Mistral 发布 Shieldstral:3B 参数开源多模态安全分类器
Mistral 发布 Shieldstral,这是一款 3B 参数的开源多模态安全分类器,通过将内容审核重新定义为政策自适应的问答任务,在文本安全和多模态审核基准上超越了尺寸高达其 7 倍的模型。
推荐理由:它把内容审核重新定义成政策自适应的问答任务,一个 3B 模型能达到 7 倍尺寸模型的水平,而且可以在推理时用自然语言直接改写政策,不需要重新训练。
每条发布 = 一张工具卡 · 命中 "新工具 / 产品更新 / 模型发布 / 平台" 标签(itemType=tool_release)· 按时间排序
Mistral 发布 Shieldstral,这是一款 3B 参数的开源多模态安全分类器,通过将内容审核重新定义为政策自适应的问答任务,在文本安全和多模态审核基准上超越了尺寸高达其 7 倍的模型。
推荐理由:它把内容审核重新定义成政策自适应的问答任务,一个 3B 模型能达到 7 倍尺寸模型的水平,而且可以在推理时用自然语言直接改写政策,不需要重新训练。
Mistral Studio 推出 Prompts and Skills 的系统记录功能,为企业提供提示词和技能的版本控制、所有权归属和审计日志,解决 AI 提示词分散管理导致的行为不一致和可追溯性问题。该功能支持快速迭代测试和受控的生产部署,已对 Studio 客户开放。
推荐理由:原文给出了具体的功能变化(版本控制、所有权、审计日志),读者可以据此评估它对企业 AI 提示词管理是否有帮助。
Mistral 发布 OCR 4,这是一款文档解析产品,支持 170 种语言,提供边界框、块分类和内联置信度分数等结构化输出。该模型在人类评估和基准测试中均优于现有 OCR 系统,可通过 API、Document AI 或自托管部署使用。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Mistral 发布统一 AI 智能体 Vibe,可处理长时间运行的任务,包括邮箱管理、研究和文档起草,以及从功能开发到 Pull Request 的编码工作流。Vibe 提供 Work Mode 处理跨企业工具的多步骤任务,Code Mode 支持远程编码,并配备 VS Code 扩展和 CLI 工具。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Mistral AI 发布了 Search Toolkit 公开预览版,这是一个用于构建 AI 应用生产搜索管道的可组合框架。该工具将数据摄入、检索和评估整合到单一框架中,支持 BM25 稀疏检索、密集向量检索和混合检索配置,内置 recall、precision、MRR、NDCG 等评估指标,开源且可在云端、本地或边缘运行。
推荐理由:它将数据摄入、检索和评估整合到一个框架中,帮助团队把时间从集成维护转向搜索质量提升。
Mistral 发布 Studio 中的 Connectors 功能,所有内置连接器和自定义 MCP 现可通过 API/SDK 用于模型和智能体调用。同时推出直接工具调用和人工介入审批流程,可在 LeChat 和 AI Studio 中使用,支持与企业系统如 CRM、知识库和生产力工具的复杂工作流集成。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Mistral AI 发布企业级 AI 编排工具 Workflows,提供持久执行、可观察性和人工审核介入能力,解决企业将 AI 从概念验证推向生产环境时的可靠性问题。用户用 Python 编写工作流后可发布到 Le Chat 供组织内任何人触发,基于 Temporal 引擎构建,数据和业务逻辑保留在用户环境中。ASML、ABANCA、France Travail 等企业已在生产环境中使用。
推荐理由:原文给出了 Workflows 的核心能力——持久执行、可观察性和人工审核介入——以及基于 Temporal 引擎的技术架构,读者可以据此判断它会如何改变企业 AI 生产部署的工作流。
Mistral AI 发布 Voxtral TTS,一个 40 亿参数的文本转语音模型,支持 9 种语言的情感化语音生成,具备低延迟和快速语音适配能力。该模型通过 API 和 Mistral Studio 提供,起步价每千字符 0.016 美元,支持仅 3 秒参考音频即可适配定制语音。
推荐理由:原文给出了与 ElevenLabs 的对比数据和具体价格,读者可以据此判断 Voxtral TTS 在语音生成领域的能力和成本。
Mistral AI 宣布作为创始成员加入 NVIDIA Nemotron Coalition,与 NVIDIA 合作共同开发开源前沿 AI 模型。同时发布 Mistral Small 4,供全球开发者、研究者和组织构建和定制 AI 应用。合作将结合 Mistral AI 的模型架构和 NVIDIA 的计算资源,目标是建立透明、可访问的全球 AI 基础。
