mistralai
Mistral: Voxtral Small 24B 2507 STT
mistralai/voxtral-small-24b-2507-stt
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 STT de Mistral figura en el catálogo de OpenRouter como una variante de transcripción de voz de Voxtral Small que acepta audio y produce transcripción. La ficha del modelo subyacente describe un modelo audio-lenguaje de 24B basado en Mistral Small 3, con detección automática de idioma en ocho lenguas, un contexto de 32k tokens que admite unos 30 minutos de audio para transcripción, y modos de transcripción, preguntas y respuestas sobre audio, resumen y llamadas a funciones experimentales. Las cifras de rendimiento son aportadas por el proveedor; no hay puntuaciones extraíbles en este material.[1][2]
Puntos fuertes
- La ficha del modelo describe un modo de transcripción dedicado con detección automática del idioma de origen en ocho lenguas de amplio uso, incluidas inglés, español, francés y portugués.[2]
- Según la ficha, un contexto de 32k tokens maneja hasta unos 30 minutos de audio para transcripción o 40 minutos para comprensión de audio, adecuado para material extenso.[2]
- El modelo subyacente supuestamente admite preguntas y respuestas sobre audio, resumen y llamadas a funciones experimentales, aunque esta variante del catálogo figura con salida solo de transcripción.[1][2]
Limitaciones
- Los resultados de referencia de la ficha son solo imágenes, sin puntuaciones verificables aquí; OpenRouter no lista datos de rendimiento. Conviene validar la precisión con audio propio antes de adoptarlo.[1][2]
- La ficha indica que los mensajes de sistema aún no son compatibles y que las llamadas a funciones son experimentales; ejecutar el modelo subyacente en GPU requeriría unos 55 GB de VRAM en bf16 o fp16.[2]
- La variante -stt carece de ficha propia en este material, por lo que su comportamiento específico más allá de la salida de transcripción indicada en el catálogo no está verificado.[1]
Dónde utilizarlo
- Las canalizaciones multilingües de voz a texto podrían beneficiarse de la detección automática de idioma en ocho lenguas; conviene confirmar cobertura y precisión en los idiomas objetivo.[2]
- La transcripción prolongada de reuniones, entrevistas o conferencias podría encajar, ya que la ficha afirma unos 30 minutos de audio por solicitud.[2]
- Quienes necesiten un único modelo de audio para transcripción y comprensión posterior podrían considerar la familia Voxtral, aunque esta variante está catalogada solo para salida de transcripción.[1][2]
Fuentes
- [1] OpenRouter catalog · Mistral: Voxtral Small 24B 2507 STTFuentes consultadas: 13 nov 2026
- [2] Model documentation · Mistral: Voxtral Small 24B 2507 STTFuentes 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 24B 2507 STT is a speech transcription model from Mistral AI. It is suited for transcription, translation, and audio understanding workloads that benefit from its larger model capacity.
Especificaciones
- ID del modelo
- mistralai/voxtral-small-24b-2507-stt
- ID canónico
- mistralai/voxtral-small-24b-2507-stt-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 | — | — | — | — | 100% |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.