Pixtral 12B, un innovador modelo de lenguaje visual con 12 mil millones de parámetros, ha sido lanzado recientemente por Mistral AI. Este modelo está diseñado para destacar en tareas tanto textuales como multimodales, y ahora está disponible para los clientes a través del Amazon Bedrock Marketplace. Esta nueva funcionalidad permite a los desarrolladores explorar y utilizar más de 100 modelos de inteligencia artificial de origen diverso, optimizando así el acceso a herramientas de vanguardia.
Pixtral 12B, el primer modelo de su tipo de Mistral, ha demostrado un rendimiento excepcional en diversas evaluaciones, superando a otros modelos abiertos y rivalizando con versiones más grandes. Su arquitectura innovadora combina un codificador de visión de 400 millones de parámetros, que tokeniza imágenes, con un decodificador multimodal transformador de 12 mil millones de parámetros. Esta estructura es capaz de procesar imágenes a su resolución y relación de aspecto nativas, lo que permite un manejo de entrada de alta calidad.
El modelo genera resultados sólidos en tareas relacionadas con la comprensión visual, como la interpretación de gráficos y documentos, respondiendo preguntas sobre ellos y razonando de manera multimodal. Pixtral 12B está licenciado bajo la Apache 2.0, lo que facilita su implementación en aplicaciones multimodales complejas por parte de empresas y startups.
En cuanto a su rendimiento, Pixtral 12B logró un 52.5% en el referente Massive Multitask Language Understanding (MMLU), destacando en habilidades como la comprensión de gráficos y la respuesta a preguntas documentales. Este modelo no solo sobresale en tareas visuales y multimodales, sino también en tareas textuales, manteniendo su eficacia en múltiples frentes.
Los interesados en utilizar Pixtral 12B pueden acceder al modelo en el Amazon Bedrock Marketplace, donde podrán encontrar guías detalladas sobre su implementación, configuración de instancias y opciones de despliegue. Además, ofrece herramientas para experimentar con sus capacidades a través de una interfaz interactiva que permite probar distintos parámetros.
Pixtral 12B tiene múltiples aplicaciones, desde la gestión de comercio electrónico, donde puede extraer información de productos, hasta la evaluación de daños en vehículos en el contexto de seguros. Su habilidad para interpretar y razonar sobre imágenes complejas lo convierte en una herramienta valiosa en una variedad de sectores.
Con el auge de la inteligencia artificial y los modelos de lenguaje visual, Pixtral 12B se posiciona como un jugador destacado en el mercado, proporcionando soluciones innovadoras que pueden mejorar la eficiencia y la efectividad en numerosos escenarios comerciales.
vía: AWS machine learning blog
