Mistral's Voxtral 3 brengt een #3-transcriptiemodel en een $13-stem

Het getal om mee te beginnen is 2,1%. Dat is het woordfoutpercentage dat Artificial Analysis heeft gemeten voor Voxtral Small Transcribe 3, waarmee Mistrals nieuwe spraakherkenner per 21 oktober 2026 op de derde plaats staat op de onafhankelijke spraak-naar-tekst-ranglijst — achter alleen A​libaba's Fun-Realtime-ASR-preview met 1,7% en Microsofts MAI-Transcribe-2 met 2,0%, en vóór ElevenLabs Scribe v2 met 2,2%. Dezelfde release van 20 oktober bracht ook Voxtral 3 T​TS uit, een synthesemodel met een prijs van $13 per miljoen tekens dat op de dertiende plaats staat in de Provider Voice arena en op de veertiende plaats in de Controlled Voice arena. Een van die resultaten is een echte stap omhoog op de ranglijst. Het andere is een competente middenmoter met een agressief prijskaartje, en het verschil tussen hoe de twee werden aangekondigd en hoe ze daadwerkelijk scoorden, is het nuttigste aan de lancering. De gedocumenteerde AI-fouten en agentincidenten achter releases zoals deze zijn verzameld in het OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en betwistmarkering heeft.

{{1}}Alles hieronder onderscheidt drie soorten beweringen: cijfers van de blindluister- en transcriptieboards van Artificial Analysis (onafhankelijk), cijfers van de eigen lanceerpagina van Mistral (door de leverancier gerapporteerd), en rekenwerk dat hier op basis van gepubliceerde prijzen is gedaan.{{/1}} {{2}}Ze zijn niet uitwisselbaar, en de lanceerpagina presenteert ze zo dat ze gemakkelijk met elkaar te verwarren zijn.{{/2}}

Het transcriptieresultaat is wat Mistral daadwerkelijk hoger op de ranglijst brengt.

Voxtral Small Transcribe 3 is het vlaggenschip van de familie van vier modellen, en het is het enige onderdeel van de release met een onafhankelijke score die de gevestigde spelers ronduit verslaat. Met 2,1% WER staat het 0,1 punt achter Microsofts MAI-Transcribe-2 en 0,1 punt voor op Scribe v2 — marges die ruim binnen de ruis van één enkele evaluatieset vallen, maar genoeg om Mistral mee te laten doen in de top van de ranglijst in plaats van in het achtervolgende peloton.

Het snelheidscijfer is het verrassendere deel. Artificial Analysis meet een mediane snelheidsfactor van 66,6 voor Voxtral Small Transcribe 3, tegenover 20,3 voor de hoogst gerangschikte Fun-Realtime-ASR-preview en 308,8 voor MAI-Transcribe-2. In gewone taal: Mistrals model transcribeert ruwweg 67 minuten audio per minuut rekentijd — vier keer langzamer dan dat van Microsoft, drie keer sneller dan dat van Alibaba. Goedkoop, nauwkeurig en gematigd traag is een prima profiel voor batchtranscriptie; het is een slecht profiel voor alles wat interactief is, en daarom verkoopt Mistral een apart realtime-model.

De familie, zoals geleverd op 20 oktober:

• Voxtral Small Transcribe 3 — 50+ talen, diarisatie, contextbiasing, $0,004 per minuut ($4,00 per 1.000 minuten). De keuze voor nauwkeurigheid.

• Voxtral Mini Transcribe 3 — 4B parameters, 50+ talen, $0,0035 per minuut. Scoort 2,2% WER op hetzelfde leaderboard — statistisch gezien gelijk aan het Small-model tegen 12,5% minder kosten, waardoor de meerprijs van de Small-tier op basis van nauwkeurigheid alleen moeilijk te rechtvaardigen is.

• Voxtral Mini Transcribe Realtime 3 — streaming, naar verluidt minder dan 500 ms latentie, $0,008 per minuut. Mistrals eigen pagina vermeldt op twee verschillende plaatsen zowel "35+ talen" als "40+ talen" voor dit model; niemand buiten heeft getest welke van de twee juist is.

• Voxtral 3 TTS — batch- en realtime-synthese voor $13 per miljoen tekens, 35+ talen en 50+ dialecten. Het model dat de prijstabel van Mistral "Voxtral Speech 3" noemt en dat in de documentatie wordt vermeld als voxtral-mini-tts-3-0.

