Mistral 在慕尼黑设立德国中心，押注工业 AI 与 Physics AI
Mistral 宣布在慕尼黑设立新 hub，组建 Physics AI 和工业 AI 专门研究团队并服务企业客户，同时计划到 2030 年建成 1 GW 欧洲算力。
Mistral AI
mistral.ai · 网站与博客
切换来源
全部网站与博客新闻IT Home8569 条Simon Willison344 条OpenAI News317 条TechCrunch · AI258 条The Decoder229 条Hugging Face Blog150 条Claude Blog135 条The Verge · AI135 条elsewhere articles108 条Google Research108 条OpenRouter Announcements103 条Mistral AI88 条Tomer Tunguz81 条Databricks Blog76 条Sierra Blog67 条Anthropic Newsroom65 条Claude Platform release notes62 条Gary Marcus62 条Runway News62 条LMSYS Blog60 条Google DeepMind58 条a16z News49 条LangChain Blog48 条Suno Blog48 条ByteByteGo46 条NVIDIA Blog46 条Apple Machine Learning Research43 条Google Blog: AI41 条Google Developers Blog35 条Cursor Blog33 条Microsoft AI News32 条Linear Now30 条AWS Machine Learning Blog29 条Google Cloud: Databases28 条Dwarkesh Patel27 条Ars Technica · AI26 条Nathan Lambert: Interconnects25 条DeepSeek API updates23 条Latent Space23 条Sakana AI Blog23 条Anthropic Research21 条Import AI21 条AI as Normal Technology20 条MIT Technology Review · AI16 条GitHub Blog · AI & ML12 条Meta Engineering11 条Berkeley AI Research10 条Microsoft Research10 条Every latest articles6 条CMU Machine Learning Blog1 条MarkTechPost · 历史来源99 条xAI News · 历史来源73 条Artificial Intelligence News · 历史来源44 条Claude YouTube · 历史来源41 条Ars Technica: AI · 历史来源18 条GitHub Blog · 历史来源17 条Lilian Weng's Log · 历史来源2 条
88 条AI 相关新闻 · 最新在前
Mistral AIAI 评分5959
Mistral AIAI 评分5353 Mistral 与 Mozilla 合作，Firefox Smart Window (beta) 改用 Mistral 模型
Mistral 宣布与 Mozilla 合作，Firefox 的 AI 浏览助手 Smart Window (beta) 现由 Mistral 模型驱动，先覆盖法国和北美，英国和德国预计今年晚些时候跟进。双方强调开源与本地化，模型针对地区语言、方言和文化语境微调；Smart Window 默认不在 Mozilla 服务器保存对话，Mistral 承诺零数据保留。
Mistral AIAI 评分4545 Cloudera 与 Mistral 达成合作，将主权 AI 引入企业数据平台
Mistral 与 Cloudera 建立合作，将 Mistral 模型集成进 Cloudera 混合数据平台，企业可在私有云、公有云、本地及完全气隙环境中部署推理并保持完全控制。企业还能在受控环境中用专有数据训练自有模型，基于开放权重拥有数据和由此产生的智能。Cloudera 平台承载 30 exabytes 客户自管数据。
Mistral AI精选AI 评分6464 Mistral 用 AI 智能体将欧洲能源运营商 40,000 行 Fortran 77 迁移到 C++
Mistral 帮助一家欧洲能源运营商将 40 万行油藏模拟器代码库中的 40,000 行 Fortran 77 核心功能迁移到 C++，该代码无测试套件且文档分散。
