Mistral dévoile Pixtral 12B, son premier modèle multimodal

• Mistral a dévoilé Pixtral 12B, son premier modèle capable de traiter à la fois des images et du texte
  • Un modèle d’environ 24 Go doté de 12 milliards de paramètres
• Il est construit sur la base de Nemo 12B, le modèle de texte de Mistral
  • Il peut répondre à des questions sur un nombre arbitraire d’images, de tailles variées, fournies via des URL ou des images encodées en base64
  • À l’instar d’autres modèles multimodaux comme la gamme Claude d’Anthropic ou GPT-4 d’OpenAI, il devrait pouvoir effectuer des tâches comme la génération de légendes d’images ou le comptage d’objets dans une photo
• Il peut être téléchargé depuis GitHub et Hugging Face via des liens torrent
• Son téléchargement, son fine-tuning et son utilisation sont possibles sans restriction sous licence Apache 2.0
• La démo web ne fonctionne pas encore pour le moment, mais il devrait bientôt être possible de le tester sur Le Chat et Le Plateforme, les plateformes de chatbot et de services API de Mistral
• Récemment, Mistral a bouclé un tour de table de 645 millions de dollars mené par General Catalyst, atteignant une valorisation de 6 milliards de dollars
  • Fondée il y a un peu plus d’un an, Mistral compte Microsoft parmi ses actionnaires minoritaires et est considérée comme l’OpenAI européen
  • Sa stratégie consiste à publier des modèles « ouverts » gratuits, à facturer les versions managées et à fournir des services de conseil aux clients entreprises