Los precios de Voxtral 3 son por minuto de audio: 0,0035 $ el minuto para transcribir grabaciones, 0,008 $ para transcripción en directo, 13 $ por 1 M de caracteres para la voz y 0,04 $ el minuto para el agente de voz completo con Mistral Small 4 (0,08 $ con un modelo más grande). Para una línea de soporte que recibe 20.000 minutos de llamadas al mes, el agente sale a 800 $.
La cifra que la mayoría de los artículos omite: ese minuto de 0,04 $ cuesta unas 2,7 veces lo que cuestan sus piezas compradas por separado, aproximadamente 0,015 $. La diferencia la paga por la gestión de turnos, el transporte y la conexión con herramientas que de otro modo tendría que construir. Para la mayoría de los equipos es un trato justo. El problema mayor es el teléfono: las llamadas SIP son solo enterprise y sin precio de lista, y un agente telefónico de Voxtral no puede transferir a quien llama a una persona.
eesel lleva años poniendo agentes de IA en colas de soporte reales, y en ese tiempo la tarifa por minuto nunca es la línea que decide la factura. Lo que importa es cuántas de esas llamadas puede responder realmente el agente. El proveedor B2B Beautek atiende el teléfono en horario laboral entre semana y deja que eesel responda las preguntas de su web de día y de noche, en alemán, a partir de 6.700 páginas y documentos.
¿Cuánto cuesta Voxtral 3?
Voxtral 3 cuesta entre 0,0035 $ y 0,08 $ el minuto según la tarea, más 13 $ por 1 M de caracteres cuando solo necesita la voz. Mistral lanzó la familia el 20 de octubre de 2026, y todos los modelos siguen en vista previa pública. Volví a comprobar cada precio de abajo en las páginas de Mistral el 28 de octubre.
| Qué compra | ID del modelo | Unidad de facturación | Precio |
|---|---|---|---|
| Transcripción por lotes, modelo pequeño | voxtral-mini-transcribe-3-0 | por minuto de audio | 0,0035 $ |
| Transcripción por lotes, mejor precisión | voxtral-small-transcribe-3-0 | por minuto de audio | 0,004 $ |
| Transcripción en directo (streaming) | voxtral-mini-transcribe-realtime-3-0 | por minuto de audio | 0,008 $ |
| Texto a voz (la voz) | voxtral-mini-tts-3-0 | por 1 M de caracteres de entrada | 13 $ |
| API de agente de voz, Mistral Small 4 | Voice Agents SDK | por minuto de conversación | 0,04 $ |
| API de agente de voz, modelo más grande | Voice Agents SDK | por minuto de conversación | 0,08 $ |
| Líneas telefónicas (SIP) | Telephony | contrato | Sin precio de lista |
| On-premise o nube privada | Todos los modelos | contrato | Sin precio de lista |
Fuentes: el anuncio de lanzamiento de Voxtral 3 y las fichas de modelo de Mini Transcribe 3 y TTS 3.
Tres cosas sobre las unidades de facturación confunden a la gente. La transcripción se factura por minutos de audio, no por minutos de cómputo, así que una grabación de dos horas son 120 minutos tarde lo que tarde la API: diez segundos o dos minutos. La voz se factura por caracteres del texto que le envía, no por segundos de audio reproducido. Y el agente se factura por minutos de conversación, que incluyen el tiempo que habla quien llama, el tiempo que habla el agente y las pausas intermedias.
Llevo dos años haciendo SEO, y la búsqueda detrás de «voxtral 3 pricing» casi nunca es «cuál es la tarifa por minuto». La tarifa está en la página de lanzamiento, y la guía de precios de Mistral AI cubre los modelos de chat. Lo que la gente quiere es la factura mensual para su propio volumen, y eso es lo que calcula el resto de este artículo.
¿Qué significan los precios de Voxtral 3 para una línea de soporte real?
