Pixtral 12B (2409)

一个具有120亿参数的多模态模型，配备4亿参数的视觉编码器，能够理解自然图像和文档。在多模态任务中表现出色，同时保持强大的纯文本处理能力。支持不同尺寸的图像以及上下文中包含多张图像。