推荐理由：原文复盘了完整迁移过程和三条可迁移经验，读者可以借鉴其验证优先与结构化工作流的落地方法。
Mistral AI精选AI 评分7676 Mistral 完成 €3B Series D 融资，估值超 €21B
Mistral 宣布完成 €3B Series D 融资，投后估值超过 €21B，为欧洲科技公司迄今最大规模股权融资，由三星电子领投，EQT 旗下 Scaleup Europe Fund 和 PSG Equity 联合领投。
推荐理由：原文是官方融资公告，给出了金额、估值、领投方和资金用途，读者可以据此了解 Mistral 下一阶段的扩张方向。
Mistral AIAI 评分5353 Mistral 与 HUMAIN 达成战略合作推进沙特主权 AI
Mistral 与 HUMAIN 宣布战略合作，覆盖 AI 基础设施、先进模型开发与解决方案部署，规模达数亿欧元。双方将本地化先进模型，初期聚焦网络安全和语音，并计划开发阿拉伯语表现强劲的前沿模型；Mistral 将探索使用 HUMAIN 数据中心支持当地算力需求，还计划在沙特针对受监管行业制定联合市场进入策略。
Mistral AI精选AI 评分6666 Mistral 发布 Agentic Search，多步检索在 FinanceBench 上将准确率从 26.7% 提升至 86%
Mistral 发布 Agentic Search，通过 search、open、navigate、read、grep 五个工具让模型多步检索、翻阅并验证复杂文档，可通过 Mistral Search Toolkit 及 Studio 和 Vibe 中的 Libraries 使用，无需微调。
推荐理由：官方给出多步检索循环的完整工具设计和两个基准的具体数字，读者可据此评估它替代一次性 RAG 的适用场景。
Mistral AIAI 评分2828 Mistral AI 微调黑客松
Mistral AI 于 2024 年 6 月 5 日至 30 日举办线上微调黑客松，参赛者需使用其全新微调 API 提交原创项目。前三名各获 2500 欧元 Mistral API 额度，入选者可申请 100 美元免费额度，需在 6 月 10 日前提交表单。评审按影响力、技术实现、创意和展示各占 25% 打分，团队最多 4 人。
Mistral AIAI 评分3737 Mistral AI 与法新社达成合作，Le Chat 接入 AFP 新闻内容
Mistral AI 宣布与法新社（AFP）建立全球合作，其 AI 助手 Le Chat 将接入 AFP 新闻专线内容，让回答基于可靠、最新的信息。Le Chat 将利用 AFP 每日六种语言（法语、英语、西班牙语、葡萄牙语、德语、阿拉伯语）发布的 2,300 条新闻专线，并展示其全球 1,700 名记者的报道。该集成将在未来几周内向所有 Le Chat 用户推出。
Mistral AI精选AI 评分7676 Mistral 发布开源 MoE 模型 Mixtral 8x22B，141B 参数仅激活 39B
Mistral 发布开源模型 Mixtral 8x22B，采用稀疏 Mixture-of-Experts 架构，141B 总参数中仅激活 39B，并以 Apache 2.0 许可开放。
推荐理由：原文给出与主流开源模型在多语言、数学和编码基准上的对比，可用于评估同等推理预算下的性能取舍。
Mistral AIAI 评分4848 Mistral AI 推出模型定制、Agents 与 mistralai 1.0 SDK
Mistral AI 在 La Plateforme 上线模型定制功能，支持对 Mistral Large 2 和 Codestral 等旗舰及专用模型进行 base prompt、few-shot 提示或微调，并可自带数据集。
Mistral AI精选AI 评分6767 Mistral 发布 Mistral Small v24.09，并推出免费层与全线降价
Mistral 发布 22B 参数的 Mistral Small v24.09，同时上线 la Plateforme 免费层并对全系模型降价。Mistral Small 与 Codestral 的输入输出价格均降 80%，Mistral Nemo 降 50%，Mistral Large 降 33%，更新后 Mistral Large 2 被称最具成本效益的前沿模型。
推荐理由：原文列出各模型具体降价幅度与免费层入口，读者可据此评估调用成本与自部署条件。
Mistral AI精选AI 评分6565 Mistral 发布全新 le Chat 助手，新增 Pro 与 Team 档位并上线移动端
Mistral 发布全新版 le Chat AI 助手，同时推出 Pro 和 Team 付费档位，Enterprise 版进入私有预览，并登陆 iOS 与 Android。
