Mistral

作者從個人編碼和審計經驗出發，對2026年中的主流AI模型進行非正式分級，涵蓋Anthropic Fable、OpenAI Sol、Mistral、Gemini和DeepSeek等模型，並融入美國出口管制和歐洲視角的評論。

AnyFile Translator 是一款AI翻譯助手，可在Google Chat中直接翻譯文件、網頁鏈接和文本，保留原始佈局和格式，支持超過100種語言。它還具備AI寫作功能，可生成並翻譯內容。適合國際團隊和全球客户使用。

本文詳細介紹瞭如何使用 Amazon Bedrock AgentCore 和 Mistral AI Studio 構建並連接一個生產就緒的電子商務 MCP（模型上下文協議）服務器。內容涵蓋 MCP 工具實現、雙層 JWT 認證、AWS CDK 部署、與 Mistral AI Vibe 集成，以及使用 DynamoDB 和 Cognito 管理數據與身份的最佳實踐。

該論文對KIVI、TurboQuant、SnapKV和CaM等KV緩存優化技術進行了工作量感知的基準測試，評估了它們在Llama-3.1-8B-Instruct和Mistral-7B-Instruct-v0.3模型上的多文檔問答、單文檔問答、少樣本學習和摘要任務中的表現。結果表明，壓縮率本身並不能很好地預測端到端性能。KIVI4提供最穩定的質量，SnapKV在長上下文吞吐量方面表現最佳，而CaM在特定問答任務上取得顯著提升，但對工作負載敏感。該研究強調了根據工作負載選擇KV緩存機制的必要性。

Mistral AI 發佈了 Leanstral 1.5，這是一個基於 Apache-2.0 許可的 Lean 4 代碼代理模型。該模型採用 119B 混合專家架構，每令牌激活 6.5B 參數，上下文長度 256k。它在 miniF2F 上達到 100% 準確率，解決了 PutnamBench 中 587/672 的問題，並在 FATE-H 和 FATE-X 基準測試上實現了新 SOTA。此外，它還能發現真實軟件缺陷，已在 57 個開源倉庫中識別出 5 個未報告的錯誤。

Wiola是一種全新的小型語言模型架構，從基本原理設計，與GPT、LLaMA、Mistral或Falcon等現有模型無結構關聯。它引入了五種獨立創新的組件：螺旋旋轉位置編碼（SRPE）、門控跨層注意力（GCLA）、自適應令牌合併（ATM）、雙流前饋（DSFF）和WiolaRMSNorm歸一化。模型提供四種規模（120M、360M、700M和1.5B參數），完全兼容HuggingFace Transformers生態系統。

本文對Beckmann & Butlin (2026)關於LLM個體化的本體論框架提出質疑，認為其繼承了未論證的跨體制共指假設。通過Qwen3-4B-Instruct和Mistral-7B-Instruct-v0.2上的個性拓撲實驗，作者展示了四個經驗性楔子，共同削弱該假設，並提出體制索引個體化：表徵內容的身份單位是（載體，體制）對，而非僅載體。

本文形式化了基於Huber污染模型的LLM陪審團，並證明即使只有一個評委以LLM典型方式（模式崩潰、諂媚、安全拒絕）產生偏差，任何正污染都會導致PoLL產生無界偏差。通過將陪審團共識視為經典魯棒均值估計，作者提出RoPoLL，用幾何中位數替換聚合函數，實現了最優有限樣本崩潰點1/2。實驗表明，在13個開源評委（4B-675B）、三個獎勵模型基準和四種腐敗機制（高達50%）下，RoPoLL在每一種有偏腐敗類型上都優於PoLL：在匹配計算量的跨維度攻擊上提升約19%，在重尾拜占庭對手上提升數個數量級。一個38B參數的3評委RoPoLL委員會在30%雙模隨機腐敗下，在HelpSteer-2上以18倍參數優勢超越Mistral-Large-3（675B）1.31倍。

Bored People Chat 是一個極簡的匿名全球聊天室，無需註冊、無廣告、無機器人，旨在提供一個安全的空間，讓人們與陌生人交流。創建者受舊式聊天室和MMORPG的啓發，強調安全與AI輔助的審核。

