Pixtral 12B 24.09Modelo multimodal de 12G que maneja imágenes e texto intercalados con una ventana de contexto de 128K.
Resumen
Funciones clave
- Modelo de visión-lenguaje de 12 mil millones de parámetros
- Entradas de imágenes y texto intercalados
- Longitud de contexto de 128K tokens
- Soporte nativo de tamaños de imagen variables
- Publicación de pesos abierta
- Procedente para UO, PVA y etiquetado
Precio
- Modelo
- Free
- Valoración
- 4.6 / 5 (5)
Casos de uso
Razonamiento Multimodal
Pixtral 12B es capaz de comprender tanto imágenes naturales como documentos, logrando el rendimiento de estado del arte en el benchmark de razonamiento MMMU y superando a modelos más grandes.
Seguimiento de Instrucciones
Pixtral 12B excellece en el seguimiento de instrucciones, en particular en escenarios multimodal y con texto solo, con un aumento relativo del 20% en el seguimiento de instrucciones IF-Eval y MT-Bench sobre el modelo abierto más cercano.
Preguntas Responda Multimodal
Pixtral 12B muestra fuertes habilidades para preguntas y respuestas multimodales, incluyendo la comprensión de preguntas-documento y comprensión de gráficos e imágenes.
Pros y contras
Ventajas
- Peso abierto para hospedaje propio
- Gestión de múltiples imágenes por síntesis
- Gran ventana de contexto de 128K
- Resoluciones y aspectos de imagen flexibles
Contras
- Requiere recursos de GPU muy significativos
- Pequeño en comparación con modelos cerrados de vanguardia
- Limitaciones en herramientas frente a APIs propietarias
Historial de batallas
En 1 batalla del Panteón.
Last battle
Reseñas
Promedio de 5 valoraciones.
Inicia sesión para dejar una reseña.
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.
Preguntas y respuestas
How many images and how much text can I include in a single prompt?
Pixtral supports interleaved image and text inputs within a single 128 K token context, allowing any number of images (at their natural resolution) alongside long‑form text in one prompt.
Asked by Lorenzo Bianchi · Nov 20, 2025
Is Pixtral 12B still maintained, and are there newer alternatives?
Pixtral 12B is deprecated and no longer maintained; Mistral AI recommends using its newer, more powerful vision‑language models that supersede Pixtral for production use.
Asked by Carlos Mendoza · Nov 10, 2025
What hardware is needed to run Pixtral 12B effectively?
The model requires substantial GPU memory due to its 12 billion parameters and 400 M‑parameter vision encoder; typical deployments use high‑end GPUs (e.g., A100 40 GB or comparable) to handle the 128 K token context and multiple images.
Asked by Ivo Novotný · Nov 6, 2025
Can I self‑host Pixtral 12B, and under what license?
Yes, Pixtral 12B is released under the Apache 2.0 open‑source license, allowing you to download the weights and run the model locally on your own hardware.
Asked by Priya Nair · Oct 12, 2025
Hacer una pregunta
Alternativas a Modelos de lenguaje por largo contexto (LLM)
BifrostModelos de lenguaje por largo contexto (LLM)Gateway de LLM de alto rendimiento que unifica más de 1000 modelos bajo una sola API.
Latest DeepSeek R2Modelos de lenguaje por largo contexto (LLM)Modelo de inteligencia artificial de próxima generación con un foco en la razón del grupo DeepSeek
DeepSeek V3Modelos de lenguaje por largo contexto (LLM)Modelo de mezcla de expertos de código abierto que ofrece razonamiento a nivel GPT-4o a una fracción del costo.
Latest Grok 3 AIModelos de lenguaje por largo contexto (LLM)AI Conversacional de xAI diseñada para la razón, la investigación y respuestas en tiempo real.
Llama 3.3Modelos de lenguaje por largo contexto (LLM)MLM de Meta multilingüe de peso abierto ajustado para la generación de texto eficiente y de alta calidad.
Simple MP3 to TextModelos de lenguaje por largo contexto (LLM)Convertible de MP3 a texto con inteligencia artificial para transformar audio en transcripciones claras y legibles.
DeepSeek R1Modelos de lenguaje por largo contexto (LLM)Un modelo de lenguaje grande y de código abierto que sobresale en razonamiento, matemáticas y tareas de programación, con licencia MIT para uso y modificación gratuita.
OpenAI o1Modelos de lenguaje por largo contexto (LLM)Una modelo enfocada en la argumentación de OpenAI diseñada para resolver problemas complejos y de varias etapas.
Trending now
Biology AIIA educativaAyuda precisa con las tareas de biología y explicaciones detalladas
Reducto AIPlataformas de Desarrollo de Agentes de Inteligencia ArtificialAPI de inteligencia de documentos que analiza, divide, reconoce textos impresos y extrae datos estructurados desde PDF complejos, presentaciones y hojas de cálculo.
AdCrierMarketing y PublicidadRespuestas patrocinadas, pagadas por clic.
Beam AIAgentes de Inteligencia ArtificialUna plataforma líder en automatización de procesos mediante agentes, que utiliza IA de autoaprendizaje para optimizar flujos de trabajo en diversas industrias.