跳到正文

Pixtral-12B-2409

带 400M 视觉编码器的 12B 多模态模型

访问官网

Pixtral-12B-2409 是什么

Pixtral-12B-2409 被介绍为 Mistral AI 团队开发的多模态模型,由 12B 多模态解码器与 400M 视觉编码器组成。

你可以用它做什么

  • 处理交错的图像与文本数据
  • 接收不同尺寸的图像
  • 运行最长 128k 的序列

上手流程

  • 安装 vLLM 与 mistral_common
  • 指定模型名称与采样参数创建实例
  • 准备文本提示与图像 URL

优点与缺点

✓ 我们认可的地方

  • 资料列出序列长度可达 128k
  • 图像与文本输入可一并处理

! 需要留意的地方

  • 使用需安装 vLLM 与 mistral_common 等库
  • 输入需准备文本提示与图像 URL

常见问题

两部分规模多大?

资料列出 12B 参数的解码器与 400M 参数的视觉编码器。

采用什么许可?

资料说明遵循 Apache 2.0 许可协议。

最后评测: 2026-11-15

更多 AI 图像生成 工具

查看全部 →

评测方法