文本和视觉信息处理

Pixtral-Large-Instruct-2411 是 Mistral AI 发布的一款多模态大型模型，参数总量为 1240 亿（包括 1230 亿参数的解码器和 10 亿参数的视觉编码器），构建于 Mistral Large 2 之上。该模型能够同时处理文本和视觉信息，具有 128K 的上下文窗口，能够管理多达 30 张高分辨率图像或相当于 300 页的文本内容。它在多模态基准测试中表现优异，支持多种语言如中文、法文、英文等，广泛用于复杂场景的语义推理、多模态问答和自动化任务执行。