Mistral: Voxtral Small 24B 2507

Mistral: Voxtral Small 24B 2507 ist ein Modell von Mistral, das vom Anbieter am 2025-10-30 veröffentlicht wurde. Es liegt in der Kategorie Text und ist als Weiterentwicklung von Mistral Small 3 aufgebaut, wobei es Audioeingabefähigkeiten hinzufügt und gleichzeitig die Textleistung des früheren Modells beibehält. Wenn Sie Mistral Small 3 bereits kennen, ist die nützliche Art, über Voxtral Small nachzudenken, die, dass es das Textverhalten beibehält und erweitert, was das Modell als Eingabe akzeptieren kann.

Zu den Ein- und Ausgaben: Das Modell akzeptiert Text, Audio und Dateien, und es erzeugt nur Text. Das Kontextfenster beträgt 32768 Token, und die maximale Ausgabe beträgt 26214 Token. Laut dem Anbieter zeichnet es sich bei Sprachtranskription, Übersetzung und Audiounterstanding aus, was bedeutet, dass Audio kein nachträglich angebautes Extra ist, sondern ein erstklassiger Eingabepfad neben Text. Die Kombination aus einem 32k-Kontext und einer hohen Ausgabeobergrenze macht es praktikabel für Aufgaben, bei denen die Eingabe lang ist, etwa eine Besprechungsaufzeichnung plus Anweisungen, und die Antwort Raum zum Atmen braucht.

Diese Fähigkeiten deuten auf eine ziemlich spezifische Menge von Anwendungsfällen hin. Sprachtranskription ist der offensichtliche, egal ob Sie Aufzeichnungen in schriftliche Aufzeichnungen umwandeln oder gesprochene Inhalte in eine Textpipeline einspeisen. Übersetzung folgt aus demselben Audiounterstanding, zum Beispiel die Umwandlung von Sprache in einer Sprache in Text in einer anderen. Audiounterstanding deckt die breiteren Fälle ab: Zusammenfassen eines Anrufs, Extrahieren von Aktionspunkten aus einer Aufzeichnung oder Beantworten von Fragen dazu, was gesagt wurde. Da Texteingabe weiterhin unterstützt wird und das Modell eine starke Textleistung beibehält, können Sie auch Modalitäten in einer Anfrage mischen, indem Sie ein Transkript oder ein Dokument zusammen mit Audio übergeben und ein kombiniertes Ergebnis anfordern.

Sie rufen das Modell über die OpenAI-kompatible API von api14 mit der Modell-ID "mistralai/voxtral-small-24b-2507" auf. Die unterstützten Anfrageparameter sind frequency_penalty, max_tokens, presence_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools und top_p. Tool-Aufrufe und strukturierte Ausgaben sind beide verfügbar, sodass Sie das Modell in eine Agentenschleife einbinden oder eine JSON-förmige Antwort erzwingen können, wenn die Ausgabe ein anderes System speist. Sampling-Steuerungen (temperature, top_p, die beiden Penalties, seed und stop) verhalten sich wie von einem OpenAI-kompatiblen Endpunkt erwartet.

Die wichtigste Einschränkung, die Sie beachten sollten, ist die Ausgabemodalität: Das Modell gibt Text zurück, nicht Audio, es ist also keine Option zur Sprachsynthese. Das Kontextfenster von 32768 Token ist ebenfalls moderat, und sehr lange Dokumente oder mehrstündige Aufzeichnungen müssen möglicherweise aufgeteilt werden, bevor sie hineinpassen. Wenn Ihre Aufgabe rein textbasiert ist und nicht von Audioeingabe profitiert, könnte ein reines Textmodell einfacher passen. Wenn Sie Audio hinein und Text heraus benötigen, ist dieses Modell genau darauf ausgerichtet.