Pixtral 12B (2409)

需要翻譯的數據： 一個包含120億參數的多模態模型，其視覺編碼器包含4億參數，能夠理解自然圖像和文檔。在執行多模態任務的同時，文本-only性能依然強勁。支持可變尺寸的圖像以及上下文中多張圖片。