Voxtral 3 Preise: Was Mistrals Sprachmodelle 2026 pro Minute kosten

Wie viel kostet Voxtral 3?

Voxtral 3 kostet je nach Aufgabe zwischen 0,0035 $ und 0,08 $ pro Minute, plus 13 $ pro 1 Mio. Zeichen, wenn Sie nur die Stimme brauchen. Mistral hat die Modellfamilie am 20. Oktober 2026 vorgestellt, und jedes Modell ist noch eine öffentliche Vorschau. Ich habe jeden Preis unten am 28. Oktober auf Mistrals eigenen Seiten erneut geprüft.

Quellen: der Voxtral-3-Launch-Beitrag sowie die Modellkarten von Mini Transcribe 3 und TTS 3.

Drei Dinge an den Abrechnungseinheiten bringen Leute leicht durcheinander. Die Transkription wird nach Audiominuten abgerechnet, nicht nach Rechenminuten, eine zweistündige Aufnahme sind also 120 Minuten, egal ob die API zehn Sekunden oder zwei Minuten braucht. Die Stimme wird nach Zeichen des gesendeten Textes abgerechnet, nicht nach Sekunden abgespielten Audios. Und der Agent wird nach Gesprächsminuten abgerechnet, das heißt: die Zeit, in der der Anrufer spricht, die Zeit, in der der Agent spricht, und die Pausen dazwischen.

Ich mache seit zwei Jahren SEO, und hinter der Suche nach „voxtral 3 pricing“ steckt fast nie die Frage nach dem Minutenpreis. Der steht auf der Launch-Seite, und der Leitfaden zu den Mistral-AI-Preisen behandelt die Chat-Modelle. Gesucht wird die Monatsrechnung für das eigene Volumen, und genau die rechnet der Rest dieses Beitrags aus.

Was bedeuten die Voxtral 3 Preise für eine reale Support-Hotline?

Für einen konkreten Käufer, eine Support-Hotline mit 4.000 Fünf-Minuten-Anrufen im Monat (20.000 Minuten), liegt die Rechnung zwischen 70 $ und 1.600 $. Wo Sie landen, hängt davon ab, ob Sie Anrufe transkribieren, die Menschen ohnehin führen, oder ob eine KI die Anrufe annimmt.

Die Spanne zwischen oberem und unterem Ende der Tabelle ist die ganze Geschichte. Zuhören ist billig; Denken und Sprechen machen die Rechnung. Wenn Sie nur durchsuchbare Transkripte für die Qualitätssicherung im Call Center wollen, kostet Voxtral im Monat weniger als ein Teamessen. Wenn ein KI-Agent im Call Center die Anrufe annehmen soll, planen Sie mit dem 10- bis 20-Fachen.

Um zu sehen, wo Ihr eigenes Volumen landet, geben Sie es hier ein. Jeder Preis ist der Listenpreis von Mistral oder des jeweiligen Konkurrenten; die Zeile „selbst bauen“ nutzt die Annahmen, die ich im nächsten Abschnitt erkläre.

Was bekommt man für die 0,04 $ pro Minute des Sprachagenten?

Die 0,04 $ pro Minute kaufen die gesamte Pipeline: Live-Transkription, Mistral Small 4, das die Antwort schreibt, die Voxtral-Stimme, die sie spricht, und den Audiotransport dazwischen. Mistrals Doku zum Sprachagenten beschreibt ihn als SDK, das „runs the whole pipeline for you“, aufgebaut auf LiveKit, wobei Unterbrechungen, Erkennung des Gesprächsendes und Tool-Aufrufe für Sie erledigt werden.

Sie können jedes dieser Teile auch einzeln aus derselben Preisliste kaufen. So viel kostet eine Gesprächsminute auf diesem Weg:

• Live-Transkription: 0,008 $, weil Sie das Audio des Anrufers die ganze Minute streamen.
• Die Stimme: etwa 0,005 $. Cartesias Preis-FAQ beziffert eine Minute Sprache auf 750 bis 800 Zeichen. Spricht der Agent die Hälfte des Anrufs, sind das 400 Zeichen zu 13 $ pro 1 Mio.
• Das Modell: etwa 0,001 $. Mistral Small 4 kostet 0,15 $ pro 1 Mio. Eingabe-Tokens und 0,60 $ pro 1 Mio. Ausgabe-Tokens. Ich habe vier Gesprächsrunden pro Minute angenommen, die jeweils 2.000 Tokens Anweisungen und Verlauf senden und 60 zurückbekommen.

