Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Sissejuhatus Mistrali tehisintellekti nägemisse

Õppetund 1 / 14 Värskendatud 2. november 2026 Algajatele
Sellel lehel
  1. Kui tehisintellekti mudelid õpivad nägema
  2. Miks nägemine muudab kõike
  3. Mistrali nägemismudelid
  4. Mida selles osas õpid
  5. Peamised punktid

Uuendus 2. novembril 2026 — Le Chat on nüüd Vibe. Alates 28. maist 2026 on Le Chat ümber bränditud nimele Vibe (aadressil chat.mistral.ai): üks agent tööks ja kodeerimiseks, mis säilitab sinu vestlused, seaded ja tellimused. Vana Le Chati kasutajakogemus on endiselt kättesaadav režiimis Chat; režiimis Work on agentidest saanud oskused (käivitatakse sümboliga @), mälud moodustavad teadmistebaasi ja põhjalik otsing on nüüd oskus Deep Research. Tellimusplaanid kannavad nüüd nimesid Mistral Free, Pro, Team ja Enterprise. Selles õppetükis kasutame nime Vibe; pane tähele, et mõned siin kirjeldatud menüüd võivad olla muutnud nime või asukohta.

Kui tehisintellekti mudelid õpivad nägema

Kuni viimase ajani mõistsid tehisintellekti assistendid ainult teksti. Sa võisid neilt küsimusi küsida, lasta koostada meili või võtta kokku dokumenti, kuid foto näitamine tähendusliku analüüsi saamiseks oli võimatu. Mistral AI mitmemodaalsete mudelitega on see piirang minevik. See on tõenäoliselt kõige käegakatsutavam muutus, mida oma igapäevases tehisintellekti kasutamises märkad.

Tehisintellekti nägemine viitab keelemudeli võimele analüüsida pildi visuaalset sisu – olgu selleks foto, diagramm, ekraanitõmmis või skeem – ja pakkuda tekstipõhist tõlgendust. Praktikas laadid sa pildi Vibe’i (Mistrali assistent) ja mudel vastab nii, nagu ta tegelikult näeks seda, mida sa talle näitad. Ta ei tuvasta ainult kujundeid; ta loeb pildil olevat teksti, mõistab tabelite struktuure, jälgib diagrammide trende ja seob kõik selle sinu konkreetse küsimusega.

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

Miks nägemine muudab kõike

Kujuta ette, et saad meili teel kvartali müügidiagrammi. Varem pidid sa selle arvutustabelis avama, arvud ükshaaval läbi lugema ja trende tõlgendama – ning kui diagramm oli lihtsalt pilt, polnud sul algandmetele isegi juurdepääsu. Nüüd saad selle pildi Vibe’i kleepida ja küsida: „Mis on peamine trend?“ või „Võrdle 1. ja 3. kvartalit.“ Mudel tuvastab teljed, legendid ja väärtused ning annab seejärel sekunditega vastuse loomulikus keeles.

See võimekus muudab paljusid igapäevaseid olukordi. Fotoga silmitsi seistes kirjeldab mudel sisu, tuvastades objekte, asukohti või vaatamisväärsusi – kasulik, kui vajad jalutuskäigu ajal kohatud taime nime. Skaneeritud dokumendiga loeb ta teksti visiitkaardilt, kviitungilt või paberformult, säästes sind tüütust käsitsi sisestamisest. Diagrammide või skeemide puhul ekstraheerib ta võtmeandmeid ring- või tulpdiagrammidest nagu analüütik. Ekraanitõmmise puhul analüüsib ta kasutajaliidest, dešifreerib veateate või võtab kokku armatuurlaua – hindamatu, kui tarkvara viskab arusaamatu veakoodi ja sa pead teadma, mida edasi teha.

Mistrali nägemismudelid

Mistral pakub mitut piltide töötlemiseks võimekat mudelit. Kuigi sa ei pea neid käsitsi valima, aitab nende rollide mõistmine olukorda paremini hoomata. Mistral Large 3 on lipulaevamudel, mis pakub parimat jõudlust keeruka visuaalanalüüsi jaoks; see on sinu valik, kui täpsus loeb, näiteks tiheda tehnilise skeemi lahkamisel. Mistral Medium 3.1 pakub suurepärast tasakaalu jõudluse ja kiiruse vahel, oludes loomulikuks valikuks igapäevaseks kasutamiseks Vibe’is. Mistral Small 3.2 on kergem: see vastab kiiresti, säilitades samalasi tahke analüüsikvaliteedi, sobides ideaalselt lihtsateks ülesanneteks nagu foto kirjeldamine. Lõpuks, Ministral 3, mis on saadaval 14B, 8B ja 3B parameetriga versioonidena, moodustab mudelivaliku kõige kompaktsemad mudelid, mis on loodud kiireteks vastusteks lihtsate visuaalanalüüside korral.

Vibe’i kasutajana sa ei vali mudelit käsitsi; liides valib automaatselt sinu päringule kõige sobivama. Kuid pea meeles: iga vestlusse lohistatud lihtsa pildi taga töötab mitmemodaalne närvivõrk. Just selle võrgu keerukus on põhjus, miks ta mõistab nii hästi seda, mida sa talle näitad.

Mida selles osas õpid

See kursuse esimene osa viib sind samm-sammult läbi tehisintellekti nägemise kasutamise Mistrali Vibe’i kaudu. Alustad pildi üleslaadimisest ja selle kohta küsimuste esitamisest, seejärel liigud edasi diagrammide analüüsimisele ja andmete ekstraheerimisele tabelitest. Järgmiseks näed, kuidas võrrelda ühes vestluses mitut pilti, enne kui uurid loovaid kasutusviise, mis lähevad kaugemale lihtsast pildi kirjeldamisest.

tehnilisi oskusi pole vaja. Kui oskad kasutada Vibe’i sõnumi kirjutamiseks, oskad juba ka pilti analüüsida – lihtsalt lohista see vestlusse.

Peamised punktid

  • Tehisintellekti nägemine võimaldab Mistrali mudelitel analüüsida pilte lisaks tekstile
  • Saadaval on mitu mudelit, alates võimsaimast (Large 3) kuni kõige kompaktsemani (Ministral 3)
  • Analüüs toimib fotode, diagrammide, skaneeritud dokumentide ja ekraanitõmmistega
  • Vibe’is alustamiseks laadi lihtsalt pilt üles – kodeerimist pole vaja