Voxtral 3 TTS לעומת Voxtral 4B TTS: הדגם החדש יותר שלא ניתן להוריד
- OrcaחדשOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 10 tok/s
- deepseekחדשDeepSeek: DeepSeek V4.1 Flash 10172026-10-1745אינטליגנציה
- DeepSeekחדשDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
- OrcaחדשOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 150 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 297 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238אינטליגנציה
- OpenAIOpenAI: GPT-6 Sol2026-09-2248אינטליגנציה
- AnthropicAnthropic: Claude Opus 5.52026-09-2258אינטליגנציה
- xAIGrok 4.72026-09-2146אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 לכל 1M טוקנים · 49 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 לכל 1M טוקנים · 826 tok/s
- OpenAIOpenAI: GPT-6 Astra2026-09-0453אינטליגנציה77כתיבת קוד
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241אינטליגנציה76כתיבת קוד
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245אינטליגנציה76כתיבת קוד
- AnthropicAnthropic: Claude Fable 5.12026-09-0153אינטליגנציה82כתיבת קוד
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 לכל 1M טוקנים · 47 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 לכל 1M טוקנים · 94 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642אינטליגנציה72כתיבת קוד
העובדה המביכה לגבי Voxtral 3 TTS היא שהוא טוב יותר מVoxtral 4B TTS בכמעט כל מובן שניתן למדוד, וגרוע יותר בדבר האחד שמכריע פריסות מסוימות: אי אפשר להשיג אותו. Mistral שחררה את Voxtral 4B TTS ב-23 במרץ 2026 כמשקולות פתוחות — mistralai/Voxtral-4B-TTS-2603 ב-Hugging Face, ברישיון CC BY-NC 4.0, להורדה ולהרצה על המאיצים שלכם. Voxtral 3 TTS הגיע ב-20 באוקטובר 2026 כמוצר API בלבד. עמוד ההשקה מתאר נקודות קצה באיחוד האירופי, בארה"ב ובגלובליות, מגרשי משחקים ב-Studio ופריסה עצמית על תשתית פרטית, ואינו אומר ולו פעם אחת שהמשקולות זמינות. אז היורש בן שבעת החודשים טוב ב-127 Elo בלוח ההאזנה העיוורת (1,217 לעומת 1,090), זול ב-19% במחיר של 13 דולר לעומת 16 דולר למיליון תווים, ומהיר בכ-42% ב-112 לעומת 79 תווים לשנייה — ובכל זאת הוא עדיין לא תחליף ישיר (drop-in) למודל שהוא מחליף, משום שהמודל הישן יותר הוא החבר היחיד במשפחה הזו שחברה יכולה למעשה להחזיק בבעלותה. הכשלים המתועדים של בינה מלאכותית ותקריות סוכנים העומדים מאחורי מהדורות כמו זו נאספים בארכיון תקריות ה-AI של OrcaRouter שבו כל רשומה נושאת את המקורות שלה, חומרה, דירוג מהימנות ודגל מחלוקת.
שני מודלים, שבעה חודשים, גבול רישיון אחד
כדאי לנסח את הגבול הזה במדויק לפני כל מבחן, משום שהוא משנה את סדר ההשוואה כולה.
• Voxtral 4B TTS — משקלים פתוחים תחת CC BY-NC 4.0. לא למטרות מסחריות. מותר להוריד אותו, לבדוק אותו, להריץ אותו ולכוונן אותו; אסור לשלב אותו בתוך מוצר בתשלום. המגבלה נובעת ממערכי הנתונים של קולות הייחוס העומדים מאחוריו, ולא ממגבלה טכנית כלשהי של הצ'קפוינט. אירוח עצמי שלו לצורך הערכה פנימית הוא בסדר; אירוח עצמי שלו בשירות מסחרי המיועד ללקוחות אינו בסדר.
• Voxtral 3 TTS — סגור. לא פורסמו משקלים נכון ל-21 באוקטובר 2026. "פריסה עצמית בתשתית פרטית או בענן פרטי" בדף של Mistral היא הצעת פריסה ארגונית שמנוהלת במשא ומתן עם הספק, ולא קישור הורדה, וערבוב בין השניים הוא הטעות הקלה ביותר לעשות כשקוראים את הדף הזה במהירות.
