Analýza obrázkov vo Vibe
Na tejto strane
Aktualizácia z 2. novembra 2026 — Le Chat je teraz Vibe. Od 28. mája 2026 prešiel Le Chat rebrandingom na Vibe (stále na adrese chat.mistral.ai): ide o jediného agenta pre prácu a kódovanie, ktorý si zachováva vaše konverzácie, nastavenia a predplatné. Pôvodné prostredie Le Chat zostáva dostupné v režime Chat; v režime Work sa z agentov stali zručnosti (vyvolávané pomocou
@), z pamätí sa stala znalostná databáza a z hĺbkového vyhľadávania sa stala zručnosť Deep Research. Plány sa teraz nazývajú Mistral Free, Pro, Team a Enterprise. V tejto lekcii používame názov Vibe; uvedom si však, že niektoré tu opísané ponuky mohli zmeniť názov alebo umiestnenie.
Tvoja prvá analýza obrázka
Mistral Vibe ti umožňuje analyzovať akýkoľvek obrázok v priebehu niekoľkých sekúnd. Proces je rovnako jednoduchý ako odoslanie správy: nahraj súbor, polož svoju otázku a multimodálny model sa postará o zvyšok. Táto lekcia ti presne ukáže, ako postupovať, aké typy analýz sú možné a čo je najdôležitejšie, ako formulovať svoje požiadavky, aby si získal skutočne užitočné odpovede. Práve tento rozdiel oddeľuje gimmick od reálneho pracovného nástroja.
Ako nahrať obrázok
Máš tri možnosti a rýchlo si osvojíš tú, ktorá najlepšie vyhovuje tvojmu pracovnému postupu. Najrýchlejšia je metóda prechytania a pustenia (drag-and-drop): chyt súbor na pracovnej ploche alebo v prieskumníkovi súborov a pust ho priamo do oblasti konverzácie. Ak uprednostňuješ použitie výberu súborov, klikni na ikonu prílohy (spinka) vedľa vstupného poľa. Nakoniec, kopírovanie a vkladanie je neprekonateľné pri snímkach obrazovky: skopíruj obrázok do schránky a vlož ho do Vibe pomocou Ctrl+V (alebo Cmd+V na Macu). Nie je potrebné ukladať žiadny dočasný súbor.
Podporované formáty zahŕňajú bežné typy obrázkov: JPEG, PNG, WebP a GIF. Maximálna veľkosť závisí od použitého modelu, ale v praxi fotky odfotené smartfónom alebo štandardné snímky obrazovky fungujú bez problémov.
Typy možnej analýzy
Keď nahraješ obrázok, model dokáže odpovedať na širokú škálu otázok. Prvým inštinktom je všeobecný opis: opýtaj sa „Čo vidíš na tomto obrázku?“ alebo „Opíš túto fotku“ a model identifikuje hlavné prvky – objekty, ľudí, krajiny, farby, viditeľný text. To je užitočné na generovanie prístupného popisu obrázka alebo na rýchle overenie jeho obsahu pred zdieľaním.
Ďalej prichádza identifikácia: ukáž pamiatku odfotenú na dovolenke a opýtaj sa „Čo je to za pamiatku?“, odfot list a opýtaj sa „O aký druh rastliny ide?“ alebo hľadaj odpoveď na otázku „Aká značka je viditeľná na tomto produkte?“. Model čerpá zo svojich vedomostí a pokúša sa o identifikáciu. Nie je neomylný – k tomu sa ešte vrátime – ale výsledky sú často prekvapivo presné pri bežných objektoch.
Treťou kategóriou je čítanie textu, ktoré zahŕňa základné vstavané OCR. Ak tvoj obrázok obsahuje text – nápis, vizitku, plagát alebo snímku obrazovky – model ho prečíta a prepíše. Môžeš sa opýtať „Prečítaj text na tejto fotke“ alebo cieliť priamo na konkrétne informácie: „Aké je telefónne číslo na tejto vizitke?“. To šetrí značné množstvo času, keď potrebuješ získať kontaktné údaje od niekoho, koho si stretol na veľtrhu, bez toho, aby si ich musel manuálne znovu zadávať.
Nakoniec, model robí viac než len opisuje: interpretuje. Môžeš sa opýtať, či je outfit vhodný na pracovný pohovor, či sa odfotené jedlo javí ako nutrične vyvážené, alebo aké je hlavné posolstvo reklamy. Práve táto schopnosť poskytovať kontextovú interpretáciu odlišuje moderný multimodálny model od jednoduchého nástroja na rozpoznávanie objektov.
Kladenie dobrých otázok
Kvalita analýzy závisí vo veľkej miere od toho, ako formuluješ svoju požiadavku. Vágna otázka prináša vágnu odpoveď: „Analyzuj tento obrázok“ ti poskytne všeobecný opis, zatiaľ čo „Aké sú predajné čísla uvedené v tomto grafe?“ ti dá presne to, čo potrebuješ. Poskytni tiež kontext, keď samotný obrázok nestačí: „Tu je fotka jedla, ktoré som pripravil. Odhadni približný počet kalórií“ nasmeruje model správnym smerom analýzy. Neváhaj špecifikovať formát výstupu – „Vymenuj viditeľné prvky ako odrážky“ alebo „Zhrň v jednej vete, čo tento obrázok zobrazuje“ – aby si získal odpoveď, ktorú môžeš okamžite použiť.
Obmedzenia, ktoré treba poznať
Model videnia je výkonný, ale musíš mať na pamäti jeho obmedzenia. Pri veľmi malom alebo rozmazanom texte – napríklad pri fotke zmluvy odfotenej z diaľky – môže text nesprávne prečítať alebo dokonca vymyslieť pravdepodobné znaky. Toto je najzáludnejšia pasca, pretože chyba nie je okamžite zrejmá. Tmavé, preexponované alebo vysoko abstraktné obrázky similarly prinášajú menej spoľahlivé výsledky. Mysli tiež na súkromie: model číta všetky údaje viditeľné na obrázku, takže buď opatrný pri citlivých dokumentoch. Číslo bankového účtu (IBAN) ponechané v rohu snímky obrazovky bude prečítané rovnako ako všetko ostatné. Nakoniec, každý obrázok sa analyzuje nezávisle, pokiaľ neodošleš viacero obrázkov v rámci tej istej konverzácie: medzi jednotlivými konverzáciami neexistuje vizuálna pamäť.
Praktické cvičenie
Aby si si tieto návyky upevnil, vyskúšaj si teraz vo Vibe tri cvičenia. Po prvé, odfot objekt na svojom stole a požiadaj model, aby ho opísal – porovnaj jeho opis s tým, čo vidíš ty. Po druhé, urob snímku obrazovky spravodajského článku a požiadaj o zhrnutie nadpisu a úvodného odseku. Nakoniec, odfot bloček alebo lístok a požiadaj o extrakciu celkovej sumy: toto cvičenie je najbližšie reálnemu profesionálnemu využitiu a okamžite ti ukáže úroveň spoľahlivosti vstavaného OCR.
Kľúčové poznatky
- Tri spôsoby nahrávania: prechytenie a pustenie, tlačidlo so spinkou, kopírovanie a vkladanie
- Model dokáže opisovať, identifikovať, čítať text a interpretovať kontext obrázka
- Špecifické otázky prinášajú lepšie výsledky než vágne požiadavky
- Dávaj pozor na obrázky nízkej kvality a citlivé dokumenty