Ir al contenido principal
Español— Elegir un idioma
Menú

Analizar imágenes en Vibe

Lección 2 de 14 Actualizado el 2 de noviembre de 2026 Principiante
En esta página
  1. Tu primer análisis de imagen
  2. Cómo subir una imagen
  3. Tipos de análisis posibles
  4. Cómo formular buenas preguntas
  5. Límites que debes conocer
  6. Práctica guiada
  7. Puntos clave

Actualización 2 de noviembre de 2026 — Le Chat pasa a llamarse Vibe. Desde el 28 de mayo de 2026, Le Chat ha cambiado de marca para convertirse en Vibe (sigue estando en chat.mistral.ai): un único agente para el trabajo y la programación que conserva tus conversaciones, configuraciones y suscripciones. La experiencia heredada de Le Chat sigue accesible en el modo Chat; en el modo Work, los agentes se han convertido en habilidades (que se invocan con @), las memorias son ahora la base de conocimientos y la búsqueda profunda es la habilidad Deep Research. Los planes se llaman ahora Mistral Free, Pro, Team y Enterprise. Esta lección utiliza el nombre Vibe; ten en cuenta que algunos menús descritos aquí pueden haber cambiado de nombre o de ubicación.

Tu primer análisis de imagen

Mistral Vibe te permite analizar cualquier imagen en segundos. El proceso es tan sencillo como enviar un mensaje: sube tu archivo, formula tu pregunta y el modelo multimodal se encarga del resto. Esta lección te muestra exactamente cómo proceder, qué tipos de análisis son posibles y, lo más importante, cómo redactar tus solicitudes para obtener respuestas realmente útiles. Esa distinción es lo que separa un truco de marketing de una herramienta de trabajo real.

Cómo subir una imagen

Tienes tres opciones y pronto adoptarás la que mejor se adapte a tu flujo de trabajo. La más rápida es arrastrar y soltar: coge el archivo desde tu escritorio o explorador de archivos y suéltalo directamente en el área de conversación. Si prefieres usar un selector de archivos, haz clic en el icono de adjuntar (el clip) junto al campo de entrada. Por último, copiar y pegar es insuperable para capturas de pantalla: copia la imagen al portapapeles y pégala en Vibe con Ctrl+V (o Cmd+V en Mac). No hace falta guardar un archivo intermedio.

Los formatos aceptados cubren los tipos de imagen habituales: JPEG, PNG, WebP y GIF. El tamaño máximo depende del modelo utilizado, pero en la práctica, las fotos tomadas con un teléfono inteligente o las capturas de pantalla estándar funcionan sin problemas.

Tipos de análisis posibles

Una vez subida la imagen, el modelo puede responder a una amplia variedad de preguntas. El primer instinto es la descripción general: pregunta «¿Qué ves en esta imagen?» o «Describe esta foto», y el modelo identificará los elementos principales: objetos, personas, paisajes, colores y texto visible. Esto resulta útil para generar una descripción accesible de una imagen o verificar rápidamente su contenido antes de compartirla.

A continuación está la identificación: muestra un monumento fotografiado de vacaciones y pregunta «¿Qué monumento es este?», fotografía una hoja y pregunta «¿Qué tipo de planta es esta?» o busca «¿Qué marca es visible en este producto?». El modelo recurre a sus conocimientos para intentar una identificación. No es infalible —volveremos sobre esto—, pero los resultados suelen ser sorprendentemente precisos para objetos comunes.

La tercera categoría es la lectura de texto, que incluye un OCR básico integrado. Si tu imagen contiene texto —un cartel, una tarjeta de visita, un póster o una captura de pantalla—, el modelo lo lee y transcribe. Puedes pedir «Lee el texto de esta foto» o apuntar directamente a información específica: «¿Cuál es el número de teléfono de esta tarjeta de visita?». Esto ahorra mucho tiempo cuando necesitas recuperar datos de contacto de alguien a quien conociste en una feria sin tener que volver a introducirlos manualmente.

Por último, el modelo hace algo más que describir: interpreta. Puedes preguntar si un atuendo es adecuado para una entrevista de trabajo, si un plato fotografiado parece nutricionalmente equilibrado o cuál es el mensaje principal de un anuncio. Esta capacidad de ofrecer una interpretación contextual es lo que distingue a un modelo multimodal moderno de una simple herramienta de reconocimiento de objetos.

Cómo formular buenas preguntas

La calidad del análisis depende en gran medida de cómo redactes tu solicitud. Una pregunta vaga genera una respuesta vaga: «Analiza esta imagen» te dará una descripción genérica, mientras que «¿Cuáles son las cifras de ventas que muestra este gráfico?» te dará exactamente lo que necesitas. Aporta también contexto cuando la imagen por sí sola no sea suficiente: «Aquí tienes una foto de un plato que he preparado. Estima las calorías aproximadas» orienta al modelo hacia el tipo de análisis correcto. No dudes en especificar un formato de salida: «Enumera los elementos visibles con viñetas» o «Resume en una frase qué muestra esta imagen», para obtener una respuesta que puedas utilizar de inmediato.

Límites que debes conocer

El modelo de visión es potente, pero debes tener presentes sus limitaciones. Con texto muy pequeño o borroso —por ejemplo, una foto de un contrato tomada desde lejos—, puede leer mal o incluso inventar caracteres plausibles. Esta es la trampa más insidiosa, porque el error no es inmediatamente obvio. Las imágenes oscuras, sobreexpuestas o muy abstractas ofrecerán igualmente resultados menos fiables. Ten también en cuenta la privacidad: el modelo lee todos los datos visibles en la imagen, así que ten cuidado con los documentos sensibles. Un número de cuenta bancaria (RIB) que quede en una esquina de una captura de pantalla se leerá igual que todo lo demás. Por último, cada imagen se analiza de forma independiente a menos que envíes varias imágenes en la misma conversación: no hay memoria visual entre conversaciones distintas.

Práctica guiada

Para afianzar estos hábitos, prueba ahora mismo tres ejercicios en Vibe. Primero, haz una foto de un objeto de tu escritorio y pide al modelo que lo describa; compara su descripción con lo que ves. Después, haz una captura de pantalla de un artículo de noticias y pide un resumen del titular y del primer párrafo. Por último, fotografía un recibo o un ticket y pide que extraiga el importe total: este ejercicio es el más cercano al uso profesional real y te mostrará de inmediato el nivel de fiabilidad del OCR integrado.

Puntos clave

  • Tres métodos de subida: arrastrar y soltar, botón del clip, copiar y pegar
  • El modelo puede describir, identificar, leer texto e interpretar el contexto de una imagen
  • Las preguntas específicas ofrecen mejores resultados que las solicitudes vagas
  • Cuidado con las imágenes de baja calidad y los documentos sensibles