Salt la conținutul principal
Română— Alege o limbă
Meniu

Introducere în viziunea artificială cu Mistral

Lecția 1 din 14 Actualizată 2 noiembrie 2026 Începător
Pe această pagină
  1. Când modelele de IA învață să vadă
  2. De ce viziunea schimbă totul
  3. Modelele de viziune Mistral
  4. Ce veți învăța în această secțiune
  5. Puncte cheie

Actualizare 2 noiembrie 2026 — Le Chat devine Vibe. Începând cu 28 mai 2026, Le Chat a fost rebotezat Vibe (rămânând la chat.mistral.ai): un singur agent pentru muncă și cod, care preia conversațiile, setările și abonamentele dumneavoastră. Experiența legacy Le Chat rămâne accesibilă în modul Chat; în modul Work, agenții au devenit competențe (invocate cu @), memoriile formează baza de cunoștințe, iar căutarea avansată este acum competența Deep Research. Planurile se numesc acum Mistral Free, Pro, Team și Enterprise. Această lecție utilizează denumirea Vibe; rețineți că unele meniuri descrise aici își pot fi schimbat numele sau locația.

Când modelele de IA învață să vadă

Până recent, asistenții de IA înțelegeau doar textul. Puteați să le puneți întrebări, să le cereți să redacteze un e-mail sau să rezume un document, dar era imposibil să le arătați o fotografie pentru a obține o analiză pertinentă. Odată cu modelele multimodale de la Mistral AI, această limitare aparține trecutului. Aceasta este probabil cea mai tangibilă schimbare pe care o veți observa în utilizarea zilnică a IA.

Viziunea artificială se referă la capacitatea unui model lingvistic de a analiza conținutul vizual al unei imagini — o fotografie, un grafic, o captură de ecran sau o diagramă — și de a furniza o interpretare sub formă de text. În practică, încărcați o imagine în Vibe (asistentul Mistral), iar modelul răspunde ca și cum ar vedea efectiv ceea ce îi arătați. Nu se limitează la detectarea formelor; citește textul din imagine, înțelege structurile tabelelor, urmărește tendințele graficelor și conectează toate aceste elemente la întrebarea dumneavoastră specifică.

4+
Modele de viziune disponibile
9+
Limbi audio suportate
OCR 3
Motor de recunoaștere a documentelor
~90 ms
Latență Voxtral TTS

De ce viziunea schimbă totul

Imaginați-vă că primiți prin e-mail un grafic trimestrial al vânzărilor. Anterior, trebuia să îl deschideți într-un tabel, să citiți cifrele una câte una și să interpretați tendințele; dacă graficul era doar o imagine, nu aveați nici măcar acces la datele brute. Acum, puteți lipi acea imagine în Vibe și să întrebați: „Care este tendința principală?“ sau „Comparați T1 cu T3“. Modelul identifică axele, legendele și valorile, oferind apoi un răspuns în limbaj natural în câteva secunde.

Această capacitate transformă multe scenarii cotidiene. În fața unei fotografii, modelul descrie conținutul, identificând obiecte, locații sau repere — util când aveți nevoie de numele unei plante observate în timpul unei plimbări. Cu un document scanat, citește textul de pe o carte de vizită, o chitanță sau un formular pe hârtie, economisindu-vă o introducere manuală fastidioasă. Pentru grafice sau diagrame, extrage datele cheie din diagramele circulare sau cu bare, la fel cum ar face un analist. Iar în cazul unei capturi de ecran, analizează o interfață, descifrează un mesaj de eroare sau rezumă un tablou de bord — indispensabil când software-ul generează un cod de eroare incomprehensibil și trebuie să știți ce să faceți în continuare.

Modelele de viziune Mistral

Mistral oferă mai multe modele capabile să proceseze imagini. Deși nu va trebui să le alegeți manual, înțelegerea rolurilor lor respective este utilă. Mistral Large 3 este modelul emblematic, oferind performanțe de top pentru analiza vizuală complexă; este alegerea ideală când precizia contează, cum ar fi la disecția unei scheme tehnice dense. Mistral Medium 3.1 oferă un echilibru excelent între performanță și viteză, fiind alegerea naturală pentru utilizarea zilnică în Vibe. Mistral Small 3.2 este mai ușor: răspunde rapid menținând o calitate solidă a analizei, fiind perfect adaptat pentru sarcini simple, cum ar fi descrierea unei fotografii. În final, Ministral 3, disponibil în versiunile de 14B, 8B și 3B de parametri, cuprinde cele mai compacte modele din gamă, concepute pentru răspunsuri rapide la analize vizuale de bază.

În calitate de utilizator Vibe, nu selectați modelul manual; interfața îl alege automat pe cel mai potrivit pentru cererea dumneavoastră. Totuși, rețineți: în spatele fiecărei imagini simple adăugate în conversație, o rețea neuronală multimodală este la lucru. Sofisticarea acestei rețele este exact motivul pentru care înțelege atât de bine ceea ce îi arătați.

Ce veți învăța în această secțiune

Această primă secțiune a cursului vă ghidează pas cu pas prin utilizarea viziunii artificiale prin intermediul Vibe de la Mistral. Veți începe prin încărcarea unei imagini și punerea de întrebări despre aceasta, apoi veți trece la analiza graficelor și extragerea datelor din tabele. În continuare, veți vedea cum să comparați mai multe imagini într-o singură conversație înainte de a explora cazuri de utilizare creative care depășesc simpla descriere a imaginii.

Nu sunt necesare abilități tehnice. Dacă știți să folosiți Vibe pentru a scrie un mesaj, știți deja cum să analizați o imagine — trebuie doar să o glisați în conversație.

Puncte cheie

  • Viziunea artificială permite modelelor Mistral să analizeze imagini în plus față de text
  • Sunt disponibile multiple modele, de la cel mai puternic (Large 3) la cel mai compact (Ministral 3)
  • Analiza funcționează pe fotografii, grafice, documente scanate și capturi de ecran
  • În Vibe, este suficient să încărcați o imagine pentru a începe — nu este necesară nicio programare