机器之心报道
机器之心编辑部
Mistral AI只是想做欧洲版的OpenAI？
最近几个月，由谷歌和 Meta 前研究人员建立的欧洲的 AI 初创公司 Mistral AI 有些躁动不安。
他们接连发布了好些个开源模型，覆盖不同的领域，包含号称「世界上最优秀」的 OCR 模型、「对标 Claude」的多模态模型、首个推理大模型 Magistral 以及两天前发布的「全球最佳」的开源语音模型 Voxtral。
这样似乎也很难让这位欧洲 AI「新贵」感到满意，他们还想在应用层面好好地卷一卷 OpenAI。
他们将 Le Chat 再一次升级，引入了一些强大的新功能，使其更强大、更直观，也更有趣，在功能上几乎全方位对标ChatGPT。
Le Chat 的新功能
- 深度研究模式：即使是复杂主题，也能快速生成结构化的研究报告。
- 语音模式：使用我们的新 Voxtral 模型与 Le Chat 对话，而不是用键盘输入。
- 原生多语言推理：借助我们的推理模型 ——Magistral，获取深思熟虑的答案。
- 项目管理：将您的对话组织到内容丰富的文件夹中。
- 高级图像编辑，在 Le Chat 中直接进行，与 Black Forest Labs 合作。
Le Chat 新功能宣传片
研究模式可将 Le Chat 转变为一个协调的研究助手，能够规划、明确需求、搜索和综合信息。提出一个有深度的问题，它会将其分解，收集可靠的资料，并构建一个结构清晰、有参考文献支持且易于理解的报告。
它由工具增强型深度研究 Agent 驱动，但设计得简单、透明且真正有帮助，仿佛与一个组织良好的研究伙伴合作。
Mistral AI 也在官网展示了一些用例。深度研究模式能够追踪市场趋势、撰写商业策略书、做个人计划以及最重要的、进行学术研究。
语音模式可以像和人聊天一样与 Le Chat 交流 —— 无需打字。你可以在散步时头脑风暴、在处理杂事时快速获取答案或转录会议内容。它由 Mistral 新的语音输入模型 Voxtral 驱动，专为自然、低延迟的语音识别而构建，能跟上用户的工作速度。
但目前 Le Chat 仅支持语音转文字的输入，该功能并非实时语音对话
所以，跟电子助手聊天的功能依旧没有实现，更别提 Grok 4 Ani 那样的数字伴侣了。
图像编辑功能方面，可以通过「移除物体」或「将我放置在另一个城市」等简单提示来创建并编辑图像。模型支持转换场景，同时保留角色和细节。这有助于保证编辑的一致性：可以保持人物、物体和设计元素在图像之间的不会变得认不出来。
图像编辑这块，Le Chat 似乎做得出人意料的好。网友在论坛分享了使用体验，认为 Le Chat 做得比 OpenAI 更好。
「OpenAI 的模型在编辑时会改变整个图像，导致无关区域出现细节错误。（Le Chat）似乎完美地保留了与查询无关的图像部分，并选择性地应用编辑，这令人印象深刻！」
网友上传了一张家庭办公室的照片，并提出了以下提示：「修复照片底部略微撕裂的灰色面板，让它们看起来像全新的」，编辑结果非常令人满意。
上图为原始图像，下图为编辑后图像
对于这些新功能，我们的读者想必已经非常熟悉。在这一次的大更新之后，Le Chat 在功能上基本实现了与 ChatGPT 等行业领先的产品保持一致。
最近 Mistral AI 的动作确实让人看到了欧洲在大模型领域保持追赶的势头。对此，网友们表达了对 Mistral 快速追赶的兴奋。
值得分享的是，Le Chat 在法语中意为「猫」，而 Mistral AI 的主页底部就有一只像素猫咪，Mistral AI 图标也形似一只猫猫头，非常可爱。
Mistral AI 的语音识别模型
7 月 15 日，Mistral AI 发布了全新的语音识别模型 Voxtral，号称是「全球最佳（且开源）」的语音识别模型。
Voxtral 在语音转写方面全面超越了 Whisper large-v3，当前领先的开放源代码语音转写模型。它在所有任务中都击败了 GPT-4o mini Transcribe 和 Gemini 2.5 Flash，并在英语短形式和 Mozilla Common Voice 上取得了最先进的结果，超越了 ElevenLabs Scribe，展示了其强大的多语言能力。
Voxtral 3B 和 Voxtral 24B 模型不仅仅具备语音转录功能，还具备以下能力：
- 超长上下文理解：支持最长 32k token 的上下文，转录最长达 30 分钟音频，理解可达 40 分钟；
- 内置问答与摘要功能：无需将语音识别与语言模型串联，即可直接针对音频内容提问或生成结构化摘要；
- 原生多语种支持：具备自动语言识别功能，在全球主流语言（如英语、西班牙语、法语、葡萄牙语、印地语、德语、荷兰语、意大利语等）中均达到业内领先表现，助力团队以单一系统服务全球用户；
- 从语音直接触发函数调用：可根据用户的语音意图直接触发后端函数、工作流或 API 调用，无需中间解析步骤，实现语音到系统指令的无缝转换；
- 强大的文本理解能力：延续其语言模型基础（Mistral Small 3.1）在文本处理方面的高性能表现。
