法国 AI 公司 Mistral 发布了其首个多模态生成模型 Pixtral 12B 挑战 GPT-4、Claude

法国AI 初创公司 Mistral 发布了其首个可处理图像和文本的模型，名为Pixtral 12B。这款拥有 120 亿参数的模型大约有 24GB 大小。参数大致代表了模型解决问题的能力，参数越多的模型通常表现越好。

Pixtral 12B 基于Mistral的文本模型 Nemo 12B 构建，能够通过 URL 或 base64 编码的图像回答关于任意数量和大小图片的问题。类似于其他多模态模型如 Anthropic 的 Claude 系列和 OpenAI 的 GPT-4，Pixtral 12B 理论上可以完成如图像描述和统计照片中物体数量的任务。

该模型可以通过 GitHub 和 Hugging Face 下载，支持在 Apache 2.0 许可下自由使用、调整和优化。目前没有可用的在线演示版，但 Mistral 公司表示，未来该模型将可以在其聊天机器人和 API 平台上测试。

关于模型的训练数据来源，尚不明确。许多生成式AI模型都是从互联网上大量公共数据中训练的，这其中包括许多受版权保护的内容。Mistral公司近期刚完成了一轮 6.45 亿美元的融资，公司估值达 60 亿美元，被视为欧洲版的 OpenAI。

注意⚠️！Pixtral 12B 采用 Apache 2.0 许可，而不是 Mistral 的标准开发许可，后者对商业使用有一定限制。