Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Bevezetés a Mistral AI-víziójába

1. lecke 14 közül Frissítve 2026. november 2. Kezdő
Ezen az oldalon
  1. Amikor az AI-modellek megtanulnak látni
  2. Miért változtat meg mindent a vízió?
  3. A Mistral víziós modelljei
  4. Mit tanulsz ebben a szekcióban?
  5. Főbb megállapítások

Frissítés: 2026. november 2. — A Le Chat mostantól Vibe. 2026. május 28. óta a Le Chat új neve Vibe (továbbra is a chat.mistral.ai címen érhető el): egyetlen ügynök munkához és kódoláshoz, amely megőrzi beszélgetéseidet, beállításaidat és előfizetéseidet. A régi Le Chat élmény továbbra is elérhető a Chat módban; a Work módban az ügynökök készségekké (skill) váltak (a @ jellel hívhatók meg), az emlékek a tudásbázist alkotják, a mély keresés pedig a Deep Research készség lett. A csomagok neve mostantól Mistral Free, Pro, Team és Enterprise. Ez a lecke a Vibe nevet használja; vedd figyelembe, hogy az itt leírt egyes menük neve vagy elhelyezkedése megváltozhatott.

Amikor az AI-modellek megtanulnak látni

Egészen mostanáig az AI-asszisztensek csak a szöveget értették. Feltehettél nekik kérdéseket, írathattál velük e-mailt, vagy összefoglaltathattál egy dokumentumot – de lehetetlen volt bemutatni nekik egy fotót, hogy értelmes elemzést kapj róla. A Mistral AI multimodális modelljeivel ez a korlát a múlté. Ez valószínűleg a legkézzelfoghatóbb változás, amit a napi AI-használatod során tapasztalni fogsz.

Az AI-vízió azt a képességet jelenti, amikor egy nyelvi modell elemezni tudja egy kép (fotó, diagram, képernyőkép vagy ábra) vizuális tartalmát, és szöveges értelmezést ad róla. A gyakorlatban feltöltesz egy képet a Vibébe (a Mistral asszisztensébe), a modell pedig úgy válaszol, mintha ténylegesen látná, amit mutatsz neki. Nem csupán alakzatokat ismer fel; elolvassa a képen lévő szöveget, megérti a táblázatok szerkezetét, követi a diagramok trendjeit, és mindezt összekapcsolja a te konkrét kérdéseddel.

4+
Elérhető víziós modellek
9+
Támogatott hangnyelvek
OCR 3
Dokumentumfelismerő motor
~90 ms
Voxtral TTS késleltetés

Miért változtat meg mindent a vízió?

Képzeld el, hogy kapsz egy negyedéves értékesítési diagramot e-mailben. Korábban meg kellett volna nyitnod egy táblázatkezelőben, egyesével leolvasnod az adatokat, és értelmezned a trendeket – ha pedig a diagram csak egy kép volt, hozzá sem fértél volna az alapadatokhoz. Most egyszerűen beillesztheted ezt a képet a Vibébe, és megkérdezheted: „Mi a fő trend?“ vagy „Hasonlítsd össze az első és a harmadik negyedévet.“ A modell azonosítja a tengelyeket, a jelmagyarázatot és az értékeket, majd másodpercek alatt természetes nyelven válaszol.

Ez a képesség számos mindennapi helyzetet átalakít. Egy fotó láttán a modell leírja a tartalmat, azonosítja a tárgyakat, helyszíneket vagy nevezetességeket – hasznos, ha megtudnád egy séta során látott növény nevét. Egy beolvasott dokumentum esetén elolvassa a szöveget egy névjegykártyáról, számláról vagy papíralapú űrlapról, megkímélve téged a fárasztó kézi adatbeviteltől. Diagramok vagy ábrák esetén kulcsfontosságú adatokat nyer ki a kördiagramokból vagy oszlopdiagramokból, akárcsak egy elemző. Képernyőképek esetén pedig elemez egy felületet, megfejt egy hibaüzenetet, vagy összefoglal egy irányítópultot – felbecsülhetetlen értékű, ha a szoftver egy érthetetlen hibakódot dob, és tudnod kell, mi a teendő.

A Mistral víziós modelljei

A Mistral több, képek feldolgozására képes modellt kínál. Bár nem kell manuálisan választanod közülük, segít megérteni a szerepüket. A Mistral Large 3 a zászlóshajó modell, amely a legjobb teljesítményt nyújtja az összetett vizuális elemzésekhez; ez a választásod, ha a pontosság a lényeg, például egy sűrű technikai vázlat elemzésekor. A Mistral Medium 3.1 kiváló egyensúlyt teremt a teljesítmény és a sebesség között, így ez a természetes választás a napi Vibe-használathoz. A Mistral Small 3.2 könnyebb: gyorsan válaszol, miközben megtartja a szilárd elemzési minőséget, tökéletesen alkalmas egyszerű feladatokra, mint például egy fotó leírása. Végül a Ministral 3, amely 14B, 8B és 3B paraméteres változatokban érhető el, a sorozat legkompaktabb modelljeit alkotja, amelyek alapvető vizuális elemzések gyors válaszadására lettek tervezve.

Vibe-felhasználóként nem te választod ki manuálisan a modellt; a felület automatikusan kiválasztja a kérésedhez legmegfelelőbbet. De ne feledd: minden egyes, a beszélgetésbe bedobott kép mögött egy multimodális neurális hálózat dolgozik. Ennek a hálózatnak a kifinomultsága az oka annak, hogy olyan jól érti, amit mutatsz neki.

Mit tanulsz ebben a szekcióban?

A tanfolyam ezen első szekciója lépésről lépésre végigvezet az AI-vízió használatán a Mistral Vibéje keresztül. Először feltöltesz egy képet, és kérdéseket teszel fel vele kapcsolatban, majd áttérsz a diagramok elemzésére és az adatok kinyerésére táblázatokból. Ezt követően megnézzük, hogyan hasonlíthatsz össze több képet egyetlen beszélgetésen belül, mielőtt felfedeznéd az egyszerű képleírásnál túlmutató kreatív felhasználási eseteket.

Nincs szükség technikai készségekre. Ha tudod, hogyan használj egy üzenet írására a Vibét, akkor már azt is tudod, hogyan elemezz egy képet – csak húzd be a beszélgetésbe.

Főbb megállapítások

  • Az AI-vízió lehetővé teszi a Mistral modellek számára, hogy a szöveg mellett képeket is elemezzenek
  • Több modell érhető el, a legerősebbtől (Large 3) a legkompaktabbig (Ministral 3)
  • Az elemzés működik fotókon, diagramokon, beolvasott dokumentumokon és képernyőképeken
  • A Vibében egyszerűen tölts fel egy képet a kezdéshez – nincs szükség kódolásra