Mixtral 8x22B Instruct
4658°
Chạy mô hình này
Ưu đãi / Quảng cáo
Mistral | ngữ cảnh 65.536 token | $2.00/M đầu vào, $6.00/M đầu ra. Phiên bản chính thức được tinh chỉnh theo hướng dẫn của Mistral cho Mixtral 8x22B. Nó sử dụng 39 tỷ tham số hoạt động trong tổng số 141 tỷ, mang lại hiệu quả chi phí vô song cho kích thước này. Điểm mạnh bao gồm: Xem các chuẩn trên thông báo ra mắt tại đâyOpens in new tab. #moe
Hướng dẫn cho mô hình này
LLM cục bộ tốt nhất theo từng trường hợp sử dụng (Tháng 10 năm 2026): mô hình mở phù hợp cho mọi công việc
Mình thực sự cần bao nhiêu VRAM cho AI cục bộ?
Tệp GGUF là gì? Giải thích về các mô hình lượng tử hóa (Q4, Q8, fp8, NF4)
Ghi chú của thuyền trưởng
Ghi chú từ 2026-10-13
Mixtral 8x22B Instruct là mô hình hỗn hợp chuyên gia thưa thớt được tinh chỉnh theo hướng dẫn của Mistral, kích hoạt 39 tỷ tham số khi suy luận từ tổng số 141 tỷ. Kiến trúc MoE có nghĩa bạn có khả năng gần với mô hình dày lớn với chi phí tính toán thấp hơn nhiều. Nó phù hợp với các nhà phát triển cần hiệu suất tổng quát mạnh và muốn trọng số mở để tự lưu trữ hoặc chạy qua API.
Nổi tiếng với
- Thiết kế MoE thưa thớt: 39 tỷ tham số hoạt động từ tổng 141 tỷ giữ chi phí suy luận thấp.
- Trọng số mở có sẵn trên Hugging Face để tự lưu trữ.
- Hỗ trợ gọi hàm gốc được tích hợp trong tokenizer.
- Tương thích với cả mistral_inference và pipeline transformers của Hugging Face.
Cẩn thận với
- 141 tỷ tham số tổng nghĩa là yêu cầu VRAM nghiêm túc cho suy luận cục bộ; gần như bắt buộc phải lượng tử hóa.
- Mistral khuyến nghị dùng tokenizer mistral_common để có kết quả chính xác; tokenizer HF có thể hơi lệch.
- Với giá 6 đô la mỗi triệu token đầu ra qua API, chi phí tăng nhanh với các tác vụ tạo dài.
Lời nhắc để thử
Kế hoạch gọi hàm đa bước
Bạn có hai công cụ: search_web(query) và send_email(to, subject, body). Người dùng hỏi: 'Tìm giá hiện tại của hợp đồng tương lai đồng và gửi email tóm tắt cho procurement@example.com.' Viết ra chuỗi gọi công cụ chính xác bạn sẽ thực hiện, kèm đối số, và giải thích lý do giữa mỗi bước.
Tái cấu trúc để dễ đọc
Tái cấu trúc hàm Python sau để dễ đọc và bảo trì hơn. Thêm chú thích kiểu, đổi tên biến không rõ, và tách hàm nếu nó làm nhiều việc. Giải thích mỗi thay đổi bạn thực hiện và lý do.
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
Trích xuất dữ liệu có cấu trúc
Trích xuất mọi tên công ty, năm thành lập và thành phố trụ sở chính từ văn bản dưới đây. Trả về kết quả dưới dạng mảng JSON, mỗi đối tượng có các khóa 'company', 'founded', và 'city'. Nếu trường nào không được đề cập, dùng null.
'Stripe được thành lập năm 2010 và có trụ sở tại San Francisco. Revolut, trụ sở tại London, ra mắt năm 2015. Adyen hoạt động từ Amsterdam từ năm 2006.'
So sánh với
- Mistral Large 4Mô hình chỉ APIngữ cảnh 1,048,576 token · Đầu vào $0.68/M, đầu ra $2.09/M
- Mistral LargeMô hình chỉ APIngữ cảnh 128,000 token · Đầu vào $2.00/M, đầu ra $6.00/M
- Mistral Medium 3.5Mô hình chỉ APIngữ cảnh 262,144 token · Đầu vào $1.50/M, đầu ra $7.50/M
- Mistral Medium 3Mô hình chỉ APIngữ cảnh 131,072 token · Đầu vào $0.40/M, đầu ra $2.00/M
Thêm mô hình văn bản từ mistralai
Câu hỏi thường gặp
- Tôi có thể chạy Mixtral 8x22B Instruct cục bộ không?
