Mistral

作者从个人编码和审计经验出发，对2026年中的主流AI模型进行非正式分级，涵盖Anthropic Fable、OpenAI Sol、Mistral、Gemini和DeepSeek等模型，并融入美国出口管制和欧洲视角的评论。

AnyFile Translator 是一款AI翻译助手，可在Google Chat中直接翻译文件、网页链接和文本，保留原始布局和格式，支持超过100种语言。它还具备AI写作功能，可生成并翻译内容。适合国际团队和全球客户使用。

本文详细介绍了如何使用 Amazon Bedrock AgentCore 和 Mistral AI Studio 构建并连接一个生产就绪的电子商务 MCP（模型上下文协议）服务器。内容涵盖 MCP 工具实现、双层 JWT 认证、AWS CDK 部署、与 Mistral AI Vibe 集成，以及使用 DynamoDB 和 Cognito 管理数据与身份的最佳实践。

该论文对KIVI、TurboQuant、SnapKV和CaM等KV缓存优化技术进行了工作量感知的基准测试，评估了它们在Llama-3.1-8B-Instruct和Mistral-7B-Instruct-v0.3模型上的多文档问答、单文档问答、少样本学习和摘要任务中的表现。结果表明，压缩率本身并不能很好地预测端到端性能。KIVI4提供最稳定的质量，SnapKV在长上下文吞吐量方面表现最佳，而CaM在特定问答任务上取得显著提升，但对工作负载敏感。该研究强调了根据工作负载选择KV缓存机制的必要性。

Mistral AI 发布了 Leanstral 1.5，这是一个基于 Apache-2.0 许可的 Lean 4 代码代理模型。该模型采用 119B 混合专家架构，每令牌激活 6.5B 参数，上下文长度 256k。它在 miniF2F 上达到 100% 准确率，解决了 PutnamBench 中 587/672 的问题，并在 FATE-H 和 FATE-X 基准测试上实现了新 SOTA。此外，它还能发现真实软件缺陷，已在 57 个开源仓库中识别出 5 个未报告的错误。

Wiola是一种全新的小型语言模型架构，从基本原理设计，与GPT、LLaMA、Mistral或Falcon等现有模型无结构关联。它引入了五种独立创新的组件：螺旋旋转位置编码（SRPE）、门控跨层注意力（GCLA）、自适应令牌合并（ATM）、双流前馈（DSFF）和WiolaRMSNorm归一化。模型提供四种规模（120M、360M、700M和1.5B参数），完全兼容HuggingFace Transformers生态系统。

本文对Beckmann & Butlin (2026)关于LLM个体化的本体论框架提出质疑，认为其继承了未论证的跨体制共指假设。通过Qwen3-4B-Instruct和Mistral-7B-Instruct-v0.2上的个性拓扑实验，作者展示了四个经验性楔子，共同削弱该假设，并提出体制索引个体化：表征内容的身份单位是（载体，体制）对，而非仅载体。

本文形式化了基于Huber污染模型的LLM陪审团，并证明即使只有一个评委以LLM典型方式（模式崩溃、谄媚、安全拒绝）产生偏差，任何正污染都会导致PoLL产生无界偏差。通过将陪审团共识视为经典鲁棒均值估计，作者提出RoPoLL，用几何中位数替换聚合函数，实现了最优有限样本崩溃点1/2。实验表明，在13个开源评委（4B-675B）、三个奖励模型基准和四种腐败机制（高达50%）下，RoPoLL在每一种有偏腐败类型上都优于PoLL：在匹配计算量的跨维度攻击上提升约19%，在重尾拜占庭对手上提升数个数量级。一个38B参数的3评委RoPoLL委员会在30%双模随机腐败下，在HelpSteer-2上以18倍参数优势超越Mistral-Large-3（675B）1.31倍。

Bored People Chat 是一个极简的匿名全球聊天室，无需注册、无广告、无机器人，旨在提供一个安全的空间，让人们与陌生人交流。创建者受旧式聊天室和MMORPG的启发，强调安全与AI辅助的审核。

