训练完就直接上模型。

我们都知道，Mistral 团队向来「人狠话不多」。昨天下午，他们又又又丢出了一个不带任何注解的*。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

解析一下这个链接，可以看到大小共 23.64 GB，其中包含 4 个文件，其中最大的文件是一个封装的多模态大模型。

动作快的非官方 Mistral 社区已经将该模型上传到了 Hugging Face。

• *：magnet:?xt=urn:btih:7278e625de2b1da598b23954c13933047126238a&dn=pixtral-12b-240910
• Hugging Face 地址：https://huggingface.co/mistral-community/pixtral-12b-240910

这一发布引来如潮好评，有人将其与近日经常出现在话题热榜中的 Reflection 模型做了对比，更是尽显 Mistral 团队踏实做事的风格：

Pixtral 12B 的规格和性能

该模型的名字为 pixtral-12b-240910，从名字也能看出，该模型的参数量为 12B。

其中 params.jsom 列出了该模型的相关参数：

可以看到，该模型有一个视觉编码器，其支持 1024×1024 大小的图像，有 24 个隐藏层，支持高级图像处理。

该模型的层数为 40、隐藏维度大小为 14,336，注意力头有 32 个。

此外，Pixtral 12B 的词汇库有 131,072 个不同的 token，可以说相当庞大，因此能实现非常细腻的语言理解和生成。

从这些参数和配置也能看出，Pixtral 12B 至少有能力处理文本和图像数据，实现多模态处理。

Pixtral 12B 的发布广受好评，这是因为人们一直在期待开放模型社区也能获得好用易用的多模态模型。Mistral 这条*将我们向这个方向推进了一步。

不过由于该模型才刚发布，其效果究竟如何还尚未可知，但好在我们也不是完全没有线索。就在昨天，Mistral 低调地举办了一场峰会 Mistral AI Summit，演讲者包括 Mistral CEO Arthur Mensch 以及英伟达 CEO 黄仁勋等。

几位参与者在社交网络上分享了一些现场照片，让我们可以一窥 Pixtral 模型的性能。

在这张幻灯片中，我们可以看到 Pixtral 12B 支持任意大小的图像和 128k 的上下文窗口。另外，该模型也能处理同时包含文本和图像的大型文档。

具体性能指标上，Pixtral 12B 的表现虽不及 GPT-4o 和 Claude-3.5 Sonnet，但在各基准上全面胜过了 Claude-3 Haiku 和 Gemini-1.5 8B。

而在几个开放多模态模型中，Pixtral 在大多数基准上都表现最佳，仅在 DocVQA 上略低于 Qwen2 7B。

Mistral 展示了 Pixtral 的一些具体应用案例。

通过 OCR 将包含数学公式的科学文章图片转录成 Markdown 格式？毫无压力！

识别潦草的手写内容，也不在话下。

提取图片信息和描述图像内容？这已经算是多模态模型的基本能力，那就更无问题了。

不仅如此，Pixtral 还能理解更加复杂的图像，并从中提取出关键信息和见解：

Pixtral 也具备非常出色的解释和推理能力。具体指标上，Pixtral 12B 在 MMMU 和 MathVista 上的多模态知识和推理性能均领先其它参与对比的模型（主要是开放模型，并没有 GPT-4o 和 Claude-3.5 Sonnet）。多模态问答性能也表现卓越，处于领先位置。

多模态指令遵从以及文本理解能力都表现不错，在某些指标上仅略逊于 Claude-2 Haiku。

比如它能根据 DNA 图像分析出该图像是在解释 DNA 的结构（相信这个能力很适合用于学习新知识）：

易标AI

告别低效手工，迎接AI标书新时代！3分钟智能生成，行业唯一具备查重功能，自动避雷废标项

135 查看详情

也能基于手绘的潦草网页设计草稿推理生成 HTML 代码：

拍一拍考试卷让其解答数学选择题，也轻轻松松就能完成：

至于 Pixtral 是否支持视频，Mistral 在问答环节分享说他们还未测试过视频帧，但已经尝试过 PFF（点特征融合），并且他们表示 Pixtral「128k 的上下文应该能处理视频」。此外，Pixtral 也能泛化用于卫星图像。

至于如何使用 Pixtral 12B，如果你的硬件性能足够，当然可以自己部署；但 Mistral 的开发者关系负责人 Sophia Yang 也表示，未来会通过 Mistral 的 Le Chat 和 La Platforme 提供该模型。

Mistral 的愿景：让 AI 好用且有用

根据网友们分享的消息，在 Mistral AI Summit 上，该公司分享了他们的愿景。

他们认为，要让 AI 有用，最关键的其实是系统问题。

但对不懂相关技术的普通用户来说，这个系统显得非常复杂。Mistral 想做的就是简化用户的使用流程，降低用户的使用成本。他们想把复杂的技术部分都整合进 La Platforme，让用户只需进行简单的配置就能享受 AI 带来的便利和效率。

