Voxtral 3, Voice Agents i novi specijalizirani modeli
Na ovoj stranici
Mistralova jesenska ažuriranja ne tiču se samo modela Large 4. Dana 20. listopada 2026. tvrtka je obnovila cijelu svoju audio obitelj i lansirala upravljani glasovni pipeline; istovremeno su u katalog stiglo nekoliko specijaliziranih i vanjskih modela. Ova lekcija pokriva sve, razlikujući što je općenito dostupno, a što je još uvijek u javnoj probi (public preview).
Voxtral 3: Četiri audio modela
Obitelj Voxtral 3 uključuje četiri modela, od kojih su svi u javnoj probi (public preview) od 2. studenog 2026.
| Model | ID | Slučaj upotrebe | Cijena |
|---|---|---|---|
| Voxtral Mini Transcribe 3 | voxtral-mini-transcribe-3-0 | Transkripcija datoteka s diarizacijom i vremenskim oznakama | 0,0035 USD po minuti |
| Voxtral Small Transcribe 3 | voxtral-small-transcribe-3-0 | Najpreciznija transkripcija u obitelji, s diarizacijom | 0,004 USD po minuti |
| Voxtral Mini Transcribe Realtime 3 | voxtral-mini-transcribe-realtime-3-0 | Transkripcija u stvarnom vremenu, podesiva latencija i detekcija promjene govornika | 0,008 USD po minuti |
| Voxtral TTS 3 | voxtral-mini-tts-3-0 | Sintetiziranje glasa s kloniranjem glasa, 35+ jezika i 50 dijalekata, streaming | 13 USD po milijunu znakova |
Ovi modeli zamjenjuju audio generaciju iz 2026. – Voxtral TTS (voxtral-mini-tts-2603), Voxtral Mini Transcribe 2 (voxtral-mini-2602) i njegovu verziju za stvarno vrijeme – koji su zastarjeli 31. listopada, a bit će uklonjeni 30. travnja 2027. Mistral naglašava da je obitelj dizajnirana za suvereno raspoređivanje: putem API-ja hostiranog u Europi ili kroz samostalno hostiranje (self-hosting), čime organizacija dobiva kontrolu nad tim gdje se audio obrađuje i gdje se razgovori pohranjuju.
Voice Agents: Gotov glasovni pipeline
Istog dana, 20. listopada, Mistral je lansirao Voice Agents, dvosmjerni glasovni pipeline u stvarnom vremenu dostupan putem Voice Agents SDK-a. SDK upravlja cijelim lancem: hvatanje zvuka s mikrofona, transkripcija, generiranje odgovora od strane modela, sinteza i reprodukcija. Modeli se izvršavaju na Mistralu, tvoja aplikacija hvata i strimuje audio, a sučelja su dostupna za telefoniju, preglednik i prilagođeni audio. Za kontakt centre ili asistente bez upotrebe ruku, ovo je razlika između sastavljanja pet blokova i integracije jednog.
Novi specijalizirani modeli
Dvije nove obitelji pojavile su se u javnoj probi. Shieldstral 1.0 kompaktan je multimodalni model za moderaciju koji klasificira sigurnost teksta i slika. Timestral 1.0 temeljni je model za vremenske serije, dostupan u četiri veličine, koji izrađuje prognoze bez prethodnog treniranja i proizvodi probabilističke izlaze. Za produkcijsku moderaciju, općenito dostupni model ostaje Mistral Moderation 2 (mistral-moderation-2603), koji obrađuje kontekst od 128.000 tokena i detektira pokušaje probijanja zaštite (jailbreak).
Vanjski modeli na Mistral platformi
Tiša, ali značajna novost: Mistral sada hostira modele drugih izdavača. Od 2. studenog 2026. katalog uključuje Z.ai GLM 5.3 i GLM 5.3 Flash, koji su općenito dostupni, te DeepSeek V4.1 Flash, koji je u javnoj probi; svi imaju prozor od milijun tokena. Pozivaju se korištenjem istog API-ja kao i Mistralovi modeli; GLM 5.2 je zastario 29. rujna, a uklonjen 31. listopada u korist GLM 5.3.
OCR 4.1
Konačno, na strani dokumenata, OCR 4.1 (mistral-ocr-4-1) općenito je dostupan od 31. kolovoza, po istoj cijeni kao i OCR 4.0, koji je uklonjen 30. rujna. Dodaje ocjene pouzdanosti na razini blokova; alias mistral-ocr-latest pokazuje na njega od 16. srpnja.
Službeni izvori: Changelog · Models · Voice Agents · Pricing
Ključne točke
- Voxtral 3 (20. listopada, javna proba): tri modela za transkripciju i jedan model za sintezu glasa, zamjenjuju audio iz 2026.
- Voice Agents upravlja cijelim glasovnim pipelineom u stvarnom vremenu putem SDK-a
- Novi specijalisti u probi: Shieldstral (moderacija) i Timestral (vremenske serije)
- Hostirani vanjski modeli: GLM 5.3, GLM 5.3 Flash, DeepSeek V4.1 Flash; OCR 4.1 općenito dostupan