Para un comprador concreto, una línea de soporte que recibe 4.000 llamadas de cinco minutos al mes (20.000 minutos), la factura va de 70 $ a 1.600 $. En qué extremo termine depende de si transcribe llamadas que ya atiende gente o si hace que una IA las atienda.
| Tarea | Tarifa | 20.000 minutos al mes |
|---|---|---|
| Transcribir llamadas grabadas para control de calidad, Mini | 0,0035 $/min | 70 $ |
| Transcribir llamadas grabadas para control de calidad, Small | 0,004 $/min | 80 $ |
| Subtítulos en directo o asistencia al agente | 0,008 $/min | 160 $ |
| Un agente de IA atiende las llamadas, Mistral Small 4 | 0,04 $/min | 800 $ |
| Un agente de IA atiende las llamadas, modelo más grande | 0,08 $/min | 1.600 $ |
La distancia entre la parte alta y la baja de esa tabla es toda la historia. Escuchar es barato; pensar y hablar son la factura. Si solo quiere transcripciones con búsqueda para el control de calidad en el centro de llamadas, Voxtral cuesta al mes menos que una comida de equipo. Si quiere que un agente de IA para centro de llamadas atienda, cuente con entre 10 y 20 veces eso.
Para ver cómo queda su propio volumen, introdúzcalo aquí. Cada tarifa es el precio de lista de Mistral o del proveedor rival; la línea «construirlo usted mismo» usa los supuestos que explico en la siguiente sección.
¿Qué compra realmente el minuto de agente de voz de 0,04 $?
El minuto de 0,04 $ compra toda la cadena: transcripción en directo, Mistral Small 4 redactando la respuesta, la voz de Voxtral pronunciándola y el transporte de audio entre medias. La documentación de agentes de voz de Mistral lo describe como un SDK que «runs the whole pipeline for you», construido sobre LiveKit, con interrupciones, detección de fin de turno y llamadas a herramientas gestionadas por usted.
También puede comprar cada una de esas piezas por separado en la misma lista de precios. Esto es lo que cuesta un minuto de conversación así:
- Transcripción en directo:
0,008 $, porque transmite el audio de quien llama durante todo el minuto. - La voz: unos
0,005 $. Las preguntas frecuentes de precios de Cartesia sitúan un minuto de habla en 750 a 800 caracteres. Si el agente habla la mitad de la llamada, son 400 caracteres a13 $por 1 M. - El modelo: unos
0,001 $. Mistral Small 4 cuesta0,15 $por 1 M de tokens de entrada y0,60 $por 1 M de salida. Asumí cuatro turnos por minuto, cada uno enviando 2.000 tokens de instrucciones e historial y recibiendo 60.
Eso suma aproximadamente 0,015 $ el minuto. El porcentaje de habla y el número de tokens son supuestos míos, no de Mistral, así que muévalos en la calculadora de arriba. Pero incluso si duplica el coste del modelo, las piezas siguen muy por debajo de la mitad del paquete.
Así que el paquete cuesta unas 2,7 veces sus piezas, y la diferencia de aproximadamente 0,025 $ paga la infraestructura intermedia. A 20.000 minutos al mes, son unos 500 $. Mi opinión sincera: para la mayoría de los equipos de soporte es barato. Lo difícil de un agente de voz es justo lo que hace el SDK: decidir cuándo ha terminado de hablar quien llama, dejarle interrumpir y llenar el silencio mientras corre una herramienta. La documentación incluso trae «fillers», clips hablados cortos como «Checking your order…» que suenan mientras se ejecuta una consulta.
Construirlo usted mismo tiene sentido en dos casos: ya opera su propia pila de audio en tiempo real, o supera aproximadamente los 100.000 minutos al mes, donde la diferencia compensa el tiempo de un ingeniero. La propia documentación de Mistral indica «full control over every stage» como motivo para tomar ese camino. Si ninguno de los dos casos se aplica, compre el paquete.
¿Cómo se comparan los precios de Voxtral 3 con otros agentes de voz?
A precios de lista, el minuto de agente de 0,04 $ de Voxtral 3 es el agente de voz agrupado más barato que pude encontrar de un proveedor importante. Para los mismos 20.000 minutos al mes, así quedan los principales rivales:
| Agente de voz | Por minuto | 20.000 minutos | Qué no está incluido |
|---|---|---|---|
| Voxtral 3, Mistral Small 4 | 0,04 $ | 800 $ | Líneas telefónicas (solo enterprise) |
| OpenAI GPT-Live-1 | 0,05 $ | 1.000 $ | Modelo de backend y herramientas |
| Cartesia agents | 0,06 $ | 1.200 $ | 0,014 $/min en un número de Cartesia |
| Deepgram Voice Agent, Standard | 0,075 $ | 1.500 $ | Nada extra listado; 0,068 $ en Growth |
| ElevenAgents | 0,08 $ | 1.600 $ | Uso de LLM |
| Voxtral 3, modelo más grande | 0,08 $ | 1.600 $ | Líneas telefónicas (solo enterprise) |
Dos salvedades antes de quedarse con la fila más barata. Primero, Gemini 3.8 Live de Google es aún más barato en audio puro (0,005 $ el minuto de entrada, 0,018 $ de salida), pero es un modelo, no un agente agrupado, así que la orquestación la construye usted. Segundo, todos los rivales de esa tabla le permiten apuntar un número de teléfono al agente en un plan de autoservicio. Voxtral todavía no. Para plataformas completas y no APIs, mi resumen de los mejores agentes de voz con IA es mejor lista.
