7月16日，Mistral AI发布Voxtral系列开源语音理解模型，主打低错误率和高效性能，支持真实世界的语音智能应用。该系列包括24B参数的Voxtral Small（用于生产环境）和3B参数的Voxtral Mini（适合本地/边缘部署），以及仅支持语音转文字的Voxtral Mini Transcribe。模型支持32K Token上下文长度，可处理长达30分钟的音频转录或40分钟音频理解，支持多种印欧语言，并具备生成问题和结构化摘要的能力。Mistral称，Voxtral Mini Transcribe在成本敏感场景中性能优于OpenAI Whisper且价格减半，而Voxtral Small在高级用例中接近ElevenLabs Scribe顶尖水平，价格同样更具优势。