{{1}}Bij Mistrals eigen FLEURS 45-evaluatie rapporteert {{2}}Voxtral Small Transcribe 3{{/2}} 4,1% WER met geforceerde taal en 4,0% met afgeleide taal.{{/1}} Dat is een andere benchmark dan degene die {{3}}Artificial Analysis{{/3}} uitvoert, daarom toont de leverancierspagina 4% en de onafhankelijke ranglijst 2,1%. Geen van beide cijfers is onjuist; ze in dezelfde zin citeren zonder te zeggen welk cijfer bij welke hoort, is hoe de verslaggeving over een lancering misgaat. Mistral beweert ook de laagste diarisatiefout in zijn vergelijkingsset te hebben: 18,4% cpWER en 94,6% keyphrase-recall met contextbiasing, tegen 81,4% zonder — door de leverancier gerapporteerd, niet gereproduceerd.

Het stemmodel zit in de middenmoot, en de prijs voert het pleidooi.

Mistral's socialmediapost presenteert de T​TS-lancering als een entree in de top twaalf van beide text-to-speech-arena's. De live boards van 21 oktober vertellen een iets zachter verhaal: Voxtral 3 T​TS staat op #13 op Provider Voice met 1.217 Elo (95%-interval 1.202–1.232, een gedeelde band die de rangen 11 tot en met 17 omvat) en #14 op Controlled Voice met 1.066 Elo (een gedeelde band die 10 tot en met 19 omvat). Met andere woorden, het staat op beide in de top vijftien — en de betrouwbaarheidsintervallen overlappen met vijf andere modellen, dus de exacte rang is geen stabiel feit. Dit is de tweede dag van het model op het board en het aantal samples, 1.619 vergelijkingen, ligt ruim onder de 3.000+ die de koplopers hebben verzameld.

Wat stabiel is, is de buurt. Met 1.217 Elo staat Voxtral 3 T​TS op gelijke hoogte met Realtime T​TS-2 Flash en StepAudio 2.5 T​TS, voor op ElevenLabs Eleven v3 op 1.182, en achter Cartesia Sonic 3.6 op 1.289, Q​wen-Audio-3.1-T​TS-Plus op 1.299 en ElevenLabs Eleven v4 op 1.328.

Twee dingen over die plaatsing zijn het waard om ronduit te zeggen. Ten eerste is Voxtral 3 TTS een duidelijke verbetering van generatie op generatie voor Mistral: de Voxtral TTS van maart 2026 scoorde 1.090 op dezelfde lijst, dus dit is een sprong van 127 punten. Ten tweede heeft de sprong de kloof met de frontier niet gedicht. Het vorige model van Mistral stond ver achter; het nieuwe zit in de middenmoot.

Wat $13 per miljoen tekens daadwerkelijk oplevert

De prijs is waar deze release interessant wordt, en waar een letterlijke lezing van het persbericht je op het verkeerde been zal zetten. Bij $13 per miljoen tekens kost Voxtral 3 T​TS ongeveer $0,70 per uur gegenereerde spraak, ervan uitgaande dat er ongeveer 900 tekens per gesproken minuut zijn. Cartesia Sonic 3.6 kost $2,65 per uur bij $49, ElevenLabs Eleven v4 kost $4,32 bij $80, en Q​wen-Audio-3.0-T​TS-Plus kost $1,04 bij $19,31. Ten opzichte van het premiumsegment is de besparing reëel en groot.

Ten opzichte van de valueklasse is het geen knock-out. Simba 3.2 staat op #10 met 1.245 Elo — 28 punten boven Voxtral 3 TTS — voor $6,6 per miljoen tekens, de helft van de prijs. Realtime TTS-2 Flash scoort dezelfde 1.217 Elo voor $10,4. Gemini 3.8 Flash-Lite TTS scoort 1.250 voor $11. Op een grove Elo-per-dollarverhouding, die Elo als lineair behandelt terwijl dat niet zo is en eerder als een ruwe sortering dan als een meting moet worden gelezen, komt Voxtral 3 TTS uit op ongeveer 94 punten per dollar tegen 189 voor Simba 3.2 en 118 voor Realtime TTS-2 Flash.

De eerlijke samenvatting is dat Mistral het model zo heeft geprijsd dat het verdedigbaar is in plaats van ontwrichtend. Het is goedkoper dan elk model dat het met meer dan 50 Elo verslaat, en het verliest qua waar voor je geld van ten minste drie modellen die het op kwaliteit verslaan. Dat is een normale lancering, geen herprijzingsmoment.