推荐理由：原文给出 Flash Answers 的响应速度、Code interpreter 能力和三档定价，可据此判断这套助手的定位与使用门槛。
Mistral AI精选AI 评分6565 Mistral AI 开放 La Plateforme 平台服务测试，提供三个对话端点与一个嵌入端点
Mistral AI 开放 La Plateforme 平台服务测试，提供 mistral-tiny、mistral-small、mistral-medium 三个对话端点和一个 Mistral-embed 嵌入端点。
推荐理由：Mistral 开放平台服务测试，给出三个对话端点与一个嵌入端点的性能价格取舍和接入方式，可作模型选型参考。
Mistral AI精选AI 评分7171 Mistral AI 发布首个模型 Mistral 7B，Apache 2.0 开源
Mistral AI 发布首个模型 Mistral 7B，采用 Apache 2.0 许可，称其在所有标准英文与代码基准上超过现有 13B 参数以下的开放模型。
推荐理由：官方在发布开源模型的同时给出路线图，并对比两年间 MMLU 60% 门槛上最小模型的参数变化。
Mistral AI精选AI 评分6666 Mistral 为 le Chat 加入联网搜索、Canvas 与 Pixtral Large 多模态能力
Mistral AI 为 le Chat 上线多项 beta 功能，包括带引用的联网搜索、Canvas 协作编辑、Pixtral Large 支持的文档与图像理解，以及由 Black Forest Labs Flux Pro 提供支持的图像生成。用户还可把复用的提示词固化为可分享的 Agent。这些功能目前免费开放，并将在未来几周逐步推送。
推荐理由：官方列出 le Chat 与 ChatGPT、Perplexity、Claude 的功能对照，并说明这些能力当前以免费 beta 提供。
Mistral AIAI 评分5757 Mistral 发布 Ministral 3B 和 8B 端侧模型
Mistral AI 发布 Ministral 3B 和 Ministral 8B 两款端侧模型，支持最高 128k 上下文（vLLM 上目前为 32k），官方称其在 sub-10B 类别的知识、常识、推理与函数调用上超过同级别模型。
Mistral AIAI 评分5656 Mistral AI 推出模型定制服务，提供开源 SDK、托管微调和定制训练三种入口
Mistral AI 在 la Plateforme 上线模型定制服务，提供开源微调 SDK mistral-finetune、托管微调 API 和定制训练三种入口。
Mistral AI精选AI 评分6868 Mistral AI 发布 Mistral Large 2，128k 上下文与 123B 参数
Mistral AI 发布 Mistral Large 2，具备 128k 上下文窗口和 1230 亿参数，针对长上下文应用设计，可在单节点上实现大吞吐推理。官方称其预训练版本在 MMLU 上达到 84.0% 准确率，代码与推理表现与 GPT-4o、Claude 3 Opus、Llama 3 405B 处于同一水平。
推荐理由：原文给出 128k 上下文、123B 参数与单节点部署的设定，读者可据此判断这一代模型在性能与成本之间的取舍。
Mistral AI精选AI 评分7777 Mistral AI 发布 Pixtral 12B 多模态模型
Mistral AI 发布 Pixtral 12B 原生多模态模型，基于 Mistral Nemo 12B，采用 Apache 2.0 许可，支持可变图像尺寸与宽高比，并可在 128k token 上下文内处理任意数量图片。
推荐理由：Pixtral 12B 以 Apache 2.0 开源并支持 128k 多图输入，MMMU 得分 52.5%，读者可据此比较小尺寸多模态模型的取舍。
Mistral AIAI 评分5050 Mistral AI 的 Le Chat 更名为 Vibe
Mistral AI 宣布 Le Chat 更名为 Vibe，工作与代码场景统一为一个智能体和一套许可，原有对话、设置与方案全部保留。
Mistral AI精选AI 评分6868 Mistral AI 推出非生产许可 MNPL，Codestral 在该许可下发布
Mistral AI 发布非生产许可 MNPL，允许开发者将模型用于非商业用途并支持研究工作，Codestral 也在该许可下发布。Mistral 表示会继续以 Apache 2.0 发布模型和代码，并将逐步整合 Apache 2.0 与 MNPL 两条产品线。
推荐理由：Mistral 用新许可划出商用与非商用的边界，开发者可据此判断使用其模型的合规范围。
Mistral AIAI 评分5858 Mistral 发布 24B 区域语言模型 Mistral Saba
Mistral AI 发布其首个区域语言模型 Mistral Saba，24B 参数，基于从中东和南亚精选的数据集训练，支持阿拉伯语和多种印度语系语言，在泰米尔语等南印度语系上表现尤为突出。
Mistral AI精选AI 评分6060 Mistral 与 NVIDIA 发布 12B 开源模型 Mistral NeMo
Mistral 与 NVIDIA 合作发布 12B 模型 Mistral NeMo，支持最多 128k token 上下文，基座与指令微调权重均以 Apache 2.0 许可开源。
推荐理由：Mistral NeMo 以 Apache 2.0 开源并支持 128k 上下文，读者可借基准表判断它与同尺寸开源模型的位置。
Mistral AI精选AI 评分8181 Mistral AI 发布旗舰模型 Mistral Large 与 Mistral Small
Mistral AI 发布新一代旗舰文本生成模型 Mistral Large，可通过 la Plateforme 和 Azure 使用，具备 32K token 上下文窗口与原生函数调用能力。
推荐理由：官方给出与 GPT-4 的基准位次和 Azure 上线渠道，读者可据此了解这款欧洲旗舰模型的定位。
Mistral AIAI 评分5252 Mistral AI 发布内容审核 API
Mistral AI 发布新的内容审核 API，即支撑 Le Chat 审核服务的同一套接口，现已开放给用户按自身应用和安全标准调用。模型是一个 LLM 分类器，将文本输入划分为 9 个类别，原生支持阿拉伯语、中文、英语、法语、德语、意大利语、日语、韩语、葡萄牙语、俄语和西班牙语。
Mistral AI精选AI 评分6161 Mistral 发布 Codestral Mamba，7B 参数代码模型采用 Mamba 架构
Mistral 发布 Codestral Mamba，这是一个基于 Mamba 架构的 7B 指令代码模型，权重已在 HuggingFace 开放，采用 Apache 2.0 许可。
推荐理由：Mamba 架构带来线性时间推理与长序列建模，官方还测试了 256k token 的上下文检索，为代码助手的本地部署提供 Transformer 之外的选择。
Mistral AIAI 评分5858 Mistral AI 发布 Codestral 25.01 编码模型，代码生成速度约提升 2 倍
Mistral AI 发布 Codestral 25.01，采用更高效的架构和改进的 tokenizer，生成与补全代码的速度约为上一版 2 倍，在 FIM 任务上达到 SOTA。新模型上下文长度为 256k，HumanEval 得分 86.6%，已在 IDE 及插件合作方推出，可通过 la Plateforme 的 codestral-latest 调用，并支持本地或 VPC 部署。
Mistral AI精选AI 评分7474 Mistral AI 发布 24B 参数 Mistral Small 3，Apache 2.0 开源
Mistral AI 发布 24B 参数的 Mistral Small 3，以 Apache 2.0 许可同时放出预训练和指令微调 checkpoint。官方称其指令版与 Llama 3.3 70B instruct 相当，同硬件下速度超过 3 倍，MMLU 准确率超 81%，延迟 150 tokens/s。
推荐理由：官方给出了 24B 模型的对标结果与本地部署门槛，读者可据此判断它在开源替代中的位置。
Mistral AIAI 评分4444 Mistral AI 发布数学推理模型 Mathstral 7B
Mistral AI 发布专注 STEM 的数学推理模型 Mathstral 7B，基于 Mistral 7B，在 MATH 上得分 56.6%、MMLU 上得分 63.47%。
Mistral AI精选AI 评分8686 Mistral AI 发布 Mixtral 8x7B 稀疏 MoE 开放权重模型
Mistral AI 发布 Mixtral 8x7B，一个采用 Apache 2.0 许可的稀疏混合专家（SMoE）开放权重模型，总参数 46.7B，每个 token 只激活 12.9B 参数。
推荐理由：官方给出与 Llama 2 70B、GPT-3.5 的逐项基准对比，可据此判断稀疏 MoE 开放权重的性价比。
Mistral AI精选AI 评分7575 Mistral AI 发布首个代码模型 Codestral，22B 开放权重、32k 上下文
Mistral AI 发布首个代码模型 Codestral，这是一个 22B 开放权重模型，支持 80 多种编程语言、32k 上下文窗口，并通过 fill-in-the-middle 机制补全代码、编写测试。
推荐理由：22B 开放权重代码模型给出 32k 上下文与多语言基准对照，可据此判断自部署代码补全的取舍。
Mistral AI精选AI 评分7474 Mistral AI 发布 124B 开放权重多模态模型 Pixtral Large
Mistral AI 发布 Pixtral Large，一个基于 Mistral Large 2 构建的 124B 开放权重多模态模型，配备 1B 参数视觉编码器和 128K 上下文窗口，可容纳至少 30 张高分辨率图片。
推荐理由：官方在同一测试框架下给出与 GPT-4o、Gemini-1.5 Pro 的多模态基准对比，可据此看开放权重模型的当前位置。
Mistral AI精选AI 评分8484 Mistral AI 发布 7.3B 参数开源模型 Mistral 7B
Mistral AI 发布 7.3B 参数的 Mistral 7B，称其在全部评测上超过 Llama 2 13B，多项基准接近 Llama 1 34B。该模型采用分组查询注意力（GQA）和滑动窗口注意力（SWA），在 16k 序列长度、4k 窗口下推理提速 2x，并能在 8192 序列长度下节省一半缓存。
推荐理由：官方给出与 Llama 2 系列同评估管线的对比和 Apache 2.0 授权，便于判断同尺寸模型的选型空间。
Mistral AIAI 评分4949 Mistral 推出 Batch API，批量推理成本降低 50%
Mistral 在 La Plateforme 上线 Batch API，处理高并发请求的成本比同步 API 调用低 50%。该 API 面向优先考虑数据量而非同步响应的场景，用户上传批处理文件后下载输出结果，适用于客户反馈与情感分析、批量文档摘要与翻译、向量嵌入和搜索索引构建、数据标注等。
Mistral AIAI 评分5353 Mistral 推出区域推理端点、第三方开放模型支持与欧洲算力联盟
Mistral 宣布三项推进 AI 主权的举措：Mistral Regional Endpoints 正式可用，客户可选择推理在欧洲或美国运行；Mistral Priority Tier 进入公开预览，为关键工作负载提供自定义速率限制和 uptime SLA。
Mistral AI精选AI 评分6464 Mistral AI 开源 3B 多模态安全分类器 Shieldstral
Mistral AI 发布开源多模态安全分类器 Shieldstral，权重 3B，采用 Apache 2.0 协议。模型将内容审核改写为推理时的问答任务，用户用自然语言给出政策，无需重训即可适配文本、图像和 prompt–response 对的审核。
推荐理由：原文解释了用问答式策略接口替代固定分类体系的设计思路，并给出训练数据构建方法，读者可以借鉴其小模型超越大模型的数据策略。
Mistral AIAI 评分4040 Mistral Studio 为 Prompts 和 Skills 提供系统级记录管理
Mistral Studio 即日起为 Prompts 和 Skills 提供集中式系统记录，每个资产都具备版本管理、归属和可追溯性。不可变版本、回滚、分类标签和审计日志等功能让 AI 行为可治理、可发现，并支持通过 MCP 服务器直接调用 Skills。该功能面向 Mistral Studio 客户开放，数据始终保留在企业边界内。
Mistral AIAI 评分5555 Mistral AI 发布 Robostral Navigate：8B 具身导航模型，单 RGB 相机在 R2R-CE 达 76.6%
Mistral AI 发布首个具身导航模型 Robostral Navigate，8B 参数，仅用单个普通 RGB 相机和自然语言指令即可让机器人在复杂环境中自主导航，在 R2R-CE validation unseen 达到 76.6% 成功率，领先最佳单相机方案 9.7 分、领先使用深度或多相机方案 4.5 分。
Mistral AI精选AI 评分6464 Mistral 发布 Leanstral 1.5：6B 激活参数的开源形式化证明模型
Mistral 发布 Apache-2.0 开源的 Leanstral 1.5，总参数 119B、激活 6B，专注 Lean 4 形式化证明。模型饱和 miniF2F（验证与测试集均 100%），在 PutnamBench 解出 587/672 题，FATE-H 87%、FATE-X 34% 达到 SOTA，单题成本约 $4。
推荐理由：官方给出完整基准数据和训练细节，还展示了在 57 个真实仓库中发现 5 个未知 bug 的案例，可了解形式化验证的实际落地。