Mistral: Voxtral Mini 3B 2507

Mistral: Voxtral Mini 3B 2507 adalah model pemahaman ucapan dan audio dari Mistral AI. Model ini berada dalam kategori transkripsi, dan tanggal rilis penyedianya adalah 2026-08-13. Namanya mencerminkan desainnya: model 3B yang ringkas dalam lini Voxtral, dengan versi 2507. Jika Anda sudah menggunakan model Mistral di tempat lain dalam stack Anda, model ini memperluas keluarga tersebut ke pemrosesan audio, bukan pembuatan teks.

Model ini menerima audio sebagai modalitas input dan menghasilkan transkripsi sebagai modalitas output. Mistral mendeskripsikannya cocok untuk transkripsi, terjemahan, dan beban kerja pemrosesan audio yang ringkas, jadi itulah tugas-tugas yang perlu direncanakan. Deskripsi penyedia tidak menyatakan jendela konteks, dan tidak ada panjang konteks yang dicantumkan untuk model ini, jadi perlakukan penanganan audio berdurasi panjang sebagai sesuatu yang perlu diverifikasi terhadap beban kerja Anda sendiri, bukan diasumsikan. Output maksimum yang tercantum adalah 0, yang berarti Anda tidak boleh mengandalkan anggaran token output yang terdokumentasi saat merancang pipeline Anda.

Kegunaan praktisnya mengikuti langsung dari kemampuan tersebut. Transkripsi adalah yang utama: mengubah ucapan yang direkam menjadi teks. Terjemahan adalah yang kedua, yang pada model audio biasanya berarti memproses ucapan dalam satu bahasa dan menghasilkan teks dalam bahasa lain. Yang ketiga adalah pemrosesan audio ringkas, label luas yang mencakup tugas audio yang lebih kecil atau lebih ringan di mana model 3B merupakan pilihan yang wajar. Karena model ini kecil, ia cocok untuk beban kerja di mana Anda menginginkan pemahaman audio tanpa model besar, seperti pekerjaan transkripsi batch, rekaman rapat atau panggilan, dan pipeline yang meneruskan teks hasil transkripsi ke tahap berikutnya.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "mistralai/voxtral-mini-3b-2507". Karena antarmukanya kompatibel dengan OpenAI, Anda dapat mengarahkan klien OpenAI yang sudah ada ke api14 dan mengirim input audio seperti biasa, dengan transkripsi dikembalikan sebagai output. Perhatikan bahwa tidak ada parameter yang didukung yang dicantumkan untuk model ini, jadi jangan mengasumsikan opsi penyetelan seperti temperature atau top_p diterima. Kirim model id dan input audio Anda, lalu periksa tabel harga langsung di halaman untuk tarif terkini.

Mengenai batasan, informasinya sangat minim. Tidak ada panjang konteks yang dinyatakan dan output maksimum 0, jadi jika pekerjaan Anda bergantung pada audio yang sangat panjang atau anggaran output yang terjamin, konfirmasikan perilakunya sebelum berkomitmen. Jika Anda membutuhkan pembuatan teks, bukan transkripsi audio, model teks dalam katalog akan lebih cocok. Untuk transkripsi, terjemahan, dan pemrosesan audio ringkas, model ini adalah kecocokan langsung.