Lưu trữ — US — techcrunch
Mistral ra mắt bộ đôi mô hình suy luận AI mới
Mistral, một phòng thí nghiệm AI của Pháp, đã ra mắt dòng model lập luận đầu tiên của mình được gọi là Magistral, bao gồm các phiên bản Small và Medium. Những model này nhằm mục đích cải thiện tính nhất quán trong các nhiệm vụ như toán học và vật lý. Mặc dù đã có những tiến bộ, nhưng Mistral vẫn đang đứng sau các đối thủ như OpenAI và Google. Mistral tuyên bố rằng Magistral tăng tốc độ và hỗ trợ nhiều ngôn ngữ, đặt mình vào vị trí cho các ứng dụng doanh nghiệp đa dạng.
Điểm chính
- Mistral đã phát hành hai mô hình lý do trí tuệ nhân tạo: Magistral Small (24 tỷ tham số) có sẵn để tải xuống, và Magistral Medium đang được xem xét trên các nền tảng của họ.
- Các mô hình được thiết kế cho tính toán cấu trúc, cây quyết định, và logic đa bước.
- Thành lập vào năm 2023, Mistral đã huy động hơn 1,1 tỷ euro và mục tiêu là đuổi kịp các nhà lãnh đạo công nghệ trong lĩnh vực trí tuệ lý do AI.
- Các chỉ số thử nghiệm cho thấy rằng Magistral Medium hiện đang kém cỏi so với các đối thủ như Gemini 2.5 Pro và Claude Opus 4.
- Magistral tuyên bố có thể cung cấp câu trả lời nhanh hơn 10 lần so với các đối thủ và hỗ trợ nhiều ngôn ngữ.
- Việc phát hành này đến sau sự ra mắt của Mistral về ứng dụng 'vibe coding' dành cho khách hàng và tập trung vào các công cụ hướng doanh nghiệp.
Vì sao quan trọng
- Sự quan trọng ngày càng tăng của các mô hình AI dựa vào lý do phản ánh xu hướng hiện tại trong lĩnh vực CNTT, nhấn mạnh vào việc phân tích dữ liệu chính xác nhanh chóng để đưa ra quyết định.
- Những đối thủ như OpenAI và Google đặt ra các tiêu chuẩn cao về hiệu suất, ảnh hưởng đến hướng phát triển chiến lược của Mistral.
- Việc ra mắt này là dấu hiệu cho thấy cảnh cạnh tranh gay gắt giữa các công ty AI đẩy mạnh hiệu suất và đa dạng hóa ứng dụng của mô hình.
Sự ra mắt của các mô hình Magistral của Mistral đánh dấu một bước quan trọng trong hành trình AI của họ, giải quyết áp lực cạnh tranh từ các đối thủ đã có uy tín trong ngành, tập trung vào các giải pháp doanh nghiệp và tốc độ, nhưng vẫn đối diện với thách thức về hiệu suất đo lường.