Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Uvod u AI viziju s Mistralom

Lekcija 1 od 14 Ažurirano 2. studenoga 2026. Početnik
Na ovoj stranici
  1. Kada AI modeli nauče vidjeti
  2. Zašto vizija mijenja sve
  3. Mistralovi modeli za viziju
  4. Što ćeš naučiti u ovom odjeljku
  5. Ključne točke

Ažuriranje 2. studenoga 2026. — Le Chat sada je Vibe. Od 28. svibnja 2026., Le Chat je rebrendiran u Vibe (i dalje na chat.mistral.ai): jedinstveni agent za posao i kodiranje koji zadržava tvoje razgovore, postavke i pretplate. Legacy iskustvo Le Chata ostaje dostupno u načinu Chat; u načinu Work, agenti su postali vještine (pozivaju se s @), memorije čine bazu znanja, a duboko pretraživanje sada je vještina Deep Research. Planovi se sada zovu Mistral Free, Pro, Team i Enterprise. Ova lekcija koristi naziv Vibe; imaj na umu da su se neki izbornici ovdje opisani mogli promijeniti po imenu ili lokaciji.

Kada AI modeli nauče vidjeti

Do nedavno, AI asistenti razumjeli su samo tekst. Mogao/la si im postavljati pitanja, tražiti da napišu e-mail ili sažmu dokument, ali im pokazati fotografiju radi smislene analize bilo je nemoguće. S multimodalnim modelima Mistral AI-ja, to ograničenje pripada povijesti. Ovo je vjerojatno najopipljivija promjena koju ćeš primijetiti u svakodnevnoj uporabi AI-ja.

AI vizija odnosi se na sposobnost jezičnog modela da analizira vizualni sadržaj slike — fotografije, grafikona, snimke zaslona ili dijagrama — i pruži tekstualno tumačenje. U praksi, učitavaš sliku u Vibe (Mistralov asistent), a model odgovara kao da zapravo vidi što mu pokazuješ. Ne detektira samo oblike; čita tekst unutar slike, razumije strukture tablica, prati trendove na grafikonima i sve to povezuje s tvojim specifičnim pitanjem.

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

Zašto vizija mijenja sve

Zamisli da putem e-maila primiš kvartalni grafikon prodaje. Ranije bi ga morao/la otvoriti u proračunskoj tablici, čitati brojke jednu po jednu i tumačiti trendove — a ako bi grafikon bio samo slika, ne bi imao/la ni pristup temeljnim podacima. Sada možeš zalijepiti tu sliku u Vibe i pitati: „Koji je glavni trend?“ ili „Usporedi Q1 i Q3.“ Model identificira osi, legende i vrijednosti, a zatim u nekoliko sekundi daje odgovor na prirodnom jeziku.

Ova mogućnost transformira mnoge svakodnevne scenarije. Suočen/a s fotografijom, model opisuje sadržaj, identificirajući objekte, lokacije ili znamenitosti — korisno kada trebaš ime biljke koju si ugledao/la u šetnji. Kod skeniranog dokumenta, čita tekst s vizitke, računa ili papirnatog obrasca, štedeći ti zamoran ručni unos. Za grafikone ili dijagrame, izvlači ključne podatke iz kružnih ili stupčastih dijagrama poput analitičara. A kod snimke zaslona, analizira sučelje, dešifrira poruku o pogrešci ili sažima nadzornu ploču — neprocjenjivo kada softver izbaci nerazumljiv kod pogreške i trebaš znati što dalje.

Mistralovi modeli za viziju

Mistral nudi nekoliko modela sposobnih za obradu slika. Iako ih nećeš morati ručno birati, razumijevanje njihovih uloga pomaže. Mistral Large 3 vodeći je model koji pruža vrhunske performanse za složene vizualne analize; to je tvoj izbor kada je preciznost ključna, poput raščlanjivanja gustog tehničkog shematskog prikaza. Mistral Medium 3.1 postiže izvrsnu ravnotežu između performansi i brzine, što ga čini prirodnim izborom za svakodnevnu uporabu u Vibeu. Mistral Small 3.2 lakši je: brzo odgovara uz održavanje solidne kvalitete analize, savršen za jednostavne zadatke poput opisivanja fotografije. Konačno, Ministral 3, dostupan u verzijama od 14B, 8B i 3B parametara, čini najkompaktnije modele u ponudi, dizajnirane za brze odgovore na osnovne vizualne analize.

Kao korisnik/ca Vibea, ne biraš model ručno; sučelje automatski odabire onaj najprikladniji za tvoj zahtjev. Ali zapamti: iza svake jednostavne slike ubačene u razgovor radi multimodalna neuronska mreža. Sofisticiranost te mreže upravo je razlog zašto tako dobro razumije ono što joj pokažeš.

Što ćeš naučiti u ovom odjeljku

Ovaj prvi dio tečaja vodi te korak po korak kroz korištenje AI vizije putem Mistralovog Vibea. Počet ćeš učitavanjem slike i postavljanjem pitanja o njoj, zatim prijeći na analizu grafikona i izvlačenje podataka iz tablica. Dalje, vidjet ćeš kako usporediti više slika unutar jednog razgovora prije nego istražiš kreativne slučajeve uporabe koji nadilaze jednostavan opis slike.

Nisu potrebne tehničke vještine. Ako znaš koristiti Vibe za pisanje poruke, već znaš kako analizirati sliku — samo je povuci u razgovor.

Ključne točke

  • AI vizija omogućuje Mistralovim modelima analizu slika uz tekst
  • Dostupno je više modela, od najmoćnijeg (Large 3) do najkompaktnijeg (Ministral 3)
  • Analiza funkcionira na fotografijama, grafikonima, skeniranim dokumentima i snimkama zaslona
  • U Vibeu jednostavno učitaj sliku za početak — nije potrebno kodiranje