Introduktion till AI-vision med Mistral
På denna sida
Uppdatering 2 november 2026 – Le Chat är nu Vibe. Sedan den 28 maj 2026 har Le Chat bytt namn till Vibe (fortfarande på chat.mistral.ai): en enda agent för arbete och kod som behåller dina konversationer, inställningar och prenumerationer. Den äldre versionen av Le Chat finns fortfarande tillgänglig i läget Chat; i läget Work har agenter blivit färdigheter (anropas med
@), minnen utgör kunskapsbasen och djup sökning är nu färdigheten Deep Research. Abonnemangen heter nu Mistral Free, Pro, Team och Enterprise. I denna lektion använder vi namnet Vibe; notera att vissa menyer som beskrivs här kan ha bytt namn eller plats.
När AI-modeller lär sig att se
Fram till nyligen förstod AI-assistenter endast text. Du kunde ställa frågor, be dem utkast ett e-postmeddelande eller sammanfatta ett dokument – men att visa dem ett foto för att få en meningsfull analys var omöjligt. Med Mistral AIs multimodala modeller är den begränsningen historia. Detta är sannolikt den mest påtagliga förändringen du kommer att märka i din dagliga användning av AI.
AI-vision syftar på en språkmodells förmåga att analysera det visuella innehållet i en bild – ett foto, ett diagram, en skärmdump eller en ritning – och ge en textbaserad tolkning. I praktiken laddar du upp en bild till Vibe (Mistrals assistent) och modellen svarar som om den faktiskt ser vad du visar den. Den upptäcker inte bara former; den läser text inuti bilden, förstår tabellstrukturer, följer trender i diagram och kopplar allt detta till din specifika fråga.
Varför vision förändrar allt
Tänk dig att du får ett kvartalsvis försäljningsdiagram via e-post. Tidigare behövde du öppna det i ett kalkylblad, läsa siffrorna en efter en och tolka trenderna – och om diagrammet bara var en bild hade du inte ens tillgång till de underliggande data. Nu kan du klistra in den bilden i Vibe och fråga: “Vad är huvudtrenden?” eller “Jämför Q1 och Q3.” Modellen identifierar axlar, förklaringar och värden, och ger sedan ett svar på naturligt språk inom sekunder.
Denna förmåga transformerar många vardagsscenarier. När du står inför ett fotografi beskriver modellen innehållet och identifierar objekt, platser eller landmärken – användbart när du behöver namnet på en växt du fick syn på under en promenad. Med ett skannat dokument läser den text från ett visitkort, ett kvitto eller ett pappersformulär, vilket sparar dig mödosamt manuellt arbete. För diagram eller ritningar extraherar den nyckeldata från cirkeldiagram eller stapeldiagram precis som en analytiker skulle göra. Och med en skärmdump analyserar den ett gränssnitt, tyder ett felmeddelande eller sammanfattar en instrumentpanel – ovärderligt när mjukvara ger en obegriplig felkod och du behöver veta vad du ska göra härnäst.
Mistrals visionsmodeller
Mistral erbjuder flera modeller som kan bearbeta bilder. Även om du inte behöver välja dem manuellt, hjälper det att förstå deras respektive roller. Mistral Large 3 är flaggskeppsmodellen som levererar topprestanda för komplex visuell analys; det är ditt förstahandsval när precision är avgörande, till exempel för att dissekera en tät teknisk ritning. Mistral Medium 3.1 erbjuder en utmärkt balans mellan prestanda och hastighet, vilket gör den till det naturliga valet för dagligt bruk i Vibe. Mistral Small 3.2 är lättare: den svarar snabbt samtidigt som den behåller en solid analyskvalitet, perfekt lämpad för enkla uppgifter som att beskriva ett foto. Slutligen består Ministral 3, tillgänglig i versioner med 14B, 8B och 3B parametrar, av de mest kompakta modellerna i sortimentet, designade för snabba svar vid grundläggande visuella analyser.
Som användare av Vibe väljer du inte modellen manuellt; gränssnittet väljer automatiskt den som bäst passar din begäran. Men kom ihåg: bakom varje enkel bild som släpps in i konversationen arbetar ett multimodalt neuronnätverk. Det är nätverkets sofistikering som gör att det förstår vad du visar det så väl.
Vad du kommer att lära dig i detta avsnitt
Detta första avsnitt av kursen guidar dig steg för steg genom användningen av AI-vision via Mistrals Vibe. Du börjar med att ladda upp en bild och ställa frågor om den, går sedan vidare till att analysera diagram och extrahera data från tabeller. Därefter får du se hur du jämför flera bilder inom samma konversation innan du utforskar kreativa användningsområden som går bortom enkel bildbeskrivning.
Inga tekniska färdigheter krävs. Om du vet hur du använder Vibe för att skriva ett meddelande vet du redan hur du analyserar en bild – dra bara in den i konversationen.
Viktiga punkter
- AI-vision gör det möjligt för Mistral-modeller att analysera bilder utöver text
- Flera modeller finns tillgängliga, allt från den mest kraftfulla (Large 3) till den mest kompakta (Ministral 3)
- Analys fungerar på foton, diagram, skannade dokument och skärmdumpar
- I Vibe laddar du helt enkelt upp en bild för att komma igång – ingen kodning krävs