El 20 de octubre de 2026, Mistral lanzó Voxtral 3, una familia de modelos de voz junto con un kit de software para crear agentes de voz: asistentes que escuchan, piensan y responden en voz alta en tiempo real, por teléfono o en una app. Llega dos semanas después de Mistral Large 4 y repite su propuesta: calidad competitiva, precios bajos y alojamiento en la UE para equipos con normas de residencia de datos.
La familia Voxtral 3
Small Transcribe 3
Grabado, máxima precisión- Precio
- 0,004 dólares por minuto
- Identificación de hablantes (diarización) y vocabulario propio
- 2,1 % de error en Artificial Analysis, tercer puesto
Para reuniones, entrevistas y grabaciones de llamadas.
Mini Transcribe 3
Grabado, el más barato- Precio
- 0,0035 dólares por minuto
- Tamaño
- 4.000 millones de parámetros
- Casi tan preciso como Small (2,2 %)
Para grandes archivos de audio.
Realtime Transcribe 3
En directo- Precio
- 0,008 dólares por minuto
- Detecta cuándo ha terminado de hablar alguien, para turnos naturales
- Menos preciso que el modelo en tiempo real de Google en la comparación de Mistral
Para subtítulos en directo y agentes de voz.
Speech 3
Síntesis de voz- Precio
- 13 dólares por millón de caracteres
- Más de 35 idiomas y 50 dialectos, con tono emocional
Para agentes que responden en voz alta.
¿Qué precisión tiene?
Cuanto más bajo, mejor. Prueba independiente; los modelos de Mistral quedan terceros (Small) y justo detrás (Mini).
Cuanto más bajo, mejor. Comparación de Mistral en FLEURS.
Con audio grabado, Voxtral está entre los modelos más precisos, a uno de los precios más bajos. Con voz en directo es rápido pero comete bastantes más errores que lo mejor de Google, y MAI-Transcribe-2 de Microsoft procesa audio grabado varias veces más rápido. Si necesitas transcribir grabaciones, Voxtral es una elección fácil; para subtítulos en directo en los que importa cada palabra, pruébalo frente a las alternativas.
El kit para agentes de voz
El SDK se ocupa de la parte técnica que complica los agentes de voz: audio en streaming, saber cuándo ha terminado quien llama, interrupciones y conexiones telefónicas. Los agentes pueden consultar tus sistemas en mitad de la conversación, por ejemplo para revisar una factura o reservar una cita. Ejecutar todo el agente a través de Mistral cuesta 0,04 dólares por minuto con Mistral Small 4, o 0,08 con otros modelos de razonamiento.
Convertir llamadas en datos
Para los equipos de análisis, lo interesante no es la voz sino las transcripciones. A unos 21 céntimos por hora de audio, transcribir cada llamada comercial o de soporte resulta lo bastante barato como para hacerlo por defecto, y el texto se puede buscar, clasificar y contar como cualquier otro conjunto de datos.
- 1
Transcribe con identificación de hablantes
Usa Small Transcribe 3 con diarización para saber quién dijo qué.
- 2
Guárdalo en filas
Una fila por intervención: ID de la llamada, hablante, hora de inicio, texto.
- 3
Clasifica con un modelo pequeño
Etiqueta tema, sentimiento y resultado con un modelo barato como Claude Haiku 5.5 o Mercury 3.
- 4
Haz informes como con cualquier dato
Cuenta las quejas por tema cada semana o relaciona el resultado de las llamadas con las ventas en tu almacén de datos.
Small Transcribe 3Mini Transcribe 3
Precios de lista en dólares: 0,004 y 0,0035 por minuto.
Pon a prueba lo que has aprendido
1/3¿Cuánto cuesta Voxtral Mini Transcribe 3?
13 dólares por millón de caracteres es el precio de la síntesis de voz.
2/3¿En qué se queda Voxtral por detrás de sus rivales?
Con 240 ms de retardo, Gemini 3.5 Realtime cometió menos errores en la comparación de Mistral.
3/3¿En qué se basa el SDK para agentes de voz?
Gestiona sesiones telefónicas (SIP) y en apps (WebRTC).
Has acertado 0 de 3.
Más de Mistral: Mistral Large 4 explicado. Para más novedades de voz y agentes, lee agentes que trabajan durante horas.
Fuentes: el anuncio de Voxtral 3 de Mistral según MarkTechPost y The Decoder (20 de octubre de 2026); el benchmark de voz a texto de Artificial Analysis. Salvo los resultados de Artificial Analysis, las cifras de precisión son de Mistral.
Alessandro Ecclesie AgazziEscrito por Alessandro Ecclesie Agazzi, analytics engineer en Londres. Actualizado el 21 de octubre de 2026. Sobre mí