MistralがPixtral 12Bを発表：テキストと画像処理のための初のマルチモーダルAIモデル

フランスのAIスタートアップMistralが、テキストと画像の両方を処理できる初のマルチモーダルモデル「Pixtral 12B」を発表しました。主な特徴は以下の通りです：

1. 約24GBのサイズと120億のパラメータを持ち、画像キャプション生成や物体カウントなどのタスクを実行できます。
2. テキストベースのNemo 12Bモデルをベースに構築されています。
3. Apache 2.0ライセンスの下でダウンロードとカスタマイズが可能です。
4. URLやbase64エンコーディングを通じて画像を入力できます。
5. 近日中にMistralのLe ChatとLe Platformeチャットボットプラットフォームでテスト導入される予定です。

Pixtral 12Bの発表は、Mistralが最近完了した6億4500万ドルの資金調達に続くものです。同社はOpenAIに対抗するヨーロッパの企業として注目を集めており、オープンモデルとコンサルティングサービスを提供しています。

Mistralの今後の計画には、マルチモーダル機能の拡張、AIモデルの規模拡大、独自のAIツールとプラットフォームの開発、企業パートナーシップの強化、AI倫理と規制のリーダーシップ推進などが含まれています。同社は、イノベーション、オープンアクセスAIモデル、企業との連携に焦点を当てることで、グローバルなAIリーダーとしての地位を確立することを目指しています。