01:54官方账号Mistral AI@MistralAI精选MistralAI 发布了一款新的内容审核模型,可将审核政策以自然语言问题形式输入,并返回校准后的审核分数。该模型同时支持文本和图像,通过统一接口处理多模态内容。相关技术报告已发布在 arxiv 上,编号为 2607.25857。模型目标是让审核策略更灵活、可解释,同时保持评分一致性。AI模型MistralAI内容审核多模态推荐理由:把审核规则写成大白话问题,Mistral 这个模型就能给校准分数,图文通吃。想研究的直接看 arxiv。原文稍后读已读值得跟进有用关注 MistralAI
20:48AI Engineer@aiDotEngineer第二届 AI Engineer Paris 将于 2026 年举办,由 MistralAI 主办。大会 CFP 现已开放,提交截止日期为 7 月 31 日。超级早鸟票已售罄,早鸟票正在发售中。该会议聚焦 AI 工程实践与开发者生态。行业AI Engineer ParisMistralAI开发者大会推荐理由:AI Engineer Paris 又回来了,这次 MistralAI 主办。想上台分享经验就 7 月 31 日前投 talk,早鸟票还有,现在买最划算。原文稍后读已读值得跟进有用关注 AI Engineer Paris
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MistralAICISPO模拟训练推荐理由: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。原文稍后读已读值得跟进有用关注 MistralAI
01:54官方账号vLLM@vllm_project76°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MistralAILeanstral 1.5vLLM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。原文稍后读已读值得跟进有用关注 MistralAI
23:52Julien Chaumond@julien_c83°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MistralAILe Chaton FatMoE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。原文稍后读已读值得跟进有用关注 MistralAI
10:56Qdrant@qdrant_engineQdrant 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OCRQdrant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。原文稍后读已读值得跟进有用关注 语义搜索