Voxtral Small 24B può essere eseguito localmente?

Sì, i pesi sono aperti e disponibili su Hugging Face. Mistral consiglia di eseguirlo con vLLM e serviranno circa 55 GB di RAM GPU in bf16 o fp16.

Quanto costa Voxtral Small 24B via API?

Il testo costa $0,10 per milione di token in input e $0,30 per milione di token in output. L’input audio è fatturato separatamente a $100 per milione di secondi.

In cosa Voxtral Small differisce da Mistral Small 3.1?

Voxtral Small è costruito direttamente su Mistral Small 3.1 e mantiene tutte le sue capacità testuali, ma aggiunge uno strato dedicato all’input audio per trascrizione, traduzione, Q&A audio e chiamata a funzione attivata dalla voce.

Voxtral Small 24B 2507

5768°

#llm #mistralai #audio #multilingue #locale #budget

Esegui questo modello

Offerte / Annunci

OpenRouter Terminale / API

Paga per token

Chatta con questo modello nel browser o chiamalo dal tuo codice con una chiave API.

Mistral | contesto da 32.768 token | $0.10/M input, $0.30/M output. Voxtral Small è un miglioramento di Mistral Small 3, che incorpora capacità audio all'avanguardia mantenendo le migliori prestazioni testuali. Eccelle in trascrizione vocale, traduzione e comprensione audio. L'audio in input è prezzato a $100 per milione di secondi.

Guide per questo modello

Quanta VRAM serve davvero per l'AI locale?

Pesi aperti vs open source vs solo API: cosa puoi davvero fare

Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)

Tutte le guide

Note del capitano

Scritto da Captain, l'editor di casa

Note del 2026-10-13

Voxtral Small 24B 2507 è il modello da 24 miliardi di parametri di Mistral con capacità audio, costruito sulla base di Mistral Small 3.1 con uno strato dedicato alla comprensione audio aggiunto sopra. Gestisce trascrizione vocale, traduzione e Q&A audio in un unico modello, rilevando automaticamente la lingua di origine tra otto lingue principali. Pesi aperti e un prezzo API basso lo rendono una scelta pratica per sviluppatori che vogliono evitare di assemblare pipeline separate di ASR e modelli linguistici.

Conosciuto per

Modalità di trascrizione dedicata che rileva automaticamente la lingua di origine senza configurazione.
Gestisce audio fino a 30 minuti per trascrizione, 40 minuti per comprensione.
Chiamata a funzione attivata direttamente dall’input vocale.
Nativamente multilingue: inglese, spagnolo, francese, portoghese, hindi, tedesco, olandese, italiano.
Mantiene tutte le capacità testuali di Mistral Small 3.1 insieme all’audio.

Attenzione a

I prompt di sistema non sono ancora supportati, limitando alcuni schemi di deployment.
L’esecuzione locale richiede circa 55 GB di RAM GPU in bf16 o fp16.
Il prezzo audio è separato dal testo: $100 per milione di secondi di audio in input.

Ideale per

Agenti e uso di strumenti

Prompt da provare

Trascrivi e riassumi audio

Allega una registrazione vocale di una riunione o lezione. Trascrivi tutto ciò che viene detto, poi produci un sommario strutturato con i principali argomenti trattati, le decisioni prese e le azioni menzionate. Presenta il sommario come elenco numerato.

Q&A audio da registrazione

Allega un clip audio di una spiegazione parlata o intervista. Rispondi alle seguenti domande basandoti solo su quanto detto nella registrazione: Qual è l’argomento principale? Quali prove o esempi vengono forniti? Ci sono avvertenze o qualifiche menzionate dal parlante?

Traduci audio parlato in inglese

Allega un file audio in cui il parlante usa una lingua diversa dall’inglese. Identifica la lingua parlata, trascrivi l’originale e fornisci una traduzione pulita in inglese. Nota eventuali frasi ambigue o difficili da rendere direttamente.

Confronta con

Mistral Nemo
Modello con pesi aperti
Contesto di 131,072 token · Input $0.03/M, output $0.03/M
Ministral 3 3B 2512
Modello con pesi aperti
Contesto di 131,072 token · Input $0.10/M, output $0.10/M
Ministral 3 14B 2512
Modello con pesi aperti
Contesto di 262,144 token · Input $0.20/M, output $0.20/M
Mistral Small 3
Modello con pesi aperti
Contesto di 32,768 token · Input $0.05/M, output $0.08/M

Altri modelli di testo da mistralai

Domande frequenti

Voxtral Small 24B può essere eseguito localmente?: Sì, i pesi sono aperti e disponibili su Hugging Face. Mistral consiglia di eseguirlo con vLLM e serviranno circa 55 GB di RAM GPU in bf16 o fp16.
Quanto costa Voxtral Small 24B via API?: Il testo costa $0,10 per milione di token in input e $0,30 per milione di token in output. L’input audio è fatturato separatamente a $100 per milione di secondi.
In cosa Voxtral Small differisce da Mistral Small 3.1?: Voxtral Small è costruito direttamente su Mistral Small 3.1 e mantiene tutte le sue capacità testuali, ma aggiunge uno strato dedicato all’input audio per trascrizione, traduzione, Q&A audio e chiamata a funzione attivata dalla voce.

