Mistral, один из лидеров бесплатных LLM (лицензия Apache) выпустил мультимодальную модель Pixtral (pixtral-12b-240910), теперь вместе с промтами она принимает картинки.

Модель может обрабытвать картинки до 1024x1024, работает с кусочками 16x16. На базе текстовой Mistral Nemo 12B, 400млн параметров.

UPDATE: Бенчмарки подвезли

Сергей Булаев AI 🤖 - об AI и не только