Wprowadzenie do wizji AI z Mistral
Na tej stronie
Aktualizacja z 2 listopada 2026 r. — Le Chat to teraz Vibe. Od 28 maja 2026 r. usługa Le Chat zmieniła nazwę na Vibe (nadal dostępna pod adresem chat.mistral.ai): to pojedynczy agent do pracy i kodowania, który zachowuje Twoje konwersacje, ustawienia i subskrypcje. Legacyjne doświadczenie Le Chat pozostaje dostępne w trybie Chat; w trybie Work agenci stali się umiejętnościami (wywoływanymi za pomocą
@), pamięci tworzą bazę wiedzy, a głębokie wyszukiwanie to teraz umiejętność Deep Research. Plany noszą teraz nazwy Mistral Free, Pro, Team i Enterprise. W tej lekcji używamy nazwy Vibe; pamiętaj, że niektóre opisane tu menu mogły zmienić nazwy lub lokalizację.
Kiedy modele AI uczą się widzieć
Do niedawna asystenci AI rozumieli tylko tekst. Mogłeś zadawać im pytania, prosić o szkicowanie e-maili lub streszczanie dokumentów, ale pokazanie im zdjęcia w celu uzyskania sensownej analizy było niemożliwe. Dzięki multimodalnym modelom Mistral AI to ograniczenie odeszło do lamusa. To prawdopodobnie najbardziej namacalna zmiana, jaką zauważysz w codziennym korzystaniu z AI.
Wizja AI odnosi się do zdolności modelu językowego do analizy zawartości wizualnej obrazu – zdjęcia, wykresu, zrzutu ekranu lub diagramu – oraz dostarczania tekstowej interpretacji. W praktyce przesyłasz obraz do Vibe (asystenta Mistral), a model odpowiada tak, jakby faktycznie widział to, co mu pokazujesz. Nie tylko wykrywa kształty; odczytuje tekst zawarty w obrazie, rozumie struktury tabel, śledzi trendy na wykresach i łączy wszystko to z Twoim konkretnym pytaniem.
Dlaczego wizja zmienia wszystko
Wyobraź sobie, że otrzymujesz kwartalny wykres sprzedaży e-mailem. Wcześniej musiałbyś otworzyć go w arkuszu kalkulacyjnym, odczytywać figury jedna po drugiej i interpretować trendy, a jeśli wykres był tylko obrazem, nie miałbyś nawet dostępu do danych źródłowych. Teraz możesz wkleić ten obraz do Vibe i zapytać: „Jaki jest główny trend?“ lub „Porównaj I i III kwartał“. Model identyfikuje osie, legendy i wartości, a następnie w kilka sekund udziela odpowiedzi w języku naturalnym.
Ta zdolność przekształca wiele codziennych scenariuszy. W przypadku fotografii model opisuje jej zawartość, identyfikując obiekty, lokalizacje lub punkty orientacyjne – przydatne, gdy potrzebujesz nazwy rośliny, którą zauważyłeś podczas spaceru. W przypadku zeskanowanego dokumentu odczytuje tekst z wizytówki, paragonu lub formularza papierowego, oszczędzając Ci żmudnego ręcznego wprowadzania danych. Dla wykresów lub diagramów wydobywa kluczowe dane z wykresów kołowych lub słupkowych, tak jak zrobiłby to analityk. A w przypadku zrzutu ekranu analizuje interfejs, odszyfrowuje komunikat o błędzie lub streszcza pulpit nawigacyjny – co jest nieocenione, gdy oprogramowanie wyrzuca niezrozumiały kod błędu i musisz wiedzieć, co robić dalej.
Modele wizyjne Mistral
Mistral oferuje kilka modeli zdolnych do przetwarzania obrazów. Chociaż nie będziesz musiał wybierać ich ręcznie, zrozumienie ich odpowiednich ról jest pomocne. Mistral Large 3 to model flagowy, zapewniający najwyższą wydajność w przypadku złożonych analiz wizualnych; sięgasz po niego, gdy liczy się precyzja, na przykład przy dissectowaniu gęstego schematu technicznego. Mistral Medium 3.1 stanowi doskonały balans między wydajnością a szybkością, co czyni go naturalnym wyborem do codziennego użytku w Vibe. Mistral Small 3.2 jest lżejszy: odpowiada szybko, zachowując solidną jakość analizy, idealny do prostych zadań, takich jak opisywanie zdjęcia. Wreszcie, Ministral 3, dostępny w wersjach 14B, 8B i 3B parametrów, obejmuje najbardziej kompaktowe modele w ofercie, zaprojektowane do szybkich odpowiedzi przy podstawowych analizach wizualnych.
Jako użytkownik Vibe nie wybierasz modelu ręcznie; interfejs automatycznie wybiera ten, który najlepiej pasuje do Twojego zapytania. Pamiętaj jednak: za każdym prostym obrazem wrzuconym do konwersacji stoi praca multimodalnej sieci neuronowej. To właśnie zaawansowanie tej sieci sprawia, że tak dobrze rozumie ona to, co jej pokazujesz.
Czego nauczysz się w tej sekcji
Ta pierwsza sekcja kursu poprowadzi Cię krok po kroku przez korzystanie z wizji AI za pośrednictwem Vibe od Mistral. Zaczniesz od przesłania obrazu i zadawania pytań na jego temat, następnie przejdziesz do analizy wykresów i wydobywania danych z tabel. Następnie zobaczysz, jak porównywać wiele obrazów w ramach jednej konwersacji, zanim przejdziesz do kreatywnych przypadków użycia wykraczających poza prosty opis obrazu.
Nie są wymagane żadne umiejętności techniczne. Jeśli umiesz używać Vibe do pisania wiadomości, już wiesz, jak analizować obraz – wystarczy przeciągnąć go do konwersacji.
Kluczowe wnioski
- Wizja AI umożliwia modelom Mistral analizowanie obrazów oprócz tekstu
- Dostępnych jest wiele modeli, od najbardziej wydajnego (Large 3) po najbardziej kompaktowy (Ministral 3)
- Analiza działa na zdjęciach, wykresach, zeskanowanych dokumentach i zrzutach ekranu
- W Vibe wystarczy przesłać obraz, aby zacząć – nie jest wymagane żadne kodowanie