mistralai

Mistral: Voxtral Small 24B 2507

mistralai/voxtral-small-24b-2507

Nuestro análisis

Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.

Voxtral Small 24B 2507 es la variante con audio de Mistral construida sobre Mistral Small 3: acepta texto, archivos y audio, y genera texto. Su ficha describe un modo de transcripción dedicado con detección automática de idioma, respuesta a preguntas y resumen directo del audio, y llamadas a funciones activadas por voz de forma experimental en ocho idiomas. Con un contexto de 32k tokens, según la ficha gestiona unos 30 minutos de audio para transcribir o 40 para comprender. Las tasas de error publicadas solo aparecen como imágenes, así que conviene validarlas de forma independiente.[1][2]

Puntos fuertes

Une transcripción de voz, comprensión de audio y chat de texto en un solo modelo, de modo que las preguntas y resúmenes sobre audio no requerirían una etapa ASR separada.[2]
Descrito como nativamente multilingüe en ocho idiomas, con detección automática del idioma en el modo de transcripción.[2]
Admite llamadas a herramientas, salidas estructuradas y un contexto de 32k tokens que abarca decenas de minutos de audio, según el catálogo y la ficha.[1][2]

Limitaciones

La ficha indica que los prompts de sistema aún no están soportados y califica las llamadas a funciones como experimentales.[2]
La salida es solo texto, la fecha de corte de conocimiento no se declara y los benchmarks aparecen únicamente como imágenes, por lo que no pudieron verificarse de forma independiente.[1][2]
El autoalojamiento requeriría unos 55 GB de memoria GPU en bf16/fp16; valide precisión y coste con su propio audio antes de adoptarlo.[2]

Dónde utilizarlo

Transcripción multilingüe de grabaciones largas como reuniones o entrevistas, dado el modo dedicado; pruebe primero la precisión en sus dominios objetivo.[2]
Asistentes de voz que respondan preguntas sobre audio o lo resuman directamente, lo que podría simplificar pipelines que hoy encadenan ASR y LLM.[2]
Flujos por intención hablada que disparen funciones o APIs; prometedor pero marcado como experimental, así que conviene pilotarlo antes de producción.[2]

Fuentes

[1] OpenRouter catalog · Mistral: Voxtral Small 24B 2507Fuentes consultadas: 13 nov 2026
[2] Model documentation · Mistral: Voxtral Small 24B 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 Small is an enhancement of Mistral Small 3, incorporating state-of-the-art audio input capabilities while retaining best-in-class text performance. It excels at speech transcription, translation and audio understanding. Input audio...

Especificaciones

ID del modelo: mistralai/voxtral-small-24b-2507
Creador: mistralai
Añadido a OpenRouter: 30.10.2025
Longitud de contexto: 32,768
Modalidad: text+file+audio->text
Modalidades de entrada: text, audio, file
Modalidades de salida: text
Precio por token: USD por 1M de tokens: entrada $0.100 / salida $0.300
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	parámetros: structured_outputs, tool_choice, tools
Escritura	Sin medición	salida: text
Razonamiento	Sin medición	—
Análisis de documentos	Sin medición	entrada: file
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)
Mistral	32,768	$0.100	$0.300	—	—	100%
Mistral	32,000	$0.110	$0.330	—	—	100%

Datos de proveedores obtenidos: 13.11.2026

Ningún artículo publicado identifica aún este modelo.