MistralAI 相关 AI 资讯 · AI 热点

7月8日

22:33

22:33

官方账号Mistral AI@MistralAI

精选

MistralAI 在模拟环境中训练模型，使用约 40 万条轨迹覆盖 6000 个场景。通过前缀缓存配方，训练 token 减少 22 倍，将原本数月的训练缩短至数天。进一步采用在线强化学习算法 CISPO，显著提升任务成功率。该方法完全在模拟中完成，不依赖真实世界数据。

AI模型 MistralAI CISPO 模拟训练前缀缓存在线RL

推荐理由：MistralAI 搞了个模拟训练，40万轨迹加前缀缓存省了22倍 token 还出了新算法 CISPO，速度和质量都提上去了。

7月7日

01:54

01:54

官方账号vLLM@vllm_project

76°

MistralAI 推出了 Leanstral 1.5，一个基于 Apache-2.0 许可证的 Lean 4 证明智能体。该模型采用 MoE 架构，总参数量 119B，仅激活 6B 参数。它在 miniF2F 上获得 100% 准确率，在 FATE-H 和 FATE-X 上分别达到 87% 和 34% 的新 SOTA。在 PutnamBench 上，它解决了 587/672 个问题，每问题成本约 4 美元。现在可通过 vLLM 进行部署。

AI模型 MistralAI Leanstral 1.5 vLLM 推理模型 MoE

推荐理由：MistralAI 的 Leanstral 1.5 用 6B 活跃参数就拿下 miniF2F 满分，每个问题才 4 美元，做数学证明的可以试试。

6月15日

23:52

23:52

Julien Chaumond@julien_c

83°

Mistral AI 正式确认即将发布 Le Chaton Fat，这是一个拥有 30 万亿参数（30T）的混合专家（MoE）模型，配备 256 个专家。该模型支持 1M 上下文窗口，具备多模态和多语言能力，并在所有基准测试上超越 Fable 5。具体发布日期尚未公布。

AI模型 MistralAI Le Chaton Fat MoE 多模态 1M上下文

推荐理由：Mistral 要发一个 30T 参数、256 专家的超大 MoE 模型，还带 1M 上下文和多模态，性能吊打 Fable 5，开源有望了。

5月24日

10:56

10:56

Qdrant@qdrant_engine

Qdrant 宣布将在 MistralAI 举办的 AI NOW 巴黎峰会上发表演讲，主题为“使用 MistralAI OCR 和 Qdrant 对杂乱文档进行语义搜索”。演讲将探讨如何结合语义搜索与 OCR 技术，将噪声多、结构混乱的非结构化文档转化为可搜索、可用的知识。该演讲由 Qdrant 开发者倡导者 Chadha Sridi 主讲，旨在展示 MistralAI 与 Qdrant 的联合解决方案。峰会将于巴黎举行，Qdrant 期待与 AI 社区交流。

AI产品语义搜索 OCR Qdrant MistralAI 非结构化文档

推荐理由：做文档搜索或知识管理的团队值得关注——MistralAI OCR + Qdrant 的组合能直接解决非结构化数据难检索的痛点，建议有类似需求的开发者点开了解具体方案。