Preços do Voxtral 3: quanto custam por minuto os modelos de voz da Mistral em 2026

Quanto custa o Voxtral 3?

O Voxtral 3 custa entre US$ 0,0035 e US$ 0,08 o minuto, dependendo da tarefa, mais US$ 13 por 1 milhão de caracteres quando você só precisa da voz. A Mistral lançou a família em 20 de outubro de 2026, e todos os modelos continuam em prévia pública. Conferi novamente cada preço abaixo nas páginas da própria Mistral em 28 de outubro.

Fontes: o post de lançamento do Voxtral 3 e as fichas de modelo do Mini Transcribe 3 e do TTS 3.

Três coisas sobre as unidades de cobrança confundem as pessoas. A transcrição é cobrada em minutos de áudio, não em minutos de processamento, então uma gravação de duas horas são 120 minutos, quer a API leve dez segundos ou dois minutos. A voz é cobrada em caracteres do texto que você envia, não em segundos de áudio reproduzido. E o agente é cobrado em minutos de conversa, que incluem o tempo em que quem liga fala, o tempo em que o agente fala e as pausas entre os dois.

Faço SEO há dois anos, e a busca por trás de “voxtral 3 pricing” quase nunca é “qual é o valor por minuto”. O valor está na página de lançamento, e o guia de preços da Mistral AI cobre os modelos de chat. O que as pessoas querem é a conta mensal para o próprio volume, e é isso que o resto deste post calcula.

O que os preços do Voxtral 3 significam para uma linha de suporte real?

Para um comprador específico, uma linha de suporte que atende 4.000 chamadas de cinco minutos por mês (20.000 minutos), a conta vai de US$ 70 a US$ 1.600. Em que ponta você cai depende de transcrever chamadas que pessoas já atendem ou de ter uma IA atendendo.

A distância entre o topo e a base dessa tabela é a história toda. Ouvir é barato; pensar e falar é que fazem a conta. Se você só quer transcrições pesquisáveis para a garantia de qualidade em call center, o Voxtral custa por mês menos que um almoço da equipe. Se quer que um agente de IA para call center atenda, conte com 10 a 20 vezes isso.

Para ver onde cai o seu próprio volume, insira-o aqui. Cada valor é o preço de tabela da Mistral ou do fornecedor concorrente; a linha “construir você mesmo” usa as premissas que explico na próxima seção.

O que o minuto de US$ 0,04 do agente de voz realmente compra?

O minuto de US$ 0,04 compra o pipeline inteiro: transcrição ao vivo, o Mistral Small 4 escrevendo a resposta, a voz Voxtral falando-a e o transporte de áudio no meio. A documentação de agentes de voz da Mistral o descreve como um SDK que “runs the whole pipeline for you”, construído sobre o LiveKit, com interrupções, detecção de fim de turno e chamadas de ferramentas tratadas para você.

Você também pode comprar cada uma dessas partes separadamente na mesma tabela de preços. Veja quanto custa um minuto de conversa assim:

• Transcrição ao vivo: US$ 0,008, porque você envia o áudio de quem liga durante o minuto inteiro.
• A voz: cerca de US$ 0,005. O FAQ de preços da Cartesia estima um minuto de fala em 750 a 800 caracteres. Se o agente fala metade da chamada, são 400 caracteres a US$ 13 por 1 milhão.
• O modelo: cerca de US$ 0,001. O Mistral Small 4 custa US$ 0,15 por 1 milhão de tokens de entrada e US$ 0,60 por 1 milhão de saída. Assumi quatro turnos por minuto, cada um enviando 2.000 tokens de instruções e histórico e recebendo 60 de volta.

Isso soma aproximadamente US$ 0,015 o minuto. A proporção de fala e a contagem de tokens são premissas minhas, não da Mistral, então mexa nelas na calculadora acima. Mas, mesmo que você dobre o custo do modelo, as partes continuam bem abaixo da metade do pacote.

Então o pacote custa cerca de 2,7 vezes as suas partes, e a diferença de aproximadamente US$ 0,025 paga a infraestrutura entre elas. A 20.000 minutos por mês, são cerca de US$ 500. Minha opinião sincera: para a maioria das equipes de suporte, é barato. As partes difíceis de um agente de voz são justamente o que o SDK faz: decidir quando quem liga terminou de falar, deixá-lo interromper e preencher o silêncio enquanto uma ferramenta roda. A documentação até traz “fillers”, pequenos clipes falados como “Checking your order…” que tocam enquanto uma consulta é executada.