Das ergibt zusammen rund 0,015 $ pro Minute. Sprechanteil und Token-Zahlen sind meine Annahmen, nicht die von Mistral, verschieben Sie sie also im Rechner oben. Doch selbst wenn Sie die Modellkosten verdoppeln, bleiben die Einzelteile deutlich unter der Hälfte des Pakets.

Das Paket kostet also etwa das 2,7-Fache seiner Teile, und die Differenz von rund 0,025 $ bezahlt die Infrastruktur dazwischen. Bei 20.000 Minuten im Monat sind das etwa 500 $. Meine ehrliche Einschätzung: Für die meisten Support-Teams ist das günstig. Die schwierigen Teile eines Sprachagenten sind genau das, was das SDK übernimmt: entscheiden, wann ein Anrufer ausgesprochen hat, Unterbrechungen zulassen und die Stille überbrücken, während ein Tool läuft. Die Doku liefert sogar „Fillers“ mit, kurze gesprochene Clips wie „Checking your order…“, die abgespielt werden, während eine Abfrage läuft.

Selbst bauen lohnt sich in zwei Fällen: Sie betreiben bereits einen eigenen Echtzeit-Audio-Stack, oder Sie liegen über etwa 100.000 Minuten im Monat, wo sich die Differenz für die Zeit eines Entwicklers lohnt. Mistrals eigene Doku nennt „full control over every stage“ als Grund für diesen Weg. Trifft keines von beiden zu, kaufen Sie das Paket.

Wie schneiden die Voxtral 3 Preise im Vergleich zu anderen Sprachagenten ab?

Zu Listenpreisen ist Voxtral 3 mit 0,04 $ pro Agentenminute der günstigste gebündelte Sprachagent eines großen Anbieters, den ich finden konnte. Für dieselben 20.000 Minuten im Monat landen die wichtigsten Konkurrenten hier:

Zwei Einschränkungen, bevor Sie die günstigste Zeile nehmen. Erstens ist Googles Gemini 3.8 Live bei reinem Audio noch günstiger (0,005 $ pro Minute Eingabe, 0,018 $ Ausgabe), aber es ist ein Modell, kein gebündelter Agent, die Orchestrierung müssen Sie also selbst bauen. Zweitens lässt jeder Konkurrent in dieser Tabelle Sie in einem Self-Serve-Tarif eine Telefonnummer auf den Agenten schalten. Voxtral kann das noch nicht. Für vollständige Plattformen statt APIs ist meine Übersicht der besten KI-Sprachagenten die bessere Liste.

Ich gehe jeden dieser Anbieter in meinem Beitrag zu Voxtral-3-Alternativen ausführlich durch, einschließlich ihrer Stärken. Für ältere Generationen siehe GPT Realtime mini Preise und ElevenLabs Preise.

Ist die Transkription von Voxtral 3 die günstigste?

Nicht wirklich. Voxtral Mini für 0,0035 $ pro Minute liegt in einem engen Feld mit den anderen großen Transkriptions-APIs, der Preis allein entscheidet also nicht:

Wenn fünf Anbieter innerhalb eines Zehntelcents liegen, entscheidet die Genauigkeit auf Ihrem Audio. In Mistrals eigenem Test mit 45 Sprachen erreicht Voxtral Small eine Wortfehlerrate von 4,0 %, gleichauf mit Microsoft AI Transcribe 2. Das ist eine vom Anbieter erstellte Grafik, ich würde sie also mit einer Stichprobe Ihrer eigenen Anrufe wiederholen. Mein Voxtral-3-Test geht jeden Benchmark durch, auch dort, wo Voxtral nicht vorne liegt.

