Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Voxtral 3, Voice Agents ja uudet erikoismallit

Oppitunti 11 / 12 Päivitetty 2. marraskuuta 2026 Keskitasoinen
Tällä sivulla
  1. Voxtral 3: Neljä äänimallia
  2. Voice Agents: Valmis ääniputki
  3. Uudet erikoismallit
  4. Kolmansien osapuolten mallit Mistral-alustalla
  5. OCR 4.1
  6. Keskeiset asiat

Mistralin syksyn päivitykset eivät koske pelkästään Large 4 -mallia. 20. lokakuuta 2026 yhtiö uudisti koko äänimallistonsa ja julkaisi hallitun ääniputken; samanaikaisesti luetteloon lisättiin useita erikoismalleja ja kolmansien osapuolten malleja. Tämä oppitunti käy läpi kaiken erottaen toisistaan yleisesti saatavilla olevat tuotteet ja ne, jotka ovat edelleen esikatseluvaiheessa.

Voxtral 3: Neljä äänimallia

Voxtral 3 -perheeseen kuuluu neljä mallia, jotka ovat kaikki olleet julkisessa esikatselussa 2. marraskuuta 2026 alkaen.

MalliTunniste (ID)KäyttötarkoitusHinta
Voxtral Mini Transcribe 3voxtral-mini-transcribe-3-0Tiedostojen litterointi puhujantunnistuksella ja aikaleimoituksella0,0035 $ minuutilta
Voxtral Small Transcribe 3voxtral-small-transcribe-3-0Perheen tarkin litterointimalli puhujantunnistuksella0,004 $ minuutilta
Voxtral Mini Transcribe Realtime 3voxtral-mini-transcribe-realtime-3-0Reaaliaikainen litterointi, säädettävä viive ja vuorontunnistus0,008 $ minuutilta
Voxtral TTS 3voxtral-mini-tts-3-0Puheensynteesi äänen kloonaamisella, yli 35 kieltä ja 50 murretta, suoratoisto13 $ miljoonaa merkkiä kohden

Nämä mallit korvaavat vuoden 2026 äänigeneraatiomallit – Voxtral TTS (voxtral-mini-tts-2603), Voxtral Mini Transcribe 2 (voxtral-mini-2602) ja sen reaaliaikaisen version – jotka poistuivat käytöstä 31. lokakuuta ja poistetaan kokonaan 30. huhtikuuta 2027. Mistral huomauttaa, että perhe on suunniteltu suvereniteettia kunnioittavaan käyttöönottoon: joko sen Euroopassa isännöidyn rajapinnan (API) kautta tai itse isännöitynä, mikä antaa organisaatiolle kontrollin siitä, missä ääntä käsitellään ja missä keskustelut säilytetään.

Voice Agents: Valmis ääniputki

Samana päivänä, 20. lokakuuta, Mistral julkaisi Voice Agents -palvelun, joka on reaaliaikainen kaksisuuntainen ääniputki ja joka on saatavilla Voice Agents SDK:n kautta. SDK hoitaa koko ketjun: mikrofonin kaappauksen, litteroinnin, mallin tuottaman vastauksen generoinnin, synteesin ja toiston. Mallit pyörivät Mistralin infrastruktuurissa, kun taas sovelluksesi kaappaa ja suoratoistaa äänen; rajapinnat on tarjolla puhelinverkkoihin, selaimiin ja mukautettuun äänenkäsittelyyn. Yhteydenottokeskukselle tai hands-free-avustajalle tämä tarkoittaa eroa viiden eri palasen kokoamisen ja yhden kokonaisuuden integroimisen välillä.

Uudet erikoismallit

Kaksi uutta malliperhettä ilmestyi julkiseen esikatseluun. Shieldstral 1.0 on kompakti multimodaalinen moderointimalli, joka luokittelee tekstin ja kuvien turvallisuuden. Timestral 1.0 on aikasarjojen perusmalli, joka on saatavilla neljässä koossa; se tekee ennusteita ilman erillistä koulutusta ja tuottaa probabilistisia tulosteita. Tuotantokäyttöön tarkoitetussa moderoinnissa yleisesti saatavilla oleva malli on edelleen Mistral Moderation 2 (mistral-moderation-2603), joka käsittelee 128 000 tokenin kontekstin ja havaitsee jailbreak-yritykset.

Kolmansien osapuolten mallit Mistral-alustalla

Hiljaisempi mutta merkittävä uutuus: Mistral isännöi nyt myös muiden julkaisijoiden malleja. 2. marraskuuta 2026 alkaen luetteloon kuuluvat Z.ai:n GLM 5.3 ja GLM 5.3 Flash (yleisesti saatavilla) sekä DeepSeek V4.1 Flash (julkisessa esikatselussa); kaikilla on miljoonan tokenin ikkuna. Niitä kutsutaan samalla rajapinnalla kuin Mistralin omia malleja; GLM 5.2 poistui käytöstä 29. syyskuuta ja poistettiin 31. lokakuuta GLM 5.3:n tieltä.

OCR 4.1

Lopuksi asiakirjojen käsittelyn puolella OCR 4.1 (mistral-ocr-4-1) on ollut yleisesti saatavilla 31. elokuuta alkaen samaan hintaan kuin OCR 4.0, joka poistettiin 30. syyskuuta. Se lisää luottamusluvut lohko tasolla; alias mistral-ocr-latest on viitannut siihen 16. heinäkuuta alkaen.

Viralliset lähteet: Changelog · Models · Voice Agents · Pricing

Keskeiset asiat

  • Voxtral 3 (20. lokakuuta, julkinen esikatselu): kolme litterointimallia ja yksi puheensynteesimalli, jotka korvaavat vuoden 2026 äänimallit
  • Voice Agents hoitaa koko reaaliaikaisen ääniputken SDK:n kautta
  • Uudet erikoismallit esikatselussa: Shieldstral (moderointi) ja Timestral (aikasarjat)
  • Isännöidyt kolmansien osapuolten mallit: GLM 5.3, GLM 5.3 Flash, DeepSeek V4.1 Flash; OCR 4.1 yleisesti saatavilla