Heaps do lie：排查 vLLM 内存泄漏
Mistral AI 团队在 Mistral Medium 3.1 的 Prefill/Decode 分离式部署中排查到 vLLM 内存泄漏，系统内存以每分钟 400 MB 线性增长，数小时后触发 out of memory。泄漏仅出现在启用图编译、经 NIXL 传输 KVCache 的 decode 侧，Heaptrack 显示堆内存稳定，问题出在堆外。
全部 AI 动态
全部 AI 动态
今日 0 条1月22日
1月10日
伯克利提出信息驱动成像系统设计框架，可跨四类成像任务预测性能
伯克利 AI 研究团队提出一种基于互信息的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化系统信息量，并在 NeurIPS 2025 论文中验证其能预测彩色摄影、射电天文、无镜头成像和显微镜四个领域的解码器性能。该方法优化出的设计可媲美端到端 SOTA 方法，同时占用更少内存和算力，且无需任务专用解码器设计。
12月17日
Mistral 发布 OCR 3，表单与手写识别胜率较上代提升 74%
Mistral AI 发布 Mistral OCR 3，在表单、扫描件、复杂表格和手写内容上相对 Mistral OCR 2 的整体胜率为 74%，官方称其准确率超过企业级文档处理方案和 AI 原生 OCR 方案。
12月9日
Mistral 发布 Devstral 2 编码模型与 Mistral Vibe CLI
Mistral AI 发布下一代编码模型系列 Devstral 2，含 123B 的 Devstral 2 和 24B 的 Devstral Small 2，分别采用修改版 MIT 和 Apache 2.0 许可，均为开源。
12月3日
Mistral 发布 Mistral 3 系列模型，含 675B 参数 Mistral Large 3
Mistral 发布 Mistral 3 系列，包括 14B、8B、3B 三个小尺寸稠密模型和迄今最强的 Mistral Large 3，后者为稀疏 MoE 架构，41B 激活参数、675B 总参数，全部以 Apache 2.0 许可开源。
11月19日
Mistral 与 SAP、Helsing 达成合作，在德国设立办公室
Mistral AI 宣布与 SAP 建立多年合作，为其 AI Foundation 集成 Mistral 模型，并共同开发面向欧洲复杂行业与公共部门的行业解决方案。Mistral 同时与 Helsing 合作加速面向国防与安全应用的视觉-语言-动作模型研发。Mistral 还将大幅扩充德国本地团队，并在未来数月内于德国开设办公室。
11月1日
不依赖 TD 学习的强化学习：用分治法扩展 off-policy RL
伯克利 AI 研究提出一种基于分治（divide and conquer）的 off-policy 强化学习算法，不依赖时序差分（TD）学习，可将 Bellman 递归次数从线性降为对数级，从而扩展到长时程任务。
10月24日
Mistral 发布 AI Studio 生产平台，含可观测性、Agent Runtime 与 AI Registry 三大支柱
Mistral 发布 Mistral AI Studio，一个面向企业团队的生产级 AI 平台，由可观测性、Agent Runtime 和 AI Registry 三大支柱组成。
9月9日
Mistral 完成 1.7B€ C 轮融资，ASML 领投
Mistral 宣布完成 1.7B€ C 轮融资，投后估值 11.7B€，由半导体设备厂商 ASML 领投，DST Global、Andreessen Horowitz、Bpifrance、General Catalyst、Index Ventures、Lightspeed 和 NVIDIA 等现有投资方参投。
9月2日
Mistral AI 为 Le Chat 推出 Memories（beta）：可查看、编辑、导出
Mistral AI 为 Le Chat 上线 Memories（beta），采用自动保存、智能召回并始终显示来源的混合方案。用户可随时关闭记忆、开启不使用记忆的隐身对话、编辑或删除单条记忆，并支持导出与从其他平台导入。同步推出 Memory Insights，基于用户自身数据提示趋势与摘要，后续将支持记忆分类整理与即时遗忘。
Mistral 为 Le Chat 上线 20+ MCP 连接器与 Memories 记忆功能
Mistral 在 Le Chat 中发布 20+ 个基于 MCP 的安全连接器目录（beta），覆盖数据、生产力、开发、自动化、商业等类别，支持接入 Databricks、Snowflake、GitHub、Atlassian、Asana、Outlook、Box、Stripe、Zapier 等工具，并可添加自定义 MCP 连接器或连接任意远程 MCP 服务器。
9月1日
word2vec 究竟学到了什么？伯克利提出可定量预测的学习理论
伯克利 AI 研究团队提出首个可定量预测 word2vec 学习过程的理论，证明在现实训练条件下该问题可化简为无权重最小二乘矩阵分解，梯度流动力学有闭式解，最终学到的表示等价于对目标矩阵 M* 做 PCA。从小初始化训练时，word2vec 按离散步骤逐个学习正交线性子空间，每步提升嵌入矩阵的秩并降低损失，这些特征即 M* 的顶部特征向量，可由语料统计和超参数预先算出。
8月1日
Mistral 如何通过微调 Pixtral-12B 提升卫星图像视觉语言模型表现
Mistral 用 LoRA 微调 Pixtral-12B，在 Aerial Image Dataset（AID）卫星图像分类任务上显著优于未微调基线，并减少了模型幻觉出的无效类别名。微调通过 Mistral 微调 API 或 LaPlateforme UI 完成，无需大量超参数调优，数据集划分为 8,000 训练样本和 2,000 测试样本。
7月30日
Mistral 发布 Codestral 25.08 与企业级编码栈
Mistral AI 发布 Codestral 25.08，并推出面向企业的完整编码栈，包含 Codestral、Codestral Embed、Devstral 与 Mistral Code IDE 插件。
7月23日
Mistral AI 发布首个 AI 模型全生命周期环境影响研究，并公开 Mistral Large 2 碳足迹数据
Mistral AI 联合 Carbone 4 和法国生态转型署（ADEME）完成首个 AI 模型全生命周期分析，并公开 Mistral Large 2 的环境足迹：截至 2025 年 1 月，训练加 18 个月使用共产生 20.4 ktCO₂e、消耗 281000 立方米水、660 kg Sb eq 资源消耗。
7月17日
Mistral 为 Le Chat 上线 Deep Research、语音模式等多项新功能
Mistral 为 Le Chat 推出一批新功能，包括预览版 Deep Research 模式、由 Voxtral 驱动的语音模式、由推理模型 Magistral 支持的多语言推理、用于整理对话的 Projects，以及与 Black Forest Labs 合作的图像编辑。
7月15日
Mistral AI 发布 Voxtral 语音理解模型，24B 与 3B 双版本开源
Mistral AI 发布 Voxtral 语音理解模型，提供 24B 和 3B 两个版本，均以 Apache 2.0 许可开源并上线自家 API。模型支持 32k token 上下文，可处理最长 30 分钟音频转写或 40 分钟音频理解，具备内置问答与摘要、多语言自动检测和语音触发函数调用能力，文本能力继承 Mistral Small 3.1。
7月11日
Mistral AI 发布 Devstral Medium 并升级 Devstral Small 1.1
Mistral AI 与 All Hands AI 合作推出 Devstral Medium，并升级 Devstral Small 1.1。
7月3日
Mistral AI 推出 AI for Citizens 计划，助力各国政府掌控 AI 未来
Mistral AI 推出 AI for Citizens 协作计划，帮助各国政府和公共机构战略性地运用 AI 改造公共服务、推动创新并保障竞争力。该计划提供开源模型、自托管部署、数据主权保障及定制化研发，已与法国、卢森堡、新加坡、荷兰、英国、瑞士等国政府及公共部门合作。
6月11日
Mistral AI 发布 Mistral Compute AI 基础设施服务
Mistral AI 发布 Mistral Compute，提供私有化集成 AI 基础设施栈，涵盖 GPU、编排、API、产品与服务，形态从裸金属服务器到全托管 PaaS。
6月10日
Mistral AI 发布首款推理模型 Magistral
Mistral AI 发布首款推理模型 Magistral，分为 24B 参数的开源版 Magistral Small 和面向企业的 Magistral Medium。
6月4日
Mistral 发布企业级 AI 编码助手 Mistral Code
Mistral 发布 AI 编码助手 Mistral Code，整合 Codestral、Codestral Embed、Devstral 和 Mistral Medium 四个模型，支持云端、专属容量和本地气隙 GPU 部署，代码留在企业边界内。
5月28日
Mistral AI 发布代码嵌入模型 Codestral Embed
Mistral AI 发布首个面向代码的嵌入模型 Codestral Embed，在真实代码检索任务上表现优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大型嵌入模型。
5月27日
Mistral AI 发布 Agents API，内置连接器与多智能体编排
Mistral AI 发布 Agents API，将自家语言模型与代码执行、图像生成、文档库、网页搜索等内置连接器以及 MCP 工具结合，并提供跨对话的持久记忆与智能体编排能力。
5月21日
Mistral AI 与 All Hands AI 发布智能体编码模型 Devstral
Mistral AI 与 All Hands AI 合作发布面向软件工程任务的智能体 LLM Devstral，以 Apache 2.0 许可开源。
5月7日
Mistral AI 发布 Mistral Medium 3，主打低成本企业部署
Mistral AI 发布 Mistral Medium 3，称其在多项基准上达到 Claude Sonnet 3.7 的 90% 或以上，价格为每百万 token 输入 0.4 美元、输出 2 美元。
Mistral 推出 Le Chat Enterprise，由 Mistral Medium 3 驱动
Mistral 发布企业版 AI 助手 Le Chat Enterprise，由全新的 Mistral Medium 3 模型驱动，提供企业搜索、Agent 构建器、自定义数据与工具连接器、文档库、自定义模型和混合部署等功能，全部功能将在未来两周内陆续上线。
4月9日
Mistral 如何用 LLM as a Judge 评估 RAG 系统
Mistral 提出用 LLM as a Judge 评估 RAG 系统，由 judge LLM 按数值、二元或定性量表为 generator LLM 的回答打分，再对评测数据集取加权平均。
3月17日
Mistral AI 发布 Mistral Small 3.1，支持多模态与 128k 上下文
Mistral AI 发布 Mistral Small 3.1，在 Mistral Small 3 基础上提升文本性能与多模态理解，上下文窗口扩展至 128k tokens，推理速度达 150 tokens/s，以 Apache 2.0 许可开源。
3月7日
Mistral 发布文档理解 OCR API mistral-ocr-latest
Mistral AI 推出光学字符识别 API Mistral OCR，可读取图片和 PDF，按顺序交错输出文本与图像，并已作为 Le Chat 上数百万用户的默认文档理解模型。
3月4日
Mistral AI 用智能体工作流自动生成 PRD 与工程工单
Mistral AI 推出 TranscriptToPRDTicket 智能体工作流，由 Mistral Large 2 驱动的 PRDAgent 和 TicketCreationAgent 组成，可将会议转录自动生成 PRD 并转化为开发工单，自动在 Linear、Jira 等项目管理工具中创建工单。
2月17日
Mistral 发布区域语言模型 Mistral Saba
Mistral AI 发布首个区域语言专用模型 Mistral Saba，24B 参数，基于中东和南亚数据集训练，在阿拉伯语和印度源语言（如泰米尔语）上表现突出。
2月7日
Mistral 发布全新 le Chat 助手，上线 iOS 与 Android 并推出 Pro、Team 付费档
Mistral 发布全新 le Chat AI 助手，同步上线 iOS 和 Android，并推出 Pro 与 Team 付费档，Enterprise 档进入私有预览。
1月30日
Mistral AI 发布 24B 参数模型 Mistral Small 3，Apache 2.0 开源
Mistral AI 发布 Mistral Small 3，一个面向低延迟优化的 24B 参数模型，以 Apache 2.0 许可证开源，同时提供预训练和指令微调两个 checkpoint。