编译 | 杨蕊伃

编辑 | 漠影

智东西 9 月 12 日消息，据 VentureBeat 报道，法国大模型独角兽 Mistral AI 昨日正式发布 Pixtral 12B，这是该公司首个能够同时处理文本和图像的多模态大模型。

Pixtral 12B 拥有 120 亿参数，大小约为 24GB，该模型允许用户上传图像或提供图像链接，并能针对图像内容提出问题。

Mistral 直接提供了一个磁力链接，用于下载新模型文件。目前 Pixtral 12B 模型尚未对公众开放网络使用，但其源代码已经可以在 Hugging Face 和 GitHub 上下载，方便用户在本地实例上进行测试。

磁力链接：Release v1.4.0 – Mistral common goes · mistralai/mistral-common · GitHub

此外，Mistral 开发者关系负责人 Sophia Yang 在社交平台 X 上发文透露，该模型将很快在 Mistral 的聊天机器人 Le Chat 和 API 平台 Le platform 上提供。

Mistral AI 由前 DeepMind 研究员 Arthur Mensch、前 Meta 员工 Timothée Lacroix 和前 Meta 员工 Guillaume Lample 于 2023 年 4 月共同创立。

据悉，Mistral 在 6 月份筹集了 6.45 亿美元的资金，将其估值推高至 60 亿美元。

▲ Mistral 开发者关系负责人 Sophia Yang 在社交平台 X 上透露，Pixtral 12B 将很快在 Mistral 的聊天机器人 Le Chat 和 API 平台 Le platform 上提供（图源：X 截图）

一、Pixtral 12B 模型能够原生支持任意图像：40 层架构、14336 个隐藏维度、32 个注意力头

Pixtral 12B 模型是 Mistral AI 的 Nemo 12B 文本模型的延伸，具备处理通过 URL 链接或 base64 编码提供的图像的能力。无论图像的数量或尺寸如何，Pixtral 12B 都能够回答相关问题。

据悉，Pixtral 12B 大小约为 24GB，其架构包含 40 层、有 14336 个隐藏维度和 32 个注意力头，能够执行广泛的计算处理。

据 TechCrunch 报道，大多数生成式 AI 模型，包括 Mistral 的其他模型，都是基于来自网络的大量公共数据进行训练的，这些数据通常受版权保护。

尽管 Pixtral 12B 模型的官方细节和训练数据目前仍然保密，但其核心功能是允许用户分析图片，并将文本提示与图片结合起来进行综合处理。

这意味着用户可以上传图像或提供图像链接，并针对图像内容提出问题，Pixtral 12B 将能够理解和回答这些问题。

发布 Pixtral 12B 对 Mistral 来说是首次尝试，但需要注意的是，其他竞争对手，如 OpenAI 和 Anthropic，已经推出了具备图像处理功能的模型。

在 X 平台上，当被问及 Pixtral 12B 模型的120 亿参数有何独特之处时，Mistral AI 的开发者关系负责人 Sophia Yang 回答说："该模型的特别之处在于它能够原生支持任意数量和任意尺寸的图像。"

据外媒 NewsBytes 报道，该模型有望执行诸如为图像添加标题和计算照片中的对象等任务，类似于 Anthropic 的 Claude 家族和 OpenAI 的 GPT-4o 等其他多模态模型。

在视觉处理方面，该模型配备了一个专用的视觉编码器，不仅能处理 1024×1024 分辨率的图像，还具备24 个隐藏层以支持高级图像处理功能。

二、Mistral被誉为 " 欧洲版 OpenAI"，其 Large 2 模型支持 80 多种编程语言

Mistral AI 成立仅一年多，就因为其在 AI 技术上的影响力，被业界称为 " 欧洲版 OpenAI"。

目前，Mistral 已经与 Microsoft、AWS 和 Snowflake 等行业巨头建立了合作关系，以扩大其技术的覆盖范围。

Mistral 开发者关系主管 Sophia Yang 称，Pixtral 12B 将很快在 Le Chat 和 Le Platforme 上推出。

La Platforme 是 Mistral AI 提供的一个服务平台，它提供三个聊天端点，mistral-tiny、mistral-small 和 mistral-medium，这些端点能够根据文本说明生成文本。

除聊天端点外，该平台还提供了一个嵌入端点Mistral-embed。该端点具有 1024 维度的嵌入模型，专为检索功能设计，在 MTEB 上达到了 55.26 的检索得分，适合需要进行文本相似性分析和数据检索的应用场景。

此外，在 Pixtral 12B 发布的几个月前，Mistral 就已经推出了Mistral Large 2模型。

Mistral Large 2 具有 1230 亿参数和 128k 的上下文窗口，支持包括中文、英语、法语、德语、西班牙语、意大利语、俄语、日语和韩语在内的多种语言，以及80 多种编程语言。

这款 GPT-4 级别的模型不仅具备先进的多语言处理能力，还在推理、代码生成和数学性能方面实现了显著提升。

此外，该公司还推出了多个先进模型，包括具有专家混合架构的Mixtral 8x22B、开放权重编码模型Codestral（参数规模达 22B），以及专为数学推理和科学发现设计的专用模型。

结语：Pixtral 12B 输出不受限制，确切性能有待考究

随着 Pixtral 12B 的推出，Mistral 将进一步拓展视觉应用程序的访问渠道。

虽然该开放模型的确切性能尚待验证，但这一举措延续了 Mistral 在 AI 领域所采取的积极策略。

TechCrunch 援引知情人士称，Pixtral 12B 模型可以在 Apache 2.0 许可下进行微调和使用。这意味着该模型的输出可以不受限制地用于个人或商业用途。

作为欧洲 AI 领域的新星，Mistral AI 正以其独特的商业模式和开放策略，迅速崛起为全球 AI 竞赛中的重要参与者，其未来发展值得我们持续关注。

来源：VentureBeat、TechCrunch、NewsBytes