mistralai

Mistral: Voxtral Mini 3B 2507

mistralai/voxtral-mini-3b-2507

Nossa análise

Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.

Voxtral Mini 3B 2507 é o modelo compacto de compreensão de áudio da Mistral AI, derivado do Ministral 3B, que aceita áudio como entrada e produz transcrições; sua ficha no Hugging Face também descreve perguntas e respostas sobre áudio, resumos, tradução e chamadas de função acionadas por voz. Oferece detecção automática de idioma em oito línguas e um contexto de 32 mil tokens que cobre cerca de 30 minutos de transcrição. As evidências vêm da ficha da Mistral e do catálogo da OpenRouter; as métricas aparecem apenas como imagens sem valores extraíveis, portanto a precisão deve ser validada em suas próprias cargas de trabalho.[1][2]

Pontos fortes

A ficha da Mistral descreve um modo de transcrição dedicado com detecção automática de idioma em inglês, francês, alemão, espanhol, italiano, português, neerlandês e hindi, além de tradução de fala e compreensão de áudio.[2]
Segundo a ficha, um contexto de 32 mil tokens comporta cerca de 30 minutos de áudio para transcrição ou 40 para compreensão, e estão documentados perguntas e respostas sobre áudio, resumos e chamadas de função por voz.[2]
A ficha indica cerca de 9,5 GB de memória de GPU em bf16/fp16, licença Apache 2.0 e suporte a vLLM e Transformers, o que pode facilitar a implantação própria.[2]

Limitações

Prompts de sistema ainda não são suportados, conforme a ficha do modelo.[2]
Os resultados de avaliação são publicados apenas como imagens sem valores extraíveis e não há avaliação independente neste conjunto de fontes; a precisão em cargas específicas não está verificada.[1][2]
O catálogo da OpenRouter expõe o modelo apenas como áudio para transcrição, portanto os recursos de áudio no estilo chat descritos pela Mistral podem não estar disponíveis nesse provedor.[1][2]

Onde usar

Transcrição e tradução de reuniões, chamadas ou mídia multilíngue nos idiomas listados, após validar a precisão nas suas condições de áudio.[1][2]
Interfaces de voz que respondam a perguntas, resumam gravações ou acionem funções de backend a partir da fala, se o caminho de implantação suportar esses recursos.[2]
Pipelines de áudio auto-hospedados em que um modelo de cerca de 3 bilhões de parâmetros caiba melhor na memória de GPU disponível do que sistemas de voz maiores.[2]

Fontes

[1] OpenRouter catalog · Mistral: Voxtral Mini 3B 2507Fontes consultadas: 13 de nov. de 2026
[2] Model documentation · Mistral: Voxtral Mini 3B 2507Fontes consultadas: 13 de nov. de 2026

Sobre este modelo

A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.

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.

Especificações

ID do modelo: mistralai/voxtral-mini-3b-2507
ID canônico: mistralai/voxtral-mini-3b-2507-20260813
Criador: mistralai
Adicionado ao OpenRouter: 13.08.2026
Comprimento de contexto: 0
Modalidade: audio->transcription
Modalidades de entrada: audio
Modalidades de saída: transcription
Preço por token: Sem preço por token no snapshot da fonte — consulte o OpenRouter para a unidade de cobrança
Corte de conhecimento: —
Data de expiração: —

Tarefas e capacidades

Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.

Tarefa	Nota	Capacidade declarada pela fonte
Qualidade geral	Sem medição	—
Programação	Sem medição	—
Agentes	Sem medição	—
Escrita	Sem medição	—
Raciocínio	Sem medição	—
Análise de documentos	Sem medição	—
Visão	Sem medição	—
Geração de imagens	Sem medição	—
Áudio	Sem medição	entrada: audio
Vídeo	Sem medição	—
Embeddings	Sem medição	—

Avaliações

Não há avaliações fornecidas para este modelo.

Como funcionam as notas

Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.

S — S — top 10% da coorte
A — A — próximos 20% da coorte
B — B — próximos 30% da coorte
C — C — abaixo da faixa B

Provedores

Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.

Provedor	Comprimento de contexto	Preço entrada /1M	Preço saída /1M	Latência p50 (30m, s)	Taxa p50 (30m, tok/s)	Disponibilidade (30m)
DeepInfrabf16	0	—	—	—	—	—

Dados de provedores obtidos: 13.11.2026

Nenhum artigo publicado identifica este modelo ainda.