Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Úvod do AI Vision s Mistral

Lekce 1 z 14 Aktualizováno 2. listopadu 2026 Začátečník
Na této stránce
  1. Když se modely AI naučí vidět
  2. Proč vision mění vše
  3. Modely Vision od Mistral
  4. Co se v této sekci naučíš
  5. Klíčové poznatky

Aktualizace 2. listopadu 2026 — Le Chat je nyní Vibe. Od 28. května 2026 byl Le Chat přejmenován na Vibe (stále na chat.mistral.ai): jediný agent pro práci i kódování, který si zachovává vaše konverzace, nastavení a předplatná. Původní prostředí Le Chat zůstává dostupné v režimu Chat; v režimu Work se agenti stali dovednostmi (vyvolávanými pomocí @), vzpomínky tvoří znalostní bázi a hluboké vyhledávání je nyní dovednost Deep Research. Plány se nyní jmenují Mistral Free, Pro, Team a Enterprise. Tato lekce používá název Vibe; měj na paměti, že některá zde popsaná menu mohla změnit název nebo umístění.

Když se modely AI naučí vidět

Donedávna chápali asistenti AI pouze text. Mohl ses jich zeptat na otázku, nechat si od nich napsat e-mail nebo shrnout dokument – ale ukázat jim fotografii, aby poskytli smysluplnou analýzu, bylo nemožné. Díky multimodálním modelům Mistral AI je toto omezení minulostí. Pravděpodobně půjde o nejznatelnější změnu, které si v každodenním používání AI všimneš.

AI vision (počítačové vidění) označuje schopnost jazykového modelu analyzovat vizuální obsah obrázku – fotografie, grafu, snímku obrazovky nebo schématu – a poskytnout textovou interpretaci. V praxi nahraješ obrázek do Vibe (asistenta Mistral) a model odpoví, jako by skutečně viděl to, co mu ukazuješ. Nejenže detekuje tvary; čte text uvnitř obrázku, chápe strukturu tabulek, sleduje trendy v grafech a propojuje všechny tyto informace s tvou konkrétní otázkou.

4+
Vision models available
9+
Audio languages supported
OCR 3
Document recognition engine
~90 ms
Voxtral TTS latency

Proč vision mění vše

Představ si, že ti přijde čtvrtletní graf prodejů e-mailem. Dříve bys ho musel otevřít v tabulkovém procesoru, ručně přečíst jednotlivé údaje a interpretovat trendy – a pokud by byl graf pouze obrázkem, neměl bys k podkladovým datům vůbec přístup. Nyní můžeš tento obrázek vložit do Vibe a zeptat se: „Jaký je hlavní trend?“ nebo „Porovnej první a třetí čtvrtletí.“ Model identifikuje osy, legendy a hodnoty a během několika sekund poskytne odpověď v přirozeném jazyce.

Tato schopnost mění mnoho každodenních situací. U fotografie model popíše obsah, identifikuje objekty, místa nebo památky – hodí se to, když potřebuješ zjistit název rostliny, kterou jsi zahlédl na procházce. U naskenovaného dokumentu přečte text z vizitky, účtenky nebo papírového formuláře, čímž ti ušetří zdlouhavé ruční přepisování. U grafů nebo schémat extrahuje klíčová data z koláčových nebo sloupcových grafů stejně jako analytik. A u snímku obrazovky analyzuje rozhraní, rozluští chybovou zprávu nebo shrne dashboard – to je k nezaplacení, když software vyhodí nepochopitelný chybový kód a ty potřebuješ vědět, co dělat dál.

Modely Vision od Mistral

Mistral nabízí několik modelů schopných zpracovávat obrázky. I když je nemusíš vybírat ručně, pochopení jejich rolí ti pomůže. Mistral Large 3 je vlajková loď, která poskytuje špičkový výkon pro komplexní vizuální analýzy; je to tvá volba, když záleží na přesnosti, například při rozebírání hustého technického schématu. Mistral Medium 3.1 nabízí vynikající rovnováhu mezi výkonem a rychlostí, což z něj činí přirozenou volbu pro každodenní použití ve Vibe. Mistral Small 3.2 je lehčí: odpovídá rychle při zachování solidní kvality analýzy, což je ideální pro jednoduché úkoly, jako je popis fotografie. Nakonec Ministral 3, dostupný ve verzích s 14B, 8B a 3B parametry, tvoří nejkompaktnější modely v nabídce, navržené pro rychlé odpovědi u základních vizuálních analýz.

Jako uživatel Vibe model nevybíráš ručně; rozhraní automaticky zvolí ten, který nejlépe odpovídá tvému požadavku. Nezapomeň však: za každým jednoduchým obrázkem vloženým do konverzace pracuje multimodální neuronová síť. Právě sofistikovanost této sítě umožňuje, aby tak dobře chápala to, co jí ukazuješ.

Co se v této sekci naučíš

Tato první část kurzu tě krok za krokem provede používáním AI vision prostřednictvím Mistral Vibe. Začneš nahráním obrázku a kladením otázek k němu, poté přejdeš k analýze grafů a extrakci dat z tabulek. Dále uvidíš, jak porovnávat více obrázků v rámci jedné konverzace, než prozkoumáš kreativní případy použití, které jdou nad rámec pouhého popisu obrázku.

Nejsou potřeba žádné technické dovednosti. Pokud umíš používat Vibe k psaní zpráv, umíš už teď analyzovat obrázky – stačí je přetáhnout do konverzace.

Klíčové poznatky

  • AI vision umožňuje modelům Mistral analyzovat obrázky navíc k textu
  • K dispozici je více modelů, od nejmocnějšího (Large 3) po nejkompaktnější (Ministral 3)
  • Analýza funguje na fotografie, grafy, naskenované dokumenty i snímky obrazovky
  • Ve Vibe stačí obrázek nahrát a můžeš začít – žádné kódování není potřeba