Mistral 發布 Voxtral 3 語音模型家族及語音 agent SDK
Mistral 推出 Voxtral 3 語音模型系列，並配套語音 agent SDK，將監聽、推理、工具呼叫和發音整合進一條即時流式處理管線。轉寫模型 Voxtral Small Transcribe 3 支援 50+ 語言、說話人分離和關鍵詞上下文偏置，官方稱它在多語言轉寫與說話人分離基準上優於 Whisper、Scribe v2 和 Gemini 3.5 Transcribe；Mini 版僅有 4B 引數，每分鐘 0.0035 美元。
Mistral 把轉寫、TTS 與工具呼叫整合為可自部署的語音 agent 方案，並公開優於 Whisper、Scribe v2 的基準和每分鐘 0.0035 美元定價，對做客服系統、語音助手和私有化部署的團隊有直接參考價值。
原標題：Voxtral 3
閱讀原文
| 評分 | 75 / 78（平均 76，門檻 76） |
|---|---|
| 狀態 | 精選 |
相關報導
llama.cpp 新增 mtmd_audio_stream，支援 Voxtral Realtime
llama.cpp 發布 b11675 建置，在 mtmd 多模態工具庫中新增 mtmd_audio_stream 介面，並加入對 Voxtral Realtime 即時音訊模型的支援。
馬斯克稱 Grok Voice 3.0 已是全球領先對話式語音模型
馬斯克在 X 上宣布 Grok Voice 3.0 成為全球領先的對話式語音模型。這條表態確認 Grok 的語音模型已迭代到 3.0 版本，並給出了官方定位，但未公布模型引數、支援語言、可用平台、上線時間與訂閱範圍等細節。除版本號與這一說法外，官方目前沒有披露更多資訊，實際對話效果有待後續公布或實測。
Mistral 發布時序基礎模型 Timestral，209M 版本登頂三大基準
Mistral 發布首個時間序列基礎模型家族 Timestral，最大的 209M 引數版本在 GIFT-Eval、TIME、fev-bench 三個公開基準上均排名第一，且引數量只有此前最優模型的三分之二。家族含 5M、28M、123M、209M 四個規模，支援機率與多變數預測、已知未來協變數，零樣本即可使用。推理無需 GPU，在 8 執行緒標準伺服器 CPU 上，用三週 15 分鐘粒度歷史預測未來一天，5M 耗時 10ms、209M 為 140ms；
Mistral 發布 Mistral Large 4 預覽，權重月底開放
Mistral 於 10 月 6 日開啟 Mistral Large 4 公開預覽，可在 Mistral Studio 呼叫 API，權重本月底放出。模型為 1 萬億引數原生多模態、49B 啟用引數，在歐洲自有資料中心用 3800 張 NVIDIA Grace Blackwell GPU 從零訓練。官方稱其在 Artificial Analysis Cyber Index 位列全球前五，漏洞復現並修補測試得 82% 為所有模型最高，Cybench 解決 93%；