Mistral AI初のマルチモーダルモデル「Pixtral 12B」公開
Mistral AIが2024年9月11日、同社初となるマルチモーダルモデル「Pixtral 12B」を公開しました。テキストモデル「Nemo 12B」をベースに構築され、任意の枚数・サイズの画像(URLまたはbase64エンコード)を扱える点が特徴で、Apache 2.0ライセンスの下で誰でも自由に利用・改変できる形で提供されました。
詳細
- サイズ: 120億パラメータ、モデルサイズは約24GB
- マルチモーダル対応: 画像のキャプション生成や、写真内の物体数の把握など、ClaudeファミリーやGpt-4oと同様の画像理解タスクをこなせる設計
- 入力形式: URLまたはbase64エンコードされた画像を、枚数・サイズを問わず入力可能
- ライセンス・提供方法: Apache 2.0ライセンスの下、GitHub上のトレントリンクとHugging Faceで公開。ダウンロード・ファインチューニング・商用利用に制限がない
- プラットフォーム統合: 開発者向けリレーションズ責任者のSophia Yang氏はX上で、Le ChatやLa Plateformeでも近く試せるようになると説明
その後
Pixtral 12Bはその後、同年11月の「Pixtral Large」へと発展し、Mistralのモデルラインにマルチモーダル能力が本格的に組み込まれていく契機となった。