blokniveau; aliaset mistral-ocr-latest har peget på den siden den 16. juli.
Officielle kilder: Changelog · Modeller · Voice Agents · Prissætning
Vigtige pointer
- Voxtral 3 (20. oktober, offentlig preview): tre transskriptionsmodeller og én talesyntesemodel, der erstatter 2026-audioen
- Voice Agents håndterer hele voice-pipelinen i realtid via et SDK
- Nye specialister i preview: Shieldstral (moderering) og Timestral (tidsserier)
- Hostede tredjepartsmodeller: GLM 5.3, GLM 5.3 Flash, DeepSeek V4.1 Flash; OCR 4.1 i generel tilgængelighed