Pixtral 12B 24.09Nyílt multimodális 12B modell, amely kezeli a szöveget és a képet váltakozva, 128K kontextusablakkal.
Áttekintés
Fő funkciók
- 12B paraméteres látász-nyelv modell
- Képek és szövegek váltakozó bemenetei
- 128K token kontextus hosszúság
- Natyív változó képméret támogatás
- Nyílt súlyú kiadás
- Alkalmas OCR, VQA és feliratkozásra
Árazás
- Modell
- Free
- Kategória
- Nagy nyelvi modell
- Értékelés
- 4.6 / 5 (5)
Felhasználási esetek
Multimodális okoskodás
A Pixtral 12B képes megérteni a természetes képeket és dokumentumokat, elérve a legmagasabb szintű teljesítményt az MMMU okoskodási benchmarkon, és felülmúlva a nagyobb modelleket.
Utásítások követése
A Pixtral 12B kiemelkedően teljesít az utasítások követésében, különösen a multimodális és szövegalapú forgatókönyvekben, 20%-kal relatív javulást mutatva a szöveges IF-Eval és MT-Bench benchmarkokon a legközelebbi nyílt forráskódú modellhez képest.
Multimodális kérdőív
A Pixtral 12B erős képességeket mutat a multimodális kérdőívben, beleértve a dokumentumkérdőívet és a táblázat- és ábrák megértését.
Előnyök és hátrányok
Előnyök
- Nyílt súlyok önhoszszolásra
- Több képet kezel egyetlen kérésben
- Nagy 128K kontextusablak
- Flexibilis képfelbontások és képarányok
Hátrányok
- Jelentős GPU erőforrásokat igényel
- Kisebb, mint a határzárású modellek
- Korlátozott eszköztár a szabadalmi API-khoz képest
Csata rekord
1 csatában a Pantheonban.
Last battle
Értékelések
Átlag 5 értékelésből.
Jelentkezz be értékelés írásához.
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.
Kérdések
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
Kérdezz
Nagy nyelvi modell alternatívái
BifrostNagy nyelvi modellGyorsított LLM-kapu, amely több mint 1000 modellt egyesít egyetlen API mögött.
Latest DeepSeek R2Nagy nyelvi modellGenerációs előrelépés az intelligens érveléshez fókuszált AI modellben a DeepSeek-ből
DeepSeek V3Nagy nyelvi modellNyílt forráskódú szakértők összetétele egy modell, amely az árarányos mértékű GPT-4 szintű érvelést kínál.
Latest Grok 3 AINagy nyelvi modellKonversációs AI a xAI-től, a gondolkodásra, kutatásra és igénybevételre épülő válaszokkal.
Llama 3.3Nagy nyelvi modellMeta nyelvfeldolgozó modellje több nyelven, megújult súlyokkal, hatékony és magas minőségű szöveg generálásért.
Simple MP3 to TextNagy nyelvi modellAz AI-erőforrással megtoldott MP3-szellentek szövegbe alakító eszköze a beszédet tisztességesen olvasható jegyzetekké alakító szoftver.
DeepSeek R1Nagy nyelvi modellNyílt forráskódú nagy nyelvi modell, amely kiemelkedően teljesíti a logikai, számítástechnikai és kódolási feladatokat az MIT-licenc segítségével ingyenesen használható és módosítható.
OpenAI o1Nagy nyelvi modellA OpenAI o1 model épített komplex, többfokú problémamegoldásra.
Trending now
Biology AIOktatási AI eszközökPontos Magyarázatok a Hetedkérdésekkel
Reducto AIAI Ügynökfejlesztési PlatformokDokumentum intelligencia API, amely szövegen, szétválasztja, szöveget felismeri, és strukturált adatokat kímél ki összetett PDF-kből, előadásokból és összehasonlító dokumentumokból.
AdCrierMarketing & ReklámTámogatott válaszok, fizetés per kattintás.
Beam AIAI ÜgynökökEgy vezető platform az ügynöki folyamatautomatizáláshoz, önállóan tanuló AI ügynökök segítségével, amelyek egyszerűsítik a munkafolyamatokat különböző iparágakban.