Au-delà du texte, certains modèles comprennent aussi des images : on parle de modèles multimodaux. Chez Mistral, cette capacité est née avec Pixtral, et elle équipe aujourd'hui les modèles de la gamme, dont Mistral Medium, qui fait tourner Vibe.

Définition — Modèle multimodal

Un modèle capable de traiter conjointement du texte et des images (photo, graphique, capture d'écran, schéma) dans une même conversation.

Chez Mistral, les capacités multimodales lancées avec Pixtral sont désormais intégrées directement dans les modèles utilisés par Vibe.

💼 Exemples d'usage : décrire et commenter un graphique de vente collé depuis une présentation, relire une capture d'écran d'un tableau de bord, analyser une photo prise sur le terrain (état d'un stock, d'un site, d'un produit).