機器之心編輯部
Mistral AI只是想做歐洲版的OpenAI？
最近幾個月，由谷歌和 Meta 前研究人員建立的歐洲的 AI 初創公司 Mistral AI 有些躁動不安。
他們接連發布了好些個開源模型，覆蓋不同的領域，包含號稱「世界上最優秀」的 OCR 模型、「對標 Claude」的多模態模型、首個推理大模型 Magistral 以及兩天前釋出的「全球最佳」的開源語音模型 Voxtral。
這樣似乎也很難讓這位歐洲 AI「新貴」感到滿意，他們還想在應用層面好好地捲一捲 OpenAI。
他們將 Le Chat 再一次升級，引入了一些強大的新功能，使其更強大、更直觀，也更有趣，在功能上幾乎全方位對標 ChatGPT。
Le Chat 的新功能
-
深度研究模式：即使是複雜主題，也能快速生成結構化的研究報告。
-
語音模式：使用我們的新 Voxtral 模型與 Le Chat 對話，而不是用鍵盤輸入。
-
原生多語言推理：藉助我們的推理模型 ——Magistral，獲取深思熟慮的答案。
-
專案管理：將您的對話組織到內容豐富的資料夾中。
-
高階影像編輯，在 Le Chat 中直接進行，與 Black Forest Labs 合作。
Le Chat 新功能宣傳片
研究模式可將 Le Chat 轉變為一個協調的研究助手，能夠規劃、明確需求、搜尋和綜合資訊。提出一個有深度的問題，它會將其分解，收集可靠的資料，並構建一個結構清晰、有參考文獻支援且易於理解的報告。
它由工具增強型深度研究 Agent 驅動，但設計得簡單、透明且真正有幫助，彷彿與一個組織良好的研究夥伴合作。
Mistral AI 也在官網展示了一些用例。深度研究模式能夠追蹤市場趨勢、撰寫商業策略書、做個人計劃以及最重要的、進行學術研究。
語音模式可以像和人聊天一樣與 Le Chat 交流 —— 無需打字。你可以在散步時頭腦風暴、在處理雜事時快速獲取答案或轉錄會議內容。它由 Mistral 新的語音輸入模型 Voxtral 驅動，專為自然、低延遲的語音識別而構建，能跟上使用者的工作速度。
但目前 Le Chat 僅支援語音轉文字的輸入，該功能並非即時語音對話。
所以，跟電子助手聊天的功能依舊沒有實現，更別提 Grok 4 Ani 那樣的數字伴侶了。
在影像編輯功能方面，可以透過「移除物體」或「將我放置在另一個城市」等簡單提示來建立並編輯影像。模型支援轉換場景，同時保留角色和細節。這有助於保證編輯的一致性：可以保持人物、物體和設計元素在影像之間的不會變得認不出來。
影像編輯這塊，Le Chat 似乎做得出人意料的好。網友在論壇分享了使用體驗，認為 Le Chat 做得比 OpenAI 更好。
「OpenAI 的模型在編輯時會改變整個影像，導致無關區域出現細節錯誤。（Le Chat）似乎完美地保留了與查詢無關的影像部分，並選擇性地應用編輯，這令人印象深刻！」
網友上傳了一張家庭辦公室的照片，並提出了以下提示：「修復照片底部略微撕裂的灰色面板，讓它們看起來像全新的」，編輯結果非常令人滿意。
上圖為原始影像，下圖為編輯後圖像
對於這些新功能，我們的讀者想必已經非常熟悉。在這一次的大更新之後，Le Chat 在功能上基本實現了與 ChatGPT 等行業領先的產品保持一致。
最近 Mistral AI 的動作確實讓人看到了歐洲在大模型領域保持追趕的勢頭。對此，網友們表達了對 Mistral 快速追趕的興奮。
值得分享的是，Le Chat 在法語中意為「貓」，而 Mistral AI 的主頁底部就有一隻畫素貓咪，Mistral AI 圖示也形似一隻貓貓頭，非常可愛。
Mistral AI 的語音識別模型
7 月 15 日，Mistral AI 釋出了全新的語音識別模型 Voxtral，號稱是「全球最佳（且開源）」的語音識別模型。
Voxtral 在語音轉寫方面全面超越了 Whisper large-v3，當前領先的開放原始碼語音轉寫模型。它在所有任務中都擊敗了 GPT-4o mini Transcribe 和 Gemini 2.5 Flash，並在英語短形式和 Mozilla Common Voice 上取得了最先進的結果，超越了 ElevenLabs Scribe，展示了其強大的多語言能力。
Voxtral 3B 和 Voxtral 24B 模型不僅僅具備語音轉錄功能，還具備以下能力：
-
超長上下文理解：支援最長 32k token 的上下文，轉錄最長達 30 分鐘音訊，理解可達 40 分鐘；
-
內建問答與摘要功能：無需將語音識別與語言模型串聯，即可直接針對音訊內容提問或生成結構化摘要；
-
原生多語種支持：具備自動語言識別功能，在全球主流語言（如英語、西班牙語、法語、葡萄牙語、印地語、德語、荷蘭語、義大利語等）中均達到業內領先表現，助力團隊以單一系統服務全球使用者；
-
從語音直接觸發函式呼叫：可根據使用者的語音意圖直接觸發後端函式、工作流或 API 呼叫，無需中間解析步驟，實現語音到系統指令的無縫轉換；
-
強大的文字理解能力：延續其語言模型基礎（Mistral Small 3.1）在文字處理方面的高效能表現。
© THE END
轉載請聯絡本公眾號獲得授權
投稿或尋求報道：[email protected]