Pāriet uz galveno saturu
Latviešu— Izvēlēties valodu
Izvēlne

Voxtral 3, Voice Agents un jaunie specializētie modeļi

Nodarbība 11 no 12 Atjaunota 2026. gada 2. novembris Vidējs
Šajā lapā
  1. Voxtral 3: četri audio modeļi
  2. Voice Agents: gatavs balss konveijers
  3. Jaunie specializētie modeļi
  4. Trešo pušu modeļi Mistral platformā
  5. OCR 4.1
  6. Galvenās atziņas

Mistral rudens atjauninājumi neattiecas tikai uz Large 4. 2026. gada 20. oktobrī uzņēmums atjaunoja visu savu audio modeļu saimi un palaida pārvaldītu balss konveijeru; vienlaikus katalogā parādījās vairāki specializēti modeļi un trešo pušu modeļi. Šajā nodarbībā apskatīsim visu, nošķirot to, kas ir vispārēji pieejams, no tā, kas joprojām ir pirmsskatījumā.

Voxtral 3: četri audio modeļi

Voxtral 3 saimē ietilpst četri modeļi, un visi tie kopš 2026. gada 2. novembra ir publiskā pirmsskatījumā.

ModelisIDLietojumgadījumsCena
Voxtral Mini Transcribe 3voxtral-mini-transcribe-3-0Failu transkribēšana ar runātāju atdalīšanu un laika zīmogošanu0,0035 USD par minūti
Voxtral Small Transcribe 3voxtral-small-transcribe-3-0Precīzākā transkribēšana saimē ar runātāju atdalīšanu0,004 USD par minūti
Voxtral Mini Transcribe Realtime 3voxtral-mini-transcribe-realtime-3-0Reāllaika transkribēšana ar regulējamu latentumu un runas maiņas noteikšanu0,008 USD par minūti
Voxtral TTS 3voxtral-mini-tts-3-0Balss sintēze ar balss klonēšanu, 35+ valodas un 50 dialekti, straumēšana13 USD par miljonu rakstzīmju

Šie modeļi aizstāj 2026. gada audio ģenerēšanas modeļus — Voxtral TTS (voxtral-mini-tts-2603), Voxtral Mini Transcribe 2 (voxtral-mini-2602) un tā reāllaika versiju, kas tika deprecated 31. oktobrī un dzēsti 2027. gada 30. aprīlī. Mistral norāda, ka saime ir paredzēta suverēnai izvietošanai: izmantojot tā API, kas mitināts Eiropā, vai arī pašmitināšanu, dodot organizācijai kontroli pār to, kur tiek apstrādāts audio un saglabātas sarunas.

Voice Agents: gatavs balss konveijers

Tajā pašā dienā, 20. oktobrī, Mistral palaida Voice Agents — reāllaika divvirzienu balss konveijeru, kas pieejams, izmantojot Voice Agents SDK. SDK nodrošina visu ķēdi: mikrofona uztveršanu, transkribēšanu, atbildes ģenerēšanu ar modeli, sintēzi un atskaņošanu. Modeļi darbojas Mistral vidē, tava lietotne uztver un straumē audio, un ir nodrošināti saskarnes risinājumi telefonijai, pārlūkprogrammai un pielāgotam audio. Kontaktcentram vai brīvroku asistentam tā ir atšķirība starp piecu bloku salikšanu un viena integrēšanu.

Jaunie specializētie modeļi

Publiskā pirmsskatījumā parādījās divas jaunas saimes. Shieldstral 1.0 ir kompakts multimodāls moderācijas modelis, kas klasificē teksta un attēlu drošību. Timestral 1.0 ir laika rindu pamatmodelis, kas pieejams četros izmēros; tas veic prognozes bez iepriekšējas apmācības un ģenerē varbūtiskus rezultātus. Ražošanas vides moderācijai vispārēji pieejamais modelis joprojām ir Mistral Moderation 2 (mistral-moderation-2603), kas apstrādā 128 000 tokenus konteksta un atklāj mēģinājumus apiet drošības ierobežojumus (jailbreak).

Trešo pušu modeļi Mistral platformā

Klusāks, bet nozīmīgs jaunums: Mistral tagad mitina arī citu izdevēju modeļus. Kopš 2026. gada 2. novembra katalogā ir iekļauti Z.ai GLM 5.3 un GLM 5.3 Flash (vispārējā pieejamībā) un DeepSeek V4.1 Flash (publiskā pirmsskatījumā), un visiem tiem ir 1 miljona tokenu logs. Tos izsauc, izmantojot to pašu API kā Mistral modeļus; GLM 5.2 tika deprecated 29. septembrī un dzēsts 31. oktobrī, dodot vietu GLM 5.3.

OCR 4.1

Visbeidzot, dokumentu jomā OCR 4.1 (mistral-ocr-4-1) ir vispārēji pieejams kopš 31. augusta par tādu pašu cenu kā OCR 4.0, kas tika dzēsts 30. septembrī. Tas pievieno uzticamības rādītājus bloku līmenī; alias mistral-ocr-latest uz to norāda kopš 16. jūlija.

Oficiālie avoti: Izmaiņu žurnāls · Modeļi · Voice Agents · Cenas

Galvenās atziņas

  • Voxtral 3 (20. oktobris, publiskais pirmsskatījums): trīs transkribēšanas modeļi un viens balss sintēzes modelis, aizstājot 2026. gada audio modeļus
  • Voice Agents nodrošina visu reāllaika balss konveijeru, izmantojot SDK
  • Jauni specializēti modeļi pirmsskatījumā: Shieldstral (moderācija) un Timestral (laika rindas)
  • Mitināti trešo pušu modeļi: GLM 5.3, GLM 5.3 Flash, DeepSeek V4.1 Flash; OCR 4.1 vispārējā pieejamībā