Voxtral 3, agentes de voz y nuevos modelos especializados
En esta página
Las actualizaciones de otoño de Mistral no se limitan a Large 4. El 20 de octubre de 2026, la compañía renovó toda su familia de modelos de audio y lanzó una canalización de voz gestionada; al mismo tiempo, varios modelos especializados y de terceros se incorporaron al catálogo. Esta lección cubre todo el panorama, distinguiendo lo que está disponible en general de lo que permanece en vista previa.
Voxtral 3: cuatro modelos de audio
La familia Voxtral 3 incluye cuatro modelos, todos en vista previa pública a fecha de 2 de noviembre de 2026.
| Modelo | ID | Caso de uso | Precio |
|---|---|---|---|
| Voxtral Mini Transcribe 3 | voxtral-mini-transcribe-3-0 | Transcripción de archivos, con diarización y marcas de tiempo | 0,0035 $ por minuto |
| Voxtral Small Transcribe 3 | voxtral-small-transcribe-3-0 | Transcripción más precisa de la familia, con diarización | 0,004 $ por minuto |
| Voxtral Mini Transcribe Realtime 3 | voxtral-mini-transcribe-realtime-3-0 | Transcripción en tiempo real, latencia ajustable y detección de turnos | 0,008 $ por minuto |
| Voxtral TTS 3 | voxtral-mini-tts-3-0 | Síntesis de voz con clonación de voz, más de 35 idiomas y 50 dialectos, transmisión en flujo continuo | 13 $ por millón de caracteres |
Estos modelos sustituyen a la generación de audio de 2026 —Voxtral TTS (voxtral-mini-tts-2603), Voxtral Mini Transcribe 2 (voxtral-mini-2602) y su versión en tiempo real—, que quedaron obsoletos el 31 de octubre y se eliminarán el 30 de abril de 2027. Mistral señala que la familia está diseñada para un despliegue soberano: mediante su API alojada en Europa o mediante autoalojamiento, lo que otorga a la organización el control sobre dónde se procesa el audio y dónde se conservan las conversaciones.
Agentes de voz: la canalización de voz llave en mano
El mismo día, 20 de octubre, Mistral lanzó Voice Agents, una canalización de voz bidireccional en tiempo real expuesta a través del SDK de Voice Agents. El SDK gestiona toda la cadena: captura del micrófono, transcripción, generación de respuestas por un modelo, síntesis y reproducción. Los modelos se ejecutan en Mistral, tu aplicación captura y transmite el audio, y se proporcionan interfaces para telefonía, navegador y audio personalizado. Para un centro de contacto o un asistente manos libres, esto marca la diferencia entre ensamblar cinco bloques e integrar uno solo.
Nuevos modelos especializados
Dos nuevas familias aparecieron en vista previa pública. Shieldstral 1.0 es un modelo de moderación multimodal compacto que clasifica la seguridad de texto e imágenes. Timestral 1.0 es un modelo fundamental para series temporales, disponible en cuatro tamaños, que realiza previsiones sin entrenamiento previo y produce resultados probabilísticos. Para la moderación en producción, el modelo disponible en general sigue siendo Mistral Moderation 2 (mistral-moderation-2603), que gestiona un contexto de 128 000 tokens y detecta intentos de evasión de restricciones (jailbreak).
Modelos de terceros en la plataforma Mistral
Una novedad más discreta pero significativa: Mistral ahora aloja modelos de otros editores. A fecha de 2 de noviembre de 2026, el catálogo incluye Z.ai GLM 5.3 y GLM 5.3 Flash, en disponibilidad general, y DeepSeek V4.1 Flash, en vista previa pública, todos con una ventana de contexto de 1 millón de tokens. Se invocan utilizando la misma API que los modelos de Mistral; GLM 5.2 quedó obsoleto el 29 de septiembre y se eliminó el 31 de octubre en favor de GLM 5.3.
OCR 4.1
Por último, en el ámbito de los documentos, OCR 4.1 (mistral-ocr-4-1) está disponible en general desde el 31 de agosto, al mismo precio que OCR 4.0, que se eliminó el 30 de septiembre. Añade puntuaciones de confianza a nivel de bloque; el alias mistral-ocr-latest apunta a él desde el 16 de julio.
Fuentes oficiales: Registro de cambios · Modelos · Agentes de voz · Precios
Puntos clave
- Voxtral 3 (20 de octubre, vista previa pública): tres modelos de transcripción y uno de síntesis de voz, que sustituyen al audio de 2026
- Voice Agents gestiona toda la canalización de voz en tiempo real mediante un SDK
- Nuevos especialistas en vista previa: Shieldstral (moderación) y Timestral (series temporales)
- Modelos de terceros alojados: GLM 5.3, GLM 5.3 Flash, DeepSeek V4.1 Flash; OCR 4.1 en disponibilidad general