Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Voxtral 3, Voice Agents i novi specijalizirani modeli

Lekcija 11 od 12 Ažurirano 2. studenoga 2026. Srednja razina
Na ovoj stranici
  1. Voxtral 3: Četiri audio modela
  2. Voice Agents: Gotov glasovni pipeline
  3. Novi specijalizirani modeli
  4. Vanjski modeli na Mistral platformi
  5. OCR 4.1
  6. Ključne točke

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.

ModelIDSlučaj upotrebeCijena
Voxtral Mini Transcribe 3voxtral-mini-transcribe-3-0Transkripcija datoteka s diarizacijom i vremenskim oznakama0,0035 USD po minuti
Voxtral Small Transcribe 3voxtral-small-transcribe-3-0Najpreciznija transkripcija u obitelji, s diarizacijom0,004 USD po minuti
Voxtral Mini Transcribe Realtime 3voxtral-mini-transcribe-realtime-3-0Transkripcija u stvarnom vremenu, podesiva latencija i detekcija promjene govornika0,008 USD po minuti
Voxtral TTS 3voxtral-mini-tts-3-0Sintetiziranje glasa s kloniranjem glasa, 35+ jezika i 50 dijalekata, streaming13 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