- Có, trọng số mở và được lưu trữ tại mistralai/Mixtral-8x22B-Instruct-v0.1 trên Hugging Face. Lưu ý mô hình đầy đủ có 141 tỷ tham số, nên gần như chắc chắn bạn sẽ cần lượng tử hóa để vừa với phần cứng tiêu dùng hoặc chuyên nghiệp.
- Nó có giá bao nhiêu và cửa sổ ngữ cảnh là gì?
- Qua API, mô hình có giá 2,00 đô la cho mỗi triệu token đầu vào và 6,00 đô la cho mỗi triệu token đầu ra, với cửa sổ ngữ cảnh 65.536 token.
- 8x22B khác gì so với Mixtral 8x7B?
- 8x22B mở rộng cả số lượng chuyên gia và kích thước của họ, kích hoạt 39 tỷ tham số mỗi lần chạy so với khoảng 12 tỷ ở 8x7B, điều này chuyển thành hiệu suất mạnh hơn với chi phí VRAM cao hơn và giá API hơi cao hơn.
Phán quyết của thuyền trưởngMột con ngựa thồ trọng số mở có khả năng với câu chuyện chi phí trên mỗi token thông minh, dù triển khai cục bộ đòi hỏi kế hoạch phần cứng nghiêm túc.
Thẻ mô hình trên Hugging Face
Thuyền trưởng viết những ghi chú này dựa trên mô tả và thẻ mô hình của mô hình. Giá cả và kích thước ngữ cảnh là của nhà cung cấp tại thời điểm viết và có thể thay đổi.
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.
Điểm số này được tính như thế nào
Mô hình này chưa có dữ liệu phổ biến từ bất kỳ nguồn nào, nên nó mang một số thay thế dưới 7,000° để giữ cho danh sách đầy đủ. Nó không bao giờ xếp trên một mô hình có dữ liệu. Phân tích chi tiết sẽ xuất hiện ở đây ngay khi có nguồn báo cáo.
Thuật ngữ: các từ dùng ở đây
- Điểm nhiệt
- Một số duy nhất cho biết mô hình được dùng và mong muốn thế nào hiện tại, từ 0° đến 9.999°. Mọi danh sách trên trang này nói về độ hot đều sắp xếp theo nó và không theo gì khác.
- Sàn điểm
- 7.000° là điểm bắt đầu cho mọi mô hình có dữ liệu thật. Thang điểm chạy từ 0° đến 9.999°; phần dưới sàn dành cho mô hình thay thế (mô hình không có dữ liệu), để mô hình có dữ liệu luôn xếp trên mô hình không có. Sàn điểm giống nhau cho tất cả và không quyết định gì; điểm trên sàn mới là thước đo.
- Tương đương lượt tải
- Tất cả những gì điểm số coi là lượt tải, cộng lại: lượt tải thật, mỗi người chia sẻ torrent tính 1.000, mỗi ảnh AI Horde và mỗi lượt chạy trên trang tạo ảnh tính một.
- Thang log
- Đếm theo chục, không phải theo đơn vị: từ 1.000 lên 10.000 lượt tải thêm cùng số điểm như từ 10.000 lên 100.000. Giúp tránh việc các mô hình lớn lấn át hết mọi thứ khác.
- Lượt thích
- Giơ ngón tay cái và lượt thích từ mọi nguồn, mỗi lượt bằng một nửa lượt tải trên thang log.
- Tỷ lệ áp dụng
- Bao nhiêu lượt tải mỗi ngày mà mô hình nhận được hiện tại, tính từ chênh lệch giữa hai lần đọc nguồn. Bằng một phần tư trọng số của lượt tải.
- Đã đo và ước tính
- Đã đo nghĩa là có hai lần đọc từ một nguồn và sự khác biệt là thật. Ước tính nghĩa là chỉ biết tổng số hôm nay và quá khứ được phân bổ trong suốt thời gian tồn tại của mô hình; trang web sẽ nói rõ đang hiển thị loại nào.