LangChain 发布了四个新的测试环境，用于评估大型语言模型（LLM）使用工具完成任务的能力，涉及规划、函数调用和推理等关键技能。测试比较了 GPT-4、Claude 2.1、GPT-3.5 以及开源模型（如 Mistral 7b）的表现。关键发现包括：GPT-4 在关系数据任务中表现最佳，但在长时间轨迹中易出错；Claude 2.1 在三个任务中与 GPT-4 相当；开源模型在多次函数组合上表现不佳；规划能力仍是 LLM 的难点。

法国初创公司 Mistral AI 的 OCR 4 模型包括边界框等功能，帮助用户更好地理解非结构化数据。

Mistral AI 发布了 OCR 4，从纯文本提取转向结构化文档输出。每个块返回边界框、类型分类以及每页和每词的置信度分数。该模型支持170种语言，可在单个自托管容器中运行，并通过一个API端点将可引用的输入提供给RAG、代理和企业搜索管道。

Mistral OCR 4 引入了边界框、块分类和置信度分数，在人类偏好测试中优于所有竞争对手，平均胜率达72%。支持170种语言，可单容器自托管，定价为每千页4美元。

Mistral AI 宣布今年夏天将推出一款新模型，该模型将开启一个更大但稀疏的模型家族。7月将面向研究、政府等关键合作伙伴开放早期访问计划。

新闻验证机构NewsGuard的审计发现，Mistral AI的聊天机器人Le Chat在有关伊朗战争的虚假声明中，英文回复有50%重复虚假信息，法语回复有56.6%重复虚假信息。法国武装部队部使用的是定制版的Le Chat Enterprise，而非免费的消费者版本。

Mistral 发布全新 AI 代理 Vibe，支持长期多步骤工作，包括邮件日历管理、深入研究、文档编写以及编码任务。Vibe 运行于旗舰 Mistral 模型，提供工作模式和代码模式，并推出 VS Code 扩展和 CLI 更新。

基辅的Abrams军事商店在战争期间迅速扩张，部分原因是标准军用服装的不足。许多访客寻求的不仅仅是服装。

上周末，应华盛顿要求，Anthropic突然下线了其最新、最强大的AI模型。这家美国公司称，在白宫要求封锁所有外国国民（包括其员工）的访问后，它别无选择。在国外，这一事件清醒地提醒人们，美国不仅主导着前沿AI，其政府还掌控着谁可以使用它的权力。特朗普政府的行动迅速、全面，且几乎没有预警或解释。Fable 5和Mythos 5模型的空前关闭——它们本已受到限制在“高风险领域”使用的保障措施——为长期以来的论点注入了新的力量，即警告不要依赖美国的关键技术。这为已经在主张自身需要领导该技术的政治家、政府和企业提供了新的弹药。在英国，AI和在线安全部长Kanishka Narayan没有直接提及Anthropic、特朗普或美国，但利用这次关闭来论证英国必须发展自己的AI能力，并将其框定为国家安全问题。他说：“我们严肃对待每一个对我们主权构成的威胁，但我们还没有学会以同样的方式对待这个。”他称AI是“我们时代的核心政治问题”，并认为英国必须决定这项技术将如何塑造其经济、安全和主权，“否则别人会替我们决定答案。”在法国，反应更加直接，也更明确地指名美国。前总理Gabriel Attal称这次关闭是“AI战争”的开始，并表示这表明法国如果依赖他人的关键技术就会脆弱。他将Anthropic模型的撤出比作伊朗封锁霍尔木兹海峡，认为获得AI现在是一个战略瓶颈，法国必须为此做好准备。这并非全新论点。欧洲多年来一直担心对美国的依赖，欧盟越来越强调在芯片、云计算和AI等领域减少对外部提供商的依赖。但Anthropic关闭事件使事情变得更加紧迫，加剧了在特朗普领导下对美国作为盟友可靠性的深深不安——从贸易争端到威胁退出北约。加拿大也得出了类似结论。总理Mark Carney表示，这一情况凸显了仅依赖一个合作伙伴获取AI等关键资源的风险。他说：“我们目前与Mythos和Fable所处的困境，就是过度依赖某些模型可能发生的情况。这个情况下没有人做错什么。但如果我们只是接受这一点，不吸取教训，不建立和多样化，那么我们就会做错。”其他国家早已走上这条路。北京长期以来一直支持国内AI公司，中国是少数拥有能与美国前沿AI实验室产品相媲美的模型的地方之一。但大多数政府和企业的规模和资源无法与美国或中国的前沿实验室相比。主权AI并不总是意味着构建最大或最强大的工具。法国的Mistral和加拿大的Cohere表明，即使模型无法并驾齐驱，这些国家之外也能做出扎实的努力。其他国家，如新加坡和阿联酋，专注于更狭窄但具有战略意义的优先事项，如基础设施或对本地语言更好的模型。当然，还有开源模型，其能力可能有一天会达到Mythos的水平，且难以被任何一方控制。特朗普可能将限制Mythos和Fable视为国家安全问题。但这一论点也是双向的：既然华盛顿在问AI是否太过重要以至于不能让人人都使用，其他政府也在问他们是否能承受由华盛顿来决定谁可以使用。Anthropic可能很快会重新上线Mythos和Fable。但恢复全球对美国AI的信任则是另一回事。无论关闭持续多久，它都揭示了访问美国前沿AI模型的脆弱性。许多政府和企业不喜欢他们看到的——他们决心确保这种事不再发生。

