Pixtral 12B：开源视觉大模型

发表于2024-11-29|更新于2026-08-24|大语言模型

Pixtral 12B是Mistral AI推出的开源多模态视觉大模型，拥有120亿参数。它在图像理解、文档分析和视觉问答方面表现出色，能够精准识别图片中的文字、图表、物体和场景。Pixtral 12B完全开源，支持本地部署，可以在消费级GPU上运行（经过量化优化后）。对于需要在自己的应用中集成视觉理解能力的开发者来说，Pixtral 12B是一个性能强劲且完全免费的选择。

官方博客

相关工具已收录于 AI工具严选

法国AI公司Mistral推出的开源大语言模型

请我喝杯咖啡

微信赞赏

相关推荐

Nexa AI OmniVision：本地部署多模态大模型

Nexa AI OmniVision的本地部署教程！本视频手把手教你如何在自己的电脑上安装和运行OmniVision多模态大模型。涵盖了：系统要求检查、模型下载、安装配置、API调用示例和性能优化技巧。OmniVision支持处理图像和视频输入，能够在本地完成复杂的视觉理解任务。无需GPU也能运行优化版本，是本地AI部署领域值得关注的多模态模型。官方博客

QVQ-72B：世上唯一开源免费视觉推理大模型

这应该是当今世上唯一一个完全开源免费的视觉推理大模型，相比海外如OpenAI等贵的要命的o3模型，阿里巴巴最新推出的这个QVQ-72B视觉推理大模型遵循都是Apache 2.0的协议，也就是说权重等完全开源，如果我没有搞错的话，这应该是当今世上唯一一个完全开源免费的视觉推理大模型，它只有72B的参数量，但是它在MMLU多模态测试集和MathVision等数学视觉等测试集上的benchmarks得分却不容小觑。下面我们快速的去魔撘上玩下… 访问入口

Kimi视觉推理大模型：差评！

看网上都在吹Kimi的视觉推理大模型，说得神乎其技，可以取代OpnAI 200刀每月的专业版之类的，真有这么厉害吗？这里我们也来快速测试下。首先，我们来个简单都英语填空题，这种题一般的大模型都能做对，本来就是大语言模型的强项，仅作为最基本验证，它也是没有问题的。再看第二道题，来个脑筋急转弯，分析推理确实是一大堆的，答案也和预期一样，但是它是实打实的脑筋不转弯都从语言学等角度得出的答案，其实这里在中文语境中用脑筋急转弯思路就能很快得出答案，太阳公公嘛，那太阳肯定是男都啰。况且太阳叫做sun，儿子也读作son，也能得到印证。所以我推定它是不适合做脑筋急转弯的，起码不适合做中文的脑筋急转弯。下一道数学题，“一口井7米深，有只蜗牛从井底往上爬，白片爬3米，晚上下坠2米。问蜗牛几天能从井里爬出来？”这里要注意解题的关键点是最后一天可能它不会滑下来了。我们看它分析，前几天都没有问题，第四天，白天爬3米，就是到了6米，晚上滑下来2米，到了第4米，第五天，白片爬3米，4+3刚好7米，所以就爬出来了，就不用考虑晚上往下滑了。所以答案是5天就能爬出去。我们看它最终做了一大堆装模作样的推理，最终还...

Grok：马斯克最新图片生成AI免费用!

马斯克的Grok最新图片生成模型免费用啊！之前Grok接入的是Flux 1.1，估计是用的人太多成本太高，所以Grok推出了自己的模型，原来是叫做Aurora的，后来干脆直接叫做Grok图片生成器。我们进入X后，打开Grok，我们就可以免费生成图片了，比如“生成一张奇幻深林图片，有着发光的蘑菇和飞翔的精灵”我们可以看到图片加载不再和以前一样由模糊变清晰，而是从上到下，所以这个模型很有可能用的不是diffusion model从它的官网博客也能印证这一点，用的是自回归的MoE之类的。这个就不深究了，大家喜欢的赶紧用起来吧。最后别忘记给我点赞关注分享！访问入口

谷歌最新文生图Imagen3测评报告

Google Imagen 3文生图模型的深度测评报告！Imagen 3是Google最新最强大的AI图像生成模型，在真实感、细节表现和文字渲染方面都有了质的飞跃。本视频通过大量对比测试，评估Imagen 3在写真、绘画、概念设计和商业素材等不同场景下的表现。并与Midjourney 6、DALL-E 3和Stable Diffusion 3等旗舰模型进行全面对比。访问入口

定制大语言模型LLM用RAG还是微调？

这是每个AI应用开发者都会面临的核心问题：想要让大语言模型适应特定领域，应该选择RAG（检索增强生成）还是微调（Fine-tuning）？本视频从技术原理、实现成本、应用场景和维护复杂度等多个维度进行对比分析。RAG适合需要动态知识更新和检索外部信息的场景，微调适合需要模型学习特定输出风格和格式的场景。视频通过实际案例帮助你做出最合适的技术选型。

数据加载中