LangChain 發佈了四個新的測試環境，用於評估大型語言模型（LLM）使用工具完成任務的能力，涉及規劃、函數調用和推理等關鍵技能。測試比較了 GPT-4、Claude 2.1、GPT-3.5 以及開源模型（如 Mistral 7b）的表現。關鍵發現包括：GPT-4 在關係數據任務中表現最佳，但在長時間軌跡中易出錯；Claude 2.1 在三個任務中與 GPT-4 相當；開源模型在多次函數組合上表現不佳；規劃能力仍是 LLM 的難點。

法國初創公司 Mistral AI 的 OCR 4 模型包括邊界框等功能，幫助用户更好地理解非結構化數據。

Mistral AI 發佈了 OCR 4，從純文本提取轉向結構化文檔輸出。每個塊返回邊界框、類型分類以及每頁和每詞的置信度分數。該模型支持170種語言，可在單個自託管容器中運行，並通過一個API端點將可引用的輸入提供給RAG、代理和企業搜索管道。

Mistral OCR 4 引入了邊界框、塊分類和置信度分數，在人類偏好測試中優於所有競爭對手，平均勝率達72%。支持170種語言，可單容器自託管，定價為每千頁4美元。

Mistral AI 宣佈今年夏天將推出一款新模型，該模型將開啓一個更大但稀疏的模型家族。7月將面向研究、政府等關鍵合作伙伴開放早期訪問計劃。

新聞驗證機構NewsGuard的審計發現，Mistral AI的聊天機器人Le Chat在有關伊朗戰爭的虛假聲明中，英文回覆有50%重複虛假信息，法語回覆有56.6%重複虛假信息。法國武裝部隊部使用的是定製版的Le Chat Enterprise，而非免費的消費者版本。

Mistral 發佈全新 AI 代理 Vibe，支持長期多步驟工作，包括郵件日曆管理、深入研究、文檔編寫以及編碼任務。Vibe 運行於旗艦 Mistral 模型，提供工作模式和代碼模式，並推出 VS Code 擴展和 CLI 更新。

基輔的Abrams軍事商店在戰爭期間迅速擴張，部分原因是標準軍用服裝的不足。許多訪客尋求的不僅僅是服裝。

上週末，應華盛頓要求，Anthropic突然下線了其最新、最強大的AI模型。這家美國公司稱，在白宮要求封鎖所有外國國民（包括其員工）的訪問後，它別無選擇。在國外，這一事件清醒地提醒人們，美國不僅主導着前沿AI，其政府還掌控着誰可以使用它的權力。特朗普政府的行動迅速、全面，且幾乎沒有預警或解釋。Fable 5和Mythos 5模型的空前關閉——它們本已受到限制在“高風險領域”使用的保障措施——為長期以來的論點注入了新的力量，即警告不要依賴美國的關鍵技術。這為已經在主張自身需要領導該技術的政治家、政府和企業提供了新的彈藥。在英國，AI和在線安全部長Kanishka Narayan沒有直接提及Anthropic、特朗普或美國，但利用這次關閉來論證英國必須發展自己的AI能力，並將其框定為國家安全問題。他説：“我們嚴肅對待每一個對我們主權構成的威脅，但我們還沒有學會以同樣的方式對待這個。”他稱AI是“我們時代的核心政治問題”，並認為英國必須決定這項技術將如何塑造其經濟、安全和主權，“否則別人會替我們決定答案。”在法國，反應更加直接，也更明確地指名美國。前總理Gabriel Attal稱這次關閉是“AI戰爭”的開始，並表示這表明法國如果依賴他人的關鍵技術就會脆弱。他將Anthropic模型的撤出比作伊朗封鎖霍爾木茲海峽，認為獲得AI現在是一個戰略瓶頸，法國必須為此做好準備。這並非全新論點。歐洲多年來一直擔心對美國的依賴，歐盟越來越強調在芯片、雲計算和AI等領域減少對外部提供商的依賴。但Anthropic關閉事件使事情變得更加緊迫，加劇了在特朗普領導下對美國作為盟友可靠性的深深不安——從貿易爭端到威脅退出北約。加拿大也得出了類似結論。總理Mark Carney表示，這一情況凸顯了僅依賴一個合作伙伴獲取AI等關鍵資源的風險。他説：“我們目前與Mythos和Fable所處的困境，就是過度依賴某些模型可能發生的情況。這個情況下沒有人做錯什麼。但如果我們只是接受這一點，不吸取教訓，不建立和多樣化，那麼我們就會做錯。”其他國家早已走上這條路。北京長期以來一直支持國內AI公司，中國是少數擁有能與美國前沿AI實驗室產品相媲美的模型的地方之一。但大多數政府和企業的規模和資源無法與美國或中國的前沿實驗室相比。主權AI並不總是意味着構建最大或最強大的工具。法國的Mistral和加拿大的Cohere表明，即使模型無法並駕齊驅，這些國家之外也能做出紮實的努力。其他國家，如新加坡和阿聯酋，專注於更狹窄但具有戰略意義的優先事項，如基礎設施或對本地語言更好的模型。當然，還有開源模型，其能力可能有一天會達到Mythos的水平，且難以被任何一方控制。特朗普可能將限制Mythos和Fable視為國家安全問題。但這一論點也是雙向的：既然華盛頓在問AI是否太過重要以至於不能讓人人都使用，其他政府也在問他們是否能承受由華盛頓來決定誰可以使用。Anthropic可能很快會重新上線Mythos和Fable。但恢復全球對美國AI的信任則是另一回事。無論關閉持續多久，它都揭示了訪問美國前沿AI模型的脆弱性。許多政府和企業不喜歡他們看到的——他們決心確保這種事不再發生。

