Voxtral 3, hlasoví agenti a nové špecializované modely
Na tejto strane
Jesenné aktualizácie od Mistralu nie sú len o modeli Large 4. Dňa 20. októbra 2026 spoločnosť obnovila celú svoju rodinu audio modelov a spustila spravované hlasové potrubie; zároveň sa v katalógu objavilo niekoľko špecializovaných a externých modelov. Táto lekcia pokrýva všetko a rozlišuje medzi tým, čo je všeobecne dostupné, a tým, čo zostáva vo fáze preview.
Voxtral 3: Štyri audio modely
Rodina Voxtral 3 zahŕňa štyri modely, ktoré sú k 2. novembru 2026 všetky v stave verejného preview.
| Model | ID | Prípad použitia | Cena |
|---|---|---|---|
| Voxtral Mini Transcribe 3 | voxtral-mini-transcribe-3-0 | Prepis súborov s diarizáciou a časovými pečiatkami | 0,0035 $ za minútu |
| Voxtral Small Transcribe 3 | voxtral-small-transcribe-3-0 | Najpresnejší prepis v rodine s diarizáciou | 0,004 $ za minútu |
| Voxtral Mini Transcribe Realtime 3 | voxtral-mini-transcribe-realtime-3-0 | Prepis v reálnom čase, nastaviteľná latencia a detekcia zmien hovoriaceho | 0,008 $ za minútu |
| Voxtral TTS 3 | voxtral-mini-tts-3-0 | Syntéza reči s klonovaním hlasu, 35+ jazykov a 50 dialektov, streamovanie | 13 $ za milión znakov |
Tieto modely nahrádzajú audio generácie z roku 2026 – Voxtral TTS (voxtral-mini-tts-2603), Voxtral Mini Transcribe 2 (voxtral-mini-2602) a jeho verziu pre reálny čas – ktoré boli zastarané 31. októbra a odstránené 30. apríla 2027. Mistral zdôrazňuje, že táto rodina je navrhnutá pre suverénne nasadenie: prostredníctvom API hostovaného v Európe alebo cez self-hosting, čo organizácii poskytuje kontrolu nad tým, kde sa audio spracúva a kde sa uchovávajú konverzácie.
Hlasoví agenti: Komplexné hlasové potrubie
V ten istý deň, 20. októbra, Mistral spustil Voice Agents, obojsmerné hlasové potrubie v reálnom čase sprístupnené prostredníctvom SDK Voice Agents. Toto SDK obsluhuje celý reťazec: zachytávanie zvuku z mikrofónu, prepis, generovanie odpovede modelom, syntézu a prehrávanie. Modely bežia na infraštruktúre Mistralu, vaša aplikácia zachytáva a streamuje audio a rozhrania sú poskytnuté pre telefóniu, prehliadače aj vlastné audio systémy. Pre kontaktné centrum alebo asistenta bez použitia rúk je to rozdiel medzi zostavovaním piatich blokov a integráciou jedného.
Nové špecializované modely
Vo verejnom preview sa objavili dve nové rodiny modelov. Shieldstral 1.0 je kompaktný multimodálny model na moderovanie, ktorý klasifikuje bezpečnosť textu a obrázkov. Timestral 1.0 je základný model pre časové rady, dostupný v štyroch veľkostiach, ktorý vytvára predpovede bez predchádzajúceho tréningu a produkuje pravdepodobnostné výstupy. Pre produkčné moderovanie zostáva všeobecne dostupným modelom Mistral Moderation 2 (mistral-moderation-2603), ktorý spracováva kontext s dĺžkou 128 000 tokenov a detekuje pokusy o jailbreak.
Externé modely na platforme Mistral
Tichšou, no významnou novinkou je, že Mistral teraz hostí aj modely od iných vydavateľov. K 2. novembru 2026 katalóg obsahuje Z.ai GLM 5.3 a GLM 5.3 Flash vo všeobecnej dostupnosti a DeepSeek V4.1 Flash vo verejnom preview, všetky s kontextovým oknom 1 milión tokenov. Volajú sa pomocou rovnakého API ako modely Mistralu; GLM 5.2 bol zastaraný 29. septembra a odstránený 31. októbra v prospech GLM 5.3.
OCR 4.1
Napokon, čo sa týka dokumentov, OCR 4.1 (mistral-ocr-4-1) je všeobecne dostupný od 31. augusta za rovnakú cenu ako OCR 4.0, ktorý bol odstránený 30. septembra. Pridáva skóre dôveryhodnosti na úrovni blokov; alias mistral-ocr-latest naň odkazuje už od 16. júla.
Oficiálne zdroje: Changelog · Models · Voice Agents · Pricing
Kľúčové poznatky
- Voxtral 3 (20. októbra, verejné preview): tri modely na prepis a jeden model na syntézu reči, nahrádzajúce audio z roku 2026
- Voice Agents obsluhuje celé hlasové potrubie v reálnom čase prostredníctvom SDK
- Noví špecialisti v preview: Shieldstral (moderovanie) a Timestral (časové rady)
- Hostované externé modely: GLM 5.3, GLM 5.3 Flash, DeepSeek V4.1 Flash; OCR 4.1 vo všeobecnej dostupnosti