Reviso cada uno de estos con detalle, con aquello en lo que destacan, en mi artículo de alternativas a Voxtral 3. Para generaciones anteriores, vea precios de GPT Realtime mini y precios de ElevenLabs.
¿Es la transcripción de Voxtral 3 la más barata?
No realmente. Voxtral Mini a 0,0035 $ el minuto está en un grupo muy ajustado con las otras grandes API de transcripción, así que el precio por sí solo no decidirá:
| Transcripción por lotes | Precio | Por minuto |
|---|---|---|
| Voxtral Mini Transcribe 3 | 0,0035 $/min | 0,0035 $ |
| AssemblyAI Universal-3.5 Pro | 0,21 $/h | 0,0035 $ |
| ElevenLabs Scribe v2 | 0,22 $/h | unos 0,0037 $ |
| Voxtral Small Transcribe 3 | 0,004 $/min | 0,004 $ |
| Deepgram Nova-3, pregrabado | 0,0043 $/min | 0,0043 $ |
| OpenAI GPT-Transcribe | 0,0045 $/min | 0,0045 $ |
Cuando cinco proveedores caen dentro de una décima de centavo, lo que decide es la precisión con su audio. En la prueba de 45 idiomas de la propia Mistral, Voxtral Small logra una tasa de error de palabras del 4,0 %, empatada con Microsoft AI Transcribe 2. Es un gráfico elaborado por el proveedor, así que lo repetiría con una muestra de sus propias llamadas. Mi análisis de Voxtral 3 repasa cada prueba comparativa, incluido dónde Voxtral no va en cabeza.
Una particularidad de precio que vale la pena probar: la API por lotes de Mistral acepta /v1/audio/transcriptions, y la página de precios de Mistral dice que el procesamiento por lotes «reduces the price by 50%». Los 0,0035 $ de Mini ya están etiquetados como tarifa por lotes, y las páginas de Mistral no dicen si el 50 % se suma encima. Ejecute un trabajo por lotes pequeño y revise su panel de uso antes de presupuestar con ello.
La voz es una victoria más clara. A 13 $ por 1 M de caracteres, Voxtral TTS es más barato que Deepgram Aura-2 (30 $), Chirp 3: HD de Google (30 $) y ElevenLabs Flash (40 $). Speechmatics indica 11 $ y AssemblyAI 15 $, así que no está solo en el extremo bajo. Si la calidad de la voz es el factor decisivo, mi artículo sobre los precios de Gemini 3.8 Flash TTS cubre el lado de Google.
¿Qué costes ocultos trae Voxtral 3?
Los costes ocultos no son tarifas; son huecos que acaba pagando de otra forma. Este es el mapa de en qué factura está usted, y la que no tiene ningún precio:
La línea telefónica no tiene precio. Telephony está «available to enterprise customers, and it isn't self-serve». Usted aporta su propio número y su sistema SIP, y el equipo de Mistral lo configura con usted. Hasta que tenga ese contrato, la tarifa de 0,04 $ solo se aplica a la voz en su propia app o navegador. Si el número de teléfono es todo el objetivo, las herramientas de la mejor IA para soporte telefónico están disponibles hoy.
El agente telefónico no puede derivar. Esto es lo que importa en soporte. La documentación de telefonía de Mistral dice claramente que el agente «can't transfer the call to a person», y solo gestiona llamadas entrantes. Cada persona a la que el agente no puede ayudar necesita una llamada de vuelta de su equipo, así que el coste real incluye esa cola de devoluciones. La documentación sugiere indicar al agente qué decir cuando una solicitud queda fuera de su alcance. Un buen diseño de traspaso del agente de IA importa aún más cuando el traspaso es una promesa de devolver la llamada.
