Mistral: Voxtral Mini 3B 2507

Mistral: Voxtral Mini 3B 2507 é um modelo de compreensão de fala e áudio da Mistral AI. Ele se enquadra na categoria de transcrição, e a data de lançamento do provedor é 2026-08-13. O nome reflete seu design: um modelo compacto de 3B na linha Voxtral, versionado 2507. Se você já trabalha com modelos Mistral em outra parte da sua stack, este estende essa família para processamento de áudio em vez de geração de texto.

O modelo recebe áudio como sua modalidade de entrada e produz transcrição como sua modalidade de saída. A Mistral o descreve como adequado para transcrição, tradução e cargas de trabalho de processamento de áudio compacto, então essas são as tarefas para planejar. A descrição do provedor não informa uma janela de contexto, e nenhum comprimento de contexto está listado para este modelo, então trate o manuseio de áudio de formato longo como algo a verificar com sua própria carga de trabalho em vez de assumir. A saída máxima listada é 0, o que significa que você não deve confiar em um orçamento documentado de tokens de saída ao projetar seu pipeline.

Os usos práticos decorrem diretamente dessas capacidades. A transcrição é a principal: transformar fala gravada em texto. A tradução é a segunda, o que em um modelo de áudio normalmente significa trabalhar com fala em um idioma e produzir texto em outro. A terceira é o processamento de áudio compacto, um rótulo amplo que cobre tarefas de áudio menores ou mais leves onde um modelo de 3B é uma escolha razoável. Como o modelo é pequeno, ele se adequa a cargas de trabalho onde você quer compreensão de áudio sem um modelo grande, como jobs de transcrição em lote, gravações de reuniões ou chamadas, e pipelines que alimentam texto transcrito em estágios posteriores.

Você o chama através da API compatível com OpenAI da api14 usando o id de modelo "mistralai/voxtral-mini-3b-2507". Como a interface é compatível com OpenAI, você pode apontar um cliente OpenAI existente para a api14 e enviar entrada de áudio da maneira usual, com a transcrição retornada como saída. Observe que nenhum parâmetro suportado está listado para este modelo, então não assuma que opções de ajuste como temperature ou top_p sejam aceitas. Envie o id do modelo e sua entrada de áudio, e confira a tabela de preços ao vivo na página para as tarifas atuais.

Sobre limites, os fatos aqui são escassos. Não há comprimento de contexto declarado e a saída máxima é 0, então se seu trabalho depende de áudio muito longo ou de um orçamento de saída garantido, confirme o comportamento antes de se comprometer. Se você precisa de geração de texto em vez de transcrição de áudio, um modelo de texto no catálogo se encaixará melhor. Para transcrição, tradução e processamento de áudio compacto, este modelo é a correspondência direta.