Model
.ai
追踪开放 AI 模型
本模型的指南
全部指南
mistralai | 32,768 令牌上下文 | 输入 $0.06/千,输出 $0.06/千。Mistral-7B-Instruct-v0.2 大型语言模型(LLM)是 Mistral-7B-v0.2 生成文本模型的指令微调版本,使用多种公开可用的对话数据集进行训练。
Mistral 7B Instruct v0.2 是 Mistral AI 推出的小型指令调优模型,在公开对话数据上微调,支持 32,768 令牌上下文。每百万输入输出令牌均价 $0.06,属于托管模型中较低价位。适合需要低成本、通用聊天模型的开发者和爱好者,无需前沿系统的复杂负担。

以……著称

  • 异常低价:输入输出均为每百万令牌 $0.06。
  • 32,768 令牌上下文,7B 级别中表现稳健。
  • 基于多样公开对话数据的指令调优。
  • 在日常聊天和轻量写作任务中表现超出预期。

注意

  • 此列表未提供权重下载链接,本地部署情况不明。
  • 7B 模型在复杂推理、长文分析和复杂编码任务上有明显限制。
  • 后续 Mistral 版本已发布,性能更优。

推荐尝试的提示词

快速文档总结
将以下会议记录总结为五个要点,每点不超过 20 字。重点关注决策和分配的行动。然后添加一句整体总结。 [请粘贴会议记录]
清晰改写
将下段文字用通俗易懂的英语改写,面向非技术读者。保留所有事实,去除行话,句子尽量不超过 20 字。段落如下:“The asynchronous event-driven architecture leverages non-blocking I/O to maximise throughput under concurrent load conditions.”
简单解释概念
向懂电子表格但未学过机器学习的人解释变换器神经网络的工作原理。用比喻,控制在 200 字以内,避免使用“神经”、“层”和“矩阵”等词。

与……比较

来自 mistralai 的更多文本模型

常见问题

我能本地运行 Mistral 7B Instruct v0.2 吗?
此列表未提供权重链接,本地部署未确认;请查看 Mistral AI 官方渠道获取下载信息。
价格多少,支持多大上下文?
API 价格为输入输出均每百万令牌 $0.06,支持 32,768 令牌上下文窗口。
v0.2 与其他 Mistral 7B 版本有何区别?
v0.2 是基于 Mistral-7B-v0.2 基础模型的指令微调版本,训练数据包含更广泛的公开对话;Mistral 后续发布了更大更强的新版本。
船长评语
一款真正低价且有能力的小模型——适合聊天和轻量写作,但别指望它承担重度任务。
船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据,可能会变动。
Ranking badge
Updated Oct 22, 2026
ModelTrends.ai 上的 Mistral 7B Instruct v0.2:#87 Hottest Text / LLM model
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #87 Hottest Text / LLM text model
Not this creator?
这个评分是怎么计算的
这个模型还没有任何来源的流行度数据,所以它用一个低于 7,000° 的替代数值来保持列表完整。它永远不会排在有数据的模型前面。一旦有来源报告数据,分解就会显示在这里。
术语表:这里用到的术语
热度得分
一个数字,表示模型当前的使用和需求程度,范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序,别无他物。
基准线
所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°;基准线以下的部分保留给无数据的替代模型,这样有数据的模型总是排在无数据模型之上。基准线对所有人相同,不影响排名;超过基准线的度数才是实际测量值。
下载等价量
得分中当作下载计算的所有项目总和:下载本身,每个种子上传者算1,000,每个AI Horde图片和每次生成网站的运行算一个。
对数刻度
以十为单位计数,而不是以一为单位:从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
点赞
来自所有来源的点赞和竖起大拇指,每个点赞在对数刻度上价值半个下载。
采用率
模型当前每天的下载次数,基于两次读数的差值。权重是下载项的四分之一。
测量与估算
测量表示有两个来源的读数,且差异是真实的。估算表示只知道今天的总数,过去的数据是根据模型的生命周期分配的;网站会说明显示的是哪种。
做种者
指那些在线保存权重副本供他人通过种子下载的人,或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
AI Horde
一个志愿者网络,在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的,每张图片算作一次下载。
生成网站
托管自己模型副本并允许用户生成的站点,比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样,每次生成算一次下载。
OpenRouter 令牌
通过API提供的文本模型,如Claude或GPT,没有权重需要下载,因此其使用量以令牌计量:过去30天内通过OpenRouter(一种许多应用使用的网关)读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源:OpenRouter (openrouter.ai/rankings),CC BY 4.0。
完整模型(检查点)
权重文件本身,是能独立生成的文件。它会获得额外加分,因为附加组件依赖它。
LoRA和嵌入
小型附加文件,用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
家族与权重
模型构建所基于的基础,比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
年龄
根据家族权重发布多久,扣除的度数:每年150°,最多750°。它保留了那些积累了多年下载量的老模型,防止它们被挤出榜单顶部。
家族加成
对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分,总是在分数细目中列出。
替代分数
给还没有任何来源报告的模型一个稳定的最低分数,这样榜单才完整。它永远不会高于有数据的模型。
新模型!(宽限期)
不到7天的新模型显示“新模型!”而非分数,且不参与排名。其分数从第一天开始计算,但一天大的模型增长最快,若不等待,周榜#1总是昨天刚发布的模型,而非持续一周的。
趋势
模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升,比典型慢表示下降。
典型模型
目录的中间值:一半有数据的模型增长比它快,一半比它慢。