Mixtral 8x22B Instruct
4658°
Executar modelo
Ofertas / Anúncios
Mistral | contexto de 65.536 tokens | $2,00/M entrada, $6,00/M saída. Versão oficial fine-tuned instruct do Mixtral 8x22B da Mistral. Usa 39 bilhões de parâmetros ativos de um total de 141 bilhões, oferecendo eficiência de custo incomparável para seu tamanho. Seus pontos fortes incluem: Veja benchmarks no anúncio de lançamento aquiOpens in new tab. #moe
Guias para este modelo
Melhor LLM local por caso de uso (outubro de 2026): o modelo aberto certo para cada tarefa
De quanto VRAM eu realmente preciso para IA local?
O que é um arquivo GGUF? Modelos quantizados explicados (Q4, Q8, fp8, NF4)
Notas do capitão
Notas de 2026-10-13
Mixtral 8x22B Instruct é o modelo de mistura esparsa de especialistas (MoE) ajustado por instrução da Mistral, ativando 39 bilhões de parâmetros na inferência a partir de um total de 141 bilhões. A arquitetura MoE significa que você obtém capacidade próxima a um modelo denso grande por uma fração do custo computacional. É indicado para desenvolvedores que precisam de desempenho geral forte e querem pesos abertos para auto-hospedar ou usar via API.
Conhecido por
- Design MoE esparso: 39B parâmetros ativos de 141B totais mantém custos de inferência baixos.
- Pesos abertos disponíveis no Hugging Face para auto-hospedagem.
- Suporte nativo a chamadas de função embutido no tokenizador.
- Compatível com pipelines mistral_inference e Hugging Face transformers.
Fique atento a
- 141B parâmetros totais exigem VRAM séria para inferência local; quantização é quase obrigatória.
- A Mistral recomenda o tokenizador mistral_common para resultados exatos; o tokenizador HF pode divergir ligeiramente.
- A $6,00 por milhão de tokens de saída via API, os custos sobem rápido em tarefas longas de geração.
Sugestões para tentar
Plano de funções em múltiplas etapas
Você tem duas ferramentas: search_web(query) e send_email(to, subject, body). Um usuário pede: 'Encontre o preço atual dos futuros do cobre e envie um resumo por email para procurement@example.com.' Escreva a sequência exata de chamadas de ferramenta que faria, com argumentos, e explique seu raciocínio entre cada passo.
Refatorar para legibilidade
Refatore a função Python abaixo para que fique mais fácil de ler e manter. Adicione anotações de tipo, renomeie variáveis pouco claras e divida a função se ela fizer mais de uma coisa. Explique cada mudança que fez e por quê.
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
Extração estruturada de dados
Extraia todos os nomes de empresas, ano de fundação e cidade da sede do texto abaixo. Retorne o resultado como um array JSON onde cada objeto tem as chaves 'company', 'founded' e 'city'. Se um campo não for mencionado, use null.
'Stripe foi fundada em 2010 e está sediada em San Francisco. Revolut, com sede em Londres, foi lançada em 2015. Adyen opera em Amsterdã desde 2006.'
Comparar com
- Mistral Large 4Modelo apenas para APIContexto de 1,048,576 tokens · entrada $0.68/M, saída $2.09/M
- Mistral LargeModelo apenas para APIContexto de 128,000 tokens · entrada $2.00/M, saída $6.00/M
- Mistral Medium 3.5Modelo apenas para APIContexto de 262,144 tokens · entrada $1.50/M, saída $7.50/M
- Mistral Medium 3Modelo apenas para APIContexto de 131,072 tokens · entrada $0.40/M, saída $2.00/M
Mais modelos de texto de mistralai
Perguntas frequentes
- Posso rodar o Mixtral 8x22B Instruct localmente?
- Sim, os pesos são abertos e hospedados em mistralai/Mixtral-8x22B-Instruct-v0.1 no Hugging Face. Tenha em mente que o modelo completo tem 141B parâmetros, então quase certamente precisará de quantização para caber em hardware de consumidor ou prosumer.
- Quanto custa e qual o tamanho do contexto?
- Via API, o modelo custa $2,00 por milhão de tokens de entrada e $6,00 por milhão de tokens de saída, com uma janela de contexto de 65.536 tokens.
- Como o 8x22B difere do Mixtral 8x7B?
- O 8x22B aumenta tanto o número de especialistas quanto seu tamanho, ativando 39B parâmetros por inferência contra cerca de 12B no 8x7B, o que se traduz em desempenho mais forte ao custo de maior VRAM e preço API ligeiramente maior.
Veredito do capitãoUm cavalo de batalha capaz com pesos abertos e uma história inteligente de custo por token, embora a implantação local exija planejamento sério de hardware.
Ficha do modelo no Hugging Face
O capitão escreve estas notas com base na descrição e ficha do modelo. Preços e tamanhos de contexto são do provedor na data da escrita e podem mudar.
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.
