Mixtral 8x22B Instruct
4658°
Esegui questo modello
Offerte / Annunci
Mistral | contesto di 65.536 token | $2.00/M input, $6.00/M output. Versione ufficiale fine-tuned instruct di Mixtral 8x22B di Mistral. Usa 39 miliardi di parametri attivi su 141 miliardi totali, offrendo un'efficienza di costo senza pari per la sua dimensione. I suoi punti di forza includono: Vedi benchmark nell'annuncio di lancio quiOpens in new tab. #moe
Guide per questo modello
Il miglior LLM locale per caso d'uso (ottobre 2026): il modello open giusto per ogni lavoro
Quanta VRAM serve davvero per l'AI locale?
Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)
Note del capitano
Note del 2026-10-13
Mixtral 8x22B Instruct è il modello mixture-of-experts a pesi aperti e ottimizzato per istruzioni di Mistral, che attiva 39 miliardi di parametri all'inferenza da un totale di 141 miliardi. L'architettura MoE significa che ottieni capacità vicine a un grande modello denso a una frazione del costo computazionale. È adatto a sviluppatori che vogliono prestazioni generali solide e pesi aperti da self-hostare o usare via API.
Conosciuto per
- Design MoE sparso: 39B parametri attivi da 141B totali mantiene bassi i costi di inferenza.
- Pesi aperti disponibili su Hugging Face per self-hosting.
- Supporto nativo per chiamata di funzioni integrato nel tokenizer.
- Compatibile sia con mistral_inference che con pipeline transformers di Hugging Face.
Attenzione a
- 141B parametri totali richiedono VRAM seria per inferenza locale; la quantizzazione è quasi obbligatoria.
- Mistral raccomanda il tokenizer mistral_common per risultati esatti; il tokenizer HF può divergere leggermente.
- A 6,00$ per milione di token in output via API, i costi salgono rapidamente su compiti generativi lunghi.
Prompt da provare
Piano multi-step di funzione
Hai due strumenti: search_web(query) e send_email(to, subject, body). Un utente chiede: 'Trova il prezzo attuale dei futures sul rame e invia un riepilogo via email a procurement@example.com.' Scrivi la sequenza esatta di chiamate agli strumenti con argomenti e spiega il tuo ragionamento tra ogni passo.
Refactoring per leggibilità
Refattorizza la seguente funzione Python per renderla più leggibile e manutenibile. Aggiungi type hint, rinomina variabili poco chiare e dividila se fa più di una cosa. Spiega ogni modifica fatta e perché.
def proc(d, x):
r = []
for i in d:
if i['v'] > x:
r.append({'id': i['id'], 'val': i['v'] * 1.1})
return r
Estrazione dati strutturati
Estrai ogni nome azienda, anno di fondazione e città sede dal testo qui sotto. Restituisci il risultato come un array JSON dove ogni oggetto ha le chiavi 'company', 'founded' e 'city'. Se un campo non è menzionato, usa null.
'Stripe è stata fondata nel 2010 e ha sede a San Francisco. Revolut, con sede a Londra, è stata lanciata nel 2015. Adyen opera da Amsterdam dal 2006.'
Confronta con
- Mistral Large 4Modello solo APIContesto di 1,048,576 token · Input $0.68/M, output $2.09/M
- Mistral LargeModello solo APIContesto di 128,000 token · Input $2.00/M, output $6.00/M
- Mistral Medium 3.5Modello solo APIContesto di 262,144 token · Input $1.50/M, output $7.50/M
- Mistral Medium 3Modello solo APIContesto di 131,072 token · Input $0.40/M, output $2.00/M
Altri modelli di testo da mistralai
Domande frequenti
- Posso eseguire Mixtral 8x22B Instruct localmente?
- Sì, i pesi sono aperti e ospitati su mistralai/Mixtral-8x22B-Instruct-v0.1 su Hugging Face. Tieni presente che il modello completo ha 141 miliardi di parametri, quindi quasi certamente avrai bisogno di quantizzazione per farlo entrare in hardware consumer o prosumer.
- Quanto costa e qual è la finestra di contesto?
- Via API il modello costa 2,00$ per milione di token in input e 6,00$ per milione di token in output, con una finestra di contesto da 65.536 token.
- In cosa differisce l'8x22B da Mixtral 8x7B?
- L'8x22B scala sia il numero di esperti che la loro dimensione, attivando 39 miliardi di parametri per passaggio in avanti contro circa 12 miliardi nell'8x7B, il che si traduce in prestazioni più forti a costo di maggiore VRAM e un prezzo API leggermente più alto.
Verdetto del capitanoUn robusto modello a pesi aperti con un intelligente rapporto costo-per-token, anche se il deployment locale richiede una pianificazione hardware seria.
Scheda modello su Hugging Face
Il capitano scrive queste note dalla descrizione e dalla scheda modello. Prezzi e dimensioni del contesto sono quelli del provider al momento della scrittura e possono cambiare.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Come si calcola questo punteggio
Questo modello non ha ancora dati di popolarità da nessuna fonte, quindi ha un numero provvisorio sotto 7,000° che mantiene le liste complete. Non supera mai un modello con dati. La suddivisione appare qui appena una fonte la segnala.
