Analiziraj slike u Vibeu
Na ovoj stranici
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 prenosi 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 su postale baza znanja, a dubinsko pretraživanje postalo 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 nazivu ili lokaciji.
Tvoja prva analiza slike
Mistral Vibe omogućuje ti analizu bilo koje slike u nekoliko sekundi. Proces je jednostavan kao slanje poruke: učitaj svoju datoteku, postavi pitanje i multimodalni model obavlja ostalo. Ova lekcija pokazuje ti točno kako postupiti, koje su vrste analiza moguće i, što je najvažnije, kako formulirati svoje zahtjeve kako bi dobio doista korisne odgovore. Upravo ta razlika odvaja gimmick od pravog radnog alata.
Kako učitati sliku
Imaš tri opcije i brzo ćeš usvojiti onu koja odgovara tvom načinu rada. Najbrža je povuci-i-ispusti: zgrabi datoteku s radne površine ili preglednika datoteka i ispusti je izravno u područje razgovora. Ako više voliš koristiti birač datoteka, klikni ikonu privitka (spajalica) pokraj polja za unos. Konačno, kopiraj-zalijepi je nepobjediv za snimke zaslona: kopiraj sliku u međuspremnik i zalijepi je u Vibe s Ctrl+V (ili Cmd+V na Macu). Nema potrebe za spremanjem međudatoteka.
Prihvaćeni formati pokrivaju uobičajene vrste slika: JPEG, PNG, WebP i GIF. Maksimalna veličina ovisi o korištenom modelu, no u praksi fotografije snimljene pametnim telefonom ili standardne snimke zaslona rade bez problema.
Vrste mogućih analiza
Kada se tvoja slika učita, model može odgovoriti na širok spektar pitanja. Prvi instinkt je opći opis: pitaj „Što vidiš na ovoj slici?“ ili „Opiši ovu fotografiju“, a model identificira glavne elemente — objekte, ljude, pejzaže, boje, vidljivi tekst. To je korisno za generiranje pristupačnog opisa slike ili brzu provjeru njezinog sadržaja prije dijeljenja.
Sljedeće dolazi identifikacija: pokaži spomenik fotografiran na odmoru i pitaj „Koji je ovo spomenik?“, fotografiraj list i pitaj „Koja je ovo vrsta biljke?“ ili potraži „Koji je brand vidljiv na ovom proizvodu?“. Model se oslanja na svoje znanje kako bi pokušao identifikaciju. Nije nepogrešiv — vratit ćemo se na to — ali rezultati su često iznenađujuće točni za uobičajene objekte.
Treća kategorija je čitanje teksta, što uključuje osnovni ugrađeni OCR. Ako tvoja slika sadrži tekst — znak, vizitku, plakat ili snimku zaslona — model ga pročita i transkribira. Možeš pitati „Pročitaj tekst na ovoj fotografiji“ ili ciljati specifične informacije izravno: „Koji je telefonski broj na ovoj vizitki?“. To štedi mnogo vremena kada trebaš dohvatiti kontakt podatke nekoga koga si upoznao na sajmu bez ručnog ponovnog unosa.
Konačno, model radi više od pukog opisivanja: on tumači. Možeš pitati je li odjevna kombinacija prikladna za razgovor za posao, čini li se fotografirano jelo nutritivno uravnoteženim ili koja je glavna poruka reklame. Ta sposobnost pružanja kontekstualnog tumačenja ono je što razlikuje moderni multimodalni model od jednostavnog alata za prepoznavanje objekata.
Postavljanje dobrih pitanja
Kvaliteta analize uvelike ovisi o tome kako formuliraš svoj zahtjev. Nejasno pitanje daje nejasan odgovor: „Analiziraj ovu sliku“ donijet će ti generički opis, dok će ti „Koji su podaci o prodaji prikazani na ovom grafikonu?“ dati točno ono što trebaš. Također pruži kontekst kada sama slika nije dovoljna: „Evo fotografije jela koje sam pripremio. Procijeni približan broj kalorija“ usmjerava model prema ispravnoj vrsti analize. Nemoj se ustručavati specificirati format izlaza — „Navedi vidljive elemente kao natuknice“ ili „Sažmi u jednoj rečenici što ova slika prikazuje“ — kako bi dobio odgovor koji možeš odmah iskoristiti.
Ograničenja koja trebaš znati
Vizijski model je moćan, ali moraš imati na umu njegova ograničenja. S vrlo malim ili zamućenim tekstom — na primjer, fotografija ugovora snimljena iz daljine — može pogrešno pročitati ili čak izmisliti uvjerljive znakove. To je najpodmuklija zamka jer greška nije odmah očita. Tamne, preosvijetljene ili visoko apstraktne slike također će dati manje pouzdane rezultate. Također razmisli o privatnosti: model čita sve podatke vidljive na slici, stoga budi oprezan s osjetljivim dokumentima. Broj bankovnog računa (IBAN) ostavljen u kutu snimke zaslona bit će pročitan baš kao i sve ostalo. Konačno, svaka se slika analizira neovisno osim ako ne pošalješ više slika u istom razgovoru: ne postoji vizualna memorija između različitih razgovora.
Praktična vježba
Kako bi učvrstio ove navike, odmah isprobaj tri vježbe u Vibeu. Prvo, fotografiraj objekt na svom stolu i zamoli model da ga opiše — usporedi njegov opis s onim što vidiš. Zatim, napravi snimku zaslona vijesti i zatraži sažetak naslova i uvodnog odlomka. Naposljetku, fotografiraj račun ili ulaznicu i zamoli ga da izdvoji ukupni iznos: ova je vježba najbliža stvarnoj profesionalnoj upotrebi i odmah će ti pokazati razinu pouzdanosti ugrađenog OCR-a.
Ključne točke
- Tri metode učitavanja: povuci-i-ispusti, gumb sa spajalicom, kopiraj-zalijepi
- Model može opisati, identificirati, čitati tekst i tumačiti kontekst slike
- Specifična pitanja daju bolje rezultate od nejasnih zahtjeva
- Čuvaj se slika loše kvalitete i osjetljivih dokumenata