Pixtral 12B 24.09Modelo multimodal de 12B aberto que lida com imagens e texto intercalados com uma janela de contexto de 128K.
Visão geral
Funcionalidades principais
- Modelo de visão-linguagem com 12B parâmetros
- Entradas de imagem e texto intercaladas
- Comprimento de contexto de 128K tokens
- Suporte nativo a tamanho de imagem variável
- Lançamento com pesos abertos
- Adequado para OCR, VQA e legendas
Preços
- Modelo
- Free
- Categoria
- ML de Nível Superior
- Avaliação
- 4.6 / 5 (5)
Casos de uso
Raciocínio Multimodal
O Pixtral 12B é capaz de compreender tanto imagens naturais quanto documentos, alcançando desempenho de última geração no benchmark de raciocínio MMMU e superando modelos maiores.
Seguir Instruções
O Pixtral 12B se destaca em seguir instruções, particularmente em cenários multimodais e apenas de texto, com uma melhoria relativa de 20% no texto IF-Eval e MT-Bench em relação ao modelo de código aberto mais próximo.
Perguntas e Respostas Multimodais
O Pixtral 12B mostra fortes habilidades em perguntas e respostas multimodais, incluindo perguntas e respostas de documentos e compreensão de gráficos e figuras.
Prós e contras
Prós
- Pesos abertos para auto-hospedagem
- Lida com várias imagens por solicitação
- Janela de contexto grande de 128K
- Resoluções de imagem e proporções flexíveis
Contras
- Requer recursos significativos de GPU
- Menor que modelos fechados de ponta
- Ferramentas limitadas em comparação com APIs proprietárias
Histórico de batalhas
Em 1 batalha no Panteão.
Last battle
Avaliações
Média de 5 avaliações.
Entra para deixar uma avaliação.
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.
Perguntas e respostas
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
Faz uma pergunta
Alternativas a ML de Nível Superior
BifrostML de Nível SuperiorGateway de LLM de alta performance unificando mais de 1000 modelos por trás de uma única API.
Latest DeepSeek R2ML de Nível SuperiorModelo de IA focado em raciocínio de próxima geração da DeepSeek
DeepSeek V3ML de Nível SuperiorModelo de mistura de especialistas de código aberto que oferece raciocínio de nível GPT-4o a uma fração do custo.
Latest Grok 3 AIML de Nível SuperiorIA conversacional da xAI construída para raciocínio, pesquisa e respostas em tempo real.
Llama 3.3ML de Nível SuperiorLLM de peso aberto multilíngue da Meta ajustado para geração de texto eficiente e de alta qualidade.
Simple MP3 to TextML de Nível SuperiorConversor de MP3 para texto com IA para transformar áudio em transcrições limpas e legíveis.
DeepSeek R1ML de Nível SuperiorUm modelo de linguagem grande de código aberto que se destaca em tarefas de raciocínio, matemática e codificação com licença MIT para uso e modificação gratuitos.
OpenAI o1ML de Nível SuperiorModelo focado no raciocínio da OpenAI, criado para resolução de problemas complexos e em várias etapas.
Trending now
Biology AIEducação de Inteligência ArtificialAjuda Precisa nos Deveres de Casa com Explicações Completas
Reducto AIPlataformas de Desenvolvimento de Agentes Inteligentes de IAAPI de inteligência de documentos que parseia, divide, reconhece texto e extrai dados estruturados de PDFs complexos, slides e planilhas.
AdCrierMarketing & PublicidadeRespostas patrocinadas, pagamento por clique.
Beam AIAgentes de IAUma plataforma líder para automação de processos agêncios, utilizando agentes de IA autoaprendizáveis para otimizar fluxos de trabalho em diversas indústrias.