Cohere發佈其首個開源編程模型North Mini Code（Apache 2.0許可），瞄準希望擁有和控制AI基礎設施的開發者。該30B MoE模型可在單張H100 GPU上運行，在代理編程任務上與Mistral、Qwen和Gemma競爭。

Tokens 4 Breakfast 是一款 macOS 菜單欄應用，用於實時追蹤和監控AI工具（如 Claude、OpenAI、Cursor、Copilot、Gemini、DeepSeek、Mistral 等）的令牌使用、訂閲費用和速率限制，幫助開發者避免意外超支。應用提供免費版（支持單一供應商）和一次性付費的 Pro 版（$7.99），所有數據本地處理，無需登錄或雲服務。

法國人工智能初創公司Mistral AI正在談判新一輪約30億歐元的融資，估值約為200億歐元，旨在加強其在歐洲AI領域的地位。

本文介紹如何通過Ollama和Scikit-LLM Python庫，免費使用本地託管的開源大語言模型（如Llama 3、Mistral和Gemma）進行文本分類任務。

Mistral Vibe是一款AI代理，專為長期運行的多步驟工作和編程任務設計。本文介紹其功能及在Product Hunt上的討論。

在Mistral AI峯會上，CEO Arthur Mensch表示歐洲必須在兩年內建立足夠的AI基礎設施，否則可能淪為美國AI的“附庸國”。峯會吸引了眾多歐洲企業和政府代表，強調數據主權和開源模型，但歐洲在投資和規模上仍遠落後於美國對手。

本文分享了作者在巴黎Mistral AI Now峯會上的個人見解。Mistral不再只是一家模型公司，而是構建了包含計算、模型、平台和諮詢服務的完整AI堆棧。峯會重點強調了與ASML、BNP Paribas、亞馬遜等企業的合作，而非新模型發佈。Mistral專注於高效、開放和可定製的模型，並支持本地部署，這成為其區別於Anthropic或OpenAI的獨特賣點。小型專用模型是關鍵戰略，例如用於OCR的Document AI、多語言語音的Voxtral和工業機器人的Robostral。主權和本地部署是歐洲企業的差異化優勢，如BNP Paribas和Abanca的案例。此外，奧地利科學院利用Mistral的編程模型Codestral解讀古代紙莎草文獻，展示了AI在人文領域的潛力。總而言之，Mistral的目標並非贏得AGI競賽，而是成為歐洲的全棧AI合作伙伴，提供即時的實際投資回報。