Las herramientas pueden costar extra. La página de precios de Mistral dice «tool APIs are priced per call». Si su agente ejecuta búsqueda web o conectores en cada llamada, revise también esas tarifas. Las herramientas del lado del cliente además fallan en llamadas telefónicas, porque allí no corre ningún código suyo, así que todo lo que necesite un agente telefónico tiene que ser una herramienta del lado del servidor.
Los precios de la vista previa pueden cambiar. Todos los modelos de Voxtral 3 están etiquetados como Public Preview. Un lector de Hacker News detectó que la tarifa de Mini ya subió entre versiones:
"Hmm..the price has increased from 0.003 to 0.0035 dollars. That's 16%. Voxtral Mini ."
Las páginas actuales de Mistral solo listan las tarifas de Voxtral 3, así que trate la cifra antigua como la de ese lector. De todos modos, la lección es la misma: presupueste los precios de la vista previa con margen.
La migración requiere tiempo de ingeniería. Si está en Voxtral 2, la guía de migración enumera cambios incompatibles: desaparecen las marcas de tiempo por palabra (solo por segmento), las sesiones en tiempo real fijan su configuración en el primer fragmento de audio y los segmentos con diarización ahora pueden solaparse. Nada de eso se factura, pero alguien tiene que reescribir el código.
Autoalojarlo es una llamada comercial. Voxtral 1 y 2 salieron con pesos abiertos. Voxtral 3 no (mi lista de alternativas a Mistral cubre modelos abiertos), y Mistral dice que hable con su equipo para ejecutar la pila on-premise. Si la residencia de datos en la UE es el motivo por el que mira a Mistral, la propia API está alojada en endpoints europeos, estadounidenses y globales, lo que puede bastar para el trabajo sobre la Ley de IA de la UE que hace su equipo legal.
¿Vale la pena Voxtral 3 por su precio para el servicio de atención al cliente?
Para transcripción, sí, sin duda. A 70 $ o 80 $ al mes por 20.000 minutos, no hay motivo para no transcribir cada llamada para control de calidad, redacción de datos personales y búsqueda.
Para una IA que atiende llamadas, el precio es bueno y el producto es temprano. 800 $ al mes por 20.000 minutos supera a todos los rivales agrupados a precio de lista. Pero no puede ponerlo en un número de teléfono sin un acuerdo enterprise, no puede transferir llamadas y está en vista previa. En el hilo de lanzamiento de Hacker News, un lector expresó bien el listón de un agente telefónico de IA:
"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."
La palabra clave es «competent», y ningún modelo de voz la ofrece. Voxtral le da a un agente oídos y voz por 0,04 $ el minuto. Que responda bien depende de lo que sepa sobre sus productos, pedidos y políticas, y ese es el mismo problema por teléfono que en el chat. Compararía la factura con su coste de agente de IA frente a agente humano y con sus cuentas actuales de ROI del centro de llamadas, no con otras API de voz. Su coste por ticket actual es la referencia más justa.
Si está planificando la automatización del centro de llamadas, mi orden de trabajo sería: automatizar primero los canales escritos, donde las respuestas son baratas de probar, y luego darle voz al mismo conocimiento. La propia documentación de telefonía de Mistral indica la cobertura fuera de horario como uno de los casos de uso principales. Mucho soporte fuera de horario puede resolverse por chat y correo por mucho menos que un agente telefónico que cobra por minuto.
Pruebe eesel para las respuestas que hay detrás de la voz
Voxtral es infraestructura; eesel es el empleado. El compañero de helpdesk con IA de eesel se une al helpdesk que ya usa, como Zendesk o Freshdesk, aprende de sus tickets anteriores y su centro de ayuda, y se prueba con sus conversaciones reales antes de responder a un cliente.
Esa es la pieza que un agente de voz sigue necesitando. Beautek, un proveedor alemán de equipamiento de estudio, atiende el teléfono de 8:30 a 16:30 entre semana. eesel responde las preguntas de producto y de pedidos en su web en alemán de día y de noche, y en un mes redactó 110 tickets de Zendesk para el equipo y convirtió 20 chats en tickets para que una persona los retomara. smava lo usa con 27.000 tickets de Zendesk en alemán al mes entre sus dos marcas.
Si está calculando los precios de Voxtral 3 porque su cola de soporte crece, pruebe eesel primero con la cola escrita. Es gratis para empezar, y sabrá qué preguntas puede responder un agente antes de pagar por minuto para que las diga en voz alta. Probar eesel.