Pixtral Large

是什么

Pixtral Large 是 Mistral AI 于 2024 年 11 月 18 日发布的多模态（multimodal）模型^[1]。所谓多模态，指同一个模型既能读文字也能读图像：用户可以把一页扫描件、一张图表或一张照片连同问题一起交给它，答案由文字与图片共同决定。它建立在 Mistral 自己的文本模型 Mistral Large 2 之上，而不是另起炉灶从头搭一套视觉系统^[1]。

模型的接口标识符是 pixtral-large-2411^[3]。

怎么搭起来的

模型分成两部分：一个是 1230 亿参数的多模态解码器（decoder），负责语言部分；另一个是 10 亿参数的视觉编码器（vision encoder），负责把图像变成解码器能读的表示，合计约 1240 亿参数^[1]。可以这样理解这个分工：编码器是前端，把一张图转成一串内部向量；解码器把这些向量当成提示里多出来的“词”，再一段一段生成回答。

上下文窗口（context window）为 128K token，Mistral 说这足够装下至少 30 张高分辨率图片^[1]。上下文窗口指模型一次能考虑多少输入；窗口大，用户就能把一份含插图的多页文档整份提交，而不必一页一页喂进去。

公布的成绩

在 MathVista 上，Pixtral Large 得 69.4%^[1]。MathVista 考的是需要看懂图形和图表的数学题。Mistral 还表示，模型在 ChartQA 和 DocVQA 上超过了 GPT-4o 和 Gemini 1.5 Pro^[1]，这两个基准分别考察图表问答和对扫描、拍摄文档的问答。需要说明的是，这些对比由开发方自己给出，不是独立第三方评测的结果。

怎么拿到

Mistral 把权重以开放形式发布在 Hugging Face 上，采用 Mistral Research License，并为生产用途提供商业许可^[1]。开放权重（open weights）指参数可以下载下来自己运行，与只能通过接口调用的服务不同；至于下载之后能用来做什么，取决于许可条款，而不是文件格式。

Mistral 的更新日志把 mistral-large-2411 列为与 Pixtral Large 同一天发布^[4]，也就是说，文本模型的一次更新和多模态版本是一起推出的。

模型也直接进了自家产品。在 Le Chat 2024 年 11 月的更新中，文档与图像理解由 Pixtral Large 提供支持^[2]——助手可以读用户上传的文件或图片，并就其内容回答问题。

退役

Mistral 的文档记载，该模型于 2026 年 2 月 27 日标记为弃用，2026 年 5 月 31 日停用，由 Mistral Medium 3.5 接替^[3]。Pixtral Large 的页面上同样写明模型已弃用，已被更新的视觉与多模态模型取代^[1]。

弃用与停用是两个阶段：弃用是发出通知，模型仍能响应请求，但不再适合作为新项目的选择；停用是通知期结束，该标识符不再提供服务。

在发展中的位置

Pixtral Large 属于把多模态模型以可下载权重的形式交出去、而不只是做成封闭服务的那一批模型，这对需要在自己的硬件上推理或必须让数据留在内部团队来说有实际意义。它同时也显出这一代模型更替之快：从 2024 年 11 月发布到 2026 年 5 月停用，前后约一年半，接替者已经指名，更新日志里也留下了它与一次文本模型发布同日登场的那一行^[1][3][4]。