Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Voxtral 3, Voice Agents και νέα εξειδικευμένα μοντέλα

Μάθημα 11 / 12 Ενημερώθηκε 2 Νοεμβρίου 2026 Μέσου επιπέδου
Σε αυτήν τη σελίδα
  1. Voxtral 3: Τέσσερα Ηχητικά Μοντέλα
  2. Voice Agents: Η έτοιμη λύση ροής φωνής
  3. Νέα Εξειδικευμένα Μοντέλα
  4. Μοντέλα Τρίτων Κατασκευαστών στην Πλατφόρμα Mistral
  5. OCR 4.1
  6. Βασικά σημεία

Οι ενημερώσεις της Mistral για το φθινόπωρο δεν αφορούν μόνο το Large 4. Στις 20 Οκτωβρίου 2026, η εταιρεία ανανέωσε ολόκληρη την οικογένεια ηχητικών μοντέλων της και κυκλοφόρησε μια διαχειριζόμενη ροή εργασίας φωνής· ταυτόχρονα, πολλά εξειδικευμένα μοντέλα και μοντέλα τρίτων κατασκευαστών προστέθηκαν στον κατάλογο. Αυτό το μάθημα καλύπτει τα πάντα, διαχωρίζοντας όσα είναι γενικά διαθέσιμα από όσα παραμένουν σε προεπισκόπηση.

Voxtral 3: Τέσσερα Ηχητικά Μοντέλα

Η οικογένεια Voxtral 3 περιλαμβάνει τέσσερα μοντέλα, όλα σε δημόσια προεπισκόπηση από τις 2 Νοεμβρίου 2026.

ΜοντέλοIDΧρήσηΤιμή
Voxtral Mini Transcribe 3voxtral-mini-transcribe-3-0Μεταγραφή αρχείων, με διάκριση ομιλητών και χρονοσήμανση$0.0035 ανά λεπτό
Voxtral Small Transcribe 3voxtral-small-transcribe-3-0Η πιο ακριβής μεταγραφή στην οικογένεια, με διάκριση ομιλητών$0.004 ανά λεπτό
Voxtral Mini Transcribe Realtime 3voxtral-mini-transcribe-realtime-3-0Μεταγραφή σε πραγματικό χρόνο, ρυθμιζόμενη καθυστέρηση και ανίχνευση αλλαγής ομιλητή$0.008 ανά λεπτό
Voxtral TTS 3voxtral-mini-tts-3-0Σύνθεση φωνής με κλωνοποίηση φωνής, 35+ γλώσσες και 50 διαλέκτους, ροή δεδομένων (streaming)$13 ανά εκατομμύριο χαρακτήρες

Αυτά τα μοντέλα αντικαθιστούν τη δημιουργία ήχου του 2026—Voxtral TTS (voxtral-mini-tts-2603), Voxtral Mini Transcribe 2 (voxtral-mini-2602) και την έκδοση πραγματικού χρόνου—τα οποία απεσύρθησαν στις 31 Οκτωβρίου και θα αφαιρεθούν στις 30 Απριλίου 2027. Η Mistral σημειώνει ότι η οικογένεια σχεδιάστηκε για κυρίαρχη ανάπτυξη: μέσω του API της που φιλοξενείται στην Ευρώπη ή μέσω self-hosting, δίνοντας στον οργανισμό τον έλεγχο του τόπου επεξεργασίας του ήχου και διατήρησης των συνομιλιών.

Voice Agents: Η έτοιμη λύση ροής φωνής

Την ίδια ημέρα, 20 Οκτωβρίου, η Mistral κυκλοφόρησε τους Voice Agents, μια αμφίδρομη ροή φωνής σε πραγματικό χρόνο που εκτίθεται μέσω του Voice Agents SDK. Το SDK διαχειρίζεται ολόκληρη την αλυσίδα: λήψη από μικρόφωνο, μεταγραφή, παραγωγή απόκρισης από ένα μοντέλο, σύνθεση και αναπαραγωγή. Τα μοντέλα εκτελούνται στη Mistral, η εφαρμογή σας συλλαμβάνει και μεταδίδει τον ήχο, ενώ παρέχονται διεπαφές για τηλεφωνία, πρόγραμμα περιήγησης και προσαρμοσμένο ήχο. Για ένα κέντρο επαφών ή έναν βοηθό χωρίς χρήση χεριών, αυτή είναι η διαφορά μεταξύ της συναρμολόγησης πέντε μπλοκ και της ενσωμάτωσης ενός.

Νέα Εξειδικευμένα Μοντέλα

Δύο νέες οικογένειες εμφανίστηκαν σε δημόσια προεπισκόπηση. Το Shieldstral 1.0 είναι ένα συμπαγές πολυτροπικό μοντέλο δια moderation που ταξινομεί την ασφάλεια κειμένου και εικόνων. Το Timestral 1.0 είναι ένα θεμελιώδες μοντέλο για χρονοσειρές, διαθέσιμο σε τέσσερα μεγέθη, το οποίο πραγματοποιεί προβλέψεις χωρίς προηγούμενη εκπαίδευση και παράγει πιθανοτικές εξόδους. Για moderation σε περιβάλλον παραγωγής, το γενικά διαθέσιμο μοντέλο παραμένει το Mistral Moderation 2 (mistral-moderation-2603), το οποίο διαχειρίζεται πλαίσιο 128.000 token και ανιχνεύει απόπειρες jailbreak.

Μοντέλα Τρίτων Κατασκευαστών στην Πλατφόρμα Mistral

Μια πιο διακριτική αλλά σημαντική καινοτομία: Η Mistral φιλοξενεί πλέον μοντέλα από άλλους εκδότες. Από τις 2 Νοεμβρίου 2026, ο κατάλογος περιλαμβάνει τα Z.ai GLM 5.3 και GLM 5.3 Flash, σε γενική διαθεσιμότητα, και το DeepSeek V4.1 Flash, σε δημόσια προεπισκόπηση, όλα με παράθυρο 1 εκατομμυρίου token. Καλούνται χρησιμοποιώντας το ίδιο API με τα μοντέλα της Mistral· το GLM 5.2 απεσύρθη στις 29 Σεπτεμβρίου και αφαιρέθηκε στις 31 Οκτωβρίου υπέρ του GLM 5.3.

OCR 4.1

Τέλος, όσον αφορά τα έγγραφα, το OCR 4.1 (mistral-ocr-4-1) είναι γενικά διαθέσιμο από τις 31 Αυγούστου, στην ίδια τιμή με το OCR 4.0, το οποίο αφαιρέθηκε στις 30 Σεπτεμβρίου. Προσθέτει βαθμολογίες εμπιστοσύνης σε επίπεδο μπλοκ· το ψευδώνυμο mistral-ocr-latest δείχνει σε αυτό από τις 16 Ιουλίου.

Επίσημες πηγές: Changelog · Models · Voice Agents · Pricing

Βασικά σημεία

  • Voxtral 3 (20 Οκτωβρίου, δημόσια προεπισκόπηση): τρία μοντέλα μεταγραφής και ένα μοντέλο σύνθεσης φωνής, αντικαθιστώντας τον ήχο του 2026
  • Οι Voice Agents διαχειρίζονται ολόκληρη τη ροή φωνής σε πραγματικό χρόνο μέσω ενός SDK
  • Νέοι ειδικοί σε προεπισκόπηση: Shieldstral (moderation) και Timestral (χρονοσειρές)
  • Φιλοξενούμενα μοντέλα τρίτων: GLM 5.3, GLM 5.3 Flash, DeepSeek V4.1 Flash· OCR 4.1 σε γενική διαθεσιμότητα