Mistral revela o Pixtral 12B, seu primeiro modelo multimodal

• A Mistral revelou o Pixtral 12B, seu primeiro modelo capaz de processar tanto imagens quanto texto
  • Um modelo com 12 bilhões de parâmetros e cerca de 24 GB de tamanho
• Foi construído com base no Nemo 12B, modelo de texto da Mistral
  • Pode responder a perguntas sobre um número e tamanho arbitrários de imagens por meio de URLs ou imagens codificadas em base64
  • Assim como outros modelos multimodais, como a família Claude da Anthropic ou o GPT-4 da OpenAI, espera-se que consiga realizar tarefas como legendagem de imagens e contagem de objetos em fotos
• Pode ser baixado no GitHub e no Hugging Face por meio de links de torrent
• Pode ser baixado, ajustado por fine-tuning e usado sem restrições sob a licença Apache 2.0
• No momento, a demo web não está funcionando, mas em breve poderá ser testado no Le Chat e no Le Plateforme, a plataforma de chatbot e serviços de API da Mistral
• Recentemente, a Mistral concluiu uma rodada de financiamento de US$ 645 milhões liderada pela General Catalyst, alcançando uma avaliação de US$ 6 bilhões
  • Fundada há pouco mais de um ano, a Mistral tem a Microsoft como acionista minoritária e é considerada a OpenAI da Europa
  • A empresa adota a estratégia de lançar modelos "abertos" gratuitos, cobrar por versões gerenciadas e oferecer serviços de consultoria para clientes corporativos