Pixtral 12B 24.09Avoin multimodaalinen 12B-malli, joka käsittelee lomitetut kuvat ja teksti 128K:n kontekstin ikkunalla.
Yleiskatsaus
Pääominaisuudet
- 12B-parametrinen näkö‑kielimalli
- Lomitetut kuva‑ ja tekstisyötteet
- 128K tokenin kontekstipituus
- Sisäänrakennettu tuki vaihtuville kuvakokoille
- Avoin painot julkaisussa
- Sopiva OCR:ään, VQA:han ja kuvatekstien luomiseen
Hinnat
- Malli
- Free
- Kategoria
- LLM
- Arvio
- 4.6 / 5 (5)
Käyttötapaukset
Multimodaalinen päättely
Pixtral 12B kykenee ymmärtämään sekä luonnollisia kuvia että asiakirjoja, saavuttaen huipputason suorituskyvyn MMMU-päättelyvertailussa ja ylittäen suuremmat mallit.
Ohjeiden noudattaminen
Pixtral 12B erottuu ohjeiden noudattamisessa, erityisesti multimodaalisissa ja pelkästään tekstipohjaisissa tilanteissa, saavuttaen 20 % suhteellisen parannuksen tekstissä IF‑Evalissä ja MT‑Benchissä lähimpään avoimeen malliin verrattuna.
Multimodaalinen kysymys‑vastaus
Pixtral 12B osoittaa vahvat kyvyt multimodaaliseen kysymys‑vastaamiseen, mukaan lukien asiakirjakysymykset sekä kaavioiden ja kuvioiden ymmärtäminen.
Plussat ja miinukset
Plussat
- Avoimet painot omalle isännöinnille
- Käsittelee useita kuvia per kehotus
- Suuri 128K kontekstin ikkuna
- Joustavat kuvien resoluutiot ja kuvasuhteet
Miinukset
- Vaatii merkittäviä GPU-resursseja
- Pienempi kuin huipputason suljetut mallit
- Rajoitetut työkalut verrattuna kaupallisiin API:in
Taisteluennätys
1 taistelussa Panteonissa.
Last battle
Arvostelut
Keskiarvo 5 arviosta.
Kirjaudu sisään jättääksesi arvostelun.
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.
Kysymykset
Kuinka monta kuvaa ja kuinka paljon tekstiä voin sisällyttää yhteen pyyntöön?
Pixtral tukee vuoroteltuja kuva- ja tekstisyötteitä yhdessä 128 K tokenin kontekstissa, jolloin voit liittää mihin tahansa määrään kuvia (niiden luonnollisessa resoluutiossa) pitkän muotoisen tekstin ohella yhdessä pyynnössä.
Asked by Lorenzo Bianchi · Nov 20, 2025
Onko Pixtral 12B edelleen ylläpidetty, ja onko olemassa uudempia vaihtoehtoja?
Pixtral 12B on vanhentunut eikä sitä enää ylläpidetä; Mistral AI suosittelee sen sijaan käyttämään uudempia, tehokkaampia vision‑language -malleja, jotka korvaavat Pixtralin tuotantokäytössä.
Asked by Carlos Mendoza · Nov 10, 2025
Mitä laitteistoa tarvitaan Pixtral 12B:n tehokkaaseen suorittamiseen?
Malli vaatii merkittävän GPU-muistin 12 miljardin parametrin ja 400 M‑parametrin näköenkooderin vuoksi; tyypilliset käyttöönotot hyödyntävät huippuluokan GPU:ita (esim. A100 40 GB tai vastaava) käsittelemään 128 K tokenin kontekstia ja useita kuvia.
Asked by Ivo Novotný · Nov 6, 2025
Voinko itse isännöidä Pixtral 12B:ta, ja millaisella lisenssillä?
Kyllä, Pixtral 12B on julkaistu Apache 2.0 -avointen lähdekoodien lisenssillä, mikä mahdollistaa painojen lataamisen ja mallin ajamisen paikallisesti omalla laitteistollasi.
Asked by Priya Nair · Oct 12, 2025
Kysy kysymys
LLM vaihtoehdot
BifrostLLMSuorituskykyinen LLM-portaalitoiminto, joka yhdistää yli tuhat mallia yhtenäisen API:han.
Latest DeepSeek R2LLMPienet- generaatioon keskittynyt arviointi- ja tiedonhaun tulevaisuus tulee DeepSeekiltä
DeepSeek V3LLMAvoin lähdekoodi -mikäli-neuvojamalli tarjoaa GPT-4 tason perustelun neljällä annoksella hintaansa edullisemmin.
Latest Grok 3 AILLMTiedonhakijasta johdonmukaisten vastausmalleista: xAI:n keskustelutietoäly mallinnetaan ajatellen
Llama 3.3LLMMeta-yhteisön avoin, monikielinen LLM, joka on optimoitu tehokkaan ja laadukkaan tekstin luomiseen.
Simple MP3 to TextLLMJohdon mukainen MP3 tiedostosta tekstiksi konversio ääntä puhtaisiin, lukukelpoisesti lukittuihin kopioksi, suoritetuille tekstikirjoituksille.
DeepSeek R1LLMAvoin lähdekoodi suuren kielen malli, jossa toiminnassa loistaa päättely, matematiikka ja koodaaminen, ja sen lisensoimaan vapauksella käytetään ja muokataan MIT-määräyksen mukaan.
OpenAI o1LLMOpenAI:n päättelyyn keskittyvä malli, joka on rakennettu monimutkaisiin, monivaiheisiin ongelmanratkaisuun.
Trending now
Biology AIKoulutuksen AITarkka avuksi koulutehtävissä - selitykset mukaan lukien
Reducto AIAI-toimintointirakennepalvelutDokumentti-intelligentti API, joka parsitsee, jaetsee, tunnistaa OCR:in ja noutaa rakennepohjaisia tietoja monimutkaisista PDF-tiedostoista, näyttelyesitelmista ja lehtikuluista.
AdCrierMarkkinointi & mainontaVastineiden sponsoroiminen, maksettu per klikki.
Beam AIAI-agentitTehoiskua tekoa prosesseihin automaattien käyttövoimalla - voimakkaat itsetuhoiset AI-silmukat nopeuttavat työnkulkua eri teollisuudenaloilla.