Construir por conta própria faz sentido em dois casos: você já opera sua própria pilha de áudio em tempo real, ou passa de cerca de 100.000 minutos por mês, quando a diferença compensa o tempo de um engenheiro. A própria documentação da Mistral cita “full control over every stage” como o motivo para seguir esse caminho. Se nenhum dos dois se aplica, compre o pacote.

Como os preços do Voxtral 3 se comparam aos de outros agentes de voz?

A preços de tabela, o minuto de agente de US$ 0,04 do Voxtral 3 é o agente de voz empacotado mais barato que consegui encontrar entre os grandes fornecedores. Para os mesmos 20.000 minutos por mês, é aqui que os principais concorrentes ficam:

Duas ressalvas antes de ficar com a linha mais barata. Primeiro, o Gemini 3.8 Live do Google é ainda mais barato em áudio puro (US$ 0,005 o minuto de entrada, US$ 0,018 de saída), mas é um modelo, não um agente empacotado, então a orquestração fica por sua conta. Segundo, todo concorrente dessa tabela deixa você apontar um número de telefone para o agente em um plano self-service. O Voxtral ainda não. Para plataformas completas em vez de APIs, meu resumo dos melhores agentes de voz com IA é a lista melhor.

Analiso cada um desses com calma, com o que fazem bem, no meu post de alternativas ao Voxtral 3. Para gerações anteriores, veja preços do GPT Realtime mini e preços da ElevenLabs.

A transcrição do Voxtral 3 é a mais barata?

Na verdade, não. O Voxtral Mini a US$ 0,0035 o minuto está num pelotão apertado com as outras grandes APIs de transcrição, então o preço sozinho não decide:

Quando cinco fornecedores ficam dentro de um décimo de centavo, o fator decisivo é a precisão no seu áudio. No teste de 45 idiomas da própria Mistral, o Voxtral Small marca 4,0 % de taxa de erro de palavras, empatado com o Microsoft AI Transcribe 2. É um gráfico feito pelo fornecedor, então eu repetiria o teste com uma amostra das suas próprias chamadas. Minha análise do Voxtral 3 passa por cada benchmark, inclusive onde o Voxtral não está no topo.

Uma particularidade de preço que vale testar: a API em lote da Mistral aceita /v1/audio/transcriptions, e a página de preços da Mistral diz que o processamento em lote “reduces the price by 50%”. Os US$ 0,0035 do Mini já são rotulados como o preço em lote, e as páginas da Mistral não dizem se os 50 % se somam. Rode um pequeno trabalho em lote e confira o painel de uso antes de orçar com isso.

A voz é uma vitória mais clara. A US$ 13 por 1 milhão de caracteres, o Voxtral TTS fica abaixo do Deepgram Aura-2 (US$ 30), do Chirp 3: HD do Google (US$ 30) e do ElevenLabs Flash (US$ 40). A Speechmatics lista US$ 11 e a AssemblyAI US$ 15, então ele não está sozinho na faixa baixa. Se a qualidade da voz é o fator decisivo, meu post sobre os preços do Gemini 3.8 Flash TTS cobre o lado do Google.

Que custos ocultos vêm com o Voxtral 3?

Os custos ocultos não são taxas; são lacunas que você paga de outra forma. Aqui está o mapa de em qual conta você está, e daquela que não tem preço nenhum:

A linha telefônica não tem preço. O Telephony é “available to enterprise customers, and it isn't self-serve”. Você traz seu próprio número e seu sistema SIP, e a equipe da Mistral configura com você. Até ter esse contrato, a tarifa de US$ 0,04 só vale para voz no seu próprio app ou navegador. Se o número de telefone é todo o ponto, as ferramentas da melhor IA para suporte por telefone estão disponíveis hoje.

O agente telefônico não consegue transferir. Este é o que importa no suporte. A documentação de telefonia da Mistral diz claramente que o agente “can't transfer the call to a person”, e ele atende apenas chamadas recebidas. Cada pessoa que o agente não consegue ajudar precisa de um retorno da sua equipe, então o custo real inclui essa fila de retornos. A documentação sugere dizer ao agente o que falar quando um pedido está fora do escopo. Um bom desenho de transferência do agente de IA importa ainda mais quando a transferência é uma promessa de retorno.

