法国AI初创公司Mistral发布首个图文多模态模型Pixtral 12B
法国AI初创公司Mistral发布了其首个能够同时处理图像和文本的模型。
该模型名为Pixtral 12B，拥有120亿参数，大小约为24GB。参数量通常对应模型的解决问题能力，更多参数往往意味着更好的表现。
Pixtral 12B基于Mistral的文本模型Nemo 12B构建，可回答关于任意数量、任意尺寸图像的问题，支持URL或Base64编码输入。与Anthropic Claude系列及OpenAI GPT-4o等类似，理论上它能执行图像描述、物体计数等多模态任务。
可通过GitHub及Hugging Face下载，Pixtral 12B在Apache 2.0许可证下开放无限制使用、微调。（Mistral发言人已确认此许可。）
Mistral开发者关系主管Sophia Yang表示，Pixtral 12B很快将在Le Chat聊天机器人及Le Plateforme API平台上开放测试。（注：发稿时暂无可用网络演示。）
目前尚不清楚Mistral开发Pixtral 12B所使用的具体图像数据来源。
多数生成式AI模型（含Mistral其他模型）均使用全球公共数据集训练，这些数据常受版权保护。尽管部分供应商主张“合理使用”权，但许多版权方对此反对，并已对OpenAI、Midjourney等提起诉讼。
Pixtral 12B发布于Mistral完成6.45亿美元融资之后，该轮由General Catalyst领投，公司估值达60亿美元。成立仅一年多的Mistral（微软为少数股东）被视为“欧洲版OpenAI”，其策略包括发布免费开源模型、托管版收费及提供企业咨询服务。
更新时间：太平洋时间9月11日上午8:11：澄清Pixtral 12B采用Apache 2.0许可，而非对商业使用有限制的Mistral标准开发者许可。