Pixtral 12B 24.09Otvoren multimodalni model veličine 12B koji obrađuje međuproizvoljni slike i tekst s okrenitom dužinom konteksta od 128 KB.

4.6 (5)

Recenzirao Daniel Nikulshyn·Ažurirano srpanj 2026.

Pregled

Pixtral 12B 24.09 je multimodalni model iz sustava Mistral AI koji obrađuje obje slike i tekst unutar jednoga reda, podržava različite veličine i omjere objekata. Korištenjem 12-miliard parametara jezika decodera uzgrađenog uz vidni encoder, omogućavaju se zadaci poput viđenje pitanja i odgovora, razumijevanje dokumenata, interpretacija grafika, te popisivanje slika. Model podržava do 128 KB token konteksta, što omogućava uplitanje više slika s dugotrajanom tekstualnom vrpcom u jedan zahtjev. Objavljeno je pod otvorenom licencijom, što omogućava njegovo lokalno implementiranje ili kroz provajdera inferencije, čime se osigurava što je odgovora za inženjere koji tvore vizualno-tekstualne aplikacije, radne tokove istraživanja i višemodele umijeće.

Ključne značajke

12B parametarski model vizije-jezičkog sustava
Međuproizvolji tekst i slike kao ulaz
Dužina konteksta od 128 KB
Nativno podržano varijabilno veličina i format slika
Izdanje s otvorenim štetima
Prijepitljivo za OCR, VQA i opisivanje

Cijene

Model: Free
Kategorija: Umjetna neuraonica mreža (AI mreža)
Ocjena: 4.6 / 5 (5)

Slučajevi uporabe

Multi-modalno Razmatranje

Pixtral 12B može razumjeti prirodne slike i dokumente i dostiže najbolja učinka na testu MMMU razmatračkog razdvaja i premašuje veće modele.

Instrukciski Slijed

Pixtral 12B se ističe u instrukciskom sljedu, posebno u multi-modalnim i tekstualnim scenarima, s relativnim poboljšanjem za 20 % u IF-Eval i MT-Bench u odnosu na najbliži otvoreni surski model.

Multi-modalno Pitanje Odgovora

Pixtral 12B pokazuje snažne sposobnosti u multi-modalnom pitanju na koje odgovore, uključujući i pitanje na dokumente i razumijevanje kolača i slika.

Prednosti i nedostaci

Prednosti

Otvoreni šteti za samohostiranje
Rabi više od jedne slike na zahtjev
Veća dužina konteksta od 128 KB
Podrška za fleksibilne veličine i omjere slika
Ograničenje u GPU resursima

Nedostaci

Zahtijeva znatan GPU resursi
Manji od zatvorenog modela sličnog nivoa zapremine
Ograničena podrška za upravljanje u odnosu na proprietarni API-ji

Rekord bitaka

U 1 bitki u Panteonu.

Last battle

#2
LLM Showdown — February 20, 2026
Feb 20, 2026 · #2 of 3

Recenzije

4.6

Prosjek iz 5 ocjena.

Prijavi se za ostavljanje recenzije.

Sanjay Gupta

Jan 7, 2026

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.

Fatima Zahra

Nov 26, 2025

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.

Naomi Suzuki

Oct 12, 2025

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.

Tariq Aziz

Oct 7, 2025

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.

Aaliyah Johnson

Aug 30, 2025

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.

Pitanja

Koliko slika i koliko teksta mogu uključiti u jedan upit?

Pixtral podržava međuprepletanje slika i teksta unutar jednog konteksta od 128 K tokena, pri čemu se može uključiti bilo koja broj slika (izravno) uzduž dugog teksta u jednom upitu.

Asked by Lorenzo Bianchi · Nov 20, 2025

Da li je Pixtral 12B još podržavan, postoje li noviji alternativi?

Pixtral 12B je depriješen i nije više podržavan; Mistral AI preporučuje korištenje svog novijeg, moćnijeg vizualnog jezika, model koji nadilazi Pixtral za proizvodnu upotrebu.

Asked by Carlos Mendoza · Nov 10, 2025

Što je potrebno za pokretanje Pixtrala 12B efektivan?

Model zahtijeva važno GPU pamćenje zbog 12 milijarde parametara i 400 M parametara vizualnog encodera; Tipični implementacije koriste visokoklasne GPU-e (npr. A100 40 GB ili slične) kako bi se osigurao 128 K tok konteksta i više slika.

Asked by Ivo Novotný · Nov 6, 2025

Možete li da sami hostirate Pixtral 12B, i pri čemu se radi o licenci?

Da, Pixtral 12B je objavljen pod Apache 2.0 otvorenskom licencom, što znači da možete downloadati težine i pokrenuti model lokalno na vlastitom hardveru.

Asked by Priya Nair · Oct 12, 2025