Mistral Voxtral 3 traz agentes de voz a partir de US$ 0,0035 por minuto

A Mistral AI lançou o Voxtral 3 em 20 de outubro de 2026, uma família de modelos de voz para criar agentes de voz que ouvem, raciocinam, falam e agem. A transcrição começa em US$ 0,0035 por minuto, e um agente de voz completo, em US$ 0,04 por minuto. A Mistral também afirma que os modelos superam rivais fechados da OpenAI e da ElevenLabs, segundo o Crypto Briefing.

O que há no Voxtral 3

O Voxtral 3 cobre as duas direções da fala. Modelos de voz para texto transformam áudio em texto, e um modelo de texto para voz transforma o texto de volta em voz. Uma API de agentes de voz os conecta a um modelo de linguagem, para que quem liga possa falar com um software que responde e executa ações.

O anúncio da Mistral lista estes modelos e preços:

Modelo	O que faz	Preço
Voxtral Mini Transcribe 3	Voz para texto em lote	US$ 0,0035 por minuto
Voxtral Small Transcribe 3	Voz para texto com identificação de falantes	US$ 0,0040 por minuto
Voxtral Mini Transcribe Realtime 3	Voz para texto ao vivo	US$ 0,008 por minuto
Voxtral Speech 3	Texto para voz	US$ 13 por milhão de caracteres
API de agentes de voz, com Mistral Small 4	Agente de voz completo	US$ 0,04 por minuto
API de agentes de voz, com outro modelo	Agente de voz completo	US$ 0,08 por minuto

O post chama o modelo de voz de várias formas, incluindo Voxtral Mini TTS 3. A transcrição cobre mais de 50 idiomas, incluindo os 24 idiomas oficiais da União Europeia. O modelo de voz cobre mais de 35 idiomas e 50 dialetos, com vozes prontas em 18 idiomas. Uma opção chamada Pro Voice cria uma voz personalizada a partir de 30 minutos de fala gravada.

Como os agentes de voz funcionam

O kit de agentes é baseado no LiveKit, um conjunto de ferramentas de código aberto para áudio e vídeo ao vivo. Ele se conecta a linhas telefônicas via SIP e a navegadores e apps via WebRTC. Cada etapa é um modelo separado, então uma equipe pode trocar o modelo de linguagem, a voz ou o idioma sem reescrever o agente, segundo a Mistral.

A velocidade é o principal argumento de venda. A Mistral diz que a transcrição ao vivo roda em menos de 500 milissegundos e que um turno completo do agente termina em menos de um segundo. Os agentes podem chamar sistemas externos no meio da conversa, informa o The Decoder, para tarefas como agendar compromissos ou conferir faturas.

Os modelos rodam na API da Mistral, com endpoints na Europa, nos EUA e globais. As empresas também podem implantá-los em servidores próprios ou em nuvem privada entrando em contato com a Mistral.

Benchmarks e perguntas em aberto

Os números da Mistral vêm de testes próprios. Na transcrição com atribuição de falantes, o modelo também precisa dizer quem falou. Nesse teste, a Mistral informa uma taxa de erro de 18,4% para o Voxtral Small Transcribe 3. Isso supera o Scribe v2, com 23,0%, e o Gemini 3.5 Transcribe, com 38,4%, como mostra o gráfico acima.

Na detecção de termos-chave em teleconferências de resultados, com uma lista de palavras esperadas, o Voxtral Small Transcribe 3 marcou 94,6%. O Scribe v2 marcou 94,3% e o Gemini 3.5 Transcribe, 87,3%.

Duas reportagens contradizem a própria página da Mistral. O Crypto Briefing descreve o pipeline como de pesos abertos e cita cerca de US$ 0,001 por minuto. O post da Mistral não informa nenhuma licença e lista de US$ 0,0035 a US$ 0,008 por minuto para transcrição. Até a Mistral publicar os pesos e uma licença, trate o Voxtral 3 como um produto de API com opção de auto-hospedagem.

Como se compara no preço

Os preços de agentes de voz estão convergindo. O Grok Voice 3.0 da xAI custa US$ 0,08 por minuto em sua API de agentes de voz. A Mistral iguala esse valor com qualquer modelo externo e o reduz pela metade com seu próprio Mistral Small 4. O Voxtral 3 é o quarto lançamento Voxtral da Mistral desde julho de 2025, depois de modelos de voz em fevereiro e março de 2026.

O que isso significa para desenvolvedores

O Voxtral 3 transforma um agente de voz completo em um produto pronto, com preço definido, em vez de um projeto montado com peças avulsas.

• Calcule seu volume de chamadas por minuto. A US$ 0,04 por minuto, um mês de 10.000 minutos custa cerca de US$ 400 com o Mistral Small 4. Faça as contas com o seu próprio mix de chamadas antes de comparar fornecedores.
• Teste a identificação de falantes com o seu áudio. A taxa de erro de 18,4% vem de conjuntos de teste escolhidos pela Mistral. Grave algumas chamadas reais com vozes sobrepostas e confira você mesmo quem disse o quê.
• Aproveite o design modular. Como cada etapa é separada, você pode manter a transcrição da Mistral e conectar outro modelo de linguagem. Isso custa US$ 0,08 por minuto em vez de US$ 0,04.
• Pergunte sobre os pesos antes de planejar a auto-hospedagem. A implantação local passa pela equipe de vendas da Mistral, e nenhuma licença foi publicada. Obtenha os termos por escrito se os dados precisarem ficar dentro da empresa.