Voxtral 3 vs Gemini 3.5 Transcribe: volgens Mistral wint het de woorden — Google wint de rest

Op de enige maatstaf die beide leveranciers bereid zijn te publiceren, schelen deze twee nauwelijks iets. Voxtral Small Transcribe 3 — Mistrals vlaggenschip-transcriber uit de Voxtral 3-familie, uitgebracht op 20 oktober 2026 — staat op 2,1% word error rate op de non-streaminglijst van Artificial Analysis. G​emini 3.5 Transcribe, die G​oogle sinds 26 augustus 2026 als algemeen beschikbaar model aanbiedt, staat op 2,6% in dezelfde lijst. Een half procentpunt komt ruwweg neer op vijf extra fouten per duizend woorden. Dat is niet de reden om er één te kiezen. De redenen liggen in alles boven de woorden: G​emini doet diarisatie voor acht sprekers, accepteert duizend aangepaste woordenlijsttermen, filtert haperingen eruit en lost zelfcorrecties op in één doorgang, en bestrijkt 85+ locales. Voxtral doet diarisatie aantoonbaar beter volgens zijn eigen tabel, dekt 50+ talen en onderbiedt G​oogles tarief per minuut. Deze pagina gaat over welke van die verschillen je pipeline daadwerkelijk bereiken. Word error rates leggen niet vast hoe de transcriptie-API van welke leverancier dan ook onder belasting faalt, en die incidenten staan gecatalogiseerd in het OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en betwistmarkering heeft.

Wat elk van hen verkoopt

De positionering van Mistral voor Voxtral Small Transcribe 3 is nauwkeurigheid plus sprekerattributie. Het is het "vlaggenschipmodel voor transcriptie en diarisatie" in de familie, het levert native tijdstempels en diarisatie, en het doet ook vertaling, spraak-Q&A, samenvatting en functieaanroepen — wat een subtiele manier is om te zeggen dat het een audiotaalmodel is dat transcribeert, in plaats van een transcriptietool. Met $0,004 per minuut en 32k context is het geprijsd als een directe vervanging voor de beheerde transcriptie-API's.

De framing van Google voor Gemini 3.5 Transcribe draait om wat er na de herkenning met het transcript gebeurt. De standaardmodus `verbatim` behoudt stopwoorden, valse starts en herhalingen; de modus `smart` haalt die eruit en past gestructureerde opmaak toe; een aangepaste woordenlijst stuurt richting je jargon; tijdstempels op woordniveau komen terug als annotaties; en sprekerlabels komen binnen als `spk_1`, `spk_2` enzovoort. Het draait via de Interactions API voor bestanden en een aparte `gemini-3.5-transcribe-live` SKU voor streaming, en het heeft een gratis tier die Mistral niet biedt.

Simpel gezegd: Mistral verkoopt je een beter oor, Google verkoopt je een betere editor.

Dimensie voor dimensie

• Onafhankelijke nauwkeurigheid — Voxtral Small Transcribe 3 op 2,1% AA-WER tegenover G​emini 3.5 Transcribe op 2,6%, beide op de niet-streaming ranglijst van Artificial Analysis. Mistral's eigen FLEURS-tabel laat een grotere kloof zien: 4,1% bij geforceerde taal voor Voxtral tegenover 6,1% voor G​emini, maar slechts 4,0% tegenover 4,5% bij afgeleide taal. De onafhankelijke ranglijst komt overeen met de interpretatie op basis van afgeleide taal, dus beschouw het cijfer van 6,1% als het losse eind van Mistral's tabel in plaats van de kopregel.

• Prijs — $0,004/min vs $0,005/min, beide blended listtarieven. Dat is $240 vs $300 per duizend audio-uren. Reëel, maar op zichzelf niet beslissend; een verschil van 20% wordt tenietgedaan door één herrun van een slechte batch.

