Voxtral 3, Agenti Vocali e Nuovi Modelli Specializzati
In questa pagina
Gli aggiornamenti autunnali di Mistral non riguardano solo Large 4. Il 20 ottobre 2026, l’azienda ha rinnovato l’intera famiglia audio e lanciato una pipeline vocale gestita; contemporaneamente, diversi modelli specializzati e di terze parti sono arrivati nel catalogo. Questa lezione copre tutto, distinguendo ciò che è generalmente disponibile da ciò che rimane in anteprima pubblica.
Voxtral 3: Quattro Modelli Audio
La famiglia Voxtral 3 include quattro modelli, tutti in anteprima pubblica al 2 novembre 2026.
| Modello | ID | Caso d’uso | Prezzo |
|---|---|---|---|
| Voxtral Mini Transcribe 3 | voxtral-mini-transcribe-3-0 | Trascrizione file, con diarizzazione e timestamp | $0.0035 al minuto |
| Voxtral Small Transcribe 3 | voxtral-small-transcribe-3-0 | Trascrizione più accurata della famiglia, con diarizzazione | $0.004 al minuto |
| Voxtral Mini Transcribe Realtime 3 | voxtral-mini-transcribe-realtime-3-0 | Trascrizione in tempo reale, latenza regolabile e rilevamento del turno di parola | $0.008 al minuto |
| Voxtral TTS 3 | voxtral-mini-tts-3-0 | Sintesi vocale con clonazione della voce, 35+ lingue e 50 dialetti, streaming | $13 per milione di caratteri |
Questi modelli sostituiscono la generazione audio del 2026: Voxtral TTS (voxtral-mini-tts-2603), Voxtral Mini Transcribe 2 (voxtral-mini-2602) e la sua versione in tempo reale, deprecati il 31 ottobre e rimossi il 30 aprile 2027. Mistral sottolinea che la famiglia è progettata per il deployment sovrano: tramite la sua API ospitata in Europa o attraverso il self-hosting, dando all’organizzazione il controllo su dove vengono elaborati gli audio e conservate le conversazioni.
Agenti Vocali: La Pipeline Vocale Chiavi in Mano
Lo stesso giorno, 20 ottobre, Mistral ha lanciato Voice Agents, una pipeline vocale bidirezionale in tempo reale esposta tramite l’SDK Voice Agents. L’SDK gestisce l’intera catena: cattura dal microfono, trascrizione, generazione della risposta da parte di un modello, sintesi e riproduzione. I modelli girano su Mistral, la tua applicazione cattura e trasmette l’audio in streaming, e sono fornite interfacce per telefonia, browser e audio personalizzato. Per un contact center o un assistente hands-free, questa è la differenza tra assemblare cinque blocchi e integrarne uno solo.
Nuovi Modelli Specializzati
Due nuove famiglie sono apparse in anteprima pubblica. Shieldstral 1.0 è un modello di moderazione multimodale compatto che classifica la sicurezza di testo e immagini. Timestral 1.0 è un modello fondazionale per le serie temporali, disponibile in quattro dimensioni, che effettua previsioni senza addestramento preliminare e produce output probabilistici. Per la moderazione in produzione, il modello generalmente disponibile rimane Mistral Moderation 2 (mistral-moderation-2603), che gestisce 128.000 token di contesto e rileva i tentativi di jailbreak.
Modelli di Terze Parti sulla Piattaforma Mistral
Una novità più silenziosa ma significativa: Mistral ora ospita modelli di altri editori. Al 2 novembre 2026, il catalogo include Z.ai GLM 5.3 e GLM 5.3 Flash, in disponibilità generale, e DeepSeek V4.1 Flash, in anteprima pubblica, tutti con una finestra di 1 milione di token. Vengono chiamati utilizzando la stessa API dei modelli Mistral; GLM 5.2 è stato deprecato il 29 settembre e rimosso il 31 ottobre a favore di GLM 5.3.
OCR 4.1
Infine, sul fronte dei documenti, OCR 4.1 (mistral-ocr-4-1) è generalmente disponibile dal 31 agosto, allo stesso prezzo di OCR 4.0, che è stato rimosso il 30 settembre. Aggiunge punteggi di confidenza a livello di blocco; l’alias mistral-ocr-latest punta ad esso dal 16 luglio.
Fonti ufficiali: Changelog · Modelli · Voice Agents · Prezzi
Punti chiave
- Voxtral 3 (20 ottobre, anteprima pubblica): tre modelli di trascrizione e uno di sintesi vocale, che sostituiscono l’audio del 2026
- Voice Agents gestisce l’intera pipeline vocale in tempo reale tramite un SDK
- Nuovi specialisti in anteprima: Shieldstral (moderazione) e Timestral (serie temporali)
- Modelli di terze parti ospitati: GLM 5.3, GLM 5.3 Flash, DeepSeek V4.1 Flash; OCR 4.1 in disponibilità generale