Mistral 发布首款多模态模型，挑战 OpenAI等竞争对手

文章来源：AI范儿

原文链接：https://mp.weixin.qq.com/s/_JwQRPTfQ2_K7-lt1MVgJA

图片来源：由无界AI生成

法国初创公司 Mistral AI 正式发布其首款多模态模型 Pixtral 12B，标志着该公司进军集成语言和视觉处理领域的最新举措。这款多模态模型旨在与 OpenAI 和 Anthropic 等行业巨头展开竞争，尽管该模型尚未全面公开，开发者已经可以通过 Hugging Face 和 GitHub 下载其源代码进行测试。不同于传统的发布方式，Mistral 再次选择以种子链接的形式先行发布模型文件。

Mistral 的开发者关系负责人 Sophia Yang 在 X 上发文称，公司计划很快通过网页聊天机器人向公众开放 Pixtral 12B，并将在其 La Platforme 平台提供 API 接入，方便用户直接体验该模型。Pixtral 12B 的推出预示着 Mistral 将大力推动视觉和语言融合技术的应用，使其在与 OpenAI、Anthropic 等巨头的竞争中占据一席之地。

Pixtral 12B 的核心优势

尽管 Pixtral 12B 的详细技术参数（例如训练数据）尚未正式披露，但其设计理念已引发广泛关注。Pixtral 12B 的核心优势在于它能够通过结合文本提示来分析图像，用户可以上传图片或提供图片链接，然后通过自然语言向模型提出关于图像内容的问题。这一功能对于大规模视觉处理任务、内容分析和数据标注等应用领域具有巨大潜力。

Mistral 虽然是首次涉足多模态领域，但其竞争对手如 OpenAI 和 Anthropic 早已推出了具备类似图像处理能力的模型。尽管如此，Pixtral 12B 的独特之处在于其可以原生支持任意数量和任意大小的图像，具备更高的灵活性。

在 X 上，一些初步测试者分享了他们对 Pixtral 12B 的使用体验。该模型的技术规格令人印象深刻：它具有 24GB 的模型文件，采用 40 层架构，拥有 14,336 个隐藏维度和 32 个注意力头，具备强大的计算处理能力。此外，Pixtral 12B 还配备了专门的视觉编码器，支持 1024×1024 的图像分辨率，并拥有 24 层隐藏层，使其能够高效处理复杂的视觉任务。

然而，随着 Mistral 通过 API 正式发布该模型，其配置细节可能还会有所调整。

Mistral 的扩张与挑战

Mistral 的 Pixtral 12B 是该公司拓展其 AI 技术版图的最新举措。虽然这一开源模型的实际表现尚未得到广泛验证，但它表明 Mistral 正通过创新和灵活的技术策略快速扩展其在全球 AI 领域的影响力。

自公司成立以来，Mistral 一直在通过一系列令人瞩目的产品和合作关系挑战行业顶尖实验室。几个月前，Mistral 完成了 6.4 亿美元的融资，估值达到 60 亿美元，进一步巩固了其在 AI 领域的领先地位。随后，Mistral 发布了多语言模型 Mistral Large 2，其性能接近 GPT-4，在推理、代码生成和数学等领域取得了显著进展。

此外，Mistral 还发布了专家混合模型 Mixtral 8x22B、开源代码模型 Codestral 22B，以及一款专门针对数学推理和科学发现的模型。这些举措表明，Mistral 不仅在生成式 AI 领域积极探索，还在推理和科学计算等高精尖领域展现出雄厚实力。

持续的创新驱动

Mistral 的快速成长得益于其灵活的战略布局和强大的研发实力。在不到两年的时间内，Mistral 已经与 Microsoft、AWS 和 Snowflake 等行业巨头建立了合作关系，扩展了其技术在多个行业的应用。Pixtral 12B 的发布无疑是 Mistral 在视觉与语言处理领域的一次重要尝试，标志着公司将进一步发力多模态技术的商业化。

随着 Pixtral 12B 的上线，Mistral 不仅有望在技术能力上与 OpenAI 和 Anthropic 等巨头平分秋色，还可能在视觉处理应用的普及化中占得先机。