Mistral · 2024-04 · スパースMoE
Mixtral 8x22B
Mixtral 8x22B は Mistral が 2024-04 に公開した グループ化クエリ注意（GQA） Transformer です。56 層、隠れ次元 6144、コンテキスト長 65,536 トークン。
層スタック
注意機構 ×56 · 層数 56
主要スペック
| 開発元 | Mistral |
|---|---|
| 公開日 | 2024-04 |
| 総パラメータ | 140.6 B |
| 活性パラメータ | 39.1 B |
| コンテキスト | 65,536 tokens |
| 注意機構 | GQA (48:8) |
| 層数 | 56 |
| 隠れ次元 | 6,144 |
| 注意ヘッド | 48 |
| 語彙数 | 32,000 |
| 位置エンコーディング | RoPE |
| 正規化 | RMSNorm |
| 活性化関数 | silu |
| 学習精度 | — |
| アーキテクチャクラス | MixtralForCausalLM |
アーキテクチャ概要
注意機構
グループ化クエリ注意（GQA） — 48 q-heads / 8 kv-heads. RoPE θ=1,000,000.
FFN / MoE
スパースなMixture-of-Expertsモデルで、8 個のルーティングエキスパートと top-2 ルーティングを持ち、トークンごとに約 39.1B のパラメータが活性化します。
フィールド単位の比較
同一開発元の前世代モデルと比較します。前世代がない場合は構造最相似モデルと比較。倍数欄 = 本モデル ÷ 比較対象。
前世代 Mistral 7B との全フィールド比較
| モデル | Mixtral 8x22B | Mistral 7B | 倍数 |
|---|---|---|---|
| model_type | mixtral | mistral | ≠ |
| architectures | MixtralForCausalLM | MistralForCausalLM | ≠ |
| hidden_size | 6144 | 4096 | ×1.50 |
| num_hidden_layers | 56 | 32 | ×1.75 |
| num_attention_heads | 48 | 32 | ×1.50 |
| num_key_value_heads | 8 | 8 | ≈1 |
| intermediate_size | 16384 | 14336 | ×1.14 |
| hidden_act | silu | silu | ＝ |
| num_experts_per_tok | 2 | — | |
| rope_theta | 1000000 | 10000 | ×100.00 |
| max_position_embeddings | 65536 | 32768 | ×2.00 |
| sliding_window | — | 4096 | |
| rms_norm_eps | 0.00001 | 0.00001 | ≈1 |
| vocab_size | 32000 | 32000 | ≈1 |
| torch_dtype | bfloat16 | bfloat16 | ＝ |
| attention_dropout | 0 | — | |
| bos_token_id | 1 | 1 | ≈1 |
| eos_token_id | 2 | 2 | ≈1 |
| initializer_range | 0.02 | 0.02 | ≈1 |
| num_local_experts | 8 | — | |
| output_router_logits | false | — | |
| router_aux_loss_coef | 0.001 | — | |
| tie_word_embeddings | false | false | ＝ |
| transformers_version | 4.38.0 | 4.34.0.dev0 | ≠ |
| use_cache | true | true | ＝ |
構造が最も近いモデル
- MiniMax-Text-01 (MiniMax, 2025-01) 0.988
- MiniMax-M1 (MiniMax, 2025-06) 0.988
- GLM-4.5-Air (GLM, 2025-07) 0.986
- GPT-OSS 20B (OpenAI, 2025-08) 0.984
- GPT-OSS 120B (OpenAI, 2025-08) 0.982
- Qwen3 235B A22B (Qwen, 2025-04) 0.981
類似度は 0（共通のカテゴリ特徴なし）から 1（構造プロファイルが完全に一致）の範囲です。
config.json の全フィールド
24 フィールド
| architectures | MixtralForCausalLM |
|---|---|
| attention_dropout | 0 |
| bos_token_id | 1 |
| eos_token_id | 2 |
| hidden_act | silu |
| hidden_size | 6144 |
| initializer_range | 0.02 |
| intermediate_size | 16384 |
| max_position_embeddings | 65536 |
| model_type | mixtral |
| num_attention_heads | 48 |
| num_experts_per_tok | 2 |
| num_hidden_layers | 56 |
| num_key_value_heads | 8 |
| num_local_experts | 8 |
| output_router_logits | false |
| rms_norm_eps | 0.00001 |
| rope_theta | 1000000 |
| router_aux_loss_coef | 0.001 |
| tie_word_embeddings | false |
| torch_dtype | bfloat16 |
| transformers_version | 4.38.0 |
| use_cache | true |
| vocab_size | 32000 |