Como essa pontuação é calculada
Este modelo ainda não tem dados de popularidade de nenhuma fonte, então ele carrega um número provisório abaixo de 7,000° para manter as listas completas. Ele nunca fica acima de um modelo com dados. A divisão aparece aqui assim que uma fonte reporta.
Glossário: os termos usados aqui
- Pontuação heat
- Um número que mostra o quanto um modelo está sendo usado e desejado agora, de 0° a 9.999°. Toda lista neste site que diz mais quente é ordenada por ele e só por ele.
- Limite mínimo
- Os 7.000° que todo modelo com dados reais começa. A escala vai de 0° a 9.999°; a parte abaixo do limite é para substitutos (modelos sem dados), para que um modelo com dados sempre fique acima de um sem. O limite é igual para todos e não decide nada; os graus acima dele são a medida.
- Equivalentes a downloads
- Tudo que a pontuação trata como download, somado: downloads em si, cada torrent seeder como 1.000, cada imagem AI Horde e cada execução em site de geração como um.
- Escala logarítmica
- Contando de dez em dez, não de um em um: ir de 1.000 para 10.000 downloads adiciona os mesmos graus que ir de 10.000 para 100.000. Isso evita que gigantes abafem tudo.
- Likes
- Joinhas e likes de todas as fontes, valendo metade de um download na escala logarítmica.
- Taxa de adoção
- Quantos downloads por dia um modelo recebe agora, pela diferença entre duas leituras de uma fonte. Um quarto do peso do termo download.
- Medido e estimado
- Medido significa que existem duas leituras de uma fonte e a diferença é real. Estimado significa que só se sabe o total de hoje e o passado é distribuído ao longo da vida do modelo; o site indica qual está mostrando.
- Seeder
- Alguém que mantém uma cópia dos pesos online para outros baixarem via torrent, ou um espelho hospedado fazendo o mesmo. Cada um conta como 1.000 downloads.
- AI Horde
- Uma rede voluntária que gera imagens de graça em computadores doados. O número de imagens feitas com um modelo é público, e cada uma conta como um download.
- Sites de geração
- Sites que hospedam suas próprias cópias de um modelo e deixam as pessoas gerarem com ele, como PixAI, SeaArt e Yodayo. Os downloads deles contam como os do Civitai e cada geração conta como um download.
- Tokens OpenRouter
- Um modelo de texto servido via API, como Claude ou GPT, não tem pesos para baixar, então seu uso é medido em tokens: os pedaços de texto que ele leu e escreveu via OpenRouter, um gateway usado por muitos apps, nos últimos 30 dias. Cada 10,000,000 tokens contam como um download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modelo completo (checkpoint)
- Os pesos em si, o arquivo que gera sozinho. Ganha um bônus porque complementos dependem dele.
- LoRA e embedding
- Arquivos pequenos que direcionam os pesos de outra pessoa para um estilo, personagem ou conceito. Não podem rodar sozinhos.
- Família e pesos
- A base em que um modelo é construído, como SD 1.5, SDXL, Flux ou Wan. Todo modelo herda a data de lançamento dos pesos da sua família.
- Idade
- Pontos retirados conforme há quanto tempo os pesos da família foram lançados: 150° por ano, até 750°. Mantém os downloads antigos que tiveram anos para acumular, evitando que saiam do topo da lista.
- Impulso da família
- Um pequeno empurrão limitado para LoRAs de uma família que este site está promovendo agora, sempre listado na divisão.
- Pontuação provisória
- Um número estável abaixo do mínimo dado a um modelo que ainda não tem dados de fonte, para a lista ficar completa. Nunca fica acima de um modelo com dados.
- Novo! (período de carência)
- Um modelo com menos de 7 dias mostra Novo! em vez de uma pontuação e não ocupa lugar no ranking. Sua pontuação é calculada desde o primeiro dia, mas um modelo com um dia cresce mais rápido que qualquer outro, então sem a espera o #1 da semana seria sempre o que saiu ontem, não o que se manteve por uma semana.
- Tendência
- Como o crescimento de um modelo num período se compara com o crescimento típico dos modelos no mesmo período. Crescimento mais rápido que o típico indica alta, mais lento indica queda.
- Modelo típico
- O meio do catálogo: metade dos modelos com número cresceu mais rápido no período, metade mais devagar.
Mixtral 8x22B Instruct é um modelo de texto para a família Text / LLM listado no ModelTrends.ai, um catálogo somente leitura de modelos de IA de código aberto para imagem, vídeo e texto. Compare-o com outros modelos Text / LLM e veja a pontuação de calor para acompanhar a tendência.
Navegar por família de modelos
Modelos Text / LLM
434
Modelos Anima
528
Modelos Chroma
19
Modelos Fibo
2
Modelos Flux
1,496
Modelos Flux 2 / Klein
1,239
Modelos Flux 3
3
Modelos Moss
3
Modelos Iris
1
Modelos MiniMax H3
364
Modelos Hunyuan
204
Modelos Ideogram
20
Modelos Krea2
717
Modelos Qwen
20
Modelos Qwen2
47
Modelos Ltx2
153