Pixtral 12B

Das erste multimodale Mistral-Modell, das die Verarbeitung von gemischten Aufgaben mit Bildern und Text unterstützt.

Premium-NeuproduktProduktivitätMultimodalKI-Modell

Pixtral 12B ist ein multimodales KI-Modell, das vom Mistral AI-Team entwickelt wurde. Es kann natürliche Bilder und Dokumente verstehen und verfügt über hervorragende Fähigkeiten in der multimodale Aufgabenverarbeitung. Gleichzeitig erzielt es in Text-Benchmark-Tests Spitzenergebnisse. Das Modell unterstützt verschiedene Bildgrößen und -verhältnisse und kann beliebig viele Bilder in einem langen Kontextfenster verarbeiten. Es ist eine verbesserte Version von Mistral Nemo 12B und speziell für multimodales Schlussfolgern entwickelt, ohne dabei die wichtigen Textverarbeitungsfähigkeiten zu beeinträchtigen.

Best AI Websites & Tools

Pixtral 12B

Pixtral 12B Neueste Verkehrssituation

Pixtral 12B Besuchstrend

Pixtral 12B Geografische Verteilung der Besuche

Pixtral 12B Traffic-Quellen

Pixtral 12B Alternativen

Pixtral 12B — Das erste multimodale Mistral-Modell, das die Verarbeitung von gemischten Aufgaben mit Bildern und Text unterstützt.

InternVL2_5-26B-MPO-AWQ — Ein fortschrittliches, multimodal großes Sprachmodell mit herausragender multimodaler Inferenzfähigkeit.

InternVL2_5-8B-MPO — Großes multimodales Sprachmodell mit hervorragender Gesamtperformance.

Llama-3.2-11B-Vision — Multimodales großes Sprachmodell, das die Verarbeitung von Bildern und Texten unterstützt.

pixtral-12b-240910 — Multimodales großes Sprachmodell, das Bild- und Textverständnis unterstützt.

Mini-Gemini — Multimodales KI-Modell mit Bildverständnis und -generierung.

OneLLM — Ein Framework zur Vereinheitlichung aller Sprachmodalitäten

UniTok — UniTok ist ein einheitlicher visueller Tokenizer für die visuelle Generierung und das visuelle Verständnis.

olmOCR-7B-0225-Vorschau — olmOCR-7B-0225-Vorschau ist ein auf Qwen2-VL-7B-Instruct feingetuntes Modell zur optischen Zeichenerkennung (OCR) von Dokumenten, das die effiziente Umwandlung von Dokumenten in reinen Text ermöglicht.

Phi-4-multimodal-instruct — Phi-4-multimodal-instruct ist ein leichtgewichtiges, multimodales Basismodell von Microsoft, das Text-, Bild- und Audioeingaben unterstützt.

SmolVLM-256M-Instruct — SmolVLM-256M ist das weltweit kleinste multimodale Modell und verarbeitet effizient Bild- und Texteingaben zur Erzeugung von Textausgaben.

InternVL2.5-38B-MPO — Die InternVL2.5-MPO-Modellreihe basiert auf InternVL2.5 und der Mixed Preference Optimization (MPO) und bietet herausragende Leistung.

InternVL2_5-4B-MPO-AWQ — Großes multimodales Sprachmodell, optimiert für die Interaktion zwischen Bild und Text.

InternVL2_5-4B-MPO — Großes, multimodales Sprachmodell, das herausragende Gesamtperformanz zeigt.

Valley 2.0 — Multimodales großes Sprachmodell zur Verbesserung der Verarbeitung von Text-, Bild- und Videodaten.

Valley-Eagle-7B — Multimodales großes Sprachmodell zur Verarbeitung von Text-, Bild- und Videodaten.

Valley — Multimodales großes Sprachmodell zur Verarbeitung von Text-, Bild- und Videodaten

InternVL2_5-2B-MPO — Fortgeschrittenes multimodales großes Sprachmodell

InternVL 2.5 — Open-Source-Serie großer multimodaler Sprachmodelle

InternVL2_5-1B — Multimodales großes Sprachmodell, das Bild- und Textverständnis unterstützt.

Countless.dev — KI-Modell-Vergleichstool, kostenlos und Open Source

InternVL2_5-78B — Fortschrittliche Serie großer multimodaler Sprachmodelle

Amazon Nova — Amazon Nova ist ein neues, leistungsstarkes Grundmodell von Amazon, das modernste Intelligenz und branchenführende Wirtschaftlichkeit bietet.

AI-Tattoonentfernung — Vorschau der Tattoonentfernung mittels KI-Technologie zur Entscheidungsfindung.

Janus-1.3B — Ein einheitliches Modell für multimodalem Verständnis und Generierung

Long-LRM — Hoch effizientes 3D-Gauß-Rekonstruktionsmodell für die schnelle Rekonstruktion großer Szenen

Spirit LM — Multimodales Sprachmodell, das Text und Sprache integriert

Molmo — Eine Familie fortschrittlicher multimodaler KI-Modelle

Llama 3.2 — Open-Source-AI-Modell, feinabstimmbar, destillierbar, bereitstellbar.

Open Source Computer Vision Library (OpenCV) — Open-Source-Bibliothek für Computer Vision