最近幾個月，由谷歌和 Meta 前研究人員建立的歐洲的 AI 初創公司 Mistral AI 有些躁動不安。

他們接連發布了好些個開源模型，覆蓋不同的領域，包含號稱「世界上最優秀」的 OCR 模型、「對標 Claude」的多模態模型、首個推理大模型 Magistral 以及兩天前發布的「全球最佳」的開源語音模型 Voxtral。

這樣似乎也很難讓這位歐洲 AI「新貴」感到滿意，他們還想在應用層面好好地卷一卷 OpenAI。

他們將 Le Chat 再一次升級，引入了一些強大的新功能，使其更強大、更直觀，也更有趣，在功能上幾乎全方位對標 ChatGPT。

Le Chat 的新功能

• 深度研究模式：即使是復雜主題，也能快速生成結構化的研究報告。
• 語音模式：使用我們的新 Voxtral 模型與 Le Chat 對話，而不是用鍵盤輸入。
• 原生多語言推理：借助我們的推理模型 ——Magistral，獲取深思熟慮的答案。
• 項目管理：將您的對話組織到內容豐富的文件夾中。
• 高級圖像編輯，在 Le Chat 中直接進行，與 Black Forest Labs 合作。

Le Chat 新功能宣傳片

研究模式可將 Le Chat 轉變為一個協調的研究助手，能夠規劃、明確需求、搜索和綜合信息。提出一個有深度的問題，它會將其分解，收集可靠的資料，并構建一個結構清晰、有參考文獻支持且易于理解的報告。

它由工具增強型深度研究 Agent 驅動，但設計得簡單、透明且真正有幫助，仿佛與一個組織良好的研究伙伴合作。

Mistral AI 也在官網展示了一些用例。深度研究模式能夠追蹤市場趨勢、撰寫商業策略書、做個人計劃以及最重要的、進行學術研究。

語音模式可以像和人聊天一樣與 Le Chat 交流 —— 無需打字。你可以在散步時頭腦風暴、在處理雜事時快速獲取答案或轉錄會議內容。它由 Mistral 新的語音輸入模型 Voxtral 驅動，專為自然、低延遲的語音識別而構建，能跟上用戶的工作速度。

但目前 Le Chat 僅支持語音轉文字的輸入，該功能并非實時語音對話。

所以，跟電子助手聊天的功能依舊沒有實現，更別提 Grok 4 Ani 那樣的數字伴侶了。

在圖像編輯功能方面，可以通過「移除物體」或「將我放置在另一個城市」等簡單提示來創建并編輯圖像。模型支持轉換場景，同時保留角色和細節。這有助于保證編輯的一致性：可以保持人物、物體和設計元素在圖像之間的不會變得認不出來。

圖像編輯這塊，Le Chat 似乎做得出人意料的好。網友在論壇分享了使用體驗，認為 Le Chat 做得比 OpenAI 更好。

「OpenAI 的模型在編輯時會改變整個圖像，導致無關區域出現細節錯誤。（Le Chat）似乎完美地保留了與查詢無關的圖像部分，并選擇性地應用編輯，這令人印象深刻！」

網友上傳了一張家庭辦公室的照片，并提出了以下提示：「修復照片底部略微撕裂的灰色面板，讓它們看起來像全新的」，編輯結果非常令人滿意。

上圖為原始圖像，下圖為編輯后圖像

對于這些新功能，我們的讀者想必已經非常熟悉。在這一次的大更新之后，Le Chat 在功能上基本實現了與 ChatGPT 等行業領先的產品保持一致。

最近 Mistral AI 的動作確實讓人看到了歐洲在大模型領域保持追趕的勢頭。對此，網友們表達了對 Mistral 快速追趕的興奮。

值得分享的是，Le Chat 在法語中意為「貓」，而 Mistral AI 的主頁底部就有一只像素貓咪，Mistral AI 圖標也形似一只貓貓頭，非?？蓯?。

Mistral AI 的語音識別模型

7 月 15 日，Mistral AI 發布了全新的語音識別模型 Voxtral，號稱是「全球最佳（且開源）」的語音識別模型。

Voxtral 在語音轉寫方面全面超越了 Whisper large-v3，當前領先的開放源代碼語音轉寫模型。它在所有任務中都擊敗了 GPT-4o mini Transcribe 和 Gemini 2.5 Flash，并在英語短形式和 Mozilla Common Voice 上取得了最先進的結果，超越了 ElevenLabs Scribe，展示了其強大的多語言能力。

Voxtral 3B 和 Voxtral 24B 模型不僅僅具備語音轉錄功能，還具備以下能力：

• 超長上下文理解：支持最長 32k token 的上下文，轉錄最長達 30 分鐘音頻，理解可達 40 分鐘；
• 內置問答與摘要功能：無需將語音識別與語言模型串聯，即可直接針對音頻內容提問或生成結構化摘要；
• 原生多語種支持：具備自動語言識別功能，在全球主流語言（如英語、西班牙語、法語、葡萄牙語、印地語、德語、荷蘭語、意大利語等）中均達到業內領先表現，助力團隊以單一系統服務全球用戶；
• 從語音直接觸發函數調用：可根據用戶的語音意圖直接觸發后端函數、工作流或 API 調用，無需中間解析步驟，實現語音到系統指令的無縫轉換；
• 強大的文本理解能力：延續其語言模型基礎（Mistral Small 3.1）在文本處理方面的高性能表現。