此外，为了让 AI 有能力解决复杂问题，将用户交互用于 AI 模型的持续训练是很有必要的。同时还需要持续地将新软件整合进 AI 的工具箱，提升其能力。

目前，Mistral 的模型矩阵中已经包含了用于通用任务和科研任务的多种免费模型。

另外，该公司还为编程任务开发了 Codestral 模型，支持 80 多种编程语言并且性能优秀。不过需要指出，虽然 Mistral 允许研究者基于研究和测试目的免费使用 Codestral，但若想将其投入商业应用，则需要向其购买商用权限 —— 这也算是该公司为数不多的盈利项目之一。

今年 6 月份，Mistral 以 60 亿美元的估值获得了 6.4 亿美元投资，之后不久便发布了该公司的旗舰模型 Mistral Large 2。

Mistral Large 2 的参数量为 123B，支持多语言和函数调用，具备强大的推理和代码能力，整体性能虽不及当前最佳的 GPT-4o 和 Claude-3.5 Sonnet，但却超过了 405B 参数的 Llama 3.1。同样，Mistral Large 2 也免费开放给非商业用途。

Mistral 团队绝对算是 AI 模型开发领域的一股清流。在 AI 领域普遍关注营销宣传的如今，Mistral 的 Twitter 虽有 10 万关注者却并未关注任何一个人，其仅有的 10 条推文也几乎都是在发布新模型，其 CEO Arthur Mensch 的个人账户也毫不活跃。

Mistral AI 成立于 2025 年 5 月，是一家法国人工智能初创公司，也是为数不多来自欧洲的大模型开源领域的明星团队。一个有趣的小知识是因为该公司来自法国，所以 Le Chat 的意思其实就是「猫」，这也是其 Logo 之所以像一只猫的原因。

Mistral AI 曾在 2025 年 6 月获得了创纪录的 1.18 亿美元种子轮融资（据称是欧洲历史上最大的种子轮融资）。当然，这个纪录在前些天已经被 Ilya Sutskever 创立的 Safe Superintelligence Inc. 打破。

^{参考链接：}

^{https://x.com/MistralAI/status/1833758285167722836}

^{https://x.com/swyx/status/1833926630861070359}

以上就是​Mistral首个多模态模型Pixtral 12B来了！还是直接放出24GB*的详细内容，更多请关注其它相关文章！

# 社交网络  # 网站seo从哪做起  # 山西关键词排名如何引流  # seo网站 着陆页  # 美的网站建设北路  # 德州网站建设 绮畅  # seo中用strong标签  # 山东网站建设路烤肉  # 是在  # 华纳  # 南极  # 可以看到  # 神技  # 该公司  # 也能  # 多模  # 首个  # 来了  # fol  # llama  # qwen  # mistral ai  # claude  # gemini  # hugging face  # 产业  # 免费网站怎么推广  # seo站长用的工具  # 做餐饮怎么营销推广 

相关栏目： 【 行业资讯67740 】 【 技术百科0 】 【 网络运营39195 】

相关推荐： python和typescript学哪个  shell如何执行sql脚本命令行  汽车中控导航机power线是什么意思  苹果16有哪些自带配件  本科一批和本科二批是什么意思  如何通过dos命令  typescript如何使用  春运哪天抢票最好  苹果16将会带来哪些升级  debian和ubuntu的区别是什么  折叠屏手机哪个牌子性价比高  bored是什么意思  windows 如何连接ftp命令行  美食音乐每日推荐怎么写  三菱变频器POWER是什么意思  夸克内测有什么好处  单片机.lib文件怎么打开  固态硬盘4k如何看  cmd如何定时执行命令  5r是多少钱  为什么夸克流畅播失败  基金市盈率是什么意思  苹果16都有哪些型号  丰田type-c接口是什么  如何使硬盘升级固态硬盘  单片机怎么控制闪烁技术  市盈率底下 18A 19E 是什么意思  如何在命令提示符播放音频  苹果16系统网站有哪些  vue中datediff函数怎么用  如何注释typescript  j*a对数组怎么使用  交管12123协议头不完整怎么弄  固态硬盘如何测试  阿里云盘修复工具怎么用  4800日元等于多少人民币  j*a 怎么清空数组元素  路亚竿上的power是什么意思  学typescript需要多久  单片机*计步器怎么用  debug中如何用n命令命名程序文件名  如何安装固态硬盘win10  typescript怎么写多个构造方法  路由器上的power按钮是什么意思  闪光灯power闪烁是什么意思  如何去除计算器的命令  夸克用的什么服务器  直接gmV是什么意思？直接GMV:定义和概念  服务器系统怎么装  微信最多可以加多少好友