Mistral AI 发布 Pixtral Large 模型：多模态时代的开源先锋

Mistral AI 最新推出的 Pixtral Large 模型，带来了更强的多模态能力。作为一款开源的多模态模型，它不仅在参数量上达到 1240 亿，更在文本和图像理解上实现了质的飞跃。

---

模型亮点

1. 多模态能力再升级

Pixtral Large 配备了 123B 参数的解码器 和 1B 参数的视觉编码器，在语言理解基础上显著强化了视觉处理能力。这意味着它能够轻松处理图像、文档和复杂图表等多种形式的数据。

2. 超大上下文窗口

支持 128K Token，让它一次可处理多达 30 张高分辨率图像或长达数百页的复杂文档，无需频繁切换。

3. 丰富的数据处理能力

能解析多种输入格式，如 OCR（光学字符识别）、表格、公式、图形等，适合文档理解、图表分析等任务。

---

卓越的性能表现

1. 数学推理：MathVista

Pixtral Large 在数学推理任务中准确率达到 **69.4%**，领先所有同类模型。

2. 文档与图表问答：DocVQA 和 ChartQA

在复杂文档和图表的推理能力上，模型成功超越 GPT-4o 和 Gemini-1.5 Pro。

3. 多模态综合评估：MM-MT-Bench

在真实场景测试框架下，Pixtral Large 全面领先 Claude-3.5 Sonnet、GPT-4o 等顶级模型，特别是在图表、文档和图像处理能力方面表现尤为突出。

---

应用场景

1. OCR 与多语言推理

示例问题：我买了咖啡和香肠，加上 18% 的小费后需要支付多少？
模型回复：
解析账单内容，计算每项金额、总费用和小费后，清晰输出应付金额：36.58 CHF。

---

2. 图表分析

示例问题：Dark Dragon 模型在训练中什么时候出现问题？
模型回复：分析损失曲线后，准确指出模型在 10,000 步附近出现不稳定。

---

3. 企业级支持

Pixtral Large 能显著提升知识共享、文档语义理解、任务自动化和客户体验等企业应用场景的效率。

---

如何使用？

• 在线调用：通过 API 使用，模型名称为 Pixtral-large-latest。
• 本地部署：访问 Mistral AI 官网下载，支持研究许可证（MRL）或商业用途。

---

Mistral AI 的更多新功能

1. Le Chat 更新

   • 支持聊天中进行搜索、PDF 上传、编程和图像生成。
   • 图像生成基于 FLUX1.1 pro 模型，免费使用。
   • 新增 Canvas 画布功能，用户可实时协作，创建文档、代码、设计或演示文稿，并支持实时预览与导出。

2. 相关资源

   • 技术报告： 技术报告链接
   • API 文档： API 文档链接
   • 模型下载： 模型下载链接
   • 在线体验： 在线体验链接

---

Pixtral Large 的发布，为多模态技术打开了新的可能。无论是科研、商业，还是日常场景，它都展现了强大的适配能力。未来，Mistral AI 是否会继续刷新多模态模型的上限？让我们拭目以待！

本文由 mdnice 多平台发布