Eine Preisbesonderheit, die einen Test wert ist: Mistrals Batch-API akzeptiert /v1/audio/transcriptions, und Mistrals Preisseite sagt, die Batch-Verarbeitung „reduces the price by 50%“. Die 0,0035 $ von Mini sind bereits als Batch-Preis gekennzeichnet, und Mistrals Seiten sagen nicht, ob die 50 % obendrauf kommen. Lassen Sie einen kleinen Batch-Job laufen und prüfen Sie Ihr Nutzungs-Dashboard, bevor Sie damit budgetieren.

Bei der Stimme ist der Vorteil klarer. Mit 13 $ pro 1 Mio. Zeichen unterbietet Voxtral TTS Deepgram Aura-2 (30 $), Googles Chirp 3: HD (30 $) und ElevenLabs Flash (40 $). Speechmatics nennt 11 $ und AssemblyAI 15 $, am unteren Ende ist Voxtral also nicht allein. Wenn die Stimmqualität den Ausschlag gibt, behandelt mein Beitrag zu den Gemini 3.8 Flash TTS Preisen die Google-Seite.

Welche versteckten Kosten hat Voxtral 3?

Die versteckten Kosten sind keine Gebühren, sondern Lücken, die Sie auf andere Weise bezahlen. Hier die Karte, auf welcher Rechnung Sie landen, und welche gar keinen Preis hat:

Die Telefonleitung hat keinen Preis. Telephony ist „available to enterprise customers, and it isn't self-serve“. Sie bringen Ihre eigene Nummer und Ihr SIP-System mit, und das Mistral-Team richtet es gemeinsam mit Ihnen ein. Bis Sie diesen Vertrag haben, gilt der Preis von 0,04 $ nur für Sprache in Ihrer eigenen App oder im Browser. Wenn die Telefonnummer der ganze Zweck ist, sind die Tools der besten KI für Telefon-Support heute verfügbar.

Der Telefonagent kann nicht weiterleiten. Das ist der Punkt, der im Support zählt. Mistrals Telefonie-Doku sagt klar, dass der Agent „can't transfer the call to a person“, und er bearbeitet nur eingehende Anrufe. Jeder Anrufer, dem der Agent nicht helfen kann, braucht einen Rückruf Ihres Teams, die echten Kosten enthalten also die Rückruf-Warteschlange. Die Doku empfiehlt, dem Agenten zu sagen, was er bei Anfragen außerhalb seines Bereichs sagen soll. Ein gutes Design der Übergabe vom KI-Agenten ist noch wichtiger, wenn die Übergabe ein Rückrufversprechen ist.

Tools können extra kosten. Mistrals Preisseite sagt „tool APIs are priced per call“. Wenn Ihr Agent bei jedem Anruf Websuche oder Konnektoren nutzt, prüfen Sie auch diese Preise. Clientseitige Tools funktionieren bei Telefonanrufen ebenfalls nicht, weil dort kein Code von Ihnen läuft. Alles, was ein Telefonagent braucht, muss also ein serverseitiges Tool sein.

Preise der Vorschau können sich ändern. Jedes Voxtral-3-Modell ist als Public Preview gekennzeichnet. Ein Hacker-News-Leser hat bemerkt, dass der Preis von Mini zwischen den Versionen schon gestiegen ist:

"Hmm..the price has increased from 0.003 to 0.0035 dollars. That's 16%. Voxtral Mini ."

suvirb, Hacker News

Mistrals aktuelle Seiten nennen nur die Voxtral-3-Preise, behandeln Sie die alte Zahl also als die jenes Lesers. So oder so ist die Lehre dieselbe: Budgetieren Sie Preise der Vorschau mit Puffer.

Die Migration kostet Entwicklungszeit. Wenn Sie auf Voxtral 2 sind, listet der Migrationsleitfaden Breaking Changes auf: Wort-Zeitstempel entfallen (nur noch Segment-Zeitstempel), Echtzeit-Sitzungen fixieren ihre Einstellungen beim ersten Audio-Chunk, und Segmente der Sprechertrennung können sich nun überlappen. Nichts davon wird berechnet, aber jemand muss den Code umschreiben.

