Pixtral 12B

Primer modelo multimodales de Mistral, compatible con el procesamiento de tareas mixtas de imagen y texto.

Nuevo Producto PremiumProductividadMultimodalModelo de IA

Pixtral 12B es un modelo de IA multimodal desarrollado por el equipo de Mistral AI, capaz de comprender imágenes y documentos naturales, con una excelente capacidad de procesamiento de tareas multimodales y manteniendo un rendimiento de vanguardia en pruebas de referencia de texto. Este modelo admite varios tamaños y relaciones de aspecto de imagen, puede procesar cualquier cantidad de imágenes en una ventana de contexto largo, es una versión mejorada de Mistral Nemo 12B, diseñada específicamente para la inferencia multimodal sin sacrificar la capacidad clave de procesamiento de texto.

Multimodal nativo
entrenado mediante datos de imagen y texto intercalados.
Excelente rendimiento en tareas multimodales
especialmente en el seguimiento de instrucciones.
Mantiene un rendimiento de vanguardia en las pruebas de referencia de texto.
Admite tamaños y relaciones de aspecto de imagen variables.
Capaz de procesar múltiples imágenes en una ventana de contexto largo.
Nuevo codificador visual
que admite tamaños de imagen variables de forma nativa.
Decodificador Transformer multimodal

Pixtral 12B es adecuado para usuarios que necesitan realizar un procesamiento complejo de imágenes y texto
como analistas de datos
investigadores y desarrolladores. Su capacidad multimodal lo convierte en una opción ideal para procesar gráficos
documentos e imágenes
al tiempo que mantiene un alto rendimiento en el procesamiento de texto

Utiliza Pixtral 12B para analizar gráficos y figuras con el fin de comprender las tendencias de los datos.
Responde preguntas complejas sobre el contenido de un documento mediante su carga.
Genera informes o resúmenes detallados combinando información de varias imágenes.

Prueba Pixtral 12B a través de la plataforma de Mistral AI o la interfaz de Le Chat.
Selecciona Pixtral 12B en la lista de modelos y carga la imagen que necesitas procesar.
Realiza preguntas o instrucciones sobre la imagen; Pixtral 12B responderá en función del contenido de la imagen.
Integra Pixtral 12B en diversas aplicaciones y flujos de trabajo mediante llamadas a la API.
Ejecuta el modelo localmente utilizando la herramienta mistral-inference; descarga los archivos del modelo y cárgalos.

Abrir sitio web

Pixtral 12B Situación del tráfico más reciente

Total de visitas mensuales

11651958

Tasa de rebote

45.28%

Páginas promedio por visita

3.2

Duración promedio de la visita

00:04:21

Pixtral 12B Tendencia de visitas

Pixtral 12B Distribución geográfica de las visitas

Pixtral 12B Fuentes de tráfico

Pixtral 12B Alternativas

Pixtral 12B — Primer modelo multimodales de Mistral, compatible con el procesamiento de tareas mixtas de imagen y texto.

Productividad

•Multimodal•Modelo de IA

InternVL2_5-26B-MPO-AWQ — Modelo de lenguaje grande multimodal avanzado con una capacidad de razonamiento multimodal excepcional.

Best AI Websites & Tools

Pixtral 12B

Pixtral 12B Situación del tráfico más reciente

Pixtral 12B Tendencia de visitas

Pixtral 12B Distribución geográfica de las visitas

Pixtral 12B Fuentes de tráfico

Pixtral 12B Alternativas

Pixtral 12B — Primer modelo multimodales de Mistral, compatible con el procesamiento de tareas mixtas de imagen y texto.

InternVL2_5-26B-MPO-AWQ — Modelo de lenguaje grande multimodal avanzado con una capacidad de razonamiento multimodal excepcional.

InternVL2.5-8B-MPO — Modelo lingüístico grande multimodales que muestra un rendimiento general excelente.

Llama-3.2-11B-Vision — Modelo de lenguaje grande multimodal que admite el procesamiento de imágenes y texto.

pixtral-12b-240910 — Modelo de lenguaje grande multimodal que admite la comprensión de imágenes y texto.

Mini-Gemini — Modelo de IA multimodal con capacidad para comprender y generar imágenes.

OneLLM — Un marco que unifica todos los modelos de lenguaje

UniTok — UniTok es un tokenizador visual unificado para la generación y comprensión visual.

Phi-4-multimodal-instruct — Phi-4-multimodal-instruct é um modelo básico multimodal leve desenvolvido pela Microsoft, que suporta entrada de texto, imagem e áudio.

SmolVLM-256M-Instruct — SmolVLM-256M es el modelo multimodal más pequeño del mundo, capaz de procesar de manera eficiente entradas de imagen y texto y generar salidas de texto.

InternVL2.5-38B-MPO — Modelo de la serie InternVL2.5-MPO, basado en InternVL2.5 y optimización de preferencias mixtas, que demuestra un rendimiento excepcional.

InternVL2_5-4B-MPO-AWQ — Modelo de lenguaje grande multimodal, optimizado para la interacción entre imágenes y texto.

InternVL2.5-4B-MPO — Modelo de lenguaje grande multimodal que muestra un rendimiento general excelente.

Valley 2.0 — Modelo de lenguaje grande multimodal que mejora el procesamiento de datos de texto, imágenes y vídeo.

Valley-Eagle-7B — Modelo multimodal de gran escala que procesa datos de texto, imagen y vídeo.

Valley — Modelo multimodal de gran escala que procesa datos de texto, imagen y vídeo.

InternVL2_5-2B-MPO — Modelo de lenguaje grande multimodal avanzado

InternVL 2.5 — Serie de modelos lingüísticos grandes multimodales de código abierto

InternVL2_5-1B — Modelo de lenguaje grande multimodal, admite la comprensión de imágenes y texto

Countless.dev — Herramienta de comparación de modelos de IA, gratuita y de código abierto

InternVL2_5-78B — Serie de modelos lingüísticos grandes multimodales avanzados

Amazon Nova — Amazon Nova es el modelo base de nueva generación de Amazon, que ofrece inteligencia de vanguardia y una relación calidad-precio líder en el sector.

Flujo de trabajo de eliminación de marcas de agua de ComfyUI — Flujo de trabajo de eliminación de marcas de agua de ComfyUI, elimina marcas de agua con un solo clic.

Eliminación de Tatuajes con IA — Vista previa del efecto de eliminación de tatuajes con tecnología de IA para facilitar la toma de decisiones.

DataChain — Librería moderna de dataframes en Python, diseñada para inteligencia artificial.

Aquila-VL-2B-llava-qwen — Modelo de lenguaje visual que combina información de imágenes y texto para un procesamiento inteligente.

Flux.1 Lite — Modelo de autocodificador variacional de 8B parámetros, para la generación eficiente de imágenes a partir de texto.

Janus-1.3B — Modelo unificado para la comprensión y generación multimodal

Long-LRM — Modelo de reconstrucción gaussiana 3D de alta eficiencia para reconstrucción rápida de escenas grandes.

Modelo Lingüístico Spirit LM — Modelo de lenguaje multimodal que integra texto y voz