Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Voxtral 3, Agentes de Voz e Novos Modelos Especializados

Aula 11 de 12 Atualizada a 2 de novembro de 2026 Intermediario
Nesta página
  1. Voxtral 3: Quatro Modelos de Áudio
  2. Agentes de Voz: O Pipeline de Voz Chave na Mão
  3. Novos Modelos Especializados
  4. Modelos de Terceiros na Plataforma Mistral
  5. OCR 4.1
  6. Pontos-chave

As atualizações de outono da Mistral não dizem respeito apenas ao Large 4. No dia 20 de outubro de 2026, a empresa renovou toda a sua família de modelos de áudio e lançou um pipeline de voz gerido; simultaneamente, vários modelos especializados e de terceiros chegaram ao catálogo. Esta lição abrange tudo, distinguindo o que está geralmente disponível do que permanece em pré-visualização.

Voxtral 3: Quatro Modelos de Áudio

A família Voxtral 3 inclui quatro modelos, todos em pré-visualização pública desde 2 de novembro de 2026.

ModeloIDCaso de UsoPreço
Voxtral Mini Transcribe 3voxtral-mini-transcribe-3-0Transcrição de ficheiros, com diarização e carimbos de tempo$0.0035 por minuto
Voxtral Small Transcribe 3voxtral-small-transcribe-3-0Transcrição mais precisa da família, com diarização$0.004 por minuto
Voxtral Mini Transcribe Realtime 3voxtral-mini-transcribe-realtime-3-0Transcrição em tempo real, latência ajustável e deteção de turnos$0.008 por minuto
Voxtral TTS 3voxtral-mini-tts-3-0Síntese de voz com clonagem de voz, mais de 35 idiomas e 50 dialetos, streaming$13 por milhão de carateres

Estes modelos substituem a geração de áudio de 2026 — Voxtral TTS (voxtral-mini-tts-2603), Voxtral Mini Transcribe 2 (voxtral-mini-2602) e a sua versão em tempo real —, descontinuados a 31 de outubro e removidos a 30 de abril de 2027. A Mistral salienta que a família foi concebida para implementação soberana: através da sua API alojada na Europa ou via autoalojamento, conferindo à organização o controlo sobre onde o áudio é processado e onde as conversas são retidas.

Agentes de Voz: O Pipeline de Voz Chave na Mão

No mesmo dia, 20 de outubro, a Mistral lançou os Agentes de Voz, um pipeline de voz bidirecional em tempo real exposto através do SDK Voice Agents. O SDK gere toda a cadeia: captura do microfone, transcrição, geração de resposta por um modelo, síntese e reprodução. Os modelos são executados na Mistral, a sua aplicação captura e transmite o áudio em fluxo contínuo, e são fornecidas interfaces para telefonia, navegador e áudio personalizado. Para um centro de contacto ou um assistente mãos-livres, esta é a diferença entre montar cinco blocos e integrar apenas um.

Novos Modelos Especializados

Duas novas famílias surgiram em pré-visualização pública. O Shieldstral 1.0 é um modelo multimodal de moderação compacto que classifica a segurança de texto e imagens. O Timestral 1.0 é um modelo de base para séries temporais, disponível em quatro tamanhos, que realiza previsões sem treino prévio e produz resultados probabilísticos. Para moderação em produção, o modelo geralmente disponível continua a ser o Mistral Moderation 2 (mistral-moderation-2603), que gere 128.000 tokens de contexto e deteta tentativas de «jailbreak».

Modelos de Terceiros na Plataforma Mistral

Uma novidade mais discreta, mas significativa: a Mistral aloja agora modelos de outros editores. Desde 2 de novembro de 2026, o catálogo inclui o Z.ai GLM 5.3 e o GLM 5.3 Flash, em disponibilidade geral, e o DeepSeek V4.1 Flash, em pré-visualização pública, todos com uma janela de 1 milhão de tokens. São invocados utilizando a mesma API dos modelos Mistral; o GLM 5.2 foi descontinuado a 29 de setembro e removido a 31 de outubro em favor do GLM 5.3.

OCR 4.1

Por fim, no que diz respeito a documentos, o OCR 4.1 (mistral-ocr-4-1) está geralmente disponível desde 31 de agosto, ao mesmo preço do OCR 4.0, que foi removido a 30 de setembro. Adiciona pontuações de confiança ao nível do bloco; o alias mistral-ocr-latest aponta para ele desde 16 de julho.

Fontes oficiais: Changelog · Models · Voice Agents · Pricing

Pontos-chave

  • Voxtral 3 (20 de outubro, pré-visualização pública): três modelos de transcrição e um de síntese de voz, substituindo o áudio de 2026
  • Os Agentes de Voz gerem todo o pipeline de voz em tempo real através de um SDK
  • Novos especialistas em pré-visualização: Shieldstral (moderação) e Timestral (séries temporais)
  • Modelos de terceiros alojados: GLM 5.3, GLM 5.3 Flash, DeepSeek V4.1 Flash; OCR 4.1 em disponibilidade geral