总部位于巴黎的人工智能初创公司 Mistral AI 近天宣布推出一款新模型 —— Mistral Medium 3。该公司表示,该模型的性能远超竞争对手,而成本却大幅降低。
公司还推出了面向企业客户的全新版本企业级 AI 助手 Le Chat Enterprise,该助手由 Medium 3 提供支持,具备企业搜索、智能代理构建和工具连接器等功能。
在性能方面,Mistral 表示,新模型的表现超越了例如 Meta Platform Inc. 的 Llama 4 Maverick 等模型,以及 Cohere Inc. 的 Command A 等企业级模型。而在价格上,其成本远低于 DeepSeek v3,通过应用程序接口和自部署系统均展现出较低的费用优势。
对于企业应用,该公司表示,其基准测试性能可达到或超过 Anthropic PBC 的 Claude 3.7 Sonnet 的 90%,但成本仅为其八分之一:每百万输入 Token 为 40 美分,每百万输出 Token 为 20.80 美元,而 Sonnet 则分别为每输入 Token 3 美元和每输出 Token 15 美元。
Mistral 进一步指出,Medium 3 是一款面向前沿应用场景设计的模型,在专业应用场景中表现尤为出色,尤其是在编程、科学、技术、工程和数学任务领域中,其性能逐步缩小了与规模更大且响应更慢的竞争对手之间的差距。
Mistral 表示,用户不必在通过 API 进行微调和自部署、从零开始定制模型行为之间做出选择;Medium 3 为企业系统提供了一条全面整合智能的途径。
企业客户可以持续对模型进行预训练、全面微调,并将其融合进知识库中以进行领域专属训练,同时使其适应公司文化和信息系统。Mistral 表示,来自金融服务、能源和医疗保健领域的 Beta 客户,已利用该模型个性化业务流程、改进工作流,并对复杂数据集进行分析。
新模型今日起可通过公司平台 Mistral La Plateforme 以及 Amazon SageMaker 的 API 使用。不久后,它还将登陆 IBM watsonx、Nvidia NIM、Azure AI Foundry 和 Google Cloud Vertex。
Le Chat Enterprise AI 助手
Le Chat Enterprise 在公司现有的 AI 聊天助手基础上构建,重点整合了企业生产力工具和安全特性,形成统一的 AI 平台。
该平台为企业团队提供了丰富的功能,包括企业搜索、AI 代理构建器、自定义数据和工具连接器、文档库、自定义 AI 模型以及混合部署能力。
企业团队能够通过 Le Chat Enterprise 将所有常用的生产力应用(例如 Google Drive、Google Calendar、Gmail 以及 Microsoft SharePoint 和 OneDrive)集成于一处 —— 后续还将增加更多连接器。利用这些信息,系统可以帮助整理外部数据源、文档和网页资源,从而提供相关答案,并为业务相关内容的快速上手提供便捷途径。
借助代理构建器,员工可以通过连接各类应用和业务工具,实现常规任务的自动化。
Mistral 表示:“Le Chat 将使您的团队能够轻松构建符合自身需求的定制助手 —— 无需编码。”
公司强调,面向企业的 Le Chat 以隐私为先,可在任何地方部署,无论是公有云、私有云,还是托管在 Mistral 云上的服务。所有与企业工具的数据连接器均保持充分保护,并符合访问控制要求。
Le Chat Enterprise 现已在 Google Cloud Marketplace 上面向企业团队推出,不久后也将在 Azure AI 和 AWS Bedrock 上上线。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。