Mistral: Voxtral Small 24B 2507

Mistral : Voxtral Small 24B 2507 est un modèle de Mistral, publié par le fournisseur le 2025-10-30. Il appartient à la catégorie texte et est conçu comme une amélioration de Mistral Small 3, ajoutant des capacités d'entrée audio tout en conservant les performances textuelles de ce modèle précédent. Si vous connaissez déjà Mistral Small 3, la façon utile de concevoir Voxtral Small est qu'il conserve le comportement textuel et étend ce que le modèle peut accepter en entrée.

Concernant les entrées et les sorties, le modèle accepte le texte, l'audio et les fichiers, et il produit uniquement du texte. La fenêtre de contexte est de 32768 tokens, et la sortie maximale est de 26214 tokens. Selon le fournisseur, il excelle dans la transcription vocale, la traduction et la compréhension audio, ce qui signifie que l'audio n'est pas un ajout greffé mais un chemin d'entrée de premier ordre aux côtés du texte. La combinaison d'un contexte de 32k et d'un plafond de sortie élevé le rend pratique pour les tâches où l'entrée est longue, comme un enregistrement de réunion accompagné d'instructions, et où la réponse a besoin d'espace.

Ces capacités renvoient à un ensemble assez spécifique de cas d'usage. La transcription vocale est le plus évident, que vous transformiez des enregistrements en comptes rendus écrits ou que vous injectiez du contenu parlé dans un pipeline textuel. La traduction découle de la même compréhension audio, par exemple convertir la parole d'une langue en texte dans une autre. La compréhension audio couvre les cas plus larges : résumer un appel, extraire des points d'action d'un enregistrement, ou répondre à des questions sur ce qui a été dit. Comme l'entrée texte est toujours prise en charge et que le modèle conserve de solides performances textuelles, vous pouvez aussi mélanger les modalités dans une même requête, en transmettant une transcription ou un document aux côtés de l'audio et en demandant un résultat combiné.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "mistralai/voxtral-small-24b-2507". Les paramètres de requête pris en charge sont frequency_penalty, max_tokens, presence_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools et top_p. L'appel d'outils et les sorties structurées sont tous deux disponibles, vous pouvez donc intégrer le modèle dans une boucle d'agent ou forcer une réponse au format JSON lorsque la sortie alimente un autre système. Les contrôles d'échantillonnage (temperature, top_p, les deux pénalités, seed et stop) se comportent comme on peut s'y attendre d'un point de terminaison compatible OpenAI.

La principale contrainte à garder en tête est la modalité de sortie : le modèle renvoie du texte, pas de l'audio, ce n'est donc pas une option de synthèse vocale. La fenêtre de contexte de 32768 tokens est également modérée, et les documents très longs ou les enregistrements de plusieurs heures peuvent nécessiter un découpage avant de tenir. Si votre tâche est purement textuelle et ne bénéficie pas de l'entrée audio, un modèle texte seul peut être plus simple. Si vous avez besoin d'audio en entrée et de texte en sortie, ce modèle vise précisément ce cas.