Introduzione alla visione artificiale con Mistral
In questa pagina
Aggiornamento del 2 novembre 2026 — Le Chat è ora Vibe. Dal 28 maggio 2026, Le Chat è stato rinominato Vibe (sempre all’indirizzo chat.mistral.ai): un unico agente per lavoro e codice, che mantiene le tue conversazioni, impostazioni e abbonamenti. L’esperienza legacy di Le Chat rimane accessibile nella modalità Chat; nella modalità Work, gli agenti sono diventati competenze (invocabili con
@), le memorie costituiscono la base di conoscenza e la ricerca approfondita è ora la competenza Deep Research. I piani si chiamano ora Mistral Free, Pro, Team ed Enterprise. Questa lezione utilizza il nome Vibe; tieni presente che alcuni menu qui descritti potrebbero aver cambiato nome o posizione.
Quando i modelli di IA imparano a vedere
Fino a poco tempo fa, gli assistenti di IA comprendevano solo il testo. Potevi porre loro domande, chiedere di scrivere un’email o riassumere un documento, ma mostrare loro una foto per ottenere un’analisi significativa era impossibile. Con i modelli multimodali di Mistral AI, questo limite è storia passata. Questo è probabilmente il cambiamento più tangibile che noterai nel tuo utilizzo quotidiano dell’IA.
La visione artificiale si riferisce alla capacità di un modello linguistico di analizzare il contenuto visivo di un’immagine (una foto, un grafico, uno screenshot o un diagramma) e fornire un’interpretazione testuale. In pratica, carichi un’immagine su Vibe (l’assistente di Mistral) e il modello risponde come se vedesse effettivamente ciò che gli stai mostrando. Non si limita a rilevare forme: legge il testo all’interno dell’immagine, comprende la struttura delle tabelle, segue l’andamento dei grafici e collega tutto questo alla tua domanda specifica.
Perché la visione cambia tutto
Immagina di ricevere via email un grafico trimestrale delle vendite. In passato, avresti dovuto aprirlo in un foglio di calcolo, leggere le cifre una per una e interpretare i trend; se il grafico fosse stato solo un’immagine, non avresti nemmeno avuto accesso ai dati sottostanti. Ora puoi incollare quell’immagine in Vibe e chiedere: «Qual è il trend principale?» oppure «Confronta il primo e il terzo trimestre». Il modello identifica assi, legende e valori, fornendo poi una risposta in linguaggio naturale in pochi secondi.
Questa capacità trasforma molti scenari quotidiani. Di fronte a una fotografia, il modello descrive il contenuto, identificando oggetti, luoghi o punti di riferimento: utile quando ti serve il nome di una pianta avvistata durante una passeggiata. Con un documento scansionato, legge il testo da un biglietto da visita, una ricevuta o un modulo cartaceo, risparmiandoti una noiosa digitazione manuale. Per grafici o diagrammi, estrae i dati chiave da torte o istogrammi come farebbe un analista. Infine, con uno screenshot, analizza un’interfaccia, decifra un messaggio di errore o riassume una dashboard: indispensabile quando un software genera un codice di errore incomprensibile e devi sapere come procedere.
I modelli di visione di Mistral
Mistral offre diversi modelli capaci di elaborare immagini. Anche se non dovrai sceglierli manualmente, comprenderne i rispettivi ruoli è utile. Mistral Large 3 è il modello di punta, che offre le massime prestazioni per analisi visive complesse; è la scelta ideale quando la precisione è fondamentale, ad esempio per dissezionare uno schema tecnico denso. Mistral Medium 3.1 trova un eccellente equilibrio tra prestazioni e velocità, rendendolo la scelta naturale per l’uso quotidiano in Vibe. Mistral Small 3.2 è più leggero: risponde rapidamente mantenendo una solida qualità di analisi, perfetto per compiti semplici come la descrizione di una foto. Infine, Ministral 3, disponibile nelle versioni da 14B, 8B e 3B di parametri, comprende i modelli più compatti della gamma, progettati per risposte rapide su analisi visive di base.
Come utente di Vibe, non selezioni il modello manualmente; l’interfaccia sceglie automaticamente quello più adatto alla tua richiesta. Ricorda però che, dietro ogni semplice immagine trascinata nella conversazione, c’è una rete neurale multimodale al lavoro. La sofisticazione di questa rete è esattamente il motivo per cui comprende così bene ciò che le mostri.
Cosa imparerai in questa sezione
Questa prima sezione del corso ti guida passo dopo passo nell’utilizzo della visione artificiale tramite Vibe di Mistral. Inizierai caricando un’immagine e ponendo domande su di essa, per poi passare all’analisi di grafici e all’estrazione di dati da tabelle. Successivamente, vedrai come confrontare più immagini all’interno di un’unica conversazione, prima di esplorare casi d’uso creativi che vanno oltre la semplice descrizione dell’immagine.
Non sono richieste competenze tecniche. Se sai usare Vibe per scrivere un messaggio, sai già analizzare un’immagine: ti basta trascinarla nella conversazione.
Punti chiave
- La visione artificiale consente ai modelli Mistral di analizzare immagini oltre al testo
- Sono disponibili diversi modelli, dal più potente (Large 3) al più compatto (Ministral 3)
- L’analisi funziona su foto, grafici, documenti scansionati e screenshot
- In Vibe, carica semplicemente un’immagine per iniziare: non serve scrivere codice