Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

"Įvadas į dirbtinio intelekto regą su „Mistral“

Paskaita 1 iš 14 Atnaujinta 2026 m. lapkričio 2 d. Pradedantisiems
Šiame puslapyje
  1. Kai dirbtinio intelekto modeliai išmoksta matyti
  2. Kodėl rega keičia viską
  3. „Mistral“ regos modeliai
  4. Ko išmoksi šiame skyriuje
  5. Svarbiausi punktai

Atnaujinimas 2026 m. lapkričio 2 d. — „Le Chat“ dabar yra „Vibe“. Nuo 2026 m. gegužės 28 d. „Le Chat“ buvo pervadintas į „Vibe“ (vis tiek adresu chat.mistral.ai): tai vienas agentas darbui ir kodui, perkeliantis jūsų pokalbius, nustatymus ir prenumeratas. Senoji „Le Chat“ patirtis vis dar pasiekiama režimu „Chat“; režimu „Work“ agentai tapo įgūdžiais (iškviečiami naudojant @), atmintys sudaro žinių bazę, o išsami paieška dabar yra įgūdis „Deep Research“. Planai dabar vadinami „Mistral Free“, „Pro“, „Team“ ir „Enterprise“. Šioje pamokoje naudojamas pavadinimas „Vibe“; atkreipkite dėmesį, kad kai kurių čia aprašytų meniu pavadinimai arba vietos galėjo pasikeisti.

Kai dirbtinio intelekto modeliai išmoksta matyti

Iki šiol dirbtinio intelekto asistentai suprato tik tekstą. Galėjai jiems užduoti klausimų, paprašyti sudaryti el. laišką arba apibendrinti dokumentą, tačiau parodyti nuotrauką, kad gautum prasmingą analizę, buvo neįmanoma. Su „Mistral AI“ multimodaliniais modeliais šis apribojimas jau praeitis. Tai tikriausiai yra pats apčiuopiamiausias pokytis, kurį pastebėsi kasdien naudodamas dirbtinį intelektą.

Dirbtinio intelekto rega reiškia kalbos modelio gebėjimą analizuoti vaizdinę paveikslėlio turinį — nuotrauką, diagramą, ekrano kopiją ar schemą — ir pateikti tekstinę interpretaciją. Praktiškai tu įkeliate paveikslėlį į „Vibe“ („Mistral“ asistentą), o modelis atsako taip, lyg iš tikrųjų matytų tai, ką jam rodai. Jis ne tik aptinka formas; jis skaito paveikslėlyje esantį tekstą, supranta lentelių struktūras, seka diagramų tendencijas ir visa tai susieja su tavo konkrečiu klausimu.

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

Kodėl rega keičia viską

Įsivaizduok, kad gauni ketvirčio pardavimų diagramą el. paštu. Anksčiau tektų ją atidaryti skaičiuoklėje, vieną po kitos nuskaityti figūras ir interpretuoti tendencijas; o jei diagrama būtų tiesiog paveikslėlis, neturėtum prieigos prie pagrindinių duomenų. Dabar gali įklijuoti tą paveikslėlį į „Vibe“ ir paklausti: „Kokia pagrindinė tendencija?“ arba „Palygink I ir III ketvirčius“. Modelis nustato ašis, legendas ir reikšmes, o tada per kelias sekundes pateikia atsakymą natūralia kalba.

Šis gebėjimas transformuoja daugelį kasdienių situacijų. Susidūręs su nuotrauka, modelis aprašo turinį, nustatydamas objektus, vietas ar paminklus — tai pravartu, kai reikia sužinoti augalo, pastebėto pasivaikščiojimo metu, pavadinimą. Turėdamas nuskaitytą dokumentą, jis nuskaito tekstą iš vizitinės kortelės, kvito ar popierinės formos, sutaupydamas tau varginantį rankinį duomenų įvedimą. Diagramoms ar schemoms jis, lyg analitikas, išskiria pagrindinius duomenis iš skritulinių ar stulpelinių diagramų. O turėdamas ekrano kopiją, jis analizuoja sąsają, iššifruoja klaidos pranešimą arba apibendrina prietaisų skydelį — tai nepakeičiama, kai programinė įranga išmeta nesuprantamą klaidos kodą ir tau reikia žinoti, ką daryti toliau.

„Mistral“ regos modeliai

„Mistral“ siūlo keletą modelių, galinčių apdoroti paveikslėlius. Nors tau nereikės jų pasirinkti rankiniu būdu, jų vaidmenų supratimas yra naudingas. „Mistral Large 3“ yra flagmanas, užtikrinantis geriausią našumą atliekant sudėtingą vaizdinę analizę; tai tavo pagrindinis pasirinkimas, kai svarbus tikslumas, pavyzdžiui, nagrinėjant tankią techninę schemą. „Mistral Medium 3.1“ puikiai subalansuoja našumą ir greitį, todėl yra natūralus pasirinkimas kasdieniam naudojimui „Vibe“ aplinkoje. „Mistral Small 3.2“ yra lengvesnis: jis atsako greitai, išlaikydamas solidžią analizės kokybę, ir puikiai tinka paprastoms užduotims, pavyzdžiui, nuotraukos aprašymui. Galiausiai, „Ministral 3“, siūlomas 14B, 8B ir 3B parametrų versijomis, apima kompaktiškiausius modelius asortimente, sukurtus greitai reakcijai atliekant pagrindines vaizdines analizes.

Kaip „Vibe“ naudotojas, modelio pasirenki rankiniu būdu; sąsaja automatiškai parenka tavo prašymui tinkamiausią. Tačiau atmink: už kiekvieno paprasto į pokalbį įtraukto paveikslėlio dirba multimodalinis neuroninis tinklas. Būtent šio tinklo sudėtingumas leidžia jam taip gerai suprasti tai, ką jam rodai.

Ko išmoksi šiame skyriuje

Šiame pirmajame kurso skyriuje žingsnis po žingsnio išmoksi naudoti dirbtinio intelekto regą per „Mistral“ „Vibe“. Pradėsi nuo paveikslėlio įkėlimo ir klausimų apie jį uždavimo, tada pereisi prie diagramų analizės ir duomenų ištraukimo iš lentelių. Toliau pamatysi, kaip palyginti kelis paveikslėlius viename pokalbyje, prieš tyrinėjant kūrybinius naudojimo atvejus, kurie peržengia paprasto paveikslėlio aprašymo ribas.

Jokių techninių įgūdžių nereikia. Jei moki naudotis „Vibe“ žinutei rašyti, jau moki analizuoti paveikslėlį — tiesiog nutempk jį į pokalbį.

Svarbiausi punktai

  • Dirbtinio intelekto rega leidžia „Mistral“ modeliams analizuoti paveikslėlius be teksto
  • Yra prieinama daug modelių — nuo galingiausio („Large 3“) iki kompaktiškiausio („Ministral 3“)
  • Analizė veikia su nuotraukomis, diagramomis, nuskaitytais dokumentais ir ekrano kopijomis
  • „Vibe“ aplinkoje tiesiog įkelk paveikslėlį, kad pradėtum — joks kodavimas nereikalingas