Self-Hosting ist ein Vertriebsgespräch. Voxtral 1 und 2 kamen mit offenen Gewichten. Voxtral 3 nicht (meine Liste der Mistral-Alternativen behandelt offene Modelle), und Mistral sagt, Sie sollen das Team kontaktieren, um den Stack on-premises zu betreiben. Wenn EU-Datenresidenz der Grund ist, warum Sie sich Mistral ansehen: Die API selbst läuft auf europäischen, US-amerikanischen und globalen Endpunkten, was für die Arbeit Ihrer Rechtsabteilung am EU AI Act ausreichen kann.

Lohnt sich Voxtral 3 für den Kundensupport?

Für die Transkription: ja, ohne Frage. Bei 70 $ bis 80 $ im Monat für 20.000 Minuten gibt es keinen Grund, nicht jeden Anruf für QA, PII-Schwärzung und Suche zu transkribieren.

Für eine KI, die Anrufe beantwortet, ist der Preis gut und das Produkt früh dran. 800 $ im Monat für 20.000 Minuten schlagen jeden gebündelten Konkurrenten zum Listenpreis. Aber Sie können es ohne Enterprise-Vertrag nicht auf eine Telefonnummer schalten, es kann keine Anrufer weiterleiten, und es ist eine Vorschau. Im Launch-Thread auf Hacker News hat ein Leser die Messlatte für einen KI-Telefonagenten gut formuliert:

"If a call could be answered without waiting in a queue for 30 minutes by a competent AI agent, I think I would prefer that."

mrinterweb, Hacker News

Das Schlüsselwort ist „competent“, und das liefert kein Sprachmodell. Voxtral gibt einem Agenten Ohren und eine Stimme für 0,04 $ pro Minute. Ob er richtig antwortet, hängt davon ab, was er über Ihre Produkte, Bestellungen und Richtlinien weiß, und das ist am Telefon dasselbe Problem wie im Chat. Ich würde die Rechnung mit Ihren Kosten von KI-Agent versus Mensch und Ihrer aktuellen Call-Center-ROI-Rechnung vergleichen, nicht mit anderen Sprach-APIs. Ihre heutigen Kosten pro Ticket sind die fairste Basis.

Wenn Sie die Automatisierung im Call Center planen, wäre meine Reihenfolge: zuerst die schriftlichen Kanäle automatisieren, wo sich Antworten günstig testen lassen, dann demselben Wissen eine Stimme geben. Mistrals eigene Telefonie-Doku nennt Abdeckung außerhalb der Geschäftszeiten als Hauptanwendungsfall. Viel Support außerhalb der Geschäftszeiten lässt sich in Chat und E-Mail für weit weniger erledigen als mit einem Telefonagenten, der pro Minute kostet.

Testen Sie eesel für die Antworten hinter der Stimme

Voxtral ist Infrastruktur; eesel ist der Mitarbeiter. Das KI-Helpdesk-Teammitglied von eesel arbeitet in dem Helpdesk, den Sie bereits nutzen, etwa Zendesk oder Freshdesk, lernt aus Ihren bisherigen Tickets und dem Help Center und wird an Ihren echten Gesprächen getestet, bevor es einem Kunden antwortet.

Das ist der Teil, den ein Sprachagent noch braucht. Beautek, ein deutscher Lieferant für Studioausstattung, nimmt Anrufe montags bis freitags von 8:30 bis 16:30 Uhr an. eesel beantwortet Produkt- und Bestellfragen auf der Website Tag und Nacht auf Deutsch, hat in einem Monat 110 Zendesk-Tickets für das Team vorformuliert und 20 Chats in Tickets umgewandelt, die ein Mitarbeiter übernimmt. smava setzt es bei 27.000 deutschen Zendesk-Tickets im Monat über seine zwei Marken ein.

Wenn Sie die Voxtral 3 Preise prüfen, weil Ihre Support-Warteschlange wächst, probieren Sie eesel zuerst an der schriftlichen Warteschlange aus. Der Start ist kostenlos, und Sie wissen, welche Fragen ein Agent beantworten kann, bevor Sie pro Minute dafür zahlen, dass er sie laut ausspricht. eesel testen.