O que é o Voxtral 3 da Mistral?

É uma família de modelos de transcrição e de fala sintetizada lançada em 20 de outubro de 2026, com um kit para montar agentes de voz que atendem por telefone e na web e usam ferramentas durante a conversa.

Quanto custa o Voxtral 3?

O agente de voz custa US$ 0,04 por minuto com o Mistral Small 4 e US$ 0,08 com outro modelo. A transcrição vai de US$ 0,0035 a US$ 0,008 por minuto e a fala sintetizada custa US$ 13 por milhão de caracteres.

O Voxtral 3 é o melhor modelo de transcrição?

Não no ranking da Artificial Analysis consultado em 22 de outubro. O Small Transcribe 3 ficou em 3º, com 2,1% de erro, atrás de Alibaba e Microsoft e à frente de ElevenLabs e Google.

O Voxtral 3 fala português do Brasil?

Sim. O português do Brasil está na biblioteca de vozes e entre as vozes prontas. A API, porém, só tem endpoints na Europa, nos EUA e global.

Mistral lança o Voxtral 3 para agentes de voz

A Mistral AI lançou em 20 de outubro de 2026 o Voxtral 3, família de modelos de transcrição e de fala sintetizada com um kit para montar agentes de voz. O agente que usa o Mistral Small 4 para raciocinar custa US$ 0,04 por minuto. A transcrição em lote sai a partir de US$ 0,0035 por minuto e cobre 50 idiomas. Tudo roda na API da Mistral, com servidores na Europa, ou na infraestrutura do próprio cliente.

Em resumo

O que é: quatro modelos (Small Transcribe 3, Mini Transcribe 3, Mini Transcribe Realtime 3 e Mini TTS 3) e um kit de agentes de voz construído sobre o LiveKit.
Preço: agente a US$ 0,04 por minuto com o Mistral Small 4 e US$ 0,08 com outro modelo. Transcrição de US$ 0,0035 a US$ 0,008 por minuto. Voz a US$ 13 por milhão de caracteres.
Latência: menos de 500 milissegundos na transcrição ao vivo e menos de 1 segundo por turno no agente, segundo a Mistral, sem método de medição publicado.
Checagem independente: a Artificial Analysis põe o Small Transcribe 3 em 3º lugar em precisão de transcrição, atrás de Alibaba e Microsoft e à frente de ElevenLabs e Google.
Ponto aberto: a Mistral não disse se vai publicar os pesos do Voxtral 3. Modelos de voz que ela lançou em fevereiro e março tiveram pesos abertos.

O que a Mistral lançou?

O Voxtral 3 tem quatro modelos. O Voxtral Small Transcribe 3 é o de maior precisão em transcrição. O Voxtral Mini Transcribe 3, de 4 bilhões de parâmetros, faz transcrição em lote. O Voxtral Mini Transcribe Realtime 3 transcreve ao vivo. O Voxtral Mini TTS 3 gera fala em lote e em tempo real, com controle de emoção, ritmo e ênfase. Os modelos de transcrição separam quem está falando, detectam quando a pessoa terminou de falar e aceitam listas de termos e texto livre para reconhecer nomes e jargão sem novo treino.

A peça nova é o kit de agentes de voz, construído sobre o LiveKit, estrutura aberta de áudio ao vivo. Ele junta escuta, raciocínio, chamada de ferramentas e fala num fluxo contínuo. O raciocínio fica com o Mistral Small 4. O agente atende por telefone, via SIP, e em navegadores e aplicativos, via WebRTC. Os exemplos da Mistral são conferir a identidade de quem liga, consultar uma fatura e marcar um horário. O Search Engine Watch destaca o desenho em peças: dá para trocar o modelo de raciocínio ou a voz sem refazer o agente inteiro.

Há também o Pro Voice, que adapta uma voz específica a partir de cerca de 30 minutos de áudio. A DataNorth lembra que, pelo artigo 50 do AI Act europeu, quem liga precisa ser avisado de que fala com uma IA. E recomenda consentimento por escrito antes de reproduzir a voz de alguém.

Quanto custa?

Pela tabela da Mistral, o agente com o Mistral Small 4 custa US$ 0,04 por minuto. Com outro modelo de raciocínio, US$ 0,08. A transcrição custa US$ 0,0035 por minuto no Mini em lote, US$ 0,004 no Small e US$ 0,008 no Mini em tempo real. A fala sintetizada sai a US$ 13 por milhão de caracteres. O Search Engine Watch e a DataNorth fizeram a conta para 10 mil minutos de ligação por mês: US$ 400 com o Small 4 e US$ 800 com outro modelo, sem telefonia e sem implantação.

Dois pontos ficam sem resposta. A DataNorth observa que a Mistral não diz se o preço do agente já inclui transcrição e fala. E não há preço público para o Pro Voice nem para a instalação privada, que passa pelo time comercial. A Crypto Briefing publicou um preço esperado de cerca de US$ 0,001 por minuto, que não aparece na página da Mistral. Este texto usa a tabela oficial.

Na comparação com a geração anterior, o minuto ficou um pouco mais caro. Em fevereiro, o Voxtral Mini Transcribe 2 custava US$ 0,003 por minuto e o Voxtral Realtime, US$ 0,006, segundo o Trending Topics. Em troca, a transcrição passou de 13 para 50 idiomas, incluindo as 24 línguas oficiais da União Europeia.

A Mistral lidera em transcrição?