Routing is hier vooral van belang om die vergelijking actueel te houden in plaats van in een spreadsheet. OrcaRouter draait één API voor 200+ modellen en geeft de lijstprijs van de provider door met 0% opslag, dus wanneer een leverancier als Mistral een tarief wijzigt, beweegt het getal dat je code ziet mee, en het verwisselen van het synthese-endpoint achter een spraakpijplijn is een configuratiewijziging in plaats van een tweede contract. Of Voxtral 3 T​TS in die pijplijn thuishoort, is een andere vraag dan of het het beste model op de ranglijst is — en op de ranglijst is dat vandaag niet zo.

Het deel van de release dat geen model is

Het meest ingrijpende product dat Mistral op 20 oktober uitbracht, is mogelijk geen van beide gescoorde modellen. De familie wordt geleverd met een voice-agent-SDK gebouwd op LiveKit, met ondersteuning voor SIP-telefonie, WebRTC, IVR en contactcenterintegraties, met naar verluidt een volledige agentbeurt van minder dan één seconde en barge-in-afhandeling. Mistral prijst de volledige agentlus — spraak in, redeneren, spraak uit — op $0,04 per minuut wanneer het redeneermodel Mistral Small 4 is, of $0,08 per minuut met een ander redeneermodel.

Die bundel per minuut is een andere eenheid dan een TTS-tarief per teken, en de twee rechtstreeks vergelijken is een veelgemaakte fout. Een spraakagent die tijdens een gesprek van één minuut 30 seconden spreekt, verbruikt ongeveer 4.500 tekens aan synthese, wat bij $13 per miljoen minder dan zes cent is — dus de bundel van $0,04 is concurrerend met zelf de onderdelen samenstellen, mits je toch al het reasoningmodel van Mistral wilde. De bundel is ook het punt waarop het failover-argument in productie zijn nut bewijst: een spraakagent met een uitgevallen synthese-endpoint is een stille telefoonlijn, en het reasoninggedeelte van die pipeline is precies het soort ding waarvoor een router met automatische failover bedoeld is.

Wat Mistral niet heeft uitgebracht, zijn de open gewichten. De Voxtral 3-pagina beschrijft API-toegang, Studio-playgrounds en self-deployment op privé-infrastructuur, maar vermeldt nergens dat de gewichten downloadbaar zijn. De Voxtral TTS van maart verscheen op Hugging Face onder CC BY-NC 4.0; niets in deze release herhaalt dat. Als zelfhosting een vereiste is, voldoet deze generatie daar momenteel niet aan.

Drie dingen die nog niemand heeft gemeten

Het ontbreken van een gepubliceerd latentiecijfer voor Voxtral 3 TTS is het meest opvallende hiaat in het introductiemateriaal. Mistral noemt minder dan 500 ms voor realtime transcriptie en minder dan één seconde voor een volledige agentbeurt, maar geen time-to-first-audio voor synthese — juist het getal dat bepaalt of een voice-agent conversationeel aanvoelt. Artificial Analysis meldt een mediane generatietijd van 7,2 seconden en een mediane doorvoer van 112 tekens per seconde; beide beschrijven batch-rendering in plaats van streaminggedrag. Een mediaan van 112 tekens per seconde is respectabel — sneller dan de 56 van ElevenLabs Eleven v3 en langzamer dan de 145 van Sonic 3.6 — maar zegt niets over de eerste 200 milliseconden.

Stemkloning is de tweede lacune. Mistral's "Pro Voice"-adaptatie reproduceert het karakter en het emotionele bereik van een spreker vanuit 30 minuten audio. Dat is een proces van studiokwaliteit, niet de directe kloon van tien seconden die Cartesia adverteert of de kloon van dertig seconden die ElevenLabs biedt, en het positioneert Voxtral 3 TTS voor merkstemmen in plaats van voor werk met door gebruikers gegenereerde personages.

Het derde is uithoudingsvermogen. De eigen materialen van Mistral vermelden geen maximale generatielengte voor de T​TS-endpoint, en de arena-samples zijn korte clips. Langvormige narratie is waar een Elo-model uit de middenmoot nog steeds het juiste antwoord kan zijn als het tien minuten lang coherent blijft, en niemand heeft die test gepubliceerd.

De redelijke lezing van 20 oktober is dat Mistral een echte concurrent op het gebied van transcriptie heeft uitgebracht en een TTS-model dat goed genoeg is om op de shortlist te staan en goedkoop genoeg om uit te proberen. Op het transcriptievlak verdiende het bedrijf een krantenkop. Op het synthesisevlak kocht het er een.