Introdução à Visão por IA com o Mistral
Nesta página
Atualização de 2 de novembro de 2026 — O Le Chat é agora o Vibe. Desde 28 de maio de 2026, o Le Chat foi rebatizado como Vibe (ainda em chat.mistral.ai): um único agente para trabalho e código, que mantém as suas conversas, definições e subscrições. A experiência legada do Le Chat permanece acessível no modo Chat; no modo Work, os agentes tornaram-se competências (invocadas com
@), as memórias formam a base de conhecimento e a pesquisa profunda é agora a competência Deep Research. Os planos passaram a chamar-se Mistral Free, Pro, Team e Enterprise. Esta lição utiliza o nome Vibe; note que alguns menus aqui descritos podem ter alterado o nome ou a localização.
Quando os Modelos de IA Aprendem a Ver
Até há pouco tempo, os assistentes de IA compreendiam apenas texto. Podia fazer-lhes perguntas, pedir-lhes para redigirem um e-mail ou resumirem um documento, mas mostrar-lhes uma fotografia para obter uma análise significativa era impossível. Com os modelos multimodais da Mistral AI, essa limitação ficou para trás. Esta é, provavelmente, a mudança mais tangível que notará no seu uso diário da IA.
A visão por IA refere-se à capacidade de um modelo de linguagem analisar o conteúdo visual de uma imagem — uma fotografia, um gráfico, uma captura de ecrã ou um diagrama — e fornecer uma interpretação baseada em texto. Na prática, carrega uma imagem no Vibe (o assistente da Mistral) e o modelo responde como se visse realmente o que lhe está a mostrar. Não se limita a detetar formas; lê o texto contido na imagem, compreende a estrutura de tabelas, acompanha as tendências dos gráficos e liga tudo isso à sua pergunta específica.
Por Que a Visão Muda Tudo
Imagine receber um gráfico de vendas trimestrais por e-mail. Anteriormente, teria de o abrir numa folha de cálculo, ler os valores um a um e interpretar as tendências; e se o gráfico fosse apenas uma imagem, nem sequer teria acesso aos dados subjacentes. Agora, pode colar essa imagem no Vibe e perguntar: «Qual é a tendência principal?» ou «Compare o 1.º e o 3.º trimestres». O modelo identifica os eixos, as legendas e os valores, fornecendo depois uma resposta em linguagem natural em segundos.
Esta capacidade transforma muitos cenários do dia a dia. Perante uma fotografia, o modelo descreve o conteúdo, identificando objetos, locais ou pontos de referência — útil quando precisa do nome de uma planta que viu num passeio. Com um documento digitalizado, lê texto de um cartão de visita, um recibo ou um formulário em papel, poupando-lhe uma introdução manual tediosa. No caso de gráficos ou diagramas, extrai dados chave de gráficos circulares ou de barras, tal como faria um analista. E com uma captura de ecrã, analisa uma interface, descodifica uma mensagem de erro ou resume um painel de controlo — algo invaluable quando o software apresenta um código de erro incompreensível e precisa de saber o que fazer a seguir.
Modelos de Visão da Mistral
A Mistral disponibiliza vários modelos capazes de processar imagens. Embora não precise de os escolher manualmente, compreender as suas respetivas funções é útil. O Mistral Large 3 é o modelo de referência, oferecendo o melhor desempenho para análises visuais complexas; é a sua escolha quando a precisão é crucial, como ao dissecar um esquema técnico denso. O Mistral Medium 3.1 estabelece um equilíbrio excelente entre desempenho e velocidade, tornando-se a escolha natural para o uso diário no Vibe. O Mistral Small 3.2 é mais ligeiro: responde rapidamente mantendo uma qualidade de análise sólida, sendo perfeitamente adequado para tarefas simples como descrever uma fotografia. Por fim, o Ministral 3, disponível nas versões de 14B, 8B e 3B mil milhões de parâmetros, compreende os modelos mais compactos da gama, concebidos para respostas rápidas em análises visuais básicas.
Enquanto utilizador do Vibe, não seleciona o modelo manualmente; a interface escolhe automaticamente o mais adequado ao seu pedido. Mas lembre-se: por trás de cada imagem simples arrastada para a conversa, está uma rede neural multimodal em funcionamento. A sofisticação desta rede é exatamente a razão pela qual compreende tão bem o que lhe mostra.
O Que Vai Aprender Nesta Secção
Esta primeira secção do curso guia-o, passo a passo, na utilização da visão por IA através do Vibe da Mistral. Começará por carregar uma imagem e fazer perguntas sobre ela, passando depois à análise de gráficos e à extração de dados de tabelas. De seguida, verá como comparar múltiplas imagens numa única conversa antes de explorar casos de uso criativos que vão além da simples descrição de imagens.
Não são necessárias competências técnicas. Se sabe usar o Vibe para escrever uma mensagem, já sabe analisar uma imagem — basta arrastá-la para a conversa.
Pontos-chave
- A visão por IA permite aos modelos da Mistral analisar imagens além do texto
- Existem vários modelos disponíveis, desde o mais potente (Large 3) até ao mais compacto (Ministral 3)
- A análise funciona com fotografias, gráficos, documentos digitalizados e capturas de ecrã
- No Vibe, basta carregar uma imagem para começar — não é necessária programação