Ir al contenido principal
Español— Elegir un idioma
Menú

Voxtral 3, agentes de voz y nuevos modelos especializados

Lección 11 de 12 Actualizado el 2 de noviembre de 2026 Intermedio
En esta página
  1. Voxtral 3: cuatro modelos de audio
  2. Agentes de voz: la canalización de voz llave en mano
  3. Nuevos modelos especializados
  4. Modelos de terceros en la plataforma Mistral
  5. OCR 4.1
  6. Puntos clave

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.

ModeloIDCaso de usoPrecio
Voxtral Mini Transcribe 3voxtral-mini-transcribe-3-0Transcripción de archivos, con diarización y marcas de tiempo0,0035 $ por minuto
Voxtral Small Transcribe 3voxtral-small-transcribe-3-0Transcripción más precisa de la familia, con diarización0,004 $ por minuto
Voxtral Mini Transcribe Realtime 3voxtral-mini-transcribe-realtime-3-0Transcripción en tiempo real, latencia ajustable y detección de turnos0,008 $ por minuto
Voxtral TTS 3voxtral-mini-tts-3-0Síntesis de voz con clonación de voz, más de 35 idiomas y 50 dialectos, transmisión en flujo continuo13 $ 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