• Sprekertoewijzing — Voxtral Small Transcribe 3 met 18,4% aaneengeschakelde min-permutatie-WER op de harness van Mistral, tegenover Gemini 3.5 Transcribe met 38,4% in dezelfde leverancierstabel. Dit is de grootste kloof in het lanceringsbericht en degene die waarschijnlijk het meest van belang is. Zet er eerlijk een voorbehoud bij: beide cijfers zijn van Mistral, uitgevoerd op de harness van Mistral, en Google heeft geen equivalente diarizatiescore gepubliceerd om tegen te controleren. De documentatie van Google vermeldt wel een hard plafond dat geen benchmark is — acht sprekers, met toewijzing "experimenteel" voor drie of meer — wat voor vergadertranscriptie een productlimiet is, geen kwaliteitskwestie.

• Taaldekking — Voxtral: 50+ talen, waaronder alle 24 officiële EU-talen en een reeks laagresource Aziatische en Indiase talen. Gemini: 85+ locales met BCP-47-hints en code-switching binnen een zin. De lijst van Google is langer en, belangrijker nog, met namen — je kunt controleren of jouw locale erop staat. Mistral's "50+" is een aantal zonder lijst.

• Audiolimieten — G​emini beperkt unary-audio tot één uur, of dertig minuten wanneer je om diarisatie of woordtijdstempels vraagt. Mistral publiceert helemaal geen maximale audiolengte voor Voxtral Small Transcribe 3. Dat stilzwijgen is geen feature. Als je lange bestanden verwerkt, is G​emini van de twee de enige waarop je een jobwachtrij kunt dimensioneren zonder sales te hoeven vragen.

• Woordenschatbeheer — Gemini accepteert tot 1.000 aangepaste termen (de beste resultaten tot ongeveer 100) en waarschuwt expliciet dat aangepaste vocabulaire niet kan worden gecombineerd met diarisering of woordtijdstempels. Contextbiasing van Voxtral accepteert sleuteltermen en vrije tekst, en Mistral meldt een keyphrase-recall van 94,6% met prompting versus 81,4% zonder. Let op de vorm van die bewering: het gaat om recall-met-bias, niet om fouten-met-bias, en het is door de leverancier gerapporteerd.

• Omgaan met zelfcorrecties — G​emini's `smart`-modus lost zelfcorrecties op en normaliseert uitgesproken getallen en valuta. Mistral biedt geen gelijkwaardige gedocumenteerde modus. Als je audio bestaat uit interviews of callcentergesprekken vol "nee wacht, ik bedoelde", is dit het kenmerk dat het meest waarschijnlijk de keuze bepaalt.

• Streaming — G​emini heeft een live SKU tegen ongeveer $0,009/min gemiddeld. Voxtral's streamingtier is een ander model, Voxtral Mini Transcribe Realtime 3, tegen $0,008/min met een latency die configureerbaar is van 80 tot 2.400 ms. Het streamingmodel van geen van beide leveranciers is het nauwkeurigheidsvlaggenschip, dus streamingnauwkeurigheid vergelijken met de batchcijfers hierboven is een categoriefout.

• Volwassenheid — G​emini 3.5 Transcribe is sinds 26 augustus 2026 algemeen beschikbaar en heeft een onafhankelijke WER-score op een openbaar scorebord. Voxtral Small Transcribe 3 verkeert sinds 20 oktober 2026 in openbare preview, zonder uptimegeschiedenis, zonder GA-datum en zonder gepubliceerde toezegging dat de previewprijs blijft gelden.

Het diarisatienummer is het nummer dat getest moet worden.

Als er één zin in deze vergelijking is die je ertoe zou moeten aanzetten je eigen audio te raadplegen, dan is het deze: Mistral claimt een diarisatiefout van 18,4% tegenover 38,4% voor Gemini, en Google publiceert geen tegencijfer. Dat is een verdacht grote kloof voor een verschil in nauwkeurigheidsklasse — 2,1% tegenover 2,6% bij gewone transcriptie voorspelt geen 2× zo grote kloof bij sprekerstoewijzing. Er zijn twee verklaringen mogelijk, en alleen jouw gegevens kunnen ze van elkaar onderscheiden. Ofwel is de diarisatie van Gemini daadwerkelijk zwakker, wat zou passen bij het gedocumenteerde maximum van acht sprekers en de ‘experimentele’ vermelding voor drie of meer sprekers, ofwel begunstigt de testopstelling van Mistral zijn eigen model op een manier die een neutrale herhaling niet zou reproduceren.

