Czy mogę uruchomić Mixtral 8x22B Instruct lokalnie?

Tak, wagi są otwarte i dostępne pod mistralai/Mixtral-8x22B-Instruct-v0.1 na Hugging Face. Pamiętaj, że pełny model ma 141 miliardów parametrów, więc niemal na pewno będziesz potrzebować kwantyzacji, by zmieścić go na sprzęcie konsumenckim lub prosumenckim.

Ile kosztuje i jakie ma okno kontekstowe?

Przez API model kosztuje 2,00 USD za milion tokenów wejściowych i 6,00 USD za milion tokenów wyjściowych, z oknem kontekstowym 65 536 tokenów.

Czym 8x22B różni się od Mixtral 8x7B?

Model 8x22B zwiększa zarówno liczbę ekspertów, jak i ich rozmiar, aktywując 39 miliardów parametrów na pojedyncze przejście w porównaniu do około 12 miliardów w 8x7B, co przekłada się na lepszą wydajność kosztem większych wymagań VRAM i nieco wyższych kosztów API.

Mixtral 8x22B Instruct

4658°

#llm #mistralai #kodowanie #agenci #lokalny #czat

Uruchom model

Oferty / Reklamy

OpenRouter Terminal / API

Płać za token

Rozmawiaj z tym modelem w przeglądarce lub wywołuj go z kodu za pomocą jednego klucza API.

Mistral | 65,536 token context | $2.00/M input, $6.00/M output. Oficjalna wersja fine-tuned Mixtral 8x22B od Mistral. Używa 39 miliardów aktywnych parametrów z 141 miliardów, oferując niezrównaną efektywność kosztową jak na swój rozmiar. Jego mocne strony to: Zobacz benchmarki w ogłoszeniu premiery tutajOpens in new tab. #moe

Poradniki do tego modelu

Najlepsze lokalne LLM według zastosowania (październik 2026): odpowiedni otwarty model do każdego zadania

Ile VRAM naprawdę potrzebuję do lokalnej AI?

Co to jest plik GGUF? Wyjaśnienie modeli kwantyzowanych (Q4, Q8, fp8, NF4)

Wszystkie poradniki

Notatki kapitana

Napisane przez Captain, redaktora domu

Notatki z 2026-10-13

Mixtral 8x22B Instruct to model Mistral z instrukcjami, oparty na rzadkiej mieszance ekspertów (MoE), aktywujący 39 miliardów parametrów podczas inferencji z łącznej liczby 141 miliardów. Architektura MoE oznacza, że otrzymujesz możliwości zbliżone do dużego modelu gęstego przy ułamku kosztów obliczeniowych. Pasuje deweloperom potrzebującym silnej ogólnej wydajności i otwartych wag, które mogą uruchomić lokalnie lub przez API.

Znany z

Projekt MoE: 39 miliardów aktywnych parametrów z 141 miliardów całkowitych obniża koszty inferencji.
Otwarte wagi dostępne na Hugging Face do samodzielnego hostingu.
Wbudowane natywne wsparcie wywołań funkcji w tokenizatorze.
Kompatybilny zarówno z mistral_inference, jak i pipeline’ami Hugging Face transformers.

Uważaj na

141 miliardów parametrów oznacza poważne wymagania VRAM do lokalnej inferencji; kwantyzacja jest niemal obowiązkowa.
Mistral zaleca użycie tokenizatora mistral_common dla dokładnych wyników; tokenizator HF może się nieznacznie różnić.
Przy cenie 6,00 USD za milion tokenów wyjściowych przez API koszty szybko rosną przy długich zadaniach generatywnych.

Najlepszy do

Kodowanie

Agenci i użycie narzędzi

Działa lokalnie

Czat i asystenci

Podpowiedzi do wypróbowania

Plan wieloetapowego wywoływania funkcji

Masz dwa narzędzia: search_web(query) i send_email(to, subject, body). Użytkownik pyta: 'Znajdź aktualną cenę kontraktów terminowych na miedź i wyślij podsumowanie na procurement@example.com.' Napisz dokładną sekwencję wywołań narzędzi z argumentami i wyjaśnij swoje rozumowanie między krokami.