ההשלכה המעשית: אם הסיבה שלכם לרצות את Voxtral 4B TTS הייתה שהאודיו לעולם לא יוצא מהרשת שלכם, Voxtral 3 TTS אינו מחליף אותו אלא אם תחתמו על משהו עם Mistral. אם הסיבה הייתה שהוא זול יותר מ-API מתארח, Voxtral 3 TTS מחליף אותו מבחינת מחיר ועולה עליו באיכות, ושאלת הרישיון נעלמת משום שאתם קונים שירות ולא קובץ. אותו פער של שבעה חודשים נפתר באופן שונה בהתאם לשאלה איזה משני המשפטים הללו מתאר את המצב שלכם.
לוח התוצאות
• Elo קולי של הספק — Voxtral 3 TTS: 1,217 (#13 מתוך 98), מרווח 95%: 1,202–1,232. Voxtral 4B TTS: 1,090 (#46), מרווח: 1,078–1,102. שניהם לפי Artificial Analysis, כפי שנקרא ב-21 באוקטובר 2026.
• מחיר ל-1 מיליון תווים — 13.00 $ לעומת 16.00 $. בקצב של כ-900 תווים בדקת דיבור, 0.70 $ לעומת 0.86 $ לשעה.
• תפוקה — חציון של 112 תווים לשנייה לעומת 79, כפי שנמדד על ידי Artificial Analysis במארח המקורי של כל מודל.
• שפות — Voxtral 3 TTS: 35+ שפות ו-50+ ניבים, פריסטים ב-18. Voxtral 4B TTS: 9 שפות — אנגלית, צרפתית, גרמנית, ספרדית, הולנדית, פורטוגזית, איטלקית, הינדי, ערבית, עם תמיכה בניבים.
• התאמת קול — Voxtral 3 TTS: "Pro Voice", 30 דקות של אודיו. Voxtral 4B TTS: פרומפט ייחוס באורך 5–25 שניות, המתואר בכרטיס המודל כקצר עד 3 שניות.
• משקלים — סגורים לעומת פתוחים (CC BY-NC 4.0).
קו השפה הוא השינוי הגדול ביותר שאיש לא כתב עליו. Voxtral 4B TTS מכסה תשע שפות; הדגם החדש מצהיר על 35+ ו-50+ ניבים. מדובר בהרחבה פי ארבעה של המוצר, וזהו נימוק חזק יותר לשדרוג מאשר ה-Elo — 127 נקודות מעבירות אותך מאמצע הלוח לאמצע הלוח, אבל המעבר מתשע שפות לשלושים וחמש משנה לאילו שווקים אפשר למכור.
סדרת התאמת הקול פועלת בכיוון ההפוך, והיא הרגרסיה האמיתית היחידה. Voxtral 4B TTS משכפל מקליפ ייחוס קצר — שלוש שניות בלבד לפי כרטיס הדגם, כאשר הארכיטקטורה מתארת חלון פרומפט של 5–25 שניות. ה-Pro Voice של Voxtral 3 TTS דורש שלושים דקות אודיו כדי לשחזר את האופי, הטווח הרגשי והסגנון של דובר בשפות שונות. שלושים דקות זה סשן אולפן. שלוש שניות זה פיצ'ר. אם המוצר שלך מאפשר למשתמש לשמוע את הקול שלו, הדגם החדש גרוע יותר במשימה.
מה ה-4B באמת, מתחת למכסה המנוע
מספר הפרמטרים בשמו של המודל הישן מתאר ארכיטקטורה אמיתית, והוא מסביר גם את חוזקותיו וגם מדוע המודל היורש אינו פשוט גרסה גדולה יותר שלו.