推荐理由:给出了新模型的具体名称和开放入口,读者可以据此判断它对现有模型生态的补充价值。
Mistral AI 发布 Leanstral,首个专为 Lean 4 证明助手设计的开源代码智能体,采用 6B 活跃参数的稀疏架构,支持 MCP,可通过 Mistral Vibe 或免费 API 使用,权重采用 Apache 2.0 许可证。
推荐理由:原文给出了能力变化和基准测试对比,读者可以据此判断它如何改变形式化证明的工作流。
Mistral 发布新一代语音转文字模型 Voxtral Transcribe 2,包含批处理版 Voxtral Mini Transcribe V2 和实时版 Voxtral Realtime。
推荐理由:原文给出了 Voxtral Transcribe 2 的性能对比和定价信息,读者可以据此判断它在语音转文字赛道上的竞争力。
Mistral AI 发布新一代编程模型 Devstral 2(123B)和 Devstral Small 2(24B),以及配套的原生 CLI 工具 Mistral Vibe。
推荐理由:原文给出了 Devstral 2 的性能数据、与竞品的对比以及免费使用期,读者可以据此判断它与现有编程工具的能力差异和成本优势。
Mistral AI 发布全新企业级 AI 生产平台 AI Studio,提供可观测性(Observability)、智能体运行时(Agent Runtime)和 AI 注册表(AI Registry)三大核心功能。该平台旨在帮助企业解决从原型到生产的关键挑战,包括版本追踪、结果复现、实时监控、评估执行和合规部署。
推荐理由:原文给出了三个核心功能模块和解决的企业级痛点,读者可以据此判断它会怎样改变现有 AI 部署工作流。
Le Chat 推出 Memory 记忆功能 beta 版,基于用户调研总结的透明性、控制力和专注三大需求,设计了三个核心原则:透明性(明确展示记忆调用来源)、主动性(可随时关闭或编辑记忆)和主权性(支持导出导入)。底层采用图架构提升性能与上下文感知,并推出 Memory Insights 功能帮助用户探索和管理记忆。
推荐理由:原文给出了 Memory 功能的设计理念和三个核心原则,读者可以了解 AI 记忆功能的设计思路,以及与现有产品的差异。
Mistral 发布 Codestral 25.08 代码补全模型,在 SWE-bench Verified 上 Devstral Medium 达 61.6%,Codestral 25.08 相比前代提升 30% 接受率和 10% 代码留存率。
推荐理由:给出了具体性能提升数据(SWE-bench 61.6%、+30% accepted completions)和部署选项,读者可据此评估该版本相比前代及竞品的实际差距。
Mistral 发布 Mistral Code,这是一款面向企业的 AI 编程助手,整合了 Codestral、Codestral Embed、Devstral 和 Mistral Medium 四个模型,支持云端、本地或空气隙部署,可对底层模型进行微调或蒸馏。私有测试版已开放,支持 JetBrains IDEs 和 VSCode,Abanca、SNCF 和 Capgemini 等企业已开始采用。
推荐理由:原文给出了 Mistral Code 的核心能力(四个模型、企业级安全控制、可本地部署)和解决的四个企业痛点,读者可以据此判断它与企业现有工作流的适配度。
Mistral 推出新的 Agents API,将 Mistral 强大的语言模型与内置连接器(代码执行、网络搜索、图像生成、文档库)、MCP 工具支持、持久记忆和智能体编排能力相结合。SimpleQA 基准测试显示,加入 web search 后,Mistral Large 和 Mistral Medium 的得分分别从 23% 和 22.08% 提升至 75% 和 82.32%。
推荐理由:原文给出了 SimpleQA 基准测试的具体分数对比(有无 web search),读者可以据此评估搜索增强对模型实际能力的提升幅度。
Mistral 发布新的 OCR API Mistral OCR,可处理图像和 PDF 并提取交错文本和图像,在基准测试中超越 Google Document AI、Azure OCR、Gemini 和 GPT-4o。定价为每美元 1000 页,单节点处理速度最高达每分钟 2000 页,支持多语言文档理解,现已在 Le Chat 免费试用,API 已上线 la Plateforme。
推荐理由:原文给出了具体定价、基准测试对比和可用入口,读者可以据此评估它与现有 OCR 方案的差异。
已经到底了