mistralai
Mistral: Voxtral Small 24B 2507 STT
mistralai/voxtral-small-24b-2507-stt
Nossa análise
Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.
O Voxtral Small 24B 2507 STT da Mistral aparece no catálogo da OpenRouter como uma variante de transcrição de fala do Voxtral Small, aceitando áudio e produzindo transcrição. A documentação do modelo subjacente descreve um modelo de áudio-linguagem de 24B baseado no Mistral Small 3, com detecção automática de idioma em oito línguas, contexto de 32k tokens que comporta cerca de 30 minutos de áudio para transcrição, e modos de transcrição, perguntas e respostas sobre áudio, sumarização e chamada de funções experimental. Os números de benchmark são informados pelo fornecedor; não há pontuações extraíveis neste material.[1][2]
Pontos fortes
- A documentação descreve um modo de transcrição dedicado com detecção automática do idioma de origem em oito línguas amplamente usadas, incluindo inglês, espanhol, francês e português.[2]
- Segundo a documentação, um contexto de 32k tokens comporta até cerca de 30 minutos de áudio para transcrição ou 40 minutos para compreensão de áudio, adequado a materiais longos.[2]
- O modelo subjacente supostamente oferece perguntas e respostas sobre áudio, sumarização e chamada de funções experimental, embora esta variante do catálogo esteja listada com saída apenas de transcrição.[1][2]
Limitações
- Os resultados de benchmark da documentação aparecem apenas como imagens, sem pontuações verificáveis aqui; a OpenRouter não lista dados de desempenho. É recomendável validar a precisão com áudio próprio antes da adoção.[1][2]
- A documentação indica que prompts de sistema ainda não são suportados e que a chamada de funções é experimental; executar o modelo subjacente em GPU exigiria cerca de 55 GB de VRAM em bf16 ou fp16.[2]
- A variante -stt não possui documentação própria neste material, portanto seu comportamento específico além da saída de transcrição indicada no catálogo não está verificado.[1]
Onde usar
- Pipelines multilíngues de fala para texto podem se beneficiar da detecção automática de idioma em oito línguas; convém confirmar cobertura e precisão nos idiomas desejados.[2]
- A transcrição longa de reuniões, entrevistas ou palestras pode ser adequada, pois a documentação afirma cerca de 30 minutos de áudio por solicitação.[2]
- Quem precisa de um único modelo de áudio para transcrição e compreensão posterior pode considerar a família Voxtral, embora esta variante esteja catalogada apenas para saída de transcrição.[1][2]
Fontes
- [1] OpenRouter catalog · Mistral: Voxtral Small 24B 2507 STTFontes consultadas: 13 de nov. de 2026
- [2] Model documentation · Mistral: Voxtral Small 24B 2507 STTFontes consultadas: 13 de nov. de 2026
Sobre este modelo
A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.
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.
Especificações
- ID do modelo
- mistralai/voxtral-small-24b-2507-stt
- ID canônico
- mistralai/voxtral-small-24b-2507-stt-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 | — | — | — | — | 100% |
Dados de provedores obtidos: 13.11.2026
Artigos relacionados
Nenhum artigo publicado identifica este modelo ainda.