Refaktoryzacja dla czytelności

Zrefaktoryzuj poniższą funkcję Pythona, aby była łatwiejsza do czytania i utrzymania. Dodaj adnotacje typów, zmień nazwy niejasnych zmiennych i podziel ją, jeśli robi więcej niż jedną rzecz. Wyjaśnij każdą wprowadzoną zmianę i jej powód. 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

Ekstrakcja danych strukturalnych

Wyodrębnij wszystkie nazwy firm, rok założenia i miasto siedziby z poniższego tekstu. Zwróć wynik jako tablicę JSON, gdzie każdy obiekt ma klucze 'company', 'founded' i 'city'. Jeśli pole nie jest wymienione, użyj wartości null. 'Stripe została założona w 2010 roku i ma siedzibę w San Francisco. Revolut, z siedzibą w Londynie, wystartował w 2015. Adyen działa z Amsterdamu od 2006 roku.'

Porównaj z

Mistral Large 4
Model tylko z API
Kontekst 1,048,576 tokenów · $0.68/M wejście, $2.09/M wyjście
Mistral Large
Model tylko z API
Kontekst 128,000 tokenów · $2.00/M wejście, $6.00/M wyjście
Mistral Medium 3.5
Model tylko z API
Kontekst 262,144 tokenów · $1.50/M wejście, $7.50/M wyjście
Mistral Medium 3
Model tylko z API
Kontekst 131,072 tokenów · $0.40/M wejście, $2.00/M wyjście

Więcej modeli tekstowych od mistralai

Pytania, które ludzie zadają

Czy mogę uruchomić Mixtral 8x22B Instruct lokalnie?: Tak, wagi są otwarte i dostępne pod mistralai/Mixtral-8x22B-Instruct-v0.1 na Hugging Face. Pamiętaj, że pełny model ma 141 miliardów parametrów, więc niemal na pewno będziesz potrzebować kwantyzacji, by zmieścić go na sprzęcie konsumenckim lub prosumenckim.
Ile kosztuje i jakie ma okno kontekstowe?: Przez API model kosztuje 2,00 USD za milion tokenów wejściowych i 6,00 USD za milion tokenów wyjściowych, z oknem kontekstowym 65 536 tokenów.
Czym 8x22B różni się od Mixtral 8x7B?: Model 8x22B zwiększa zarówno liczbę ekspertów, jak i ich rozmiar, aktywując 39 miliardów parametrów na pojedyncze przejście w porównaniu do około 12 miliardów w 8x7B, co przekłada się na lepszą wydajność kosztem większych wymagań VRAM i nieco wyższych kosztów API.

Wyrok kapitana
Wydajny model z otwartymi wagami o sprytnym stosunku kosztu do tokena, choć lokalne wdrożenie wymaga poważnego planowania sprzętowego.

Karta modelu na Hugging Face

Kapitan pisze te notatki na podstawie opisu modelu i karty modelu. Ceny i rozmiary kontekstu pochodzą od dostawcy w momencie pisania i mogą się zmieniać.

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.

Change colors / personalize / get code

Not this creator?

Get your own badge

Jak ten wynik się sumuje

Ten model nie ma jeszcze danych o popularności z żadnego źródła, więc ma zastępczą wartość poniżej 7,000°, która pozwala utrzymać kompletność list. Nigdy nie zajmuje wyższej pozycji niż model z danymi. Szczegóły pojawią się tutaj, gdy tylko jakieś źródło je zgłosi.

