Voxtral 3: Mistral baut Telefonassistenten mit EU-Hosting
22. Oktober 2026
KI-generiert, redaktionell von 8thsense ausgewählt, geprüft und freigegeben. EU AI Act, Art. 50
Das französische KI-Unternehmen Mistral hat mit Voxtral 3 eine neue Familie von Sprachmodellen samt SDK für Sprachagenten vorgestellt. Die Agenten sollen am Telefon zuhören, in Echtzeit antworten und während des Gesprächs auf andere Systeme zugreifen, etwa um Termine zu buchen oder Rechnungen zu prüfen. Betrieben wird das Ganze wahlweise über eine EU-gehostete API oder auf eigener Infrastruktur. Für Unternehmen mit viel Telefonverkehr rückt damit ein europäischer KI-Telefonassistent in greifbare Nähe, allerdings mit einigen Einschränkungen, die man vor dem Start kennen sollte.
Was Mistral vorgestellt hat
Voxtral 3 ist kein einzelnes Modell, sondern ein Baukasten. Für die Spracherkennung gibt es drei Varianten: Voxtral Small Transcribe 3 für möglichst genaue Transkription von Aufnahmen, Voxtral Mini Transcribe 3 als kleineres Modell mit 4 Milliarden Parametern und Voxtral Mini Transcribe Realtime 3 für Live-Gespräche mit einer Latenz unter 500 Millisekunden (Quelle: mistral.ai). Für die Sprachausgabe kommt ein Text-to-Speech-Modell dazu, das laut Mistral über 35 Sprachen und mehr als 50 Dialekte abdeckt und Emotion, Tempo und Betonung steuern kann. In der Entwicklerdokumentation ist zusätzlich eine Streaming-Variante der Sprachausgabe für Live-Gespräche gelistet (Quelle: docs.mistral.ai).
Die Transkription unterstützt laut Hersteller mehr als 50 Sprachen. Bei den Angaben gibt es allerdings Unschärfen: Für das Echtzeit-Modell nennt Mistral im Fließtext 35, auf der Produktkarte 40 Sprachen.
Das Agenten-SDK: Hören, Denken, Sprechen in einem Fluss
Spannender als die einzelnen Modelle ist das Voice-Agent-SDK. Es basiert auf dem Open-Source-Framework LiveKit und verbindet Spracherkennung, Sprachmodell, Werkzeugaufrufe und Sprachausgabe zu einer Streaming-Pipeline. Laut Mistral ist jeder Gesprächswechsel in unter einer Sekunde abgeschlossen, und der Agent hört auf zu sprechen, wenn der Anrufer ihn unterbricht. Für die Anbindung nennt der Hersteller SIP für klassische Telefonie, WebRTC für Browser und Apps sowie Schnittstellen zu bestehenden Telefonanlagen, Sprachmenüs und Contact-Center-Software (Quelle: mistral.ai).
Weil jede Stufe ein eigenes Modell ist, lassen sich Sprachmodell, Stimme oder Sprache austauschen, ohne den Agenten neu zu bauen. Als Demo zeigt Mistral einen Agenten, der anhand einer Überweisungsnummer einen Termin in einer Hautarztpraxis bucht (Quelle: mistral.ai). Auch The Decoder nennt Terminbuchung und Rechnungsprüfung als typische Einsätze (Quelle: the-decoder.de).
Was das kostet
Die oft zitierten 0,0035 Dollar pro Minute gelten nur für die Batch-Transkription mit dem kleinsten Modell. Für einen Telefonassistenten sind andere Posten relevant. Die Preise laut Mistral:
Voxtral Mini Transcribe 3 (Batch): 0,0035 Dollar pro Minute
Voxtral Small Transcribe 3: 0,004 Dollar pro Minute
Voxtral Mini Transcribe Realtime 3: 0,008 Dollar pro Minute
Sprachausgabe: 13 Dollar pro Million Zeichen
Voice-Agent-API komplett: 0,04 Dollar pro Minute mit Mistral Small 4, 0,08 Dollar pro Minute mit einem größeren Modell
Eine eigene Beispielrechnung: Eine Praxis oder Tanzschule mit 500 Anrufen im Monat und durchschnittlich drei Minuten Gesprächsdauer kommt auf 1.500 Minuten, also rund 60 Dollar Modellkosten mit dem günstigeren Agenten-Tarif. Dazu kommen Kosten für die Telefonanbindung, das Hosting der Agenten-Logik und vor allem die einmalige Einrichtung. Die Preise für Transkription und Sprachausgabe bestätigt auch alternativeto.net, die Tarife der Agenten-API stammen allein von Mistral.
Datenschutz: EU-Hosting ist nicht alles
Mistral bietet eine EU-gehostete API, daneben US- und globale Endpunkte, sowie Selbstbetrieb auf eigener Infrastruktur. Wer On-Premises oder in einer Private Cloud betreiben will, muss Mistral allerdings kontaktieren. Außerdem soll sich steuern lassen, ob Audiodaten gespeichert werden (Quelle: mistral.ai). Ein wichtiger Unterschied zur Vorgängergeneration: Laut AlternativeTo sind die Gewichte von Voxtral 3 nicht offen, während Voxtral Transcribe 2 noch als Open Source erschien. Das Portal beschreibt Voxtral 3 zudem als Public Preview; Mistral selbst spricht von „Available today”.
Für Unternehmen heißt das: Der EU-Standort löst die DSGVO-Fragen nicht automatisch. Anrufer müssen informiert werden, mit dem Anbieter ist ein Vertrag zur Auftragsverarbeitung abzuschließen, und Anrufer müssen erkennen können, dass sie mit einer KI sprechen. Artikel 50 des EU AI Act verpflichtet Anbieter solcher Systeme ausdrücklich zu diesem Hinweis (Quelle: artificialintelligenceact.eu). In Pflege, Therapie und Arztpraxen kommen Gesundheitsdaten hinzu, die besonders geschützt sind. Die Funktion zum Klonen von Stimmen sollte man ohne klare Einwilligung gar nicht anfassen.
Was das für Unternehmen bedeutet
Voxtral 3 senkt die Hürde für einen europäischen Telefonassistenten deutlich, die Modellkosten sind für typische Anrufvolumen im Mittelstand kaum noch ein Argument. Die eigentliche Arbeit liegt woanders: Der Agent ist nur so gut wie seine Anbindung an Terminkalender, Kundendatenbank und Telefonanlage. Ein Sprachagent, der Termine zwar versteht, aber nicht in die echte Buchungssoftware schreiben kann, bleibt ein Pilotprojekt ohne Nutzen. Genau an fehlenden Schnittstellen und Insellösungen scheitern viele Projekte zur Prozessautomatisierung, nicht an der Sprachqualität. Herstellerbenchmarks sind zudem kein Ersatz für einen Test mit eigenen Anrufern, Dialekten und Hintergrundgeräuschen.
Sinnvoll ist ein kleiner, klar abgegrenzter Start: ein Pflegedienst, der außerhalb der Bürozeiten Rückrufwünsche aufnimmt, eine Tanzschule, die Probestunden bucht, oder ein Handwerksbetrieb, der Reparaturanfragen vorsortiert. Wichtig sind eine saubere Übergabe an Menschen bei allem, was der Agent nicht sicher lösen kann, und eine Datenschutzprüfung vor dem ersten echten Anruf. Wer das mit Erfahrung in KI-Automation und Systemintegration angeht, kann nach wenigen Wochen belastbar sagen, ob sich der Assistent rechnet.