Voxtral 4B TTS הוא בקירוב ארבעה מיליארד פרמטרים בשלושה חלקים: עמוד שדרה של מפענח טרנספורמר בנפח 3.4B הבנוי על Ministral 3B, טרנספורמר אקוסטי תואם-זרימה בנפח 390M, וקודק אודיו נוירוני בנפח 300M. הוא אוטורגרסיבי מעל קודק VQ סמנטי עם אוצר מילים של 8,192 טוקנים, שמזין ראש תואם-זרימה שחוזה תכונות FSQ אקוסטיות על פני 36 ממדים ב-21 רמות, ופועל בקצב 12.5 הרץ. במונחים פשוטים: מודל שפה קטן קורא את הטקסט ומתכנן, רשת תואמת-זרימה הופכת את התוכנית לתכונות אודיו, וקודק הופך תכונות לדגימות. הוא מייצר באופן נייטיבי עד שתי דקות, כאשר פלט ארוך יותר מטופל באמצעות שילוב ב-API.
הנתון שפרסמה Mistral עבור דגם מרץ היה 70 אלפיות השנייה של השהיית מודל עבור דגימת קול באורך 10 שניות ו-500 תווים, במקדם זמן אמת של כ-9.7x. המספרים האלה נמדדו על מערך ההגשה של Mistral, ולא באופן עצמאי, והם מתארים מודל שהיה מהיר באמת לדור שלו. התפוקה של דגם אוקטובר ב-Artificial Analysis, 112 תווים לשנייה לעומת 79, מרמזת שהיורש מהיר אפילו יותר — אך Mistral אינה מפרסמת זמן עד לאודיו הראשון עבור Voxtral 3 TTS כלל, וזו השמטה מוזרה לחברה שדגם ה-TTS הקודם שלה נפתח בנתון השהיה.
שני דורות של ארכיטקטורה ניכרים גם במספר השפות. תשע שפות במרץ, שלושים וחמש ויותר באוקטובר, כאשר מודלי התמלול של המשפחה טוענים לכיסוי כל 24 השפות הרשמיות של האיחוד האירופי. מה שהשתנה בין שתי נקודות השמירה שינה את נתוני האימון ואת כיסוי הטוקנייזר הרבה יותר מאשר את המחסנית האקוסטית.
מי צריך להשאיר את ה-4B, ומי צריך לעבור
השאירו את Voxtral 4B TTS אם אחד מהתנאים הבאים מתקיים. אתם זקוקים לכך שהאודיו יעובד בחומרה בשליטתכם ואינכם יכולים לנהל משא ומתן על פריסה פרטית. אתם עורכים מחקר או הערכה, שבהם CC BY-NC 4.0 מתיר שימוש והרישיון אינו עולה דבר. אתם זקוקים לשכפול קול מדגימת ייחוס קצרה — שלוש שניות לעומת שלושים דקות אינן בכלל תחרות צמודה. אתם עובדים באחת מתשע השפות שהוא מכסה והאיכות מספיקה, ובמקרה כזה צ'קפוינט חינמי שאתם כבר מריצים שווה יותר מצ'קפוינט טוב יותר שעליכם לקרוא לו.
עברו ל-Voxtral 3 TTS אם אחד מהתנאים הבאים מתקיים. אתם מוכרים את הפלט ולכן ממילא מעולם לא הייתם רשאים להריץ את ה-4B באופן עצמאי לשימוש מסחרי — במקרה כזה כבר השתמשתם ב-API במחיר של $0.016 לאלף תווים, וה-$13 החדש למיליון זול ב-19% עבור מודל טוב יותר ב-127 Elo, וזה השדרוג הקל ביותר בקטע הזה. אתם צריכים שפה מחוץ לתשע השפות המקוריות. אתם צריכים את מחסנית הסוכנים: Voxtral 3 TTS מגיע עם SDK לסוכני קול מבוסס LiveKit, תמיכה ב-SIP וב-WebRTC, סבבי סוכן של פחות משנייה ומחיר חבילה לדקה של $0.04 עם הסקת מסקנות של Mistral Small 4 — דברים שלא היו קיימים סביב מודל מרץ.