Glossario: i termini usati qui
- Punteggio heat
- Un numero che indica quanto un modello è usato e desiderato ora, da 0° a 9.999°. Ogni lista su questo sito che dice più caldo è ordinata per questo e nient’altro.
- Soglia minima
- I 7.000° da cui parte ogni modello con dati reali. La scala va da 0° a 9.999°; la parte sotto la soglia è riservata ai sostituti (modelli senza dati), così un modello con dati è sempre sopra uno senza. La soglia è uguale per tutti e non decide nulla; i gradi sopra sono la misura.
- Equivalenti di download
- Tutto ciò che il punteggio considera come un download, sommato: i download stessi, ogni seeder torrent come 1.000, ogni immagine AI Horde e ogni esecuzione su un sito di generazione come uno.
- Scala logaritmica
- Conta a decine, non a unità: passare da 1.000 a 10.000 download aggiunge gli stessi gradi che passare da 10.000 a 100.000. Evita che i giganti schiaccino tutto il resto.
- Like
- Pollici in su e like da ogni fonte, valgono metà di un download sulla scala logaritmica.
- Tasso di adozione
- Quanti download al giorno riceve un modello ora, dalla differenza tra due rilevazioni di una fonte. Un quarto del peso del termine download.
- Misurato e stimato
- Misurato significa che ci sono due letture di una fonte e la differenza è reale. Stimato significa che si conosce solo il totale di oggi e il passato è distribuito sulla vita del modello; il sito indica quale viene mostrato.
- Seeder
- Qualcuno che mantiene una copia dei pesi online per farli scaricare agli altri tramite torrent, o uno specchio ospitato che fa lo stesso. Ognuno conta come 1.000 download.
- AI Horde
- Una rete di volontari che genera immagini gratis su computer donati. Il numero di immagini create con un modello è pubblico, e ognuna conta come un download.
- Siti di generazione
- Siti che ospitano copie di un modello e permettono di generare con esso, come PixAI, SeaArt e Yodayo. I loro download contano come quelli di Civitai e ogni generazione come un download.
- Token OpenRouter
- Un modello di testo servito tramite API, come Claude o GPT, non ha pesi da scaricare, quindi il suo utilizzo si misura in token: i pezzi di testo letti e scritti tramite OpenRouter, un gateway usato da molte app, negli ultimi 30 giorni. Ogni 10,000,000 token conta come un download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modello completo (checkpoint)
- I pesi stessi, il file che genera da solo. Riceve un bonus perché da esso dipendono gli add-on.
- LoRA e embedding
- Piccoli file add-on che indirizzano i pesi di qualcun altro verso uno stile, un personaggio o un concetto. Non possono funzionare da soli.
- Famiglia e pesi
- La base su cui è costruito un modello, come SD 1.5, SDXL, Flux o Wan. Ogni modello eredita la data di rilascio dei pesi della sua famiglia.
- Età
- Gradi tolti in base a quanto tempo fa sono usciti i pesi della famiglia: 150° all'anno, fino a 750°. Mantiene i vecchi download che hanno avuto anni per accumularsi congelando la cima della lista.
- Boost famiglia
- Una piccola spinta limitata per le LoRA di una famiglia che questo sito sta promuovendo ora, sempre elencata nel dettaglio.
- Punteggio stand-in
- Un numero stabile sotto il minimo dato a un modello su cui nessuna fonte ha ancora dati, così le liste restano complete. Non supera mai un modello con dati.
- Novità! (periodo di grazia)
- Un modello più giovane di 7 giorni mostra Novità! invece di un punteggio e non ha posizione nelle classifiche. Il suo punteggio è calcolato dal primo giorno, ma un modello di un giorno cresce più velocemente di qualsiasi altro, quindi senza l'attesa il #1 della settimana sarebbe sempre quello uscito ieri invece di quello che ha resistito per una settimana.
- Tendenza
- Come la crescita di un modello in un periodo si confronta con la crescita tipica di un modello nello stesso periodo. Più veloce del tipico si legge come aumento, più lento come calo.
- Modello tipico
- Il centro del catalogo: metà dei modelli con un valore è cresciuta più velocemente nel periodo, metà più lentamente.
Mixtral 8x22B Instruct è un modello di testo per la famiglia Text / LLM presente su ModelTrends.ai, un catalogo in sola lettura di modelli di IA open source per immagini, video e testo. Confrontalo con gli altri modelli Text / LLM e controlla il punteggio di calore per vedere la tendenza.
Sfoglia per famiglia di modelli
Modelli Text / LLM
434
Modelli Anima
528
Modelli Chroma
19
Modelli Fibo
2
Modelli Flux
1,496
Modelli Flux 2 / Klein
1,239
Modelli Flux 3
3
Modelli Moss
3
Modelli Iris
1
Modelli MiniMax H3
364
Modelli Hunyuan
204
Modelli Ideogram
20
Modelli Krea2
717
Modelli Qwen
20
Modelli Qwen2
47
Modelli Ltx2
153