A Mistral diz que o Small Transcribe 3 supera o Whisper, o Scribe v2 da ElevenLabs e o Gemini 3.5 Transcribe do Google. No gráfico da empresa, com 45 idiomas do teste FLEURS, o modelo erra 4,1% das palavras com o idioma informado e 4,0% com detecção automática, segundo o Technobezz e a TestingCatalog. A TestingCatalog nota que, no mesmo gráfico, o Microsoft AI Transcribe 2 empata com ele.

A Artificial Analysis, que testa modelos por conta própria, confirma parte da afirmação. No ranking de transcrição consultado em 22 de outubro, o Small Transcribe 3 aparece em 3º lugar, com 2,1% de erro. Fica atrás do Fun-Realtime-ASR-preview, da Alibaba, com 1,7%, e do MAI-Transcribe-2, da Microsoft, com 2,0%. Fica à frente do Scribe v2, com 2,2%, e do Gemini 3.5 Transcribe, com 2,6%. O Mini Transcribe 3 vem logo depois, também com 2,2%. Ou seja, a Mistral vence os rivais que escolheu citar, mas não a Microsoft.

Na fala sintetizada, a TestingCatalog informa que a Artificial Analysis colocou o Voxtral 3 entre os 12 primeiros nas duas arenas de texto para fala. As comparações de qualidade de voz da própria Mistral usam avaliação interna, com um modelo do Google como juiz. A DataNorth ressalta que quase todas as comparações vêm da Mistral e que o turno de menos de 1 segundo não tem método publicado. A própria página diverge no número de idiomas da transcrição ao vivo: o texto fala em mais de 35 e o quadro do produto, em mais de 40.

Como chegamos até aqui?

A Mistral entrou em áudio em julho de 2025, com os primeiros modelos Voxtral de compreensão de fala, segundo a Crypto Briefing. Em fevereiro de 2026 vieram o Voxtral Mini Transcribe 2 e o Voxtral Realtime, este com pesos abertos sob licença Apache 2.0, em 13 idiomas. Em março chegou o Voxtral TTS, primeiro modelo de fala sintetizada da empresa, com 4 bilhões de parâmetros, 9 idiomas, entre eles o português, e pesos abertos sob licença não comercial CC BY-NC 4.0, segundo a DataNorth. Em outubro a empresa lançou o Large 4, modelo aberto de 1 trilhão de parâmetros treinado na Europa, coberto pela Marcio.AI.

A terceira geração muda de foco. Em vez de modelos soltos, a Mistral passa a vender o agente de voz pronto, com preço por minuto. A DataNorth vê a empresa menos aberta agora: a Mistral não disse se publicará os pesos do Voxtral 3, e a instalação própria passa pelo time comercial.

O que muda para empresas brasileiras?

O português do Brasil aparece de forma explícita no lançamento. Está entre os idiomas do teste de transcrição, na biblioteca de vozes e entre as vozes prontas, oferecidas em 18 idiomas. Isso diferencia o Voxtral 3 do Grok Voice 3.0, da xAI, cuja página consultada pela Marcio.AI em 15 de outubro não listava o português.

A Mistral oferece endpoints na Europa, nos EUA e um global. Não há região no Brasil. Ligação de atendimento costuma trazer nome, CPF, endereço e dados de conta. Se o áudio vai para servidor fora do país, a área de privacidade precisa enquadrar o uso nas regras de transferência internacional da LGPD. A outra saída é instalar os modelos na infraestrutura da empresa, o que hoje depende de negociação com a Mistral.

Para centrais de atendimento, a recomendação da DataNorth se aplica bem aqui. Começar por um tipo de ligação estreito e de alto volume, como remarcação ou status de pedido. Cadastrar nomes de produtos e de cidades no modelo de transcrição. Testar com gravações reais de sotaques regionais. E medir o tempo de cada turno numa linha telefônica de verdade, fora do ambiente de teste.

O que observar nas próximas semanas

A tese da Marcio.AI: a Mistral aposta em agente de voz feito de peças trocáveis, barato por minuto e instalável no cliente. Esse arranjo tende a ganhar contratos em setores regulados e no setor público europeu até meados de 2027, mesmo sem liderar em precisão, porque o cliente controla onde o áudio fica e qual modelo responde. Perdem espaço nesses clientes os pacotes fechados hospedados só nos EUA.

Sinais para conferir até dezembro. Se a Mistral publica os pesos de algum modelo do Voxtral 3. A posição do Voxtral TTS nas arenas da Artificial Analysis depois de algumas semanas de votos. O preço do Pro Voice e da instalação privada. Os primeiros clientes nomeados do kit de agentes. E uma eventual região de API fora da Europa e dos EUA.

Fontes

Rating Marcio.AI: 4/5 (Global, Muito relevante, No centro do hype). Seção DeepTech do Watcher.

#MarcioAI #Mistral #Voxtral #AgentesDeVoz #AgentesDeIA #Transcricao #Atendimento

Como este texto foi produzido

Este texto é assinado pelo Marcio.AI, o Gêmeo Digital do portal, que produz a partir de fontes públicas, dentro do recorte editorial definido por Marcio Sampaio N. SANTANA. Ele faz parte do Watcher, a curadoria diária de notícias de tecnologia da Marcio.AI. As fontes estão listadas acima, com veículo e data. A política editorial explica o processo inteiro e como pedir correção de qualquer informação.

Mistral lança o Voxtral 3, com transcrição, voz e kit de agentes por US$ 0,04 o minuto