Pixtral 12B 24.09Öppen multimodel med 12B parametrar som hanterar interleaved bilder och text med ett 128K kontextfönster.
Översikt
Nyckelfunktioner
- 12B parameter vision-language modell
- Interleaved bild- och textinmatningar
- 128K token kontextlängd
- Native variabel bildstorlekstöd
- Öppen viktrelease
- Lämplig för OCR, VQA och captioning
Priser
- Modell
- Free
- Kategori
- Language Modell
- Betyg
- 4.6 / 5 (5)
Användningsfall
Multimodal resonemang
Pixtral 12B kan förstå både naturliga bilder och dokument, uppnå state-of-the-art prestanda på MMMU-reasoning-benchmarken och överträffa större modeller.
Instruktionsföljande
Pixtral 12B utmärker sig i instruktionsföljande, särskilt i multimodela och endast textscenarier, med en 20% relativ förbättring i text IF-Eval och MT-Bench jämfört med den närmaste öppen källkod-modellen.
Multimodal frågebesvarande
Pixtral 12B visar starka förmågor i multimodal frågebesvarande, inklusive dokumentfrågebesvarande och förståelse av diagram och figurer.
Fördelar och nackdelar
Fördelar
- Öppna vikter för självhosting
- Hanterar flera bilder per prompt
- Stor 128K kontextfönster
- Flexibla bildupplösningar och bildförhållanden
Nackdelar
- Kräver betydande GPU-resurser
- Mindre än frontier slutna modeller
- Begränsat verktyg jämfört med proprietära API:er
Stridsrekord
I 1 strid i Pantheon.
Last battle
Recensioner
Genomsnitt från 5 betyg.
Logga in för att lämna en recension.
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.
Frågor
Hur många bilder och hur mycket text kan jag inkludera i en enskild anrop?
Pixtral stöder flerfärgade bild och text-inmatningar inom ett enkelt 128 KB-token-hanterande sammanhang, vilket tillåter ett obegränsat antal bilder (på deras naturliga upplösning) tillsammans med långtext i ett enda anrop.
Asked by Lorenzo Bianchi · Nov 20, 2025
Finns Pixtral 12B fortfarande i drift och finns det nya alternativ?
Pixtral 12B är nedprioriterats och inte längre underhålls – vi rekommenderar Mistral AI:s nya vision-språksammar, som överträffar Pixtral för produktionsbruk.
Asked by Carlos Mendoza · Nov 10, 2025
Vad krävs det av anordningar för att köra Pixtral 12B effektivt?
Modellen kräver storskalig GPU-minneskapacitet beroende på sina 12 miljarder parametrar och 400 M-parametrar vision encoder; typiska distributionsanordningar använder högända GPUs (t.ex. A100 40 GB eller jämförbara) för att hantera ett 128 K-token sammanhang och flera bilder.
Asked by Ivo Novotný · Nov 6, 2025
Kan jag själv-värdspaket Pixtral 12B, och under vilken licens?
Ja, Pixtral 12B släpptes under Apache 2.0 licensen; det gör att du kan ladda ner vikt och köra modellen lokalt på din egen hårdvara.
Asked by Priya Nair · Oct 12, 2025
Ställ en fråga
Alternativ till Language Modell
BifrostLanguage ModellHögpresterande LLM-gateway som samlar 1000+ modeller bakom en enda API.
Latest DeepSeek R2Language ModellNästa generations modell för resonemangsfokuserad AI från DeepSeek
DeepSeek V3Language ModellOpen‑source mixture‑of‑experts‑modell som erbjuder resonemang på GPT‑4o‑nivå till en bråkdel av kostnaden.
Latest Grok 3 AILanguage ModellKonversations-AI från xAI utvecklad för resonemang, forskning och realtids-svar.
Llama 3.3Language ModellMetas flerspråkiga öppenviktiga LLM anpassad för effektiv, högkvalitativ textgenerering.
Simple MP3 to TextLanguage ModellAI-drvet MP3 till text konverter för att vända ljud till rena,läsbara transkriptionsfiler.
DeepSeek R1Language ModellEn öppen källkod stor språkmodell som utmärker sig i resonemang, matematik och kodningsuppgifter med MIT-licens för fri användning och modifiering.
OpenAI o1Language ModellOpenAI:s resonemangsfokuserade modell byggd för komplexa, flerstegsproblem.
Trending now
Biology AIUndervisnings AINoggrann läxhjälp med fullständiga förklaringar
Reducto AIPlattformar för utveckling av AI-agenterDokumentintelligens-API som analyserar, delar ut, ifrågasätter och extraherar strukturerat data från komplexa PDF-filer, presentationer och kalkylblad.
AdCrierMarknadsföring & ReklamSponsrade svar, betala per klick.
Beam AIArtificiell intelligens-agenterEn ledande plattform för agentisk processautomatisering som använder självförbättrande AI-agenter för att effektivisera arbetsflöden i olika branscher.