Cohere发布其首个开源编程模型North Mini Code（Apache 2.0许可），瞄准希望拥有和控制AI基础设施的开发者。该30B MoE模型可在单张H100 GPU上运行，在代理编程任务上与Mistral、Qwen和Gemma竞争。

Tokens 4 Breakfast 是一款 macOS 菜单栏应用，用于实时追踪和监控AI工具（如 Claude、OpenAI、Cursor、Copilot、Gemini、DeepSeek、Mistral 等）的令牌使用、订阅费用和速率限制，帮助开发者避免意外超支。应用提供免费版（支持单一供应商）和一次性付费的 Pro 版（$7.99），所有数据本地处理，无需登录或云服务。

法国人工智能初创公司Mistral AI正在谈判新一轮约30亿欧元的融资，估值约为200亿欧元，旨在加强其在欧洲AI领域的地位。

本文介绍如何通过Ollama和Scikit-LLM Python库，免费使用本地托管的开源大语言模型（如Llama 3、Mistral和Gemma）进行文本分类任务。

Mistral Vibe是一款AI代理，专为长期运行的多步骤工作和编程任务设计。本文介绍其功能及在Product Hunt上的讨论。

在Mistral AI峰会上，CEO Arthur Mensch表示欧洲必须在两年内建立足够的AI基础设施，否则可能沦为美国AI的“附庸国”。峰会吸引了众多欧洲企业和政府代表，强调数据主权和开源模型，但欧洲在投资和规模上仍远落后于美国对手。

本文分享了作者在巴黎Mistral AI Now峰会上的个人见解。Mistral不再只是一家模型公司，而是构建了包含计算、模型、平台和咨询服务的完整AI堆栈。峰会重点强调了与ASML、BNP Paribas、亚马逊等企业的合作，而非新模型发布。Mistral专注于高效、开放和可定制的模型，并支持本地部署，这成为其区别于Anthropic或OpenAI的独特卖点。小型专用模型是关键战略，例如用于OCR的Document AI、多语言语音的Voxtral和工业机器人的Robostral。主权和本地部署是欧洲企业的差异化优势，如BNP Paribas和Abanca的案例。此外，奥地利科学院利用Mistral的编程模型Codestral解读古代纸莎草文献，展示了AI在人文领域的潜力。总而言之，Mistral的目标并非赢得AGI竞赛，而是成为欧洲的全栈AI合作伙伴，提供即时的实际投资回报。

