Pixtral (Полностью протестирован): Новый VISION LLM от Mistral Наконец-то здесь и превосходит Qwen-2 VL?

• Компания Mitral разместила ссылку на магнит, который оказался новой моделью Pixstral.  

• Pixstral - мультимодальная модель, способная обрабатывать изображения.  

• Основана на модели Mitral Nemo Twelve B, которая уже была хороша, но теперь имеет мультимодальные возможности.  

• Pixstral имеет размер 128 КБ и лицензию Apache 2.0.  

• Тесты показали противоречивые результаты, но в тестах с визуальными задачами модель показала хорошие результаты.  

• В тестах с визуальными задачами Pixstral почти такая же, как Nemo Twelve B.  

• Модель недоступна на OpenAI Gym и требует локальной установки.  

• Автор использовал инструкции Mitral для установки и тестирования модели.  

• Вопросы для тестирования: преобразование блок-схемы в программу на Python, расчет калорий в блюде, преобразование изображения в таблицу CSV, создание интерфейса на основе HTML, CSS и JS, анализ кухонного шкафа и описание бегущей собаки, объяснение мема.  

• Pixstral хорошо справляется с задачами зрения, но уступает модели Quen Twelve B в простых языковых заданиях.  

• Модель не поддерживает видео, но Quen Twelve B поддерживает.  

• Автор надеется на поддержку модели в OpenAI Gym и других платформах.  

• Призыв к подписке и поддержке канала.