Ferramentas podem custar extra. A página de preços da Mistral diz “tool APIs are priced per call”. Se o seu agente roda busca na web ou conectores em toda chamada, confira essas tarifas também. Ferramentas do lado do cliente também falham em chamadas telefônicas, porque ali não roda nenhum código seu, então tudo de que um agente telefônico precisa tem de ser uma ferramenta do lado do servidor.

Preços de prévia podem mudar. Todo modelo do Voxtral 3 está rotulado como Public Preview. Um leitor do Hacker News notou que o preço do Mini já subiu entre versões:

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

suvirb, Hacker News

As páginas atuais da Mistral só listam os valores do Voxtral 3, então trate o número antigo como sendo desse leitor. De qualquer modo, a lição é a mesma: deixe folga no orçamento para os preços da prévia.

A migração exige tempo de engenharia. Se você está no Voxtral 2, o guia de migração lista mudanças incompatíveis: os carimbos de tempo por palavra acabaram (só por segmento), as sessões em tempo real fixam suas configurações no primeiro bloco de áudio e os segmentos com diarização agora podem se sobrepor. Nada disso é cobrado, mas alguém precisa reescrever o código.

Hospedar por conta própria é uma conversa com vendas. O Voxtral 1 e o 2 vieram com pesos abertos. O Voxtral 3 não (minha lista de alternativas à Mistral cobre modelos abertos), e a Mistral diz para falar com a equipe para rodar a pilha on-premise. Se a residência de dados na UE é o motivo de você olhar para a Mistral, a própria API é hospedada em endpoints europeus, americanos e globais, o que pode bastar para o trabalho com o AI Act da UE que seu jurídico está fazendo.

O Voxtral 3 vale o preço para o atendimento ao cliente?

Para transcrição, sim, com folga. A US$ 70 a US$ 80 por mês para 20.000 minutos, não há motivo para não transcrever toda chamada para QA, remoção de dados pessoais e busca.

Para uma IA que atende chamadas, o preço é bom e o produto é inicial. US$ 800 por mês para 20.000 minutos supera todo concorrente empacotado em preço de tabela. Mas você não pode colocá-lo em um número de telefone sem um contrato enterprise, ele não transfere quem liga e está em prévia. No tópico de lançamento do Hacker News, um leitor definiu bem o critério para um agente telefônico 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."

mrinterweb, Hacker News

A palavra-chave é “competent”, e nenhum modelo de voz entrega isso. O Voxtral dá ouvidos e voz a um agente por US$ 0,04 o minuto. Se ele responde corretamente depende do que sabe sobre seus produtos, pedidos e políticas, e esse é o mesmo problema no telefone e no chat. Eu compararia a conta com o seu custo de agente de IA versus humano e com as suas contas atuais de ROI de call center, não com outras APIs de fala. O seu custo por ticket de hoje é a base mais justa.

Se você está mapeando a automação de call center, minha ordem de trabalho seria: automatizar primeiro os canais escritos, onde as respostas são baratas de testar, e depois dar voz ao mesmo conhecimento. A própria documentação de telefonia da Mistral lista a cobertura fora do horário como um dos principais casos de uso. Muito suporte fora do horário pode ser resolvido por chat e e-mail por bem menos que um agente telefônico cobrado por minuto.

Teste a eesel para as respostas por trás da voz

O Voxtral é infraestrutura; a eesel é a funcionária. O colega de helpdesk com IA da eesel entra no helpdesk que você já usa, como o Zendesk ou o Freshdesk, aprende com seus tickets anteriores e sua central de ajuda e é testado com suas conversas reais antes de responder a um cliente.

Essa é a peça de que um agente de voz ainda precisa. A Beautek, fornecedora alemã de equipamentos de estúdio, atende o telefone das 8h30 às 16h30 nos dias úteis. A eesel responde perguntas de produto e de pedidos no site em alemão, de dia e de noite, e em um mês redigiu 110 tickets do Zendesk para a equipe e transformou 20 chats em tickets para uma pessoa assumir. A smava usa em 27.000 tickets alemães do Zendesk por mês nas suas duas marcas.

Se você está avaliando os preços do Voxtral 3 porque sua fila de suporte está crescendo, teste a eesel primeiro na fila escrita. É grátis para começar, e você vai saber quais perguntas um agente consegue responder antes de pagar por minuto para que ele as diga em voz alta. Testar a eesel.