法國初創公司Mistral AI在Digital Realty的巴黎南園區獲得了10兆瓦的計算能力，以擴展其AI基礎設施。

Mistral AI 將其聊天機器人 Le Chat 更名為 Vibe，並將聊天、編程代理和新的工作模式整合在一個品牌下。工作模式可接入 Google Workspace、Outlook、Slack 或 GitHub，獨立處理電子郵件、報告或拉取請求等任務。Pro 套餐價格從 17.99 歐元降至 14.99 歐元，但未明確使用限制。此舉直接對標 OpenAI、Google 和 Anthropic 的代理型產品。

Mistral AI首席執行官Arthur Mensch證實，公司正在探索開發定製芯片以降低基礎設施成本，與OpenAI和Anthropic競爭。這家法國初創公司還宣佈在法國新建推理數據中心，並推出企業智能代理平台Vibe。

本週AI新聞要點：Anthropic公開了此前僅限國防承包商使用的頂級模型Mythos，使五角大樓級AI能力向開發者開放；DeepMind CEO哈薩比斯將AGI時間線提前至2029年；Starlette框架爆出嚴重認證繞過漏洞，影響數百萬AI代理；CrowdStrike等聯合摧毀Glassworm殭屍網絡；法國巴黎銀行與Mistral達成主權AI安全合作；中國限制阿里和深度求索頂尖AI工程師出境；Uber AI預算超支、ClickUp裁員並引入數千AI代理，同時MIT技術評論數據顯示AI暴露崗位失業率更低，奧特曼撤回白領失業預言。

生成式AI供應商Mistral AI宣佈與法律AI初創公司Harvey合作，拓展法律行業應用，此舉與Anthropic的法律AI交易類似。

一個基於LangChain4j的Java AI代理，類似於Claude Code，免費使用，需註冊Mistral賬户。首次嘗試生成了一個功能良好的計算器應用。

該研究提出了一種利用大語言模型（LLM）優化建築機器人任務調度的智能框架。系統通過自然語言處理接口與建築專業人員交互，並實時適應突發工地情況。框架採用雙LLM代理架構：生成器（GPT-4）和監督器（Gemma 3/Llama 4/Mistral 7b），以提供更精確的任務計劃。評估結果顯示，LLM在建築機器人操作任務中具有關鍵作用。

VoxPlan 是一款僅限 iPhone 的免費應用，利用 AI 將自然語音轉換為日曆事件。支持 13 種語言，注重隱私，採用歐洲 AI（Mistral）並符合 GDPR。

隨着AI編碼代理從本地終端和IDE轉向雲端環境，Conductor宣佈推出Conductor Cloud，獲得2200萬美元融資。該平台允許開發者並行運行多個代理、持續執行任務，並支持在斷開本地連接後繼續工作。業界其他公司如Anthropic、Mistral和Roo Code也在類似方向推進。

本文介紹了五個支持工具調用的小型語言模型：SmolLM3-3B、Qwen3-4B-Instruct-2507、Phi-3-mini-4k-instruct、Gemma-4-E2B-it和Mistral-7B-Instruct-v0.3。這些模型體積小、權重開放，卻具備結構化的工具調用能力，適用於資源受限的環境。

Mini Shai-Hulud npm蠕蟲攻擊範圍擴大，從SAP包擴展至TanStack、Mistral等169個包名下的373個惡意版本。該惡意軟件旨在竊取開發者環境和CI/CD運行器中的憑證，並利用可信發佈路徑傳播惡意包。

2026年5月12日，安全團隊SafeDep披露了一起針對npm和PyPI生態系統的供應鏈攻擊，超過170個軟件包被植入惡意代碼，其中包括TanStack和Mistral AI的熱門庫。攻擊者通過篡改軟件包構建流程，植入依賴下載器並利用Session協議進行憑證竊取。此外，惡意載荷還包含IDE和AI代理投毒機制，能夠自我複製並自動提交惡意配置文件到受害者的倉庫中，形成持續感染循環。

Mistral AI 的官方 NPM 包已被攻陷，這是 Shai Hulud 蠕蟲（一種自我傳播的供應鏈攻擊）的一部分。使用 2.2.4 版本的用户應立即採取措施。

