Pixtral 12B 24.09Відкрита багатомодальна модель 12B, що обробляє перемішані зображення та текст з контекстним вікном 128K токенів.
Огляд
Ключові функції
- Модель візійно-мовної взаємодії з 12B параметрами
- Вхідні дані з перемішаними зображеннями та текстом
- Довжина контексту 128K токенів
- Вбудована підтримка змінних розмірів зображень
- Випуск з відкритими вагами
- Підходить для OCR, VQA та підписів
Ціни
- Модель
- Free
- Рейтинг
- 4.6 / 5 (5)
Кейси використання
Багатомодальне Розуміння
Pixtral 12B здатна розуміти як природні зображення, так і документи, досягаючи найкращих результатів на бенчмарку MMMU Reasoning і перевершуючи більші моделі.
Слідування Інструкціям
Pixtral 12B виділяється у слідуванні інструкціям, особливо у багатомодальних та текстових сценаріях, з 20% відносним покращенням на текстовому IF-Eval та MT-Bench порівняно з найближчою відкритою моделлю.
Багатомодальне Відповідання на Запитання
Pixtral 12B демонструє сильні здібності у багатомодальному відповідях на запитання, включаючи відповідь на запитання по документах та розуміння графіків і діаграм.
Плюси і мінуси
Плюси
- Відкриті ваги для самостійного розгортання
- Обробляє кілька зображень у одному запиті
- Велике контекстне вікно 128K
- Гнучкі роздільності зображень і співвідношення сторін
Мінуси
- Потребує значних ресурсів GPU
- Менша, ніж передові закриті моделі
- Обмежений набір інструментів порівняно із пропрієтарними API
Бойовий рекорд
У 1 битві у Пантеоні.
Last battle
Відгуки
Середнє з 5 оцінок.
Увійди, щоб залишити відгук.
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.
Питання
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
Постав питання
Альтернативи ЛМК (Модель Мислення Лінійної Зв'язковості)
BifrostЛМК (Модель Мислення Лінійної Зв'язковості)High-performance LLM gateway that unifies 1000+ models behind a single API.
Latest DeepSeek R2ЛМК (Модель Мислення Лінійної Зв'язковості)Наступнена генерація розумної AI- моделі із серії Діпсік R2
DeepSeek V3ЛМК (Модель Мислення Лінійної Зв'язковості)Відкритий відкритий мікс експертів, який пропонує рівень обґрунтування на рівні GPT-4o кошти в кілька разів менше.
Latest Grok 3 AIЛМК (Модель Мислення Лінійної Зв'язковості)Інтерактивний ІІ від xAI для логічного висновку, досліджень та живої відповіді.
Llama 3.3ЛМК (Модель Мислення Лінійної Зв'язковості)Відкритий багатожмовий LLM Meta, налаштований для ефективного і високої якості генерування тексту.
Simple MP3 to TextЛМК (Модель Мислення Лінійної Зв'язковості)AI-підтримуваний конвертер MP3 у текст для перетворення аудіо в чисті, читабельні транскрипти.
DeepSeek R1ЛМК (Модель Мислення Лінійної Зв'язковості)Відкритий джерелний великий модель мови, що відрізняється здатністю до логічного мислення, математичних розрахунків та виконання завдань зі програмуванням на умовах ліцензії MIT безкоштовно та зі змінами
OpenAI o1ЛМК (Модель Мислення Лінійної Зв'язковості)Модель OpenAI, орієнтована на розумові процеси, створена для вирішення складних, багатоступеневих задач.
Trending now
Biology AIОсвітня технологія AIДовірена Поміч із Поясненнями по Біології
Reducto AIПлатформи розробки штучного інтелекту та агентівAPI розумного документу, що парсить, розділяє, виконує OCR і видобуває структуру даних з комплексних PDF, презентацій та електронних таблиць.
AdCrierРинок реклами та маркетингуСпонсорські відповіді за гроші за клік
Beam AIАгенти штучного інтелектуКерівна платформа для агентної автоматизації процесу, що використовує самовідвідні агенти AI для оптимізації потоків роботи у різних галузях.