Pixtral 12B 24.09Премахваме границите между картините и съдържанието им, обхващайки в голяма размерност многообразни картинки и текстове в рамки на окото на масив от 128K на съответстващия модели.
Преглед
Ключови функции
- 12Б параметърен модел за зрение-язык
- Приема съответстващи картинки и текстове
- Съответстващ размер на контекста от 128K
- Нативна поддръжка за различни размери на картините
- Откритите тежести са публични
- Подходи за OCR, VQA и подзаглавие
Цени
- Модел
- Free
- Категория
- Лабилнова систем данних
- Оценка
- 4.6 / 5 (5)
Случаи на употреба
Многозначно изследване
Pixtral 12B може да разбира както природни снимки така и документи, постигайки класическо наука с изследванията на MMMU в резултата и надминавайки по-големите модели.
Изпълнение на инструкции
Pixtral 12B изпълва добре инструкциите, по-особено при изследванията, докато също включва текста в класическата инормация.
Въпроси и отговори със множество съдържания
Pixtral 12B изпълва добре съдържание със съдържание със множество снимки и документи.
Плюсове и минуси
Плюсове
- Открити тежести за самохостинг
- Обхваща множество картинки заедно с prompt
- Голям съответстващ размер от 128K
- Многообразни размери и сечения на картините
- API-то е със съгласни
- SDK-то е със съгласни
- LLM-то е със съгласни
Минуси
- Нуждаем доста ресурси в GPU
- Малко по-малко от фронтовите затворени модели
- Много по-малко тулкария в сравнение с проперитарените API-то
Рекорд от битки
В 1 битка в Пантеона.
Last battle
Отзиви
Средно от 5 оценки.
Влез, за да оставиш отзив.
Does the job
Pretty happy overall. Open-weight release just works and large 128K context window. but no dealbreakers — I'd recommend it to a friend without hesitating.
Does the job
Pretty happy overall. Open-weight release just works and handles multiple images per prompt. but no dealbreakers — I'd recommend it to a friend without hesitating.
Years in this space
I've evaluated a lot of these over the years. What stands out here is interleaved image and text inputs — handled better than most — and handles multiple images per prompt. Smaller than frontier closed models is my one real gripe. Worth the time if this is your use case.
Solid for our team
We rolled this out across the team last quarter and open weights for self-hosting. Open-weight release fits neatly into how we already work, and interleaved image and text inputs removed a step we used to do by hand. Smaller than frontier closed models, which is the main caveat, but it has held up under daily use.
Years in this space
I've evaluated a lot of these over the years. What stands out here is 12B parameter vision-language model — handled better than most — and open weights for self-hosting. Smaller than frontier closed models is my one real gripe. Worth the time if this is your use case.
Въпроси
Колко изображения и колко текст мога да включа в един единствен промпт?
Pixtral поддържа смесени входове от изображения и текст в един контекст от 128 K токена, като позволява неограничен брой изображения (в тяхната естествена резолюция) заедно с дълъг текст в един промпт.
Asked by Lorenzo Bianchi · Nov 20, 2025
Продължава ли да се поддържа Pixtral 12B и има ли по-нови алтернативи?
Pixtral 12B е обезвреждан и вече не се поддържа; Mistral AI препоръчва използването на по-новите, по-мощни vision‑language модели, които заменят Pixtral за продукционни цели.
Asked by Carlos Mendoza · Nov 10, 2025
Какъв хардуер е необходим, за да се изпълнява Pixtral 12B ефективно?
Моделът изисква значителна GPU памет поради 12 млрд параметъра и 400 млн параметъра визуален енкодер; типичните внедрения използват висококласови GPU (например A100 с 40 GB или еквивалент) за обработка на 128 K токен контекст и множество изображения.
Asked by Ivo Novotný · Nov 6, 2025
Мога ли да хоствам Pixtral 12B самостоятелно и под какъв лиценз?
Да, Pixtral 12B е публикуван под Apache 2.0 лиценз с отворен код, което ви позволява да изтеглите тежестите и да стартирате модела локално на собствената си хардуерна инфраструктура.
Asked by Priya Nair · Oct 12, 2025
Задай въпрос
Алтернативи на Лабилнова систем данних
BifrostЛабилнова систем даннихВисокопроизводителен вход за LLM, обединяващ 1000+ модели зад един API.
Latest DeepSeek R2Лабилнова систем даннихНастоящата-генерация разумни AI модел с фокус върху съжденията на DeepSeek
DeepSeek V3Лабилнова систем даннихОтворено-соурсова смесена експертна модель, предлагаща GPT-4o-ни ниво на анализи при една десета от стойността.
Latest Grok 3 AIЛабилнова систем даннихКонверсионален АИ от xAI, създаден за изводи, изследвания и реално време отговори.
Llama 3.3Лабилнова систем даннихОфертата на Мета на многоезична, отворена-вета LLM подобрена за ефективно и висококачествено създаване на текстове.
Simple MP3 to TextЛабилнова систем даннихЕОЛ-поцелен MP3 до текст конвертор за превръщане на аудио в четими и четими препратки.
DeepSeek R1Лабилнова систем даннихОтворен-кодова голема модел за език, обещаваща много добри резултати в задачи за мислене, математика и програмиране с лиценза MIT за свободен използване и модификация.
OpenAI o1Лабилнова систем даннихПрограмата на OpenAI е съзdana с фокус върху рационалното мислене и е предназначена за сложни, многовиплевно заявки за избор на решение.
Trending now
Biology AIОбразователни AI инструментиПредстави Скоро и Сигурно Задачите по Биология с Пълни Обяснения
Reducto AIПлатформи за разработка на Агенти на ИКРAPI за документарна интелегенция, който парсира, разделя, използва OCR и извлича структурирана информация от сложни PDF, презентации и таблици.
AdCrierМаркетинг & РекламаРаждане на спонсорираните отговори, заплатено за клик.
Beam AIАгенти за изкуствено интелектЛидерска платформа за агентска автоматизация на процеси, използваща самообучаващи се AI агенти за оптимизиране на workflows в различни индустрии.