Słowniczek: używane tu terminy

Wynik heat: Jedna liczba pokazująca, jak bardzo model jest używany i pożądany teraz, od 0° do 9,999°. Każda lista na tej stronie z napisem hottest jest sortowana według tego i niczego innego.
Podstawa: 7,000° to punkt startowy dla każdego modelu z prawdziwymi danymi. Skala idzie od 0° do 9,999°; część poniżej podstawy jest zarezerwowana dla zastępczych modeli (bez danych), żeby model z danymi zawsze był wyżej. Podstawa jest taka sama dla wszystkich i nic nie decyduje; stopnie powyżej niej to właściwy pomiar.
Równoważniki pobrań: Wszystko, co wynik traktuje jak pobranie, zsumowane: same pobrania, każdy seeder torrenta jako 1,000, każde AI Horde zdjęcie i każde uruchomienie na stronie generującej jako jedno.
Skala logarytmiczna: Liczenie co dziesięć, nie co jeden: przejście z 1,000 do 10,000 pobrań dodaje tyle samo stopni, co z 10,000 do 100,000. Zapobiega to dominacji gigantów nad resztą.
Polubienia: Kciuki w górę i polubienia ze wszystkich źródeł, warte połowę pobrania na skali logarytmicznej.
Tempo adopcji: Ile pobrań dziennie model ma teraz, na podstawie różnicy między dwoma odczytami źródła. Ćwierć wagi terminu pobrania.
Zmierzony i szacowany: Zmierzony oznacza, że istnieją dwa odczyty źródła i różnica jest rzeczywista. Szacowany oznacza, że znana jest tylko dzisiejsza suma, a przeszłość jest rozłożona na czas życia modelu; strona mówi, który z nich pokazuje.
Seeder: Ktoś, kto trzyma kopię wag online, aby inni mogli je pobrać przez torrent, albo hostowany mirror robiący to samo. Każdy taki liczy się jako 1 000 pobrań.
AI Horde: Sieć wolontariuszy, która generuje obrazy za darmo na komputerach darczyńców. Liczba obrazów wygenerowanych z modelem jest publiczna i każde liczy się jako jedno pobranie.
Strony generujące: Strony, które mają własne kopie modelu i pozwalają ludziom generować z nim obrazy, takie jak PixAI, SeaArt i Yodayo. Ich pobrania liczą się jak na Civitai, a każde uruchomienie generowania to jedno pobranie.
Tokeny OpenRouter: Model tekstowy obsługiwany przez API, taki jak Claude czy GPT, nie ma wag do pobrania, więc jego użycie mierzy się tokenami: fragmentami tekstu, które przeczytał i napisał przez OpenRouter, bramkę używaną przez wiele aplikacji, w ciągu ostatnich 30 dni. Każde 10,000,000 tokenów liczy się jako jedno pobranie. Źródło: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Pełny model (checkpoint): Same wagi, plik, który generuje samodzielnie. Dostaje bonus, bo dodatki od niego zależą.
LoRA i embedding: Małe pliki dodatków, które kierują czyjeś wagi w stronę stylu, postaci lub koncepcji. Nie mogą działać samodzielnie.
Rodzina i wagi: Podstawa, na której zbudowano model, np. SD 1.5, SDXL, Flux lub Wan. Każdy model dziedziczy datę wydania wag swojej rodziny.
Wiek: Stopnie odejmowane za to, jak dawno wyszły wagi rodziny: 150° za rok, do 750°. Zachowuje stare pobrania, które miały lata na narastanie, zamrażając szczyt listy.
Wzmocnienie rodziny: Małe, ograniczone wsparcie dla LoRA z rodziny, którą ta strona teraz promuje, zawsze podane w rozbiciu.
Wynik zastępczy: Stabilna liczba poniżej minimum, przyznawana modelowi, o którym jeszcze nie ma danych źródłowych, żeby listy były kompletne. Nigdy nie jest wyżej niż model z danymi.
Nowy! (okres karencji): Model młodszy niż 7 dni pokazuje Nowy! zamiast wyniku i nie zajmuje miejsca w rankingu. Jego wynik jest liczony od pierwszego dnia, ale model jednodniowy rośnie najszybciej, więc bez oczekiwania #1 tygodnia byłby zawsze tym, który pojawił się wczoraj, a nie tym, który utrzymał się przez tydzień.
Trend: Jak wzrost modelu w danym okresie wypada na tle typowego wzrostu modelu w tym samym czasie. Szybszy niż zwykle to wzrost, wolniejszy to spadek.
Typowy model: Środek katalogu: połowa modeli z danymi rosła szybciej w tym okresie, połowa wolniej.

Podobne modele

Qwen3 Next 80B A3B Instruct

Modele AI do generowania obrazów, wideo i tekstu

Mixtral 8x22B Instruct to model tekstowy z rodziny Text / LLM wymieniony na ModelTrends.ai, katalogu tylko do odczytu otwartych modeli AI do obrazów, wideo i tekstu. Porównaj go z innymi modelami Text / LLM i sprawdź wynik popularności, aby zobaczyć trend.

Więcej modeli Text / LLM Więcej Text / LLM Tekst / LLM llm mistralai kodowanie agenci lokalny czat

Przeglądaj według rodziny modeli