Mistral: Voxtral Mini 3B 2507

Mistral: Voxtral Mini 3B 2507 es un modelo de comprensión de voz y audio de Mistral AI. Se sitúa en la categoría de transcripción, y su fecha de lanzamiento por el proveedor es 2026-08-13. El nombre refleja su diseño: un modelo compacto de 3B en la línea Voxtral, con versión 2507. Si ya trabajas con modelos Mistral en otras partes de tu stack, este extiende esa familia al procesamiento de audio en lugar de a la generación de texto.

El modelo toma audio como su modalidad de entrada y produce transcripción como su modalidad de salida. Mistral lo describe como adecuado para transcripción, traducción y cargas de trabajo de procesamiento de audio compacto, así que esas son las tareas a tener en cuenta. La descripción del proveedor no indica una ventana de contexto, y no se lista ninguna longitud de contexto para este modelo, así que trata el manejo de audio de formato largo como algo que debes verificar con tu propia carga de trabajo en lugar de asumirlo. La salida máxima listada es 0, lo que significa que no deberías confiar en un presupuesto de tokens de salida documentado al diseñar tu pipeline.

Los usos prácticos se derivan directamente de esas capacidades. La transcripción es la principal: convertir voz grabada en texto. La traducción es la segunda, lo que en un modelo de audio normalmente significa trabajar con voz en un idioma y producir texto en otro. La tercera es el procesamiento de audio compacto, una etiqueta amplia que cubre tareas de audio más pequeñas o ligeras donde un modelo de 3B encaja razonablemente. Como el modelo es pequeño, se adapta a cargas de trabajo donde quieres comprensión de audio sin un modelo grande, como trabajos de transcripción por lotes, grabaciones de reuniones o llamadas, y pipelines que alimentan texto transcrito a etapas posteriores.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo "mistralai/voxtral-mini-3b-2507". Como la interfaz es compatible con OpenAI, puedes apuntar un cliente OpenAI existente a api14 y enviar entrada de audio de la forma habitual, con la transcripción devuelta como salida. Ten en cuenta que no se lista ningún parámetro compatible para este modelo, así que no asumas que se aceptan opciones de ajuste como temperature o top_p. Envía el id de modelo y tu entrada de audio, y consulta la tabla de precios en vivo en la página para las tarifas actuales.

En cuanto a los límites, los datos aquí son escasos. No hay una longitud de contexto declarada y una salida máxima de 0, así que si tu trabajo depende de audio muy largo o de un presupuesto de salida garantizado, confirma el comportamiento antes de comprometerte. Si necesitas generación de texto en lugar de transcripción de audio, un modelo de texto del catálogo encajará mejor. Para transcripción, traducción y procesamiento de audio compacto, este modelo es la coincidencia directa.