Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Voxtral 3, Sprachagenten und neue spezialisierte Modelle

Lektion 11 von 12 Aktualisiert am 2. November 2026 Mittelstufe
Auf dieser Seite
  1. Voxtral 3: Vier Audiomodelle
  2. Sprachagenten: Die Komplettlösung für Sprachpipelines
  3. Neue spezialisierte Modelle
  4. Modelle von Drittanbietern auf der Mistral-Plattform
  5. OCR 4.1
  6. Kernaussagen

Die Herbstupdates von Mistral beschränken sich nicht nur auf Large 4. Am 20. Oktober 2026 erneuerte das Unternehmen seine gesamte Audiofamilie und startete eine verwaltete Sprachpipeline; gleichzeitig kamen mehrere spezialisierte Modelle sowie Modelle von Drittanbietern in den Katalog. Diese Lektion behandelt alles und unterscheidet zwischen allgemein verfügbaren Funktionen und solchen, die sich noch im Vorschaustatus befinden.

Voxtral 3: Vier Audiomodelle

Die Voxtral 3-Familie umfasst vier Modelle, die alle ab dem 2. November 2026 im öffentlichen Vorschaustatus (public preview) stehen.

ModellIDEinsatzgebietPreis
Voxtral Mini Transcribe 3voxtral-mini-transcribe-3-0Dateitranskription mit Sprechererkennung und Zeitstempeln0,0035 USD pro Minute
Voxtral Small Transcribe 3voxtral-small-transcribe-3-0Genauste Transkription der Familie mit Sprechererkennung0,004 USD pro Minute
Voxtral Mini Transcribe Realtime 3voxtral-mini-transcribe-realtime-3-0Echtzeit-Transkription mit anpassbarer Latenz und Sprecherwechsel-Erkennung0,008 USD pro Minute
Voxtral TTS 3voxtral-mini-tts-3-0Sprachsynthese mit Stimmlenkung, 35+ Sprachen und 50 Dialekten, Streaming13 USD pro Million Zeichen

Diese Modelle ersetzen die Audio-Generierung von 2026: Voxtral TTS (voxtral-mini-tts-2603), Voxtral Mini Transcribe 2 (voxtral-mini-2602) und dessen Echtzeitversion wurden am 31. Oktober deprimiert und am 30. April 2027 entfernt. Mistral vermerkt, dass die Familie für eine souveräne Bereitstellung konzipiert ist: entweder über die in Europa gehostete API oder durch Selbsthosting, wodurch die Organisation die Kontrolle darüber behält, wo Audio verarbeitet und Gespräche gespeichert werden.

Sprachagenten: Die Komplettlösung für Sprachpipelines

An diesemselben Tag, dem 20. Oktober, startete Mistral Voice Agents, eine Echtzeit-zweiseitige Sprachpipeline, die über das Voice Agents SDK exponiert wird. Das SDK verwaltet die gesamte Kette: Mikrofon-Aufnahme, Transkription, Antwortgenerierung durch ein Modell, Synthese und Wiedergabe. Die Modelle laufen auf Mistral, Ihre Anwendung erfasst und streamt das Audio, und Schnittstellen sind für Telefonie, Browser und benutzerdefiniertes Audio vorgesehen. Für ein Kontaktcenter oder eine hands-free-Assistenz ist dies der Unterschied zwischen dem Zusammenbau von fünf Blöcken und der Integration eines einzigen.

Neue spezialisierte Modelle

Zwei neue Familien erschienen im öffentlichen Vorschaustatus. Shieldstral 1.0 ist ein kompaktes multimodales Moderationsmodell, das die Sicherheit von Text und Bildern klassifiziert. Timestral 1.0 ist ein Grundmodell für Zeitreihen, das in vier Größen verfügbar ist, Prognosen ohne vorheriges Training erstellt und probabilistische Ausgaben liefert. Für die produktionsreife Moderation bleibt das allgemein verfügbare Modell Mistral Moderation 2 (mistral-moderation-2603) bestehen, das einen Kontext von 128.000 Tokens verarbeitet und Jailbreak-Versuche erkennt.

Modelle von Drittanbietern auf der Mistral-Plattform

Eine stillere, aber signifikante Neuheit: Mistral hostet nun Modelle anderer Verlage. Ab dem 2. November 2026 umfasst der Katalog Z.ai GLM 5.3 und GLM 5.3 Flash im allgemeinen Verfügbarkeitsstatus sowie DeepSeek V4.1 Flash im öffentlichen Vorschaustatus, alle mit einem Fenster von 1 Million Tokens. Sie werden über dieselbe API wie Mistral-Modelle aufgerufen; GLM 5.2 wurde am 29. September deprimiert und am 31. Oktober zugunsten von GLM 5.3 entfernt.

OCR 4.1

Schließlich wurde auf der Dokumentenseite OCR 4.1 (mistral-ocr-4-1) seit dem 31. August allgemein verfügbar, zum gleichen Preis wie OCR 4.0, das am 30. September entfernt wurde. Es fügt Vertrauenswerte auf Blockebene hinzu; der Alias mistral-ocr-latest verweist seit dem 16. Juli darauf.

Offizielle Quellen: Changelog · Modelle · Sprachagenten · Preise

Kernaussagen

  • Voxtral 3 (20. Oktober, öffentlicher Vorschaustatus): drei Transkriptionsmodelle und ein Sprachsynthesemodell, die die Audio-Generierung von 2026 ersetzen
  • Voice Agents verwaltet die gesamte Echtzeit-Sprachpipeline über ein SDK
  • Neue Spezialisten im Vorschaustatus: Shieldstral (Moderation) und Timestral (Zeitreihen)
  • Gehostete Modelle von Drittanbietern: GLM 5.3, GLM 5.3 Flash, DeepSeek V4.1 Flash; OCR 4.1 im allgemeinen Verfügbarkeitsstatus