mistralai
Mistral: Voxtral Mini 3B 2507
mistralai/voxtral-mini-3b-2507
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
Voxtral Mini 3B 2507 es el modelo compacto de comprensión de audio de Mistral AI, derivado de Ministral 3B, que acepta audio como entrada y produce transcripciones; su ficha en Hugging Face también describe preguntas y respuestas sobre audio, resúmenes, traducción y llamadas a funciones activadas por voz. Ofrece detección automática de idioma en ocho lenguas y un contexto de 32k tokens que cubre unos 30 minutos de transcripción. La evidencia procede de la ficha de Mistral y del catálogo de OpenRouter; las métricas solo aparecen como imágenes sin valores extraíbles, por lo que conviene validar la precisión en cargas de trabajo propias.[1][2]
Puntos fuertes
- La ficha de Mistral describe un modo de transcripción dedicado con detección automática de idioma en inglés, francés, alemán, español, italiano, portugués, neerlandés e hindi, además de traducción de voz y comprensión de audio.[2]
- Según la ficha, un contexto de 32k tokens admite unos 30 minutos de audio para transcripción o 40 para comprensión, y están documentados preguntas y respuestas sobre audio, resúmenes y llamadas a funciones desde la voz.[2]
- La ficha indica unos 9,5 GB de memoria de GPU en bf16/fp16, licencia Apache 2.0 y compatibilidad con vLLM y Transformers, lo que podría facilitar el autohospedaje.[2]
Limitaciones
- Los mensajes de sistema aún no son compatibles, según la ficha del modelo.[2]
- Los resultados de evaluación se publican solo como imágenes sin valores extraíbles y no hay una evaluación independiente en este paquete de fuentes; la precisión en cargas concretas no está verificada.[1][2]
- El catálogo de OpenRouter expone el modelo solo como audio a transcripción, por lo que las funciones de audio estilo chat descritas por Mistral pueden no estar disponibles en ese proveedor.[1][2]
Dónde utilizarlo
- Transcripción y traducción de reuniones, llamadas o contenidos multilingües en los idiomas listados, tras validar la precisión en sus condiciones de audio.[1][2]
- Interfaces de voz que respondan preguntas, resuman grabaciones o activen funciones del backend a partir de la voz, si la vía de despliegue admite esas funciones.[2]
- Canalizaciones de audio autohospedadas donde un modelo de unos 3B parámetros encaje mejor en la memoria de GPU disponible que sistemas de voz mayores.[2]
Fuentes
- [1] OpenRouter catalog · Mistral: Voxtral Mini 3B 2507Fuentes consultadas: 13 nov 2026
- [2] Model documentation · Mistral: Voxtral Mini 3B 2507Fuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
Voxtral Mini 3B 2507 is a speech and audio understanding model from Mistral AI. It is suited for transcription, translation, and compact audio processing workloads.
Especificaciones
- ID del modelo
- mistralai/voxtral-mini-3b-2507
- ID canónico
- mistralai/voxtral-mini-3b-2507-20260813
- Creador
- mistralai
- Añadido a OpenRouter
- 13.08.2026
- Longitud de contexto
- 0
- Modalidad
- audio->transcription
- Modalidades de entrada
- audio
- Modalidades de salida
- transcription
- Precio por token
- Sin precio por token en la instantánea fuente — consulta OpenRouter para la unidad de facturación
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | — |
| Programación | Sin medición | — |
| Agentes | Sin medición | — |
| Escritura | Sin medición | — |
| Razonamiento | Sin medición | — |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | — |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | entrada: audio |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | — |
Evaluaciones
No hay evaluaciones aportadas para este modelo.
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| DeepInfrabf16 | 0 | — | — | — | — | — |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.