Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

Voxtral 3, balso agentai ir nauji specializuoti modeliai

Paskaita 11 iš 12 Atnaujinta 2026 m. lapkričio 2 d. Vidutinis lygis
Šiame puslapyje
  1. Voxtral 3: keturi garso modeliai
  2. Balso agentai: paruošta naudoti garso konvejerio sistema
  3. Nauji specializuoti modeliai
  4. Trečiųjų šalių modeliai „Mistral“ platformoje
  5. OCR 4.1
  6. Svarbiausi punktai

„Mistral“ rudens naujienos nėra tik apie „Large 4“. 2026 m. spalio 20 d. kompanija atnaujino visą savo garso modelių šeimą ir paleido valdomą garso konvejerį; tuo pačiu metu kataloge atsirado keletas specializuotų ir trečiųjų šalių modelių. Šioje pamokoje aptarsime viską, aiškiai atskirdami, kas jau yra bendrai prieinama, o kas vis dar yra peržiūros (preview) etape.

Voxtral 3: keturi garso modeliai

„Voxtral 3“ šeimą sudaro keturi modeliai, kurie nuo 2026 m. lapkričio 2 d. yra viešosios peržiūros (public preview) etape.

ModelisIDNaudojimo atvejisKaina
Voxtral Mini Transcribe 3voxtral-mini-transcribe-3-0Failų transkripcija su kalbėtojų atskyrimu ir laiko žymomis0,0035 $ už minutę
Voxtral Small Transcribe 3voxtral-small-transcribe-3-0Tiksliausia transkripcija šeimoje su kalbėtojų atskyrimu0,004 $ už minutę
Voxtral Mini Transcribe Realtime 3voxtral-mini-transcribe-realtime-3-0Realaus laiko transkripcija su reguliuojama delsos trukme ir kalbos perėjimo aptikimu0,008 $ už minutę
Voxtral TTS 3voxtral-mini-tts-3-0Balso sintezė su balso klonavimu, 35+ kalbomis ir 50 dialektų, srautinis perdavimas13 $ už milijoną simbolių

Šie modeliai pakeičia 2026 m. garso generavimo modelius – „Voxtral TTS“ (voxtral-mini-tts-2603), „Voxtral Mini Transcribe 2“ (voxtral-mini-2602) ir jo realaus laiko versiją, kurie buvo pasenę spalio 31 d. ir bus pašalinti 2027 m. balandžio 30 d. „Mistral“ pabrėžia, kad ši šeima sukurta suvereniam diegimui: naudojant jų API, talpinamą Europoje, arba savarankiškai diegiant (self-hosting), taip suteikiant organizacijai kontrolę над tuo, kur apdorojamas garsas ir saugomi pokalbiai.

Balso agentai: paruošta naudoti garso konvejerio sistema

Tą pačią dieną, spalio 20 d., „Mistral“ paleido „Voice Agents“ – realaus laiko abipusį garso konvejerį, prieinamą per „Voice Agents“ SDK. Šis rinkinys (SDK) valdo visą grandinę: mikrofono įrašymą, transkripciją, atsakymo generavimą modelio, sintezę ir atkūrimą. Modeliai veikia „Mistral“ infrastruktūroje, o tavo programa fiksuoja ir srautu perduoda garsą; suteikiamos sąsajos telefonijai, naršyklėms ir individualiems garso sprendimams. Kontaktų centrui ar laisvų rankų asistentui tai reiškia skirtumą tarp penkių blokų surinkimo ir vieno integruoto sprendimo naudojimo.

Nauji specializuoti modeliai

Viešosios peržiūros etape pasirodė dvi naujos šeimos. Shieldstral 1.0 yra kompaktiškas multimodalinis moderavimo modelis, klasifikuojantis teksto ir vaizdų saugumą. Timestral 1.0 yra laiko eilučių pagrindinis modelis (foundation model), available keturių dydžių, kuris prognozuoja be išankstinio mokymo ir generuoja tikimybinius rezultatus. Gamybinei moderacijai bendrai prieinamas modelis išlieka „Mistral Moderation 2“ (mistral-moderation-2603), kuris apdoroja 128 000 tokenų kontekstą ir aptinka bandymus apeiti apsaugą (jailbreak).

Trečiųjų šalių modeliai „Mistral“ platformoje

Tylesnė, tačiau reikšminga naujovė: „Mistral“ dabar talpina ir kitų leidėjų modelius. Nuo 2026 m. lapkričio 2 d. kataloge yra bendrai prieinami „Z.ai GLM 5.3“ ir „GLM 5.3 Flash“, o viešosios peržiūros etape – „DeepSeek V4.1 Flash“; visi jie turi 1 milijono tokenų langą. Jie kviečiami naudojant tą patį API kaip ir „Mistral“ modeliai; „GLM 5.2“ buvo pasenęs rugsėjo 29 d. ir pašalintas spalio 31 d., pirmenybę teikiant „GLM 5.3“.

OCR 4.1

Galiausiai, dokumentų srityje, „OCR 4.1“ (mistral-ocr-4-1) yra bendrai prieinamas nuo rugpjūčio 31 d. ta pačia kaina kaip ir „OCR 4.0“, kuris buvo pašalintas rugsėjo 30 d. Jis prideda pasitikėjimo įverčius bloko lygmenyje; aliasas mistral-ocr-latest į jį nukreiptas nuo liepos 16 d.

Oficialūs šaltiniai: Pakeitimų žurnalas · Modeliai · Balso agentai · Kainodara

Svarbiausi punktai

  • Voxtral 3 (spalio 20 d., viešoji peržiūra): trys transkripcijos modeliai ir vienas balso sintezės modelis, pakeičiantys 2026 m. garso modelius
  • „Voice Agents“ valdo visą realaus laiko garso konvejerį per SDK
  • Nauji specializuoti modeliai peržiūros etape: „Shieldstral“ (moderavimas) ir „Timestral“ (laiko eilutės)
  • Talpinami trečiųjų šalių modeliai: „GLM 5.3“, „GLM 5.3 Flash“, „DeepSeek V4.1 Flash“; „OCR 4.1“ yra bendrai prieinamas