Analizuj obrazy w Vibe
Na tej stronie
Aktualizacja z 2 listopada 2026 r. — Le Chat to teraz Vibe. Od 28 maja 2026 r. Le Chat zmienił nazwę na Vibe (nadal dostępny 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
@), pamięć przekształciła się w bazę wiedzy, a głębokie wyszukiwanie stało się umiejętnością 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.
Twoja pierwsza analiza obrazu
Mistral Vibe pozwala analizować dowolny obraz w kilka sekund. Proces jest tak prosty jak wysłanie wiadomości: prześlij plik, zadaj pytanie, a model multimodalny zajmie się resztą. Ta lekcja pokazuje Ci dokładnie, jak postępować, jakie rodzaje analiz są możliwe i, co najważniejsze, jak formułować polecenia, aby uzyskać naprawdę użyteczne odpowiedzi. To właśnie ta umiejętność odróżnia gadżet od prawdziwego narzędzia pracy.
Jak przesłać obraz
Masz trzy opcje i szybko wybierzesz tę, która najlepiej pasuje do Twojego przepływu pracy. Najszybsza metoda to przeciągnij i upuść: chwyć plik z pulpitu lub eksploratora plików i upuść go bezpośrednio w obszarze konwersacji. Jeśli wolisz użyć selektora plików, kliknij ikonę załącznika (klips) obok pola wprowadzania tekstu. Wreszcie, kopiuj-wklej nie ma sobie równych w przypadku zrzutów ekranu: skopiuj obraz do schowka i wklej go do Vibe za pomocą Ctrl+V (lub Cmd+V na Macu). Nie musisz zapisywać żadnego pliku pośredniego.
Obsługiwane formaty obejmują popularne typy obrazów: JPEG, PNG, WebP i GIF. Maksymalny rozmiar zależy od użytego modelu, ale w praktyce zdjęcia wykonane smartfonem lub standardowe zrzuty ekranu działają bez problemów.
Rodzaje możliwych analiz
Gdy tylko prześlesz obraz, model może odpowiedzieć na wiele różnych pytań. Pierwszym odruchem jest ogólny opis: zapytaj „Co widzisz na tym obrazie?“ lub „Opisz to zdjęcie“, a model zidentyfikuje główne elementy – obiekty, ludzi, krajobrazy, kolory, widoczny tekst. Jest to przydatne do generowania opisów dostępnościowych dla obrazów lub szybkiego weryfikowania ich zawartości przed udostępnieniem.
Kolejnym krokiem jest identyfikacja: pokaż pomnik sfotografowany podczas wakacji i zapytaj „Jaki to pomnik?“, sfotografuj liść i zapytaj „Jaki to rodzaj rośliny?“ lub sprawdź „Jaka marka jest widoczna na tym produkcie?“. Model czerpie ze swojej wiedzy, aby spróbować dokonać identyfikacji. Nie jest nieomylny – wrócimy do tego – ale wyniki są często zaskakująco dokładne w przypadku powszechnych obiektów.
Trzecią kategorią jest odczyt tekstu, który obejmuje podstawowy, wbudowany system OCR. Jeśli Twój obraz zawiera tekst – znak, wizytówkę, plakat lub zrzut ekranu – model go odczyta i przepisze. Możesz zapytać „Przeczytaj tekst na tym zdjęciu“ lub skierować pytanie bezpośrednio do konkretnych informacji: „Jaki numer telefonu znajduje się na tej wizytówce?“. Oszczędza to mnóstwo czasu, gdy potrzebujesz odzyskać dane kontaktowe od osoby spotkanej na targach, bez konieczności ręcznego ich wprowadzania.
Na koniec model robi więcej niż tylko opisuje: interpretuje. Możesz zapytać, czy strój jest odpowiedni na rozmowę kwalifikacyjną, czy sfotografowane danie wydaje się zbilansowane pod względem odżywczym, lub jaki jest główny przekaz reklamy. To właśnie zdolność do zapewniania interpretacji kontekstowej odróżnia nowoczesny model multimodalny od prostego narzędzia do rozpoznawania obiektów.
Zadawanie dobrych pytań
Jakość analizy zależy w dużym stopniu od sposobu sformułowania polecenia. Niejasne pytanie rodzi niejasną odpowiedź: „Przeanalizuj ten obraz“ da Ci ogólny opis, podczas gdy „Jakie dane sprzedażowe przedstawia ten wykres?“ dostarczy Ci dokładnie tego, czego potrzebujesz. Podawaj również kontekst, gdy sam obraz jest niewystarczający: „Oto zdjęcie dania, które przygotowałem. Oszacuj przybliżoną liczbę kalorii“ – to skieruje model we właściwym kierunku analizy. Nie wahaj się określić formatu wyjścia – „Wymień widoczne elementy w formie listy punktowanej“ lub „Streszcz w jednym zdaniu, co przedstawia ten obraz“ – aby uzyskać odpowiedź, którą możesz natychmiast wykorzystać.
Ograniczenia, o których musisz wiedzieć
Model wizyjny jest potężny, ale musisz pamiętać o jego ograniczeniach. W przypadku bardzo małego lub rozmytego tekstu – np. zdjęcia umowy wykonanego z daleka – może go błędnie odczytać, a nawet wymyślić prawdopodobne znaki. To najbardziej podstępna pułapka, ponieważ błąd nie jest od razu oczywisty. Ciemne, prześwietlone lub wysoce abstrakcyjne obrazy również dadzą mniej wiarygodne wyniki. Pamiętaj też o prywatności: model odczytuje wszystkie dane widoczne na obrazie, więc zachowaj ostrożność przy poufnych dokumentach. Numer konta bankowego (RIB) pozostawiony w rogu zrzutu ekranu zostanie odczytany tak samo jak wszystko inne. Na koniec każdy obraz jest analizowany niezależnie, chyba że wyślesz wiele obrazów w tej samej konwersacji: nie istnieje pamięć wizualna między odrębnymi rozmowami.
Ćwiczenia praktyczne
Aby utrwalić te nawyki, wykonaj teraz trzy ćwiczenia w Vibe. Po pierwsze, zrób zdjęcie obiektu na swoim biurku i poproś model o jego opisanie – porównaj ten opis z tym, co widzisz. Następnie wykonaj zrzut ekranu artykułu wiadomości i poproś o streszczenie nagłówka oraz leadu. Na koniec sfotografuj paragon lub bilet i poproś o wyodrębnienie całkowitej kwoty: to ćwiczenie jest najbliższe rzeczywistemu zastosowaniu zawodowemu i natychmiast pokaże Ci poziom niezawodności wbudowanego systemu OCR.
Kluczowe wnioski
- Trzy metody przesyłania: przeciągnij i upuść, przycisk z klipsem, kopiuj-wklej
- Model potrafi opisywać, identyfikować, odczytywać tekst i interpretować kontekst obrazu
- Konkretne pytania dają lepsze rezultaty niż niejasne polecenia
- Uważaj na obrazy niskiej jakości i poufne dokumenty