在巴黎索邦大學學者的幫助下，人工智能被用於創作一部以17世紀法國劇作家莫里哀風格為藍本的實驗性戲劇。該劇在凡爾賽宮首演，對話、音樂、服裝和佈景均由AI工具Le Chat協助完成。

Dikaletus是一個開源會議代理腳本，利用FFmpeg、PulseAudio和Mistral AI API自動完成會議錄音、轉錄和摘要生成。它提供終端交互界面，支持上下文偏置、説話人分離等功能，並可將會議記錄導出為結構化Markdown筆記。

IBM在Think 2026大會上發佈了AI編程助手Bob，它結合了Claude、Mistral和Granite等多種模型，旨在自動化軟件開發流程同時保留人類控制權。Bob被視為對Claude Code和Codex的回應，並已在EY等企業客户中測試。IBM還將AI置於核心戰略，展示了Watsonx Orchestrate的150個預構建代理和Concert AIOps平台的擴展。

Mistral AI發佈了Voxtral TTS，這是一個約4B參數的多語言語音合成模型，通過結合自迴歸生成和流匹配兩種範式，在零樣本語音克隆中勝率超過ElevenLabs Flash v2.5達68.4%，支持9種語言，僅需3秒參考音頻即可生成自然、保説話人特徵的語音。文章詳細介紹了其架構、訓練後優化及在語音代理、有聲書流水線等場景的應用。

Mistral AI發佈新模型Mistral Medium 3.5，並將其編程助手Vibe擴展至雲端運行，允許開發者在後台執行多個代理任務。同時Le Chat新增“工作模式”，可並行處理更長任務。

OpenAI發佈GPT-5.4 mini和nano，速度更快、能力更強但價格最高上漲4倍；Mistral開源Small 4模型系列；Meta的Manus推出Mac本地代理；NVIDIA宣佈DLSS 5和NeMo沙盒代理運行時；以及更多AI安全與研究進展。

本期摘要涵蓋了多種多樣且獨特的開放模型，涵蓋了OCR、RAG搜索、音頻轉錄、計算機使用、代碼編輯、數學定理證明等多個用例。模型來自更廣泛的開放模型構建者，包括NVIDIA、Cohere、Sarvam、Mistral等，體現了行業對特定領域、低成本模型的推動。

Mistral Studio 為提示詞和技能提供了集中的版本控制、所有權和可追溯性，使其成為受治理的生產資產。支持快速迭代和受控部署，解決了企業在 AI 行為管理中的碎片化問題。

Mistral Studio 為提示詞和技能提供了集中的版本控制、所有權和可追溯性，使其成為受治理的生產資產。支持快速迭代和受控部署，解決了企業在 AI 行為管理中的碎片化問題。

Robostral Navigate是Mistral AI推出的8B參數模型，僅使用單RGB攝像頭即可實現機器人自主導航，在R2R-CE基準測試中達到76.6%的成功率，超越多傳感器方案。該模型完全在模擬環境中訓練，採用token高效的訓練方法，可泛化至不同機器人類型，並適應未見過的真實障礙。它結合了指向式導航與強化學習，為統一具身AI奠定了基礎。

Robostral Navigate是Mistral AI推出的8B參數模型，僅使用單RGB攝像頭即可實現機器人自主導航，在R2R-CE基準測試中達到76.6%的成功率，超越多傳感器方案。該模型完全在模擬環境中訓練，採用token高效的訓練方法，可泛化至不同機器人類型，並適應未見過的真實障礙。它結合了指向式導航與強化學習，為統一具身AI奠定了基礎。

Leanstral 1.5 是一款免費、Apache-2.0 許可的模型，擁有 119B 總參數和 6B 活躍參數，在形式化驗證方面取得重大突破：在 miniF2F 上達到飽和，解決 PutnamBench 中 587/672 的問題，並在 FATE-H (87%) 和 FATE-X (34%) 上實現最優結果。通過中期訓練、監督微調和基於 CISPO 的強化學習，它在基於代理的證明工程和真實代碼驗證中表現出色，在 57 個測試倉庫中發現了 5 個先前未知的 bug。該模型完全開源，可通過 Hugging Face 和免費 API 獲取。