Praktische test: neem veertig minuten van de slechtste audio met meerdere sprekers die je hebt — overspraak, een spreker via een telefoonlijn, minstens één plek waar twee mensen door elkaar heen praten — laat beide draaien en tel sprekerwisselingen in plaats van woordfouten. Dat kost een middag en beslecht een bewering die geen enkele leverancier voor je kan beslechten.

Wat de transcripties op schaal werkelijk kosten

Reken het eens door voor een supportorganisatie die 4.000 uur per maand opneemt. Bij $0,004/min komt Voxtral Small Transcribe 3 uit op $960. Bij $0,005/min komt G​emini 3.5 Transcribe uit op $1.200. Het maandelijkse verschil van $240 is reëel en is ongeveer de kosten van één engineeruur per werkdag, en dat is de juiste manier om het af te wegen: betekenisvol ten opzichte van een self-hosted alternatief waarvan de operationele kosten je niets kosten, irrelevant als de `smart`-modus van G​emini een nabewerkingsstap wegneemt waarvoor je anders zou betalen.

Die nabewerkingsstap is waar de prijsvergelijking meestal spaak loopt. Een ruwe transcriptie met stopwoorden en onopgeloste zelfcorrecties heeft een opschoningsronde nodig — ofwel een regex-laag die je zelf onderhoudt, ofwel een LLM-aanroep per bestand. Een opgeschoonde, geïnterpungeerde transcriptie met sprekerlabels van Gemini niet. Als je pipeline momenteel per transcriptie een aanroep naar een taalmodel doet om de opmaak te corrigeren, neem die aanroep dan mee in de vergelijking voordat je concludeert dat Mistral 20% goedkoper is.

Voor teams die beide willen — Mistral's diarisatie op de gesprekken waar sprekers ertoe doen, Gemini's opschoning op het bulkarchief — is de beperking meestal sleutels en leveranciers in plaats van geld. De modellencatalogus van OrcaRouter bevat momenteel noch Voxtral 3 noch Gemini 3.5 Transcribe, dus deze specifieke combinatie betekent nog steeds twee contracten. Waar we wél helpen, is de laag daarboven: het redeneermodel dat die transcripties samenvat of routeert, kan komen van één eindpunt met automatische failover, zodat de keuze van de spraakleverancier niet ook je keuze voor een downstreammodel vastzet.

Vonnis

Kies Voxtral Small Transcribe 3 als sprekers je probleem zijn en je talen Europees zijn — de diarisatieclaim, de 24 EU-talen en het 20% lagere tarief wijzen allemaal dezelfde kant op, en 2,1% WER op een onafhankelijke benchmark betekent dat je daar geen nauwkeurigheid voor inlevert. Kies Gemini 3.5 Transcribe als je probleem de transcriptie zelf is: zelfcorrecties, opmaak, een lange lijst met benoemde locales, en een gepubliceerde limiet voor audiolengte waar je je capaciteitsplanning op kunt baseren. Het enige dat ik niet zou doen, is kiezen op basis van het WER-verschil van 0,5 punt. Dat is kleiner dan de variantie van run tot run op welke benchmark dan ook, en beide leveranciers publiceren het getal dat hen het beste uitkomt uit dezelfde familie van evaluaties.

De open vraag is wat er gebeurt wanneer Voxtral Small Transcribe 3 de preview verlaat. Als Mistral $0,004 aanhoudt en een onafhankelijke herhaling van de diarisatie de kloof van 18 punten bevestigt, is dit geen twijfelgeval meer voor iedereen die aan meeting- of callanalytics doet. Als de prijs bij GA verandert, beperkt de afweging zich weer tot alleen taaldekking en sprekerattributie.