Mistral AI、画像を理解するAIモデル「Pixtral 12B」を公開

　仏Mistral AIは、新しい大規模言語モデル（LLM）、「Pixtral 12B」を9月17日（現地時間）に公開した。Pixtral 12Bは、Apache 2.0ライセンスで公開しているオープンソースソフトウェア。Hugging Faceのリポジトリからダウンロードできる。

　Pixtral 12Bの特長は、言語だけでなく画像を理解する能力を持つ点にある。同社のLLM「Mistral Nemo」を基にしたパラメーター数120億のLLMに、新開発の画像解釈モデル（パラメーター数は4億）を付け加えた。基になったMistral Nemoは、文字による問いあわせに文字で回答したり、数学の問題を解いたり、コードを書く能力を持っているが、Pixtral 12Bは新たに画像を内容を解釈して文字で説明する能力を備えた。

　具体的には、複雑な形状の円グラフの画像を解釈し、数値が大きい順に項目を挙げたり、細かい折れ線グラフの画像を解釈して、傾向が変わった時点を説明する能力を持つ。また、Webページのイメージを大ざっぱに手描きしたスケッチの写真を解釈し、そのページを再現するHTMLコードを生成する能力や、編集で不自然な部分を付加した写真画像を解釈し、何がおかしいのかを説明する能力も持っている。

　Mistral AIはPixtral 12Bをオープンソースソフトウェアとして公開するだけでなく、同社のチャットボットサービス「Le Chat」で対話型のユーザーインターフェイスを提供する。加えて、同社が提供するAPIサービス「La Plateforme」を通して、外部アプリケーションから利用可能なAPIとしても提供する。