本文へスキップ

Pixtral-12B-2409

400M の視覚エンコーダを備えた 12B のマルチモーダルモデル

公式サイトを見る

Pixtral-12B-2409 とは

Pixtral-12B-2409 は Mistral AI が作ったマルチモーダルモデルと紹介され、12B の復号器と 400M の視覚エンコーダを組み合わせると説明されている。

できること

  • 画像と文章が交ざったデータを扱う
  • 大きさの異なる画像を受け取る
  • 128k までの長い列を動かす

導入の手順

  • 必要なライブラリを導入する
  • モデルの名と抽出の設定で実体を作る
  • 文章の提示と画像の URL を用意する

長所と短所

✓ 良い点

  • 資料は 128k までの列の長さを挙げる
  • 画像と文章の入力を一緒に扱える

! 注意したい点

  • 利用には vLLM と付随のライブラリの導入が要る
  • 入力には文章の提示と画像の URL が要る

よくある質問

二つの部分の規模は?

資料は 12B の復号器と 400M の視覚エンコーダを挙げる。

許諾は?

資料は Apache 2.0 の許諾と説明。

最終評価日: 2026-11-15

その他 AI画像生成 ツール

すべて見る →

評価方法