- Seeder
- Người giữ bản sao trọng số trực tuyến để người khác tải qua torrent, hoặc một bản sao lưu trữ làm điều tương tự. Mỗi người được tính là 1.000 lượt tải.
- AI Horde
- Một mạng lưới tình nguyện tạo ảnh miễn phí trên máy tính được hiến tặng. Số ảnh nó đã tạo với một mô hình được công khai, và mỗi ảnh được tính là một lượt tải.
- Trang tạo ảnh
- Các trang lưu trữ bản sao mô hình riêng và cho phép người dùng tạo ảnh, như PixAI, SeaArt và Yodayo. Lượt tải của họ được tính giống như Civitai và mỗi lần tạo ảnh được tính là một lượt tải.
- Token OpenRouter
- Mô hình văn bản phục vụ qua API, như Claude hoặc GPT, không có trọng số để tải xuống, nên sử dụng token để đo lường: các đoạn văn bản nó đọc và viết qua OpenRouter, một cổng kết nối nhiều ứng dụng sử dụng, trong 30 ngày qua. Mỗi 10,000,000 token tính là một lượt tải. Nguồn: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Mô hình đầy đủ (checkpoint)
- Chính là trọng số, file tự tạo ảnh. Nó được cộng thêm điểm vì các add-on phụ thuộc vào nó.
- LoRA và embedding
- Các file add-on nhỏ giúp điều chỉnh trọng số của người khác theo phong cách, nhân vật hoặc ý tưởng. Chúng không thể chạy riêng.
- Gia đình và trọng số
- Nền tảng mà mô hình xây dựng trên đó, như SD 1.5, SDXL, Flux hoặc Wan. Mỗi mô hình kế thừa ngày phát hành của trọng số gia đình nó.
- Tuổi
- Điểm trừ dựa trên thời gian trọng số gia đình được phát hành: 150° mỗi năm, tối đa 750°. Nó giữ lại lượt tải cũ đã tích tụ nhiều năm bằng cách đóng băng đầu danh sách.
- Tăng gia đình
- Một đẩy nhỏ có giới hạn cho LoRA của một gia đình mà trang này đang ưu tiên, luôn được liệt kê trong phần phân tích.
- Điểm thay thế
- Một số ổn định dưới mức tối thiểu dành cho mô hình chưa có báo cáo nguồn, để danh sách luôn đầy đủ. Nó không bao giờ xếp trên mô hình có dữ liệu.
- Mới! (giai đoạn thử nghiệm)
- Mô hình dưới 7 ngày tuổi hiển thị Mới! thay vì điểm số và không được xếp hạng. Điểm số được tính từ ngày đầu tiên, nhưng mô hình mới một ngày tăng trưởng nhanh nhất, nên nếu không chờ đợi thì #1 tuần này sẽ luôn là mô hình mới ra hôm qua thay vì mô hình giữ vững trong tuần.
- Xu hướng
- Tốc độ tăng trưởng của mô hình trong một khoảng thời gian so với tốc độ tăng trưởng trung bình của mô hình khác trong cùng khoảng thời gian. Nhanh hơn trung bình là tăng, chậm hơn là giảm.
- Mô hình điển hình
- Giữa danh mục: một nửa mô hình có số liệu tăng nhanh hơn trong khoảng thời gian, một nửa tăng chậm hơn.
Mixtral 8x22B Instruct là một mô hình văn bản thuộc họ Text / LLM được liệt kê trên ModelTrends.ai, danh mục chỉ đọc về các mô hình AI hình ảnh, video và văn bản mã nguồn mở. So sánh nó với các mô hình Text / LLM khác và xem điểm độ hot để biết xu hướng.
Duyệt theo họ mô hình
Mô hình Text / LLM
434
Mô hình Anima
528
Mô hình Chroma
19
Mô hình Fibo
2
Mô hình Flux
1,496
Mô hình Flux 2 / Klein
1,239
Mô hình Flux 3
3
Mô hình Moss
3
Mô hình Iris
1
Mô hình MiniMax H3
364
Mô hình Hunyuan
204
Mô hình Ideogram
20
Mô hình Krea2
717
Mô hình Qwen
20
Mô hình Qwen2
47
Mô hình Ltx2
153