Voxtral 3: EU-Transkription für Centbeträge

Mistral hat am 20.10.2026 Voxtral 3 vorgestellt, eine neue Generation seiner Sprachmodelle. Dazu gehören drei Modelle für Transkription, eines für Sprachausgabe und ein SDK, mit dem sich Sprachagenten bauen lassen, die zuhören, nachdenken, Werkzeuge aufrufen und antworten. Für Teams im DACH-Raum ist vor allem die Kombination aus Preis und Hosting interessant: Transkription in über 50 Sprachen, Deutsch inklusive, für einen Bruchteil eines Cents pro Minute, auf Wunsch über einen Endpunkt in der EU.

Was neu ist

Mit einem größeren Modell als Mistral Small 4 kostet die Voice Agents API 0,08 $ pro Minute. Das SDK baut auf LiveKit auf und lässt sich über WebRTC im Browser oder per SIP an Telefonanlagen anschließen. Jede Stufe der Kette ist ein eigenes Modell und lässt sich austauschen.

Beide Transkriptionsmodelle stehen laut Dokumentation als Public Preview bereit. Übersetzung, Fragen zum Audio und Zusammenfassung sind für das Small-Modell angekündigt, zum Start kann es nur transkribieren.

Was die Zahlen taugen

Mistral vergleicht Voxtral 3 mit Whisper large-v3, ElevenLabs Scribe v2, Gemini 3.5 Transcribe und dem eigenen Vorgänger. Bei der Sprechererkennung, also der Frage, wer wann gesprochen hat, nennt Mistral eine kombinierte Fehlerrate (cpWER) von 18,4 Prozent für Voxtral Small Transcribe 3 und 18,6 Prozent für das Mini-Modell. Scribe v2 liegt bei 23,0, Gemini 3.5 Transcribe bei 38,4 und Voxtral Mini Transcribe 2 bei 30,9 Prozent.

Das sind Herstellerzahlen. Die Vergleiche bei der Sprachausgabe hat Mistral nach eigener Angabe mit einem KI-Modell als Bewerter erstellt, nicht mit unabhängigen Hörtests. Wer ein Modell für echte Besprechungen auswählt, testet besser mit eigenen Aufnahmen: Dialekt, Fachbegriffe, schlechtes Mikro im Homeoffice und drei Leute, die gleichzeitig reden.

Was ein Meeting kostet

Eine Stunde Besprechung kostet mit Voxtral Mini Transcribe 3 rechnerisch 0,21 $, mit dem Small-Modell 0,24 $. Ein Team mit zehn einstündigen Terminen pro Woche landet damit bei rund zehn Dollar im Monat. Gegenüber dem Vorgänger Voxtral Mini Transcribe 2, der laut Preisliste 0,003 $ pro Minute kostet, ist das ein leichter Aufschlag.

Der Preis allein macht den Unterschied aber nicht mehr. Bei solchen Beträgen entscheiden Qualität, Datenschutz und Aufwand für den Betrieb. Whisper lässt sich weiterhin kostenlos selbst betreiben, braucht dafür aber eigene Hardware und jemanden, der sich darum kümmert.

Was für die DSGVO zählt

Mistral wirbt mit "Mistral's EU-hosted API". Das stimmt, hat aber einen Haken, den man kennen sollte: Der Standard-Endpunkt api.mistral.ai ist laut Dokumentation an keinen festen Standort gebunden. Wer die Verarbeitung in der EU festschreiben will, muss den regionalen Endpunkt api.eu.mistral.ai nutzen. Für den verlangt Mistral laut Dokumentation das 1,1-Fache des Listenpreises. Die Seite spricht dabei von Token-Preisen. Ob der Aufschlag auch für die Minutenpreise der Transkription gilt, steht dort nicht. Ob die Voxtral-3-Modelle schon am EU-Endpunkt bereitstehen, zeigt eine Abfrage der Modellliste an diesem Endpunkt.

Zwei weitere Punkte gehören in jede Prüfung:

• Speicherdauer: Ohne Zusatzvereinbarung behält Mistral Eingaben und Ausgaben der API laut Datenschutzerklärung 30 Tage lang zur Missbrauchserkennung. Zero Data Retention gibt es auf Antrag und für bezahlte Tarife, der Transkriptions-Endpunkt ist ausdrücklich dabei. Mistral prüft jeden Antrag einzeln.
• Verwaltungsdaten: Auch am EU-Endpunkt können API-Schlüssel, Abrechnung und Nutzungsstatistiken außerhalb der Region verarbeitet werden. Das schreibt Mistral selbst in die Dokumentation.

Offene Gewichte für Voxtral 3 gibt es bisher nicht. Mistral bietet den Betrieb auf eigener Infrastruktur an, aber über den Vertrieb. Auf Hugging Face liegen von der neuen Generation noch keine Modelle.

Die Konkurrenz am selben Tag

ElevenLabs hat am selben Tag Eleven Realtime vorgestellt, zwei Speech-to-Speech-Modelle namens v1 Mini und v1 Max. Laut Hersteller antwortet v1 Max nach 0,57 Sekunden. Die Abrechnung läuft pro Minute plus Token, konkrete Preise nennt ElevenLabs auf seiner Preisseite. Sprachagenten mit kurzer Antwortzeit werden damit gerade zur Standardware.

Einordnung

Voxtral 3 ist kein Durchbruch, sondern ein solides Update zu einem Preis, bei dem Transkription kein Budgetthema mehr ist. Für europäische Teams zählt vor allem, dass es eine ernsthafte Option mit Sitz in der EU gibt. Wer sie nutzt, sollte trotzdem genau hinschauen, welcher Endpunkt im Code steht und ob Zero Data Retention beantragt ist. "EU-gehostet" auf der Produktseite ersetzt diese Prüfung nicht.