Voxtral 3, Voice Agents och nya specialiserade modeller
På denna sida
Mistrals höstuppdateringar handlar inte bara om Large 4. Den 20 oktober 2026 förnyade företaget hela sin ljudfamilj och lanserade en hanterad röstpipeline; samtidigt anlände flera specialiserade modeller och tredjepartsmodeller till katalogen. Denna lektion täcker allt och skiljer på vad som är allmänt tillgängligt från vad som fortfarande finns i förhandsversion.
Voxtral 3: Fyra ljudmodeller
Familjen Voxtral 3 omfattar fyra modeller, alla i offentlig förhandsversion från och med den 2 november 2026.
| Modell | ID | Användningsområde | Pris |
|---|---|---|---|
| Voxtral Mini Transcribe 3 | voxtral-mini-transcribe-3-0 | Filtranskribering med talardifferentiering och tidsstämplar | $0.0035 per minut |
| Voxtral Small Transcribe 3 | voxtral-small-transcribe-3-0 | Familjens mest exakta transkribering, med talardifferentiering | $0.004 per minut |
| Voxtral Mini Transcribe Realtime 3 | voxtral-mini-transcribe-realtime-3-0 | Transkribering i realtid, justerbar latens och talardetektering | $0.008 per minut |
| Voxtral TTS 3 | voxtral-mini-tts-3-0 | Röstsyntes med röstkloning, 35+ språk och 50 dialekter, strömmande | $13 per miljon tecken |
Dessa modeller ersätter ljudgenereringen från 2026 – Voxtral TTS (voxtral-mini-tts-2603), Voxtral Mini Transcribe 2 (voxtral-mini-2602) och dess realtidsversion – som avvecklades den 31 oktober och tas bort den 30 april 2027. Mistral noterar att familjen är designad för suverän driftsättning: via deras API hostat i Europa eller genom självhosting, vilket ger organisationen kontroll över var ljud bearbetas och samtal lagras.
Voice Agents: Den färdiga röstpipelinen
Samma dag, den 20 oktober, lanserade Mistral Voice Agents, en tvåvägs röstpipeline i realtid som exponeras via Voice Agents SDK. SDK:t hanterar hela kedjan: mikrofoninspelning, transkribering, svarsgenerering av en modell, syntes och uppspelning. Modellerna körs på Mistral, din applikation fångar och strömmar ljudet, och gränssnitt tillhandahålls för telefoni, webbläsare och anpassat ljud. För ett kontaktcenter eller en handsfree-assistent är detta skillnaden mellan att montera fem block och integrera ett enda.
Nya specialiserade modeller
Två nya familjer dök upp i offentlig förhandsversion. Shieldstral 1.0 är en kompakt multimodal modereringsmodell som klassificerar säkerheten för text och bilder. Timestral 1.0 är en grundmodell för tidsserier, tillgänglig i fyra storlekar, som gör prognoser utan föregående träning och producerar probabilistiska utdata. För produktionsmoderering förblir den allmänt tillgängliga modellen Mistral Moderation 2 (mistral-moderation-2603), som hanterar 128 000 token i kontext och upptäcker jailbreak-försök.
Tredjepartsmodeller på Mistral-plattformen
En tystare men betydande nyhet: Mistral hostar nu modeller från andra utgivare. Från och med den 2 november 2026 inkluderar katalogen Z.ai GLM 5.3 och GLM 5.3 Flash, i allmän tillgänglighet, samt DeepSeek V4.1 Flash, i offentlig förhandsversion, alla med ett fönster på 1 miljon token. De anropas med samma API som Mistrals modeller; GLM 5.2 avvecklades den 29 september och togs bort den 31 oktober till förmån för GLM 5.3.
OCR 4.1
Slutligen, på dokumentsidan, har OCR 4.1 (mistral-ocr-4-1) varit allmänt tillgänglig sedan den 31 augusti, till samma pris som OCR 4.0, som togs bort den 30 september. Den lägger till konfidenspoäng på blocknivå; aliaset mistral-ocr-latest har pekat på den sedan den 16 juli.
Officiella källor: Changelog · Models · Voice Agents · Pricing
Viktiga punkter
- Voxtral 3 (20 oktober, offentlig förhandsversion): tre transkriberingsmodeller och en röstsyntesmodell, som ersätter 2026 års ljudmodeller
- Voice Agents hanterar hela röstpipelinen i realtid via ett SDK
- Nya specialister i förhandsversion: Shieldstral (moderering) och Timestral (tidsserier)
- Hostade tredjepartsmodeller: GLM 5.3, GLM 5.3 Flash, DeepSeek V4.1 Flash; OCR 4.1 i allmän tillgänglighet