יש קבוצה שלישית שצריכה להריץ את שניהם, והיא גדולה מכפי שהיא נראית: צוותים שעושים אב-טיפוס על ה-checkpoint הפתוח ומשרתים דרך ה-API. Voxtral 4B TTS נותן לך מודל מקומי לבחון מולו פרומפטים, קולות ומצבי כשל בלי עלות לכל קריאה ובלי שנתונים יוצאים מהארגון; Voxtral 3 TTS נותן לך את נקודת הקצה לפרודקשן עם כיסוי השפות והרישיון למכור. השניים חולקים אותה שושלת משפחתית אך לא אותו משטח API, אז תכננו שהפרומפטים יצטרכו כוונון מחדש — פער איכות של 127 נקודות הוא מודל אחר, לא עדכון גרסה, ובקרות כיוון שהתנהגו בדרך אחת ב-4B לא בהכרח יעברו.
אם נתיב הייצור צריך לשרוד השבתה של ספק, זהו הטיעון להציב את קריאת הסינתזה מאחורי נתב במקום לקרוא ל-Mistral ישירות. OrcaRouter מספק נקודת קצה אחת תואמת OpenAI על פני יותר מ-200 מודלים עם מחיר המחירון של הספק כפי שהוא וללא תוספת של 0%, כך ש-השבתה של backend סינתזה אחד מפעילה מעבר אוטומטי לגיבוי במקום להשתתק — וצינור קולי שמפיק אצוות לילה הוא בדיוק סוג העומס שבו נקודת קצה מתה עולה לילה שלם ולא בקשה בודדת. המודלים של Mistral נגישים דרך ה-API של Mistral עצמו וכמה פלטפורמות צד שלישי; בדקו את הקטלוג לזמינות עדכנית לפני שתעצבו סביב מזהה מודל ספציפי.
השאלה שמיסטרל לא ענתה עליה
האם Voxtral 3 TTS יקבל משקלים פתוחים? המודל של מרץ כן קיבל אותם, תחת רישיון לא-מסחרי, והוא הפך לנקודת הייחוס לאיך נראה צ'ק-פוינט TTS פתוח ממעבדה אירופית. שום דבר בהשקה של אוקטובר לא חוזר על זה. העמוד מפורש לגבי גישה ל-API ופריסה פרטית, ושותק לגבי הורדות — אותו דפוס שבו השתמשה Mistral בכמה ממודלי הטקסט שלה לפני ששחררה משקלים חודשים אחר כך.
אם המשקולות אכן ישוחררו, ההשוואה משתנה לחלוטין: תנאי הרישיון יקבעו אם המודל הפתוח שמיש מסחרית, והתקדים — CC BY-NC 4.0 — מרמז שלא כך יהיה. זה ישאיר את המצב פחות או יותר כפי שהוא כעת, כאשר המודל שניתן להורדה הוא תוצר מחקרי והמודל השמיש הוא שירות.
השאלה הנוספת שנותרה ללא מענה היא האם ה-4B ישמור על הרישום שלו ב-API. טבלת התמחור של Mistral לדיבור מפרטת את המשפחה החדשה ואינה מזכירה את המודל ממרץ, בעוד ש-Artificial Analysis עדיין עוקבת אחריו ב-$16 עם מארח פעיל. מבחינה היסטורית, Mistral השאירה מודלים ישנים יותר של דיבור זמינים לקריאה לאורך זמן רב; אם זה יימשך, לצוותים יש חלופה שימושית באמת — מודל קצת פחות טוב וקצת יקר יותר, שבכל זאת מהווה פריסה אחרת. אם לא, כל מי שבנה על voxtral-mini-tts-latest במרץ צריך לבדוק לאיזה מודל הכינוי הזה מפנה כעת לפני החשבונית הבאה שלו.
הגרסה הקצרה: Voxtral 3 TTS הוא המודל הטוב יותר והנכס הגרוע יותר. קנו אותו בשביל שפות, איכות ומערך הסוכנים; השאירו את Voxtral 4B TTS לעבודה מקומית, לשיבוט מרפרנס קצר ולשבע? לא, לתשע השפות שהוא כבר עושה היטב. ההגירה היחידה שנכונה באופן חד-משמעי היא מה-API המתארח של 4B ל-API החדש — אותו ספק, אותה עמדת רישוי, זול יותר וטוב יותר — והיא המהלך היחיד בהשוואה הזו שלא עולה כלום לבצע.
