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
英伟达宣布其Blackwell芯片已在台积电亚利桑那工厂进入量产阶段,这标志着该公司将更多供应链转移至美国的重要里程碑。台积电去年在凤凰城附近开设首个工厂,采用4纳米制程技术。英伟达CEO黄仁勋表示这是美国近年来首次制造最重要芯片。Blackwell架构相比上代Hopper设计有多项改进,包括新版Transformer引擎和解压缩引擎。台积电计划在本十年末前在亚利桑那再建两座工厂。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
惠普企业与爱立信合作开设研究设施,验证双模5G核心服务,为电信运营商提供"无缝"下一代核心网络。联合验证实验室将解决多供应商基础设施部署中的关键挑战,进行互操作性测试。实验室位于瑞典爱立信总部附近,2025年底投入运营。该方案结合爱立信双模5G核心服务与惠普服务器、网络架构和红帽OpenShift平台,支持5G和4G网络,降低复杂性和运营成本。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。