如何通过 LoRA 微调释放 Pixtral-12B 在卫星图像上的潜力
Mistral 通过 LoRA 微调将 Pixtral-12B 适配到卫星图像领域,在 Aerial Image Dataset(AID)上以 8000 张训练样本和 2000 张测试样本进行场景分类,显著优于基座模型在歧义类别上的表现并减少幻觉输出。
Mistral 通过 LoRA 微调将 Pixtral-12B 适配到卫星图像领域,在 Aerial Image Dataset(AID)上以 8000 张训练样本和 2000 张测试样本进行场景分类,显著优于基座模型在歧义类别上的表现并减少幻觉输出。
Mistral 发布 Codestral 25.08,主打代码补全接受率提升和长上下文生成稳定性改进。
Mistral AI 与 Carbone 4、ADEME 合作发布 Mistral Large 2 的全生命周期评估(LCA)报告,公开训练与推理环节的具体碳、水和资源消耗数据。
Mistral AI 为 Le Chat 推出多项新功能,包括 Deep Research 预览模式、基于 Voxtral 的语音模式、由 Magistral 推理模型驱动的多语言 Think 模式、Projects 文件夹整理,以及与 Black Forest Labs 合作的图像编辑。
推荐理由:Le Chat 一次性发布研究、语音、推理与图像编辑多项能力,读者可据此与同期同类助手的功能覆盖做横向对照。
Mistral 发布 Voxtral 语音理解模型,包含 24B 与 3B 两个版本,均以 Apache 2.0 协议开源,可下载或在 API 上调用。
推荐理由:原文在多语种语音基准上将 Voxtral 与 Whisper large-v3、ElevenLabs Scribe 等并列对照,给出开源方案在转写精度上的相对位置。
Mistral AI 与 All Hands AI 合作发布 Devstral Medium 与 Devstral Small 1.1,聚焦智能体编程场景。
推荐理由:Devstral Medium 以四分之一价格在 SWE-Bench Verified 上达到 61.6%,超过 Gemini 2.5 Pro 与 GPT 4.1,可作为同类编程模型的性价比对照。
Mistral AI 推出 AI for Citizens 倡议,与各国政府及公共机构合作,提供可定制、可本地部署的 AI 解决方案,应对闭源厂商带来的供应商锁定与数据主权风险。方案覆盖从模型到聊天与编程助手的全栈产品,支持自托管、SaaS 与 serverless API 部署;项目已在法国、卢森堡、新加坡、荷兰、英格兰、瑞士等国落地。
Mistral AI 推出全栈 AI 基础设施产品 Mistral Compute,提供从裸金属服务器到全托管 PaaS 的私有集成栈,涵盖 GPU、编排、API 与服务。
Mistral AI 发布首个推理模型 Magistral,推出开源版 Magistral Small(24B 参数,Apache 2.0)和企业版 Magistral Medium。
推荐理由:原文同时给出 Magistral Small(24B 开源)与 Medium 的 AIME2024 成绩及 Le Chat 加速倍率,方便读者与同类推理模型直接横向比较。
Mistral 推出面向企业的 AI 编码助手 Mistral Code,整合 Codestral、Codestral Embed、Devstral 和 Mistral Medium 四款模型,支持云端、专属容量及本地 GPU 部署,并允许客户在私有代码库上微调或蒸馏轻量模型。
Mistral 发布代码专用嵌入模型 Codestral Embed,在 SWE-Bench lite 等代码检索基准上的表现据称超过 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大嵌入模型。
Mistral 发布 Agents API,把代码执行、网页搜索、图像生成与 MCP 工具封装为开箱即用能力,并支持持久记忆、流式输出与多智能体编排。网页搜索连接器在 SimpleQA 上把 Mistral Large 与 Mistral Medium 的得分从 23% / 22.08% 提升到 75% / 82.32%,文档库连接器支持基于上传内容的 RAG。
Mistral AI 与 All Hands AI 联合发布面向软件工程任务的智能体大模型 Devstral,并以 Apache 2.0 协议开源。
推荐理由:原文给出 Devstral 在 SWE-Bench Verified 上 46.8% 的成绩以及和闭源模型的对比数据,读者可据此判断它在编码任务中的实际可用程度。
Mistral AI 发布 Mistral Medium 3,定位中型尺寸企业模型,定价 $0.4 输入 / $2 输出每 M token,在多项基准上达到或超过 Claude Sonnet 3.7 的 90%,并超越 Llama 4 Maverick 与 Cohere Command A,成本也低于 DeepSeek v3。
推荐理由:原文同时给出相对 Claude Sonnet 3.7、Llama 4 Maverick 的性能对照与 $0.4 / $2 每 M token 的价格,可作为中型模型选型的成本与性能参考。
Mistral AI 推出企业级 AI 助手 Le Chat Enterprise,由全新 Mistral Medium 3 模型驱动,整合企业搜索、Agent 构建器、自定义数据与工具连接器、文档库、自定义模型及混合部署等功能。
Mistral AI 介绍用 LLM as a Judge 评估 RAG 系统的做法,核心采用 TruLens 提出的 RAG Triad 框架,覆盖 Context Relevance、Groundedness、Answer Relevance 三个评估维度。
Mistral 发布 Mistral Small 3.1,文本与多模态基准超过 Gemma 3 和 GPT-4o Mini,推理速度 150 tokens/s,上下文扩展至 128k tokens。
推荐理由:以 Apache 2.0 开放权重并附对照 Gemma 3、GPT-4o Mini 的基准数字,128k 上下文与多模态能力使其适合低成本本地运行。
Mistral 发布文档理解 OCR API "Mistral OCR",可从图像和 PDF 中按序提取图文混排内容,适合与多模态 RAG 系统配合使用。API 模型名 mistral-ocr-latest,定价 1000 页/$,批量推理下每美元可处理页数约翻倍,单节点最快可达每分钟 2000 页,同时面向敏感场景提供自托管选项。
推荐理由:给出了与 Google Document AI、Azure OCR、Gemini、GPT-4o 的基准对比,并明确 API 定价和自托管策略。
Mistral AI 展示 TranscriptToPRDTicket 智能体工作流,基于 Mistral Large 2 将会议转录自动转为 PRD 与工程工单,并输出至 Linear 等项目管理工具。