Verdetto del capitano
Un raro modello unico che fa trascrizione seria e comprensione audio senza sacrificare la qualità testuale, a un prezzo che non punge.

Scheda modello su Hugging Face

Il capitano scrive queste note dalla descrizione e dalla scheda modello. Prezzi e dimensioni del contesto sono quelli del provider al momento della scrittura e possono cambiare.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Come si calcola questo punteggio

Questo modello non ha ancora dati di popolarità da nessuna fonte, quindi ha un numero provvisorio sotto 7,000° che mantiene le liste complete. Non supera mai un modello con dati. La suddivisione appare qui appena una fonte la segnala.

Glossario: i termini usati qui

Punteggio heat: Un numero che indica quanto un modello è usato e desiderato ora, da 0° a 9.999°. Ogni lista su questo sito che dice più caldo è ordinata per questo e nient’altro.
Soglia minima: I 7.000° da cui parte ogni modello con dati reali. La scala va da 0° a 9.999°; la parte sotto la soglia è riservata ai sostituti (modelli senza dati), così un modello con dati è sempre sopra uno senza. La soglia è uguale per tutti e non decide nulla; i gradi sopra sono la misura.
Equivalenti di download: Tutto ciò che il punteggio considera come un download, sommato: i download stessi, ogni seeder torrent come 1.000, ogni immagine AI Horde e ogni esecuzione su un sito di generazione come uno.
Scala logaritmica: Conta a decine, non a unità: passare da 1.000 a 10.000 download aggiunge gli stessi gradi che passare da 10.000 a 100.000. Evita che i giganti schiaccino tutto il resto.
Like: Pollici in su e like da ogni fonte, valgono metà di un download sulla scala logaritmica.
Tasso di adozione: Quanti download al giorno riceve un modello ora, dalla differenza tra due rilevazioni di una fonte. Un quarto del peso del termine download.
Misurato e stimato: Misurato significa che ci sono due letture di una fonte e la differenza è reale. Stimato significa che si conosce solo il totale di oggi e il passato è distribuito sulla vita del modello; il sito indica quale viene mostrato.
Seeder: Qualcuno che mantiene una copia dei pesi online per farli scaricare agli altri tramite torrent, o uno specchio ospitato che fa lo stesso. Ognuno conta come 1.000 download.
AI Horde: Una rete di volontari che genera immagini gratis su computer donati. Il numero di immagini create con un modello è pubblico, e ognuna conta come un download.
Siti di generazione: Siti che ospitano copie di un modello e permettono di generare con esso, come PixAI, SeaArt e Yodayo. I loro download contano come quelli di Civitai e ogni generazione come un download.
Token OpenRouter: Un modello di testo servito tramite API, come Claude o GPT, non ha pesi da scaricare, quindi il suo utilizzo si misura in token: i pezzi di testo letti e scritti tramite OpenRouter, un gateway usato da molte app, negli ultimi 30 giorni. Ogni 10,000,000 token conta come un download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modello completo (checkpoint): I pesi stessi, il file che genera da solo. Riceve un bonus perché da esso dipendono gli add-on.
LoRA e embedding: Piccoli file add-on che indirizzano i pesi di qualcun altro verso uno stile, un personaggio o un concetto. Non possono funzionare da soli.
Famiglia e pesi: La base su cui è costruito un modello, come SD 1.5, SDXL, Flux o Wan. Ogni modello eredita la data di rilascio dei pesi della sua famiglia.
Età: Gradi tolti in base a quanto tempo fa sono usciti i pesi della famiglia: 150° all'anno, fino a 750°. Mantiene i vecchi download che hanno avuto anni per accumularsi congelando la cima della lista.
Boost famiglia: Una piccola spinta limitata per le LoRA di una famiglia che questo sito sta promuovendo ora, sempre elencata nel dettaglio.
Punteggio stand-in: Un numero stabile sotto il minimo dato a un modello su cui nessuna fonte ha ancora dati, così le liste restano complete. Non supera mai un modello con dati.
Novità! (periodo di grazia): Un modello più giovane di 7 giorni mostra Novità! invece di un punteggio e non ha posizione nelle classifiche. Il suo punteggio è calcolato dal primo giorno, ma un modello di un giorno cresce più velocemente di qualsiasi altro, quindi senza l'attesa il #1 della settimana sarebbe sempre quello uscito ieri invece di quello che ha resistito per una settimana.
Tendenza: Come la crescita di un modello in un periodo si confronta con la crescita tipica di un modello nello stesso periodo. Più veloce del tipico si legge come aumento, più lento come calo.
Modello tipico: Il centro del catalogo: metà dei modelli con un valore è cresciuta più velocemente nel periodo, metà più lentamente.

Modelli simili

Qwen3.5 Plus 2026 04 20

Modelli di IA per generare immagini, video e testo

Voxtral Small 24B 2507 è un modello di testo per la famiglia Text / LLM presente su ModelTrends.ai, un catalogo in sola lettura di modelli di IA open source per immagini, video e testo. Confrontalo con gli altri modelli Text / LLM e controlla il punteggio di calore per vedere la tendenza.

Altri modelli Text / LLM Altri Testo / LLM Text / LLM llm mistralai audio multilingue locale budget agenti

Sfoglia per famiglia di modelli

Modelli Text / LLM

434