法国初创公司Mistral AI在Digital Realty的巴黎南园区获得了10兆瓦的计算能力，以扩展其AI基础设施。

Mistral AI 将其聊天机器人 Le Chat 更名为 Vibe，并将聊天、编程代理和新的工作模式整合在一个品牌下。工作模式可接入 Google Workspace、Outlook、Slack 或 GitHub，独立处理电子邮件、报告或拉取请求等任务。Pro 套餐价格从 17.99 欧元降至 14.99 欧元，但未明确使用限制。此举直接对标 OpenAI、Google 和 Anthropic 的代理型产品。

Mistral AI首席执行官Arthur Mensch证实，公司正在探索开发定制芯片以降低基础设施成本，与OpenAI和Anthropic竞争。这家法国初创公司还宣布在法国新建推理数据中心，并推出企业智能代理平台Vibe。

本周AI新闻要点：Anthropic公开了此前仅限国防承包商使用的顶级模型Mythos，使五角大楼级AI能力向开发者开放；DeepMind CEO哈萨比斯将AGI时间线提前至2029年；Starlette框架爆出严重认证绕过漏洞，影响数百万AI代理；CrowdStrike等联合摧毁Glassworm僵尸网络；法国巴黎银行与Mistral达成主权AI安全合作；中国限制阿里和深度求索顶尖AI工程师出境；Uber AI预算超支、ClickUp裁员并引入数千AI代理，同时MIT技术评论数据显示AI暴露岗位失业率更低，奥特曼撤回白领失业预言。

生成式AI供应商Mistral AI宣布与法律AI初创公司Harvey合作，拓展法律行业应用，此举与Anthropic的法律AI交易类似。

一个基于LangChain4j的Java AI代理，类似于Claude Code，免费使用，需注册Mistral账户。首次尝试生成了一个功能良好的计算器应用。

该研究提出了一种利用大语言模型（LLM）优化建筑机器人任务调度的智能框架。系统通过自然语言处理接口与建筑专业人员交互，并实时适应突发工地情况。框架采用双LLM代理架构：生成器（GPT-4）和监督器（Gemma 3/Llama 4/Mistral 7b），以提供更精确的任务计划。评估结果显示，LLM在建筑机器人操作任务中具有关键作用。

VoxPlan 是一款仅限 iPhone 的免费应用，利用 AI 将自然语音转换为日历事件。支持 13 种语言，注重隐私，采用欧洲 AI（Mistral）并符合 GDPR。

随着AI编码代理从本地终端和IDE转向云端环境，Conductor宣布推出Conductor Cloud，获得2200万美元融资。该平台允许开发者并行运行多个代理、持续执行任务，并支持在断开本地连接后继续工作。业界其他公司如Anthropic、Mistral和Roo Code也在类似方向推进。

本文介绍了五个支持工具调用的小型语言模型：SmolLM3-3B、Qwen3-4B-Instruct-2507、Phi-3-mini-4k-instruct、Gemma-4-E2B-it和Mistral-7B-Instruct-v0.3。这些模型体积小、权重开放，却具备结构化的工具调用能力，适用于资源受限的环境。

Mini Shai-Hulud npm蠕虫攻击范围扩大，从SAP包扩展至TanStack、Mistral等169个包名下的373个恶意版本。该恶意软件旨在窃取开发者环境和CI/CD运行器中的凭证，并利用可信发布路径传播恶意包。

2026年5月12日，安全团队SafeDep披露了一起针对npm和PyPI生态系统的供应链攻击，超过170个软件包被植入恶意代码，其中包括TanStack和Mistral AI的热门库。攻击者通过篡改软件包构建流程，植入依赖下载器并利用Session协议进行凭证窃取。此外，恶意载荷还包含IDE和AI代理投毒机制，能够自我复制并自动提交恶意配置文件到受害者的仓库中，形成持续感染循环。

Mistral AI 的官方 NPM 包已被攻陷，这是 Shai Hulud 蠕虫（一种自我传播的供应链攻击）的一部分。使用 2.2.4 版本的用户应立即采取措施。

在巴黎索邦大学学者的帮助下，人工智能被用于创作一部以17世纪法国剧作家莫里哀风格为蓝本的实验性戏剧。该剧在凡尔赛宫首演，对话、音乐、服装和布景均由AI工具Le Chat协助完成。

Dikaletus是一个开源会议代理脚本，利用FFmpeg、PulseAudio和Mistral AI API自动完成会议录音、转录和摘要生成。它提供终端交互界面，支持上下文偏置、说话人分离等功能，并可将会议记录导出为结构化Markdown笔记。

IBM在Think 2026大会上发布了AI编程助手Bob，它结合了Claude、Mistral和Granite等多种模型，旨在自动化软件开发流程同时保留人类控制权。Bob被视为对Claude Code和Codex的回应，并已在EY等企业客户中测试。IBM还将AI置于核心战略，展示了Watsonx Orchestrate的150个预构建代理和Concert AIOps平台的扩展。

Mistral AI发布了Voxtral TTS，这是一个约4B参数的多语言语音合成模型，通过结合自回归生成和流匹配两种范式，在零样本语音克隆中胜率超过ElevenLabs Flash v2.5达68.4%，支持9种语言，仅需3秒参考音频即可生成自然、保说话人特征的语音。文章详细介绍了其架构、训练后优化及在语音代理、有声书流水线等场景的应用。

Mistral AI发布新模型Mistral Medium 3.5，并将其编程助手Vibe扩展至云端运行，允许开发者在后台执行多个代理任务。同时Le Chat新增“工作模式”，可并行处理更长任务。

OpenAI发布GPT-5.4 mini和nano，速度更快、能力更强但价格最高上涨4倍；Mistral开源Small 4模型系列；Meta的Manus推出Mac本地代理；NVIDIA宣布DLSS 5和NeMo沙盒代理运行时；以及更多AI安全与研究进展。

本期摘要涵盖了多种多样且独特的开放模型，涵盖了OCR、RAG搜索、音频转录、计算机使用、代码编辑、数学定理证明等多个用例。模型来自更广泛的开放模型构建者，包括NVIDIA、Cohere、Sarvam、Mistral等，体现了行业对特定领域、低成本模型的推动。

Mistral Studio 为提示词和技能提供了集中的版本控制、所有权和可追溯性，使其成为受治理的生产资产。支持快速迭代和受控部署，解决了企业在 AI 行为管理中的碎片化问题。

Mistral Studio 为提示词和技能提供了集中的版本控制、所有权和可追溯性，使其成为受治理的生产资产。支持快速迭代和受控部署，解决了企业在 AI 行为管理中的碎片化问题。

Robostral Navigate是Mistral AI推出的8B参数模型，仅使用单RGB摄像头即可实现机器人自主导航，在R2R-CE基准测试中达到76.6%的成功率，超越多传感器方案。该模型完全在模拟环境中训练，采用token高效的训练方法，可泛化至不同机器人类型，并适应未见过的真实障碍。它结合了指向式导航与强化学习，为统一具身AI奠定了基础。

Robostral Navigate是Mistral AI推出的8B参数模型，仅使用单RGB摄像头即可实现机器人自主导航，在R2R-CE基准测试中达到76.6%的成功率，超越多传感器方案。该模型完全在模拟环境中训练，采用token高效的训练方法，可泛化至不同机器人类型，并适应未见过的真实障碍。它结合了指向式导航与强化学习，为统一具身AI奠定了基础。

Leanstral 1.5 是一款免费、Apache-2.0 许可的模型，拥有 119B 总参数和 6B 活跃参数，在形式化验证方面取得重大突破：在 miniF2F 上达到饱和，解决 PutnamBench 中 587/672 的问题，并在 FATE-H (87%) 和 FATE-X (34%) 上实现最优结果。通过中期训练、监督微调和基于 CISPO 的强化学习，它在基于代理的证明工程和真实代码验证中表现出色，在 57 个测试仓库中发现了 5 个先前未知的 bug。该模型完全开源，可通过 Hugging Face 和免费 API 获取。