Mistral 更新开发文档，展示如何使用 Mistral Large 4（ML4）识别图像中的物体并提取边界框。文档称，该模型的视觉理解和物体检测能力已有明显改进，开发者可以让模型框出图片里的目标，也可以定位物体和屏幕组件。
这份教程以埃菲尔铁塔照片为例：开发者先安装 mistralai SDK，并配置在 Mistral Studio 创建的 API 密钥，再通过客户端向模型提交图片，要求返回目标的边界框。模型以字典形式输出结果，其中包含用于标记目标位置的坐标。
边界框用矩形框表示目标在图片中的位置，让识别结果从“图中有什么”进一步变成“目标在哪里”。Mistral 推荐将横向和纵向坐标统一归一化到 0 至 999，以约定格式返回检测结果。开发者随后可以提取这些坐标，并把对应的矩形框绘制到图片上，直观看到模型定位的对象。
教程给出了从调用模型、获取坐标到显示检测结果的完整操作路径，供开发者将 ML4 的视觉能力接入图像分析流程。除照片中的物体外，文档也将屏幕组件列为可定位对象，使模型返回的信息能够用于界面元素的位置标记。据docs.mistral.ai报道。
来源：docs.mistral.ai
原始发布时间：2026年10月9日 12:21