法国AI实验室Mistral周四为其Le Chat聊天机器人推出了一系列新功能,使其更接近OpenAI和Google等竞争对手的能力。这次更新包括全新的"深度研究"模式、原生多语言推理以及高级图像编辑功能。
这一消息发布几天前,Mistral刚刚发布了Voxtral,这是其首个开源AI音频模型,能够进行多语言推理、转录等功能。Voxtral也可通过Le Chat使用。
Mistral表示,其新的深度研究模式与竞争对手提供的功能类似,将Le Chat转变为一个协调的研究助手,能够规划、明确用户需求、搜索和综合数据。
"模型的功能是真正去查看网络上的各种资源来回答特定问题,"Mistral产品负责人Elisa Salamanca在接受TechCrunch采访时表示。"我们相信这个功能对消费者和企业用例都非常重要。对于消费者来说,它可以研究旅行并提供最佳旅行计划的详尽分析。对于企业工作,它可以进行详尽的研究。"
虽然这些更新在所有层级——免费版、专业版、团队版和企业版——都可用,但Salamanca指出,Mistral正专注于将Le Chat和Mistral的生产力套件整合到企业生态系统中。这很大程度上是因为Mistral处理数据连接器的方式与竞争对手不同。
"许多拥有非常敏感数据的客户实际上并不使用云服务,或者如果他们使用,也是在自己的场所使用虚拟私有云,"Salamanca说,并提到了银行、国防和政府客户。
为了解决这个问题,Salamanca表示Mistral的Le Chat和生产力套件连接到企业本地数据。换句话说,企业可以使用Le Chat的深度推理和其他功能来分析自己的内部数据,而无需将任何内容上传到云端。这是相对于云原生大语言模型平台(如托管在Azure上的OpenAI和基于Google Cloud的Gemini)的一个重要差异化优势。这也为Mistral提供其他生产力工具打开了大门。
"我们价值主张的一大部分,特别是当我们发布Le Chat Enterprise时,就是希望让Microsoft Excel和Google Docs等办公套件与我们的能力无缝协作,"Salamanca说。"因此,我们与Le Chat Enterprise一起发布的连接器实际上是朝着这个方向迈出的一步。我们正在内部构建这些连接器,因为我们相信这将是在商业环境中使用Le Chat作为生产力推动器的关键。"
除了深度推理,Le Chat今天还获得了其他更新。虽然用户之前可以使用Le Chat通过Magistral(Mistral的新推理AI模型)来推理复杂问题,但该功能此前仅支持英语。现在Mistral原生支持法语、西班牙语、日语等多种语言的推理。Mistral表示Le Chat还可以在句子中间进行语言切换。
Mistral的最新更新还包括添加了项目功能,通过将聊天、文档和想法分组到专注的空间中来帮助用户保持组织性。每个项目都可以有自己的默认库,并记住用户启用的工具和设置。Mistral表示使用场景包括规划搬家、设计新产品功能或保持工作相关项目的进展。
最后,Le Chat正在获得改进的图像编辑功能。这允许用户使用"移除对象"或"将我放在另一个城市"等提示来创建和编辑图像。
这些新功能使Mistral在与AI行业领跑者的竞争中更具竞争力,将Le Chat定位为不仅仅是一个模型演示,而是一个全栈竞争者。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。