Voxtral 3, Voice Agents et les nouveaux modèles spécialisés
Sur cette page
L’automne de Mistral ne se résume pas à Large 4. Le 20 octobre 2026, l’entreprise a renouvelé toute sa famille audio et lancé un pipeline vocal géré ; dans le même temps, plusieurs modèles spécialisés et des modèles tiers sont arrivés au catalogue. Cette leçon en fait le tour, en distinguant ce qui est disponible en général de ce qui reste en préversion.
Voxtral 3 : quatre modèles audio
La famille Voxtral 3 compte quatre modèles, tous en préversion publique au 2 novembre 2026.
| Modèle | Identifiant | Usage | Prix |
|---|---|---|---|
| Voxtral Mini Transcribe 3 | voxtral-mini-transcribe-3-0 | Transcription de fichiers, avec diarisation et horodatage | 0,0035 $ par minute |
| Voxtral Small Transcribe 3 | voxtral-small-transcribe-3-0 | Transcription la plus précise de la famille, avec diarisation | 0,004 $ par minute |
| Voxtral Mini Transcribe Realtime 3 | voxtral-mini-transcribe-realtime-3-0 | Transcription en temps réel, latence et détection de fin de tour réglables | 0,008 $ par minute |
| Voxtral TTS 3 | voxtral-mini-tts-3-0 | Synthèse vocale avec clonage de voix, plus de 35 langues et 50 dialectes, diffusion en flux | 13 $ par million de caractères |
Ces modèles remplacent la génération audio de 2026 — Voxtral TTS (voxtral-mini-tts-2603), Voxtral Mini Transcribe 2 (voxtral-mini-2602) et sa version temps réel —, dépréciés le 31 octobre et retirés le 30 avril 2027. Mistral rappelle que la famille est conçue pour un déploiement souverain : par son API hébergée en Europe ou en auto-hébergement, ce qui laisse à l’organisation le contrôle du lieu de traitement de l’audio et de la conservation des conversations.
Voice Agents : le pipeline vocal clés en main
Le même 20 octobre, Mistral a lancé Voice Agents, un pipeline vocal temps réel et bidirectionnel exposé par le Voice Agents SDK. Le SDK prend en charge toute la chaîne : capture du micro, transcription, génération de la réponse par un modèle, synthèse et restitution. Les modèles tournent chez Mistral, votre application capture et diffuse l’audio, et des interfaces sont prévues pour la téléphonie, le navigateur et l’audio personnalisé. Pour un centre de contacts ou un assistant mains libres, c’est la différence entre assembler cinq briques et en intégrer une.
Les nouveaux modèles spécialisés
Deux familles nouvelles sont apparues en préversion publique. Shieldstral 1.0 est un modèle de modération compact et multimodal, qui classe la sûreté des textes et des images. Timestral 1.0 est un modèle de fondation pour les séries temporelles, décliné en quatre tailles, qui fait des prévisions sans entraînement préalable et produit des sorties probabilistes. Pour la modération en production, le modèle en disponibilité générale reste Mistral Moderation 2 (mistral-moderation-2603), qui gère 128 000 tokens de contexte et détecte les tentatives de contournement.
Des modèles tiers sur la plateforme Mistral
Nouveauté plus discrète mais significative : Mistral héberge désormais des modèles d’autres éditeurs. Au 2 novembre 2026, le catalogue compte Z.ai GLM 5.3 et GLM 5.3 Flash, en disponibilité générale, et DeepSeek V4.1 Flash, en préversion publique, tous avec une fenêtre de 1 million de tokens. Ils s’appellent avec la même API que les modèles Mistral ; GLM 5.2 a été déprécié le 29 septembre et retiré le 31 octobre au profit de GLM 5.3.
OCR 4.1
Enfin, côté documents, OCR 4.1 (mistral-ocr-4-1) est en disponibilité générale depuis le 31 août, au même prix qu’OCR 4.0, retiré le 30 septembre. Il ajoute des scores de confiance au niveau des blocs ; l’alias mistral-ocr-latest pointe vers lui depuis le 16 juillet.
Sources officielles : Changelog · Models · Voice agents · Tarifs
Points clés à retenir
- Voxtral 3 (20 octobre, préversion publique) : trois modèles de transcription et un modèle de synthèse vocale, qui remplacent l’audio de 2026
- Voice Agents gère tout le pipeline vocal temps réel via un SDK
- Nouveaux spécialistes en préversion : Shieldstral (modération) et Timestral (séries temporelles)
- Modèles tiers hébergés : GLM 5.3, GLM 5.3 Flash, DeepSeek V